针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification,MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方...针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification,MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival,DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。展开更多
极化敏感阵列可以获取到空间电磁信号的极化信息,具有优越的系统性能,可以更充分地利用信号中包含的信息。极化域-空域联合谱MU S IC算法是一种高性能的算法,但是在两信号参数相差不大,尤其是极化角度接近时无法分辨,在低信噪比、干扰...极化敏感阵列可以获取到空间电磁信号的极化信息,具有优越的系统性能,可以更充分地利用信号中包含的信息。极化域-空域联合谱MU S IC算法是一种高性能的算法,但是在两信号参数相差不大,尤其是极化角度接近时无法分辨,在低信噪比、干扰信号功率较大时算法性能明显下降,本文将波束空间预处理的方法应用该算法,阵列的抗干扰能力得到了提高,实验证明新算法的有效性。展开更多
文摘针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification,MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival,DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。
文摘极化敏感阵列可以获取到空间电磁信号的极化信息,具有优越的系统性能,可以更充分地利用信号中包含的信息。极化域-空域联合谱MU S IC算法是一种高性能的算法,但是在两信号参数相差不大,尤其是极化角度接近时无法分辨,在低信噪比、干扰信号功率较大时算法性能明显下降,本文将波束空间预处理的方法应用该算法,阵列的抗干扰能力得到了提高,实验证明新算法的有效性。
