小样本条件下基于贝叶斯理论的阵列测向与跟踪新方法

项目拟针对小样本条件下的阵列处理问题，通过引入贝叶斯概率理论，就阵列测向与跟踪方法理论及其在相关领域的应用技术展开研究，具体研究内容包括：（1）将贝叶斯理论与阵列接收数据中隐含的空域AR模型相结合，实现小样本条件下对高斯/非高斯信号的个数估计和高精度测向；（2）针对实际应用中存在的各种阵列模型误差，提出小样本及模型失配条件下稳健的阵列测向方法；（3）在上述阵列测向方法的基础上，研究阵列模型理想或失配条件下对运动高斯/非高斯信号源的个数估计与角度跟踪方法；（4）将小样本条件下稳健的阵列测向与跟踪方法应用于对跳频信号的处理，借助高精度的角度估计结果实现对静止/运动跳频电台的网台分选，同时实时估计跳频信号频率等参数。项目研究将突破小样本条件下高精度的阵列测向与跟踪这一难点问题，进一步完善阵列信号处理理论体系，为算法的工程应用奠定基础。

观测样本数的减少会导致信号统计特征难以准确获得，因而子空间类阵列测向方法的性能会显著恶化。本项目针对小样本条件下的阵列测向问题和跳频信号参数估计问题，结合阵列不同阵元观测数据之间的内在联系和入射信号的空域稀疏性等先验，提出了基于空域AR模型的阵列测向方法和误差校正方法、基于时域AR模型的跳频信号参数估计方法，提出了基于入射信号空域稀疏性的高斯/非高斯信号阵列测向方法和基于信号时频分布稀疏性的跳频信号参数估计方法，提出了基于粒子群优化的动目标角跟踪方法和跳频信号参数快速估计方法，获得了显著优于已有方法的小样本适应能力。