阵列单通道相比多通道具有复杂度低、成本小的优点。针对以往阵列单通道测向模型估计精度较低的问题,基于随机过程理论,构建了阵列单通道波达方向(direction of arrival,DOA)估计模型。在此模型基础上,推导阵列单通道下均匀线阵和均匀圆阵导向矢量,并将MUSIC算法运用于阵列单通道DOA估计。由于该模型充分利用了阵元的幅相信息,无需恢复协方差矩阵,因此具有较高精度和分辨率。仿真实验验证了模型的可行性和有效性。
研究提取能够反映雷达信号本征信息的脉内特征参数作为常规五大参数的有效补充,是解决当前新体制雷达信号分选识别难的有效手段。提出了一种基于分数阶Fourier变换的雷达辐射源分选识别算法,该方法利用不同信号在分数阶域波形的差别,提取出三组对称Holder系数值构成联合特征向量,实现对雷达信号的自动分选识别。仿真实验结果表明,信噪比大于4 d B时,对六种雷达信号的整体平均识别成功率优于96.5%,信噪比0 dB时优于84.8%;对复合调制信号也具有较好的识别效果。
针对现有利用阵列单通道系统对机动目标跟踪精度不高,实时性差等不足,提出了一种新的基于改进粒子滤波算法的阵列单通道机动目标波达方向(direction of arrival,DOA)跟踪方法。该方法首先在利用接收机轮流采样建立数学模型的基础上,建立跟踪模型。然后,利用粒子群优化算法对马尔科夫链蒙特卡罗(Markov ChainMonte Carlo,MCMC)粒子滤波算法的重采样环节进行优化处理,给出了一种交互MCMC粒子滤波算法,该算法克服了传统粒子滤波算法粒子退化及样本贫化的固有缺陷。最后利用该算法求解跟踪方程,实现了实时DOA估计。理论分析与仿真结果表明,本文方法可实现基于阵列单通道的DOA跟踪与波束形成一体化,且能够处理相干信号,与标准粒子滤波和子空间类算法相比,收敛速度快,跟踪精度高。