MIMO雷达的目标角度估计+文献综述(2)
关于雷达的测角方法，波束扫描法是一种传统测角法，它的基本工作原理为对阵列的方向进行调整并记录相对应的阵列对各个方向的输出功率，其中信号的来波方向即为最大输出功率方向。该方法得到的雷达测角分辨率由阵列的长度确定，且该分辨率被称作为瑞利限，超分辨方法指超出瑞利限的测角方法。由于MIMO雷达的角度估测是MIMO雷达信号处理领域研究的热点之一，所以相对应的测角算法不断涌现。波束形成法，基于特征结构的子空间方法就是MIMO雷达角度估计的超分辨算法中运用较为广泛的两种算法。而ESPRIT算法和MUSIC算法又是基于特征结构的子空间算法的典型。下面是对这两种算法的简单介绍。
ESPRIT算法的优越性在于：
1）DOA可以直接根据特征值计算得到，不需要对全部的导引向量进行搜寻，从而在极大程度上减少了计算量；
2）在对阵列进行测量时，对其流型向量的准确度要求不高，对其阵列校准要求不严。
MUSIC算法的优越性在于：
1）数字波束形成的光束除了接受波束，还能传输波束，防止波束形状损耗；
2）运用虚拟传感器扩展阵列孔径，以此获得窄波束；
3）虚拟空间的扩展阵列孔径逐渐减小，因此获得更低的旁瓣；
4）使用信息的传输和接收模式来改进的角分辨率；
5）增加最大可以探测和接受到的目标数以及减少空间传输峰值功率密度[5]。
MIMO雷达基于特征结构子空间测角法的基本思想如下：如果接收阵列的数量大于目标的数量，那么此时阵列数据信号分量可拆分成信号和噪声两个子空间。而其中只有信号子空间是用来确定信号来波的方向的，同时目标的方向也可以从信号子空间中被提取出来。因此易知上述测角方法突破了原有其他传统雷达测角方法的分辨率限制[5]。
雷达测角方法自MIMO雷达测角的ESPRIT算法及MUSIC算法被提出以来实现了质的飞跃。ESPRIT算法在参数估计方面相比于其它方法具有明显的优势，因此在最近几年得到了极广的应用并因此出现了许多变换算法:[6]提出了一种基于双基地的单一ESPRIT算法，相比于传统ESPRIT算法，增强准确度的同时降低了算法的复杂性[6]；[7]利用Multiresolution ESPRIT算法[7]、[8]提出的RD-ESPRIT算法[8]，[9]提出的SVD-ESPRIT算法[9]，均提高了测角的准确度；[10]验证了TLS-ESPRIT算法的性能：结果更加接近CRB界，具有更优的测角准确度；[11]利用循环平稳特性对ESPRIT的算法进行优化，[12]研发出B-ESPRIT算法，均降低了算法的复杂程度；[13]运用时序ESPRIT算法判定线性调频信号的入射角度测量，比传统的ESPRIT算法具有更好的性能；[14]提出的URV-ESPRIT算法更好地解决运动目标的测角问题，同时也降低了算法的复杂性；另外，其它文献中所提出的LS-ESPRIT、波束空间ESPRIT和酉ESPRIT等算法也在传统ESPRIT算法的基础上进行了相应的改良，使其测角性能得到了大大的提升[15]。而对于MUSIC算法：[4]针对加权MUSIC算法，提出了一种快速的二文角度估计方法；[12]提出了一种扩展循环MUSIC算法,增加了雷达测角的分辨率和抗噪性；[16]中提出的循环MUSIC算法成功解决了传统发射角DOA测量中部分人工信号无法被测出的问题；[17]中提到的一文Root- MUSIC算法、[18]对MUSIC算法进行的改进、[19]将二文的搜索的MUSIC算法拆成二次一文的搜索分别求得DOA，DOD，均减小了MUSIC算法的运算量；[20]提出了一种测量DOA的快速2D算法；[21]提出的一种ESPRIT-MIMO结合测角法将2D搜索分解成为两个1D搜索并证明了其可行性；[22]中提到的同时测量角度和目标位置范围的2D-MUSIC算法及能够满足连续接收回音这一条件的一种2D空间滤波技术；[23]提出了一种基于未知互耦双基地MIMO雷达的DOD和DOA测量方法，相比于传统的MUSIC算法它的性能也得到了极大的改善和提升。