О.А. Шмонин1, В.В. Купцов2, С.Н. Трушков3, К.А. Понур4

1–4 Нижегородский государственный университет им. Н.И. Лобачевского (г. Нижний Новгород, Россия)

1 olgsh6@yandex.ru; 2 vitaliy.kuptsov.nn@yandex.ru; 3 trushkovsn@gmail.com; 4 ponur0kirill@gmail.com

Постановка проблемы. Задача оценки углового положения источников сигнала особенно актуальна в приложении к современным системам радиолокации, радионавигации и беспроводной мобильной связи. На практике оценка угловых координат множественных источников (направлений прихода) сигнала существенно усложняется в случае близких источников (случай сверхразрешения), когда угловое расстояние между ними меньше ширины главного лепестка диаграммы направленности антенной системы (предел разрешение Релея). В этом случае традиционно применяют антенные решетки (АР) и соответствующие методы обработки принятого сигнала. При этом высокую эффективность показывают нелинейные параметрические методы, использующие свойства ковариационной матрицы (КМ) и линейного пространства принятого АР сигнала, такие как метод Multiple Signal Classification (MUSIC). Однако эти методы предполагают их совместное использование с цифровыми АР (ЦАР), при котором каждому элементу АР соответствует независимый цифровой приемник. Другими словами, данные методы не могут быть напрямую применены для обработки сигнала в гибридных аналого-цифровых АР, в частности, в фазированных АР(ФАР), которые в настоящее время активно развиваются и широко используются в радиолокации и системах мобильной связи 5-го поколения. Существующие варианты метода MUSIC в таких системах или требуют идеального периодического сигнала, или обладают высокой вычислительной сложностью.

Цель. Предложить эффективный и вычислительно простой вариант метода MUSIC в ФАР для пеленгации источников случайных сигналов.

Результаты. Разработан вариант метода MUSIC, базирующийся на использовании теплицевой формы корреляционной матрицы сигналов в элементах ФАР и связи корреляционного вектора (первой строки корреляционной матрицы) с дискретным пространственным спектром мощности посредством дискретного преобразования Фурье. Проведено измерение указанного спектра путем сканирования пространства главным лепестком) диаграммы направленности ФАР. Показано, что точное восстановление корреляционной матрицы возможно, если число точек дискретного спектра вдвое и более превышает число элементов антенной решетки. Проведено исследование эффективности предложенного метода с помощью численного моделирования, результаты которого подтвердили, что при использовании разработанного метода точность оценки совпадает с точностью альтернативного, но вычислительно более сложного варианта метода MUSIC, независимо от формы сигнала.

Практическая значимость. Представленный метод может быть применен в радиолокации и системах мобильной связи пятого поколения для оценки характеристик канала миллиметрового диапазона длин волн.

Шмонин О.А., Купцов В.В., Трушков С.Н., Понур К.А. Применение сверхразрешающего метода MUSIC в фазированных антенных решетках для пеленгации источников случайных сигналов // Радиотехника. 2024. Т. 88. № 12. С. 89−102. DOI: https://doi.org/10.18127/j00338486-202412-08

1. Uwaechia N., Mahyuddin N.M. A comprehensive survey on millimeter wave communications for fifth-generation wireless networks: feasibility and challenges // IEEE Access. 2020. V. 8. P. 62367-62414.
2. Liu F., Masouros C., Petropulu A.P., Griffiths H., Hanzo L. Joint radar and communication design: applications, state-of-the-art, and the road ahead // IEEE Transactions on Communications. 2020. V. 68. № 6. P. 3834-3862.
3. Zhang R., Shim B., Wu W. Direction-of-arrival estimation for large antenna arrays with hybrid analog and digital architectures // IEEE Transactions on Signal Processing. 2022. V. 70. P. 72-88.
4. Ермолаев В.Т., Семенов В.Ю., Флаксман А.Г., Артюхин И.В., Шмонин О.А. Двумерная пеленгация со сверхразрешением в автомобильном MIMO радаре в условиях коррелированности целей // Электросвязь. 2022. № 8. С. 45-52.
5. Kutuzov N.A., Rodionov A.A., Stulenkov A.V. Localization of multiple vibration sources using a modified MUSIC algorithm // Physics of Wave Phenomena. 2024. V. 32. № 1. С. 56-66.
6. Ратынский М.В. Адаптация и сверхразрешение в антенных решетках. М.: Радио и связь. 2004. 199 с.
7. Tuncer E., Friedlander B. Classical and modern direction-of-arrival estimation. Burlington: Elsevier. 2009. 430 p.
8. Ermolayev V.T., Flaksman A.G., Elokhin A.V., Shmonin O.A. An experimental study of the angular superresolution of two correlated signals using the minimum-polynomial method // Radiophysics and Quantum Electronics. 2019. V. 61. № 11. P. 841-852.
9. Schmidt R. Multiple emitter location and signal parameter estimation // IEEE Transactions on Antennas and Propagation. 1986. V. 34. № 3. P. 276-280.
10. Dahlman E., Parkvall S., Skold J. 5G NR: The Next Generation Wireless Access Technology. London: Academic Press. 2018. 441 p.
11. Li S., Liu Y., You L., Wang W., Duan H., Li X. Covariance matrix reconstruction for DOA estimation in hybrid massive MIMO systems // IEEE Wireless Commun. Lett. 2020. V. 9. № 8. P. 1196-1200.
12. Plapous C., Cheng J., Taillefer E., Hirata A., Ohira T. Reactance domain MUSIC algorithm for electronically steerable parasitic array radiator // IEEE Trans. Antennas Propag. 2004. V. 52. № 12. P. 3257-3264.
13. Sun C., Karmakar N. Direction of arrival estimation based on a single port smart antenna using MUSIC algorithm with periodic signals // Int. J. Signal Process. 2004. V. 1. P. 153-162.
14. Taillefer E., Nomura W., Cheng J., Taromaru M., Watanabe Y., Ohira T. Enhanced reactance-domain ESPRIT algorithm employing multiple beams and translational-invariance soft selection for direction-of-arrival estimation in the full azimuth // IEEE Trans. Antennas Propag. 2008. V. 56. № 8. P. 2514-2526.
15. Li X., Fang J., Duan H., Chen Z., Li H. Fast beam alignment for millimeter wave communications: a sparse encoding and phaseless decoding approach // IEEE Trans. Signal Process. 2019. V. 67. № 17. P. 4402-4417.
16. Hu C., Wang X., Dai L., Ma J. Partially coherent compressive phase retrieval for millimeter-wave massive MIMO channel estimation // IEEE Trans. Signal Process. 2020. V. 68. P. 1673-1687.
17. Artyukhin I., Ermolaev V., Flaksman A., Rubtsov A., Shmonin O. Development of effective anti-interference primary signal processing for mmWave automotive radar // 2019 Int. Conf. on Eng. And Telecommun. (EnT). Dolgoprudny. 2019. P. 1-5.
18. Тихонов В.И. Статистическая радиотехника. Изд. 2-е, перераб. и доп. М.: Радио и связь. 1982. 624 с.
19. Golub G.H., Loan C.F.V. Matrix computations. 3th ed. London: The Johns Hopkins University Press. 1996. 694 p.
20. Johnson S.G., Frigo M. A modified split-radix FFT with fewer arithmetic operations // IEEE Transactions on Signal Processing. 2007. V. 55. № 1. P. 111-119.
21. Welch L. Lower bounds on the maximum cross correlation of signals (Corresp.) // IEEE Transactions on Information Theory. 1974. V. 20. № 3. P. 397-399.
22. Давыденко А.С., Попов Е.Н., Цикин И.А. Пеленгация высокодинамичных объектов на основе метода MUSIC при использовании антенных решеток с малым числом элементов // Радиотехника. 2020. Т. 84. № 12(24). С. 5−16. DOI: 10.18127/j00338486-202012(24)-01.