[论文解读] Angular Resolution of Closely-Spaced Targets with Antenna Arrays

Ulrich Nickel, David Crouse|arXiv (Cornell University)|Aug 14, 2019

Advanced SAR Imaging Techniques参考文献 17被引用 4

一句话总结

本文提出了一种通过将角度分辨率建模为统计估计与检测问题，利用天线阵列解决近距离目标的新方法。该方法引入了Q函数最小化框架与随机逼近技术，实现超分辨率，理论分析表明其在存在噪声、耦合和量化等实际阵列失真时具有收敛性与鲁棒性。

ABSTRACT

This is an English translation of Ulrich Nickel's PhD dissertation with the original title "Winkelauflösung eng benachbarter Ziele mit Gruppenantennen." It describes maximum-likelihood angular superresolution of closely-spaced targets. It also discusses estimating the number of targets present.

研究动机与目标

• 解决利用阵列信号处理突破经典波束宽度极限、分辨近距离目标的根本挑战。
• 构建一个统计框架，将角度分辨率建模为不确定性下的检测与估计问题。
• 基于最小方差无畸变响应（MVDR）与信息论原理，提供目标分辨的数学严格解。
• 分析在耦合、相关噪声与量化效应等实际阵列失真下的分辨率方法鲁棒性。
• 为平面阵列中所提出的随机逼近算法建立理论收敛性与性能边界。

提出的方法

• 将角度分辨率问题建模为最小化由MVDR波束成形响应导出的Q函数。
• 应用随机逼近方法，利用空间样本迭代最小化Q函数，确保在弱条件下收敛。
• 提出一种基于平均Q统计量的多假设检验，用于检测多个目标的存在。
• 使用埃尔米特形式与特征函数，对高斯噪声下Q统计量的概率分布进行建模。
• 采用网格搜索结合平均化方法，提升低信噪比条件下的分辨率并减少虚警。
• 分析耦合、扩展目标、相关干扰与放大器漂移引起的扰动，以验证鲁棒性。

实验结果

研究问题

• RQ1 是否仅通过空间样本而无需目标参数先验知识，即可在天线阵列中实现超分辨率？
• RQ2 针对角度分辨率的Q函数最小化，所提出的随机逼近算法的理论收敛行为如何？
• RQ3 所提出的多假设检验与经典似然比检验相比，在检测近距离目标时表现如何？
• RQ4 阵列缺陷（如耦合与相关噪声）对分辨率性能与估计精度的退化程度如何？
• RQ5 信号带宽与目标扩展对可实现角度分辨率的影响是什么？

主要发现

• 在理想条件下，Q函数在真实到达方向（DOA）处具有唯一最小值，确保估计的一致性。
• 随机逼近几乎必然收敛至Q函数的全局最小值，从而实现鲁棒的DOA估计。
• 基于¯Q统计量的多假设检验在高斯噪声下检测性能接近理论最优。
• 该方法在相关噪声、放大器漂移与量化条件下仍保持稳定与准确，且误差增长有界。
• 理论分析表明，Q函数的方差为trace(ΓRΓR)，提供了估计不确定性的度量。
• 数值结果表明，平均化网格搜索通过抑制噪声引起的波动并减少虚警，提升了分辨率。