小快拍数下宽带信号超分辨测向性能的多元优化方法研究

The use of super-resolution direction finding technology can confirm the source directions arriving at the array simultaneously, along with the development of the communication technology, wideband signals are increasingly used day by day, and the sampling data at each frequency is often small, this is a great challenge to the traditional wideband direction finding methods. The project is to research the multivariant optimization methods of super-resolution direction finding performance for wideband signals under small number of snapshots, first, to model wideband array signals, integrate the eigenvalues with corresponding eigenvectors of receiving data covariance matrix on every frequency, and propose criterion for estimating number of signals based on Bootstrap method. Then, to solve the direction of arrival of wideband incoherent signals by the sparse recovery method in continuous domain; To achieve joint sparse signal recovery of multiple frequency points in continuous domain by joint sparse in and among the frequency bands to perform direction finding for wideband coherent signals. A sparse Bayesian learning method is employed to calibrate the errors at every frequency for common mutual coupling among sensors, channel gain, phase uncertainty and sensor location errors, and then the accurate direction finding is realized. The research of this project will improve the super-resolution direction finding precision, resolution and computation speed of wideband signals, and it will promote the practical application of corresponding methods.

利用超分辨测向技术可以确定同时到达阵列的无线电信号的方向，随着通信技术的发展，宽带信号的应用日益增多，并且往往在每个频点下的采样数据较少，这就对传统的宽带信号测向方法提出了很大的挑战。本项目将对小快拍数下宽带信号超分辨测向性能的多元优化方法展开研究，首先建立宽带信号阵列模型，将各频点下接收数据协方差矩阵的特征值与特征向量进行融合，进而提出基于信息引导方法的信号个数估计准则。针对宽带非相干信号，在连续域内，对信号进行稀疏重构来对到达方向进行求解；针对宽带相干信号，在连续域内，利用频带内及频带间信号的联合稀疏性来实现多频点信号的联合稀疏重构，进而完成测向。针对阵列测向中常见的阵元间互耦、通道幅相不一致性以及阵元位置误差，采用稀疏贝叶斯学习方法对各频点下的误差进行校正，实现精确测向。本项目的研究将有效地提高小快拍数下宽带信号超分辨测向的精度、分辨力和计算速度，并推动相应方法的实际应用。

超分辨测向技术在移动通信、电子对抗和物联网等方面有着较为广泛的应用，人们可以利用这项技术判断出到达天线阵列的目标的个数和到达方向（Direction of Arrival, DOA），所以它也成为众多学者研究的重要内容。然而因为硬件能力的限制，国内外文献很少记载能够真正应用于实际系统中的方法，一般都是对理论算法进行仿真研究。因为这些算法的计算时间受限于硬件速度，而计算精度受限于信号样本数，所以现有的阵列信号处理算法大都是基于统计学理论，讨论一些样本趋于无穷时的“渐进”算法，且要求目标、干扰和噪声之间相互独立且是平稳的随机过程，信号采样满足独立同分布条件。然而实际中可用的样本往往是有限的。此外，高性能的阵列信号处理系统的阵元数目通常都较多，相比之下可用的信号采样数就更少，使得传统的方法难以准确的对各个信号参数进行估计。因此本项目对小快拍数下的宽带信号超分辨测向方法进行了优化，研究了以下问题：.第一，研究了在常规阵列下，各频点下的特征值与特征向量的融合方法，以及基于Bootstrap方法的信号个数估计准则。.第二，研究了常规阵列下，在连续域内利用频带内及频带间信号的联合稀疏性来更新稀疏向量支撑集的方法，实现了多频点信号的联合稀疏重构，并完成了宽带信号测向。.第三，研究了常规阵列下的稀疏贝叶斯学习方法，并针对阵列测向中分别存在阵元间互耦、阵列通道幅相不一致性以及阵元位置误差存在时的情况进行了校正。.最后，研究了利用多数字信号处理器实现以上算法的技术，采用4片ADI公司的浮点处理器TS-201S组成了多处理器超分辨测向系统，对基于Bootstrap方法的信号个数估计准则、基于连续域内的宽带信号稀疏重构实现的超分辨测向，以及基于稀疏贝叶斯学习的阵列多种误差联合校正方法进行了探索，取得了较好的效果。