互耦效应是天线阵列工作时阵元相互之间产生的一种干扰影响,会导致理想导向矢量与真实导向矢量之间存在偏差,严重影响参数的估计性能。本文针对阵列互耦扰动下的波达方向(Di-rection of Arrival,DOA)估计问题,提出了一种新的原子范数最小化方法MC-ANM,以提高参数估计精度。由于阵列互耦扰动下的原子结构不满足范德蒙德特性,原问题无法直接转化为半定规划程序。因此,文中基于对偶范数理论,推导了一个新的半定规划优化模型,作为原问题对应的对偶问题的充分近似,并构建了对偶多项式,以求解该半定规划优化中的DOA参数。仿真实验结果显示所提出的MC-ANM方法相较于传统原子范数最小化方法的估计性能有了明显的提升,同时估计精度要好于其他互耦扰动下的DOA估计算法。
针对实际声呐基阵水听器阵元间存在互耦导致阵列波达方向(direction of arrival,DOA)估计性能下降的问题,提出了一种阵列不确定互耦情况下的波达方向估计方法。基于稀疏贝叶斯学习(sparse Bayesian learning,SBL)模型,将空间域离散化为均匀的网格,并且引入离网格误差,针对阵元互耦,引入互耦系数向量;确定离网格误差和互耦系数向量的先验分布;使用贝叶斯学习的期望最大化算法,对未知参数进行迭代更新,得到目标空间谱。仿真结果表明,所提方法在阵元未知互耦较大情况下估计精度较高,多目标分辨能力较强。
