基于信号循环平稳特性的波达方向估计技术研究

【摘要】： 波达方向(DOA)估计技术已广泛应用于雷达、声纳、通信、生物医学等多种军事和民用领域。常规的空间谱估计算法虽然具有超分辨的性能,但是对来波信号本身的时域信息利用并不充分,且在多信号处理能力、低信噪比适应能力等方面通常存在局限。随着研究的深入,人们发现许多人工信号和自然界信号都具有循环平稳特性,而利用信号的这种时域特性能够获得常规DOA估计方法无法达到的性能优势,如选择性测向能力、较强的干扰及噪声抑制能力和突破阵元数限制的多信号处理能力。因此,基于信号循环平稳特性的DOA估计技术逐渐成为阵列测向研究中的一个热点。 现有基于循环平稳的DOA估计研究主要集中于一维问题,对实际中有广泛需求的二维DOA估计技术的研究较少,而且已有的二维DOA估计算法较普遍地存在由时延选择导致的稳健性问题,对非均匀阵列二维DOA估计的研究也基本属于空白。针对上述这些问题并同时考虑相干源、宽带源等实际环境和应用背景,本文对利用信号循环平稳特性的DOA估计技术进行了深入研究,主要包括以下内容: 针对现有二维DOA估计技术存在由时延选择带来的算法稳健性问题,结合多时延采样及孔径扩展的空时等效阵列构造思想,分别提出了基于双平行均匀线阵的多时延共轭循环波达方向矩阵(ML-CCDM)算法和基于简化阵列的多时延共轭循环波达方向矩阵(SML-CCDM)算法。ML-CCDM算法充分利用了各阵元输出共轭循环相关函数的多时延采样数据,不仅避免了最优时延选择问题和谱峰搜索操作,还构造出了两倍于真实阵列孔径的虚拟阵列,相对于同样无需谱峰搜索的CCDM算法而言,获得了更高的DOA估计精度、更好的低信噪比适应能力以及更强的多信号处理能力。SML-CCDM算法在ML-CCDM算法的基础上,摆脱了双平行阵列的限制,并利用较少阵元获得了与ML-CCDM算法几乎相当的性能。 研究了非均匀阵列二维DOA估计技术,将最小冗余线阵与基于多时延采样的空时等效阵列构造方法相结合,提出了两种不同结构的稀疏阵列以及分别基于这两种阵列的二维DOA估计算法,将最小冗余线阵的应用拓展到共轭循环平稳信号二维DOA估计领域。这两种基于稀疏阵列的算法不仅分别继承了ML-CCDM算法和SML-CCDM算法的优点,在阵元数相同的条件下还具有更大的阵列孔径,因而能获得更高的DOA估计精度。此外,相对于均匀阵列而言,稀疏阵列的阵元间距更大,因此在工程实现时能够降低阵元间互耦等问题的影响。 研究了相干循环平稳信号DOA估计技术,通过构造与真实阵列阵元具有一一对应关系的空时等效虚拟阵列,并结合现有去相干预处理技术,提出了基于虚拟阵列前后向空间平滑(VA-FBSS)的算法,避免了前后向空间平滑循环MUSIC算法面临的最优时延选择问题并获得了更高的DOA估计精度。同时,与循环前后向线性预测算法相比,VA-FBSS算法在来波方向接近的低信噪比环境下具有更好的DOA估计性能。在此基础上,针对VA-FBSS算法只适用于一维DOA估计的局限,采用双平行均匀线阵将基于虚拟阵列空间平滑的方法推广到了相干循环平稳信号二维DOA估计领域。 研究了宽带循环平稳信号二维DOA估计技术,在现有基于阵元输出循环自相关的算法基础上,归纳总结出一种基于阵元输出循环互相关的信号处理模型,并提出了相应的宽带信号二维DOA估计算法,进一步提高了DOA估计精度。