论文部分内容阅读
极化敏感阵列的阵元是由多个指向不同的电偶极子和磁偶极子组成的,与传统标量阵列相比较,其可以实现对电磁信号的全极化接收,因而有更稳定和更高接收增益。已有的研究已经表明极化敏感阵列具有更加优越的系统性能,本文研究了极化敏感阵列DOA和极化参数估计算法,并对其中的部分算法进行改进,来提高算法的性能。本文的主要工作和研究成果包括以下几个方面: (1)针对信号自身特性的研究。非圆信号是常用的非高斯信号,本文对非圆信号的共轭协方差矩阵不为零的这一特征进行研究和总结,提出非圆MUSIC算法,来估计DOA和极化参数。该算法通过对单电磁矢量传感器和极化阵列接收的数据进行维数加倍后处理,从而实现DOA和极化参数估计性能的提高;数据维数加倍等效于单元个数的增加,因此能分辨多于单元总个数的信号。 接收数据维数增加后,该算法的复杂程度也会增加。针对这一缺陷,本文还引入传播算子,用矩阵的线性运算代替特征值分解求得噪声子空间,从而减少运算量。 (2)针对四阶累积量算法的研究。并非所有非高斯信号都是非圆信号,本文除了对信号自身特性的研究角度之外,还分别对单个电磁矢量传感器和极化阵列的四阶累积量MUSIC算法进行了研究和总结。其中,由于引入四阶累积量后运算量增大,本文将传播算子推广到四阶累积量MUSIC算法中,提出了基于传播算子四阶累积量MUSIC算法。 以上算法经过改进后,虽然运算量减少,但仍需要谱峰搜索。本文将四阶累积量和ESPRIT相结合,提出四阶累积量ESPRIT算法,该算法需要对单电磁矢量和极化阵列构造相应的旋转不变因子,直接计算出信号的DOA和极化参数估计值,无需谱峰搜索,提高了参数估计的实时性。 (3)针对实际情况中极化阵列存在取向误差,本文提出了Taylor近似迭代估计校正矩阵算法。该算法对误差阵元进行多次Taylor展开估计校正,得到极化阵列的校正矩阵。该算法估计出的阵列校正矩阵受取向误差角度影响不大,阵元取向误差角度较小或较大时均能正确校正待测信号,准确估计出信号的DOA和极化参数。