论文部分内容阅读
电磁矢量传感器是由若干个极化特征不同的极化天线组成。由电磁矢量传感器构成的极化敏感阵列,不仅可以接收电磁波的幅度、相位和波形等信息,还可以接收电磁波的极化信息。完备的电磁矢量传感器可以接收时域、空域和六维的极化域信息,和传统的标量阵列相比,极化敏感阵列拥有更好的抗干扰能力和更高的分辨力。残缺的电磁矢量传感器仅包含完备的电磁矢量传感器的部分子天线,使其在保持极化敏感阵列优点的同时,具有更少的接收数据、更小的互耦效应和空间体积。因此,残缺的电磁矢量传感器被广泛的应用于雷达、声呐、导航和通信等军事和民用领域。本文针对残缺的电磁矢量传感器的数学模型、分辨力以及参数估计算法展开深入研究,以提高参数估计精度和减少计算复杂度,主要成果包括以下三个方面:
首先,针对由单偶极子天线组成的分布式阵列的分辨力问题展开研究,结合信源估计和MUSIC谱估计,建立分辨力与相似度的参数方程。验证了相同条件下,极化阵列对空间临近的两个信号的分辨能力更强。首先建立任意方向偶极子天线对入射信号响应的数学模型,然后定义分辨力是空间中很近的两个信号源入射到阵列上时的分辨能力。通过研究两个信号导向矢量的相似度与分辨力的关系,并且结合信源估计和秩亏MUSIC算法,得出分布式阵列比传统的标量阵列拥有更好的角度分辨力。仿真实验表明极化阵列比标量阵列拥有更好的空间角度分辨力。
其次,研究了基于双正交偶极子组成的均匀线阵的参数估计问题,利用四元数模型降低参数估计的计算复杂度,并提高估计精度。首先利用四元数模型对接收数据进行重构,重构后的接收数据维数降低了一半。当信号为圆信号时,重构后的接收数据的协方差矩阵可以进一步化简。然后使用求根MUSIC算法对化简后的协方差矩阵进行DOA估计,并利用广义特征值求出信号的极化角度。由于在DOA估计的全部过程中不需要进行谱峰搜索,在提高估计精度的同时,大幅减少了计算复杂度。然而上述算法是在入射信号不相关为前提下成立的,针对独立信号和相干信号同时存在的混合信号参数估计问题,提出一种基于四元数的参数估计算法。所提算法在四元数模型下,利用Toepltiz矩阵将独立信号与相干信号分离。然后使用求根MUSIC算法对独立信号的进行DOA估计,再利用特征矢量重构的方法对相干信号进行解相干,最后再次使用求根MUSIC算法对解相干后的信号进行DOA估计。该算法在保持低复杂度的同时,对独立信号进行分离,扩大了阵列孔径,提高了测向精度。仿真实验表明两种算法具有良好的估计性能。
最后,针对基于三正交偶极子的阵列扩展问题,提出两种基于极化互质阵列的矩阵重构算法。首先建立由三正交偶极子组成的互质阵列的数学模型,设计一个更合理的互质阵列。然后提出了一种基于互质阵列的矩阵重构MUSIC算法,该算法充分利用三正交偶极子三个通道的所有信息形成一个拥有更多阵元的虚拟线阵。形成虚拟线阵之后,使得原本不相干的信号变为相干信号,因此需要使用前后向空间平滑的方法对虚拟阵列的协方差矩阵进行解相干。该算法可以估计出超过真实阵元数量的信源,实现阵列扩展。但该算法在低快拍数时性能急剧下降,甚至失效。针对上述问题,提出一种基于互质阵列的稀疏算法。所提算法利用压缩感知的原理,将协方差矩阵稀疏后,再利用极化阵列的多接收通道特点进行去噪处理。最后使用基追踪的方法对获得的新协方差矩阵进行DOA估计。所提的稀疏算法在低快拍数依然可以进行DOA估计,并且不需要预先知道信源数。针对形成的功率谱中存在伪峰的问题,设计了一个滑窗方法找出真实峰值。仿真实验表明两种算法均可以实现阵列扩展。基于矩阵重构的互质MUSIC算法在大快拍数时拥有良好的估计性能。而基于矩阵重构的稀疏算法在小快拍数时比前者估计性能更好,并且不需要预先的信源估计。
首先,针对由单偶极子天线组成的分布式阵列的分辨力问题展开研究,结合信源估计和MUSIC谱估计,建立分辨力与相似度的参数方程。验证了相同条件下,极化阵列对空间临近的两个信号的分辨能力更强。首先建立任意方向偶极子天线对入射信号响应的数学模型,然后定义分辨力是空间中很近的两个信号源入射到阵列上时的分辨能力。通过研究两个信号导向矢量的相似度与分辨力的关系,并且结合信源估计和秩亏MUSIC算法,得出分布式阵列比传统的标量阵列拥有更好的角度分辨力。仿真实验表明极化阵列比标量阵列拥有更好的空间角度分辨力。
其次,研究了基于双正交偶极子组成的均匀线阵的参数估计问题,利用四元数模型降低参数估计的计算复杂度,并提高估计精度。首先利用四元数模型对接收数据进行重构,重构后的接收数据维数降低了一半。当信号为圆信号时,重构后的接收数据的协方差矩阵可以进一步化简。然后使用求根MUSIC算法对化简后的协方差矩阵进行DOA估计,并利用广义特征值求出信号的极化角度。由于在DOA估计的全部过程中不需要进行谱峰搜索,在提高估计精度的同时,大幅减少了计算复杂度。然而上述算法是在入射信号不相关为前提下成立的,针对独立信号和相干信号同时存在的混合信号参数估计问题,提出一种基于四元数的参数估计算法。所提算法在四元数模型下,利用Toepltiz矩阵将独立信号与相干信号分离。然后使用求根MUSIC算法对独立信号的进行DOA估计,再利用特征矢量重构的方法对相干信号进行解相干,最后再次使用求根MUSIC算法对解相干后的信号进行DOA估计。该算法在保持低复杂度的同时,对独立信号进行分离,扩大了阵列孔径,提高了测向精度。仿真实验表明两种算法具有良好的估计性能。
最后,针对基于三正交偶极子的阵列扩展问题,提出两种基于极化互质阵列的矩阵重构算法。首先建立由三正交偶极子组成的互质阵列的数学模型,设计一个更合理的互质阵列。然后提出了一种基于互质阵列的矩阵重构MUSIC算法,该算法充分利用三正交偶极子三个通道的所有信息形成一个拥有更多阵元的虚拟线阵。形成虚拟线阵之后,使得原本不相干的信号变为相干信号,因此需要使用前后向空间平滑的方法对虚拟阵列的协方差矩阵进行解相干。该算法可以估计出超过真实阵元数量的信源,实现阵列扩展。但该算法在低快拍数时性能急剧下降,甚至失效。针对上述问题,提出一种基于互质阵列的稀疏算法。所提算法利用压缩感知的原理,将协方差矩阵稀疏后,再利用极化阵列的多接收通道特点进行去噪处理。最后使用基追踪的方法对获得的新协方差矩阵进行DOA估计。所提的稀疏算法在低快拍数依然可以进行DOA估计,并且不需要预先知道信源数。针对形成的功率谱中存在伪峰的问题,设计了一个滑窗方法找出真实峰值。仿真实验表明两种算法均可以实现阵列扩展。基于矩阵重构的互质MUSIC算法在大快拍数时拥有良好的估计性能。而基于矩阵重构的稀疏算法在小快拍数时比前者估计性能更好,并且不需要预先的信源估计。