宽带信号无模糊测向新方法：粒子群优化阵列设计

本文主要探讨了在宽带信号测向领域的研究，针对宽带信号特有的频域模型和阵列结构设计问题。传统的方法如等距线阵（ULA）在处理宽带信号时存在局限性，即方位估计精度和分辨率随信号频率降低而下降，且互耦效应增加，特别是在处理低频信号时效果不佳。为了克服这些问题，研究人员提出了一种结合宽带信号子空间分析与粒子群优化算法（PSO）的新型方法。 首先，文章引入了宽带信号模型，考虑到信号频率的多样性，阵列流型和信号子空间会随之变化。模型中，每个阵元接收到的信号由多个信号源的贡献组成，包括信号增益、频率依赖的时延以及随机噪声。传统的窄带信号假设不再适用，需要更精确地处理宽带信号的相位延迟特性。 该研究的核心是提出了一种新的聚焦矩阵宽带信号估计算法，它基于信号子空间的理论，旨在解决阵列结构优化的问题。通过PSO算法，设计出能够适应宽带信号的非均匀线阵结构，如最小冗余线(MRL)、最大连续阵列(MCL)或最小间隙阵列，但这里的目标是扩展到宽带情况，以改善阵列的测向性能。 具体来说，阵元位置的优化设计是在保证测向无模糊性和最小阵元间距的前提下进行的，这意味着阵列能够准确地指向信号源，同时避免因间距过大而导致的模糊性。这种优化策略有助于提高在宽频段内的测向精度和分辨率，即使在信号功率密度较低的情况下也能有效侦察。 实验结果显示，该方法设计的阵列结构成功地突破了传统等距线阵对最小阵元间距的限制，从而提升了宽带信号测向的能力。这为电子侦察任务提供了新的解决方案，特别是在处理低频信号时，阵列性能的提升具有实际应用价值。 这篇文章的贡献在于提出了一种创新的算法和阵列结构设计策略，能够在宽带信号测向领域实现高精度和分辨率，对于提高电子侦察技术的性能具有重要意义。通过将信号子空间分析与优化算法相结合，作者克服了宽带信号处理中的关键难题，展示了在无线通信和信号处理领域的前沿研究进展。