论文部分内容阅读
电磁矢量传感器阵列信号研究一直是信号处理领域中经久不衰的一个课题,它在雷达、通信等领域都有着广泛的应用。相较于传统的标量传感器,电磁矢量传感器阵列能够感知空间-时间极化三维信息,即接收信号为一个三维张量,它的信息更加全面,所以使用电磁矢量传感器阵列会取得更好的波达方向和极化参数估计精度,故其应用非常广泛。阵列信号处理中传统的方法大多是基于矩阵分解的,它们会破坏掉阵列输出的三维结构,在此基础上,基于张量代数的高维处理工具被引入阵列信号处理,它可以直观地描述电磁矢量传感器阵列输出的三阶张量模型。而在实际应用中,入射信号会具有一定的先验信息,如恒模约束、范德蒙约束、正交约束等,所以我们可以利用约束张量分解方法对张量进行分解,从而估计出源信号矩阵,空域导向矢量矩阵以及极化域导向矢量矩阵,进一步在根据估计出来的因子矩阵信息回复信号的DOA和极化参数。本文主要研究了基于恒模约束张量的电磁矢量传感器阵列波达方向和极化参数联合估计方法,主要成果如下:·研究了基于全恒模约束的电磁矢量传感器阵列的波达方向和极化参数联合估计,提出了一种基于全恒模约束的CPD分解算法:首先利用经典的盲源分离算法对恢复出源信号,然后利用秩-1逼近恢复出信号的空域导向矢量矩阵和计划域导向矢量矩阵,从而得出所有因子矩阵的信息。此外还提出了基于叉积测角的电磁矢量传感器阵列的波达方向和极化参数估计算法,它利用计划域导向矢量的叉积估计DOA和极化参数,并且还可以利用空域导向矢量对估计值进行精度提升。最后我们还分析了所提出算法的辨识性条件以及特定条件下的克拉美罗界。仿真实验表明,提出的算法在辨识性以及估计精度上优于常见的CPD和迭代算法。·研究了基于部分恒模约束的电磁矢量传感器阵列的波达方向和极化参数联合估计,提出了出了一种基于部分恒模约束的CPD分解算法:首先利用经典的盲源分离算法估计恒模部分因子矩阵信息,然后利用CPD分解算法估计出非恒模部分因子矩阵信息,最后利用基于叉积测角的算法估计DOA和极化参数。此外,我们还分析了算法的辨识性条件。仿真实验表明,提出的算法具有辨识性以及估计精度上的优势。