为了得到稳定的波束方向图、进一步提高极化敏感阵列的滤波性能,文中提出了一种极化域-空域联合的四元数幅度相位估计(Q-APES,Quaternion-Amplitude and Phase EStimation)自适应波束形成算法。首先,利用四元数信号模型很好的保持了两...为了得到稳定的波束方向图、进一步提高极化敏感阵列的滤波性能,文中提出了一种极化域-空域联合的四元数幅度相位估计(Q-APES,Quaternion-Amplitude and Phase EStimation)自适应波束形成算法。首先,利用四元数信号模型很好的保持了两分量阵列各阵元输出信号分量之间固有的正交特性,使得该模型较传统的长矢量模型更适合于极化敏感阵列信号处理。然后,将纯空域的APES算法拓展到极化域-空域联合处理中,给出了Q-APES算法的理论推导和分析,得出了四元数最优滤波权向量,并通过仿真实验验证了文中算法的有效性。计算机仿真结果表明,在强期望信号、低采样快拍数或是入射干扰信号与期望信号相干的情况下,文中算法都可以很好的实现极化域-空域联合自适应滤波。展开更多
为了进一步提高极化敏感阵列的滤波性能、得到更为稳定的波束图,将常规的幅度相位估计算法扩展到极化域-空域联合的自适应波束形成中,提出了一种新的波束形成算法SPAPES(Spatial-Polarization Amplitude and Phase Estimation)。首先,...为了进一步提高极化敏感阵列的滤波性能、得到更为稳定的波束图,将常规的幅度相位估计算法扩展到极化域-空域联合的自适应波束形成中,提出了一种新的波束形成算法SPAPES(Spatial-Polarization Amplitude and Phase Estimation)。首先,给出了算法的信号模型。然后,对所提出算法的滤波原理作了理论推导,得到了最优权向量的表达式。最后,通过仿真实验验证了算法的有效性。计算机仿真结果表明,在强期望信号功率、低采样快拍数的情况下,所提算法都可以很好地在空间-极化联合域中抑制干扰,同时该算法还具有对相干信号的解相干能力。展开更多
强干扰的环境下,基于传感器阵列的波达方向(Direction of arrival,DOA)估计是阵列信号处理中的重要问题。虽然对于网格点目标现有方法的DOA估计精度较高,但对于离格点目标现有方法的DOA估计性能会严重下降。本文提出一种离格情况下的DO...强干扰的环境下,基于传感器阵列的波达方向(Direction of arrival,DOA)估计是阵列信号处理中的重要问题。虽然对于网格点目标现有方法的DOA估计精度较高,但对于离格点目标现有方法的DOA估计性能会严重下降。本文提出一种离格情况下的DOA估计方法,首先设计一种鲁棒的正交零陷矩阵滤波法(Robust orthogonal matrix filter with nulling,ROMFN),它结合了正交零陷滤波法(Orthogonal matrix filter with nulling,OMFN)和最差性能下的鲁棒自适应波束形成,在对离格点目标达到滤波效果的同时只需设计较少的网格点。此外,新的矩阵滤波法保留了高斯白噪声的特性,避免了噪声白化的预处理过程。其次基于离格点稀疏贝叶斯推断(Off?grid sparse Bayesian inference,OGSBI)和ROMFN,形成一种强干扰下DOA估计的新方法。与现有方法相比,仿真结果表明该方法可以在不同的网格间距、不同的信噪比和干噪比下获得更高的估计精度。展开更多
文摘为了得到稳定的波束方向图、进一步提高极化敏感阵列的滤波性能,文中提出了一种极化域-空域联合的四元数幅度相位估计(Q-APES,Quaternion-Amplitude and Phase EStimation)自适应波束形成算法。首先,利用四元数信号模型很好的保持了两分量阵列各阵元输出信号分量之间固有的正交特性,使得该模型较传统的长矢量模型更适合于极化敏感阵列信号处理。然后,将纯空域的APES算法拓展到极化域-空域联合处理中,给出了Q-APES算法的理论推导和分析,得出了四元数最优滤波权向量,并通过仿真实验验证了文中算法的有效性。计算机仿真结果表明,在强期望信号、低采样快拍数或是入射干扰信号与期望信号相干的情况下,文中算法都可以很好的实现极化域-空域联合自适应滤波。
文摘为了进一步提高极化敏感阵列的滤波性能、得到更为稳定的波束图,将常规的幅度相位估计算法扩展到极化域-空域联合的自适应波束形成中,提出了一种新的波束形成算法SPAPES(Spatial-Polarization Amplitude and Phase Estimation)。首先,给出了算法的信号模型。然后,对所提出算法的滤波原理作了理论推导,得到了最优权向量的表达式。最后,通过仿真实验验证了算法的有效性。计算机仿真结果表明,在强期望信号功率、低采样快拍数的情况下,所提算法都可以很好地在空间-极化联合域中抑制干扰,同时该算法还具有对相干信号的解相干能力。
文摘强干扰的环境下,基于传感器阵列的波达方向(Direction of arrival,DOA)估计是阵列信号处理中的重要问题。虽然对于网格点目标现有方法的DOA估计精度较高,但对于离格点目标现有方法的DOA估计性能会严重下降。本文提出一种离格情况下的DOA估计方法,首先设计一种鲁棒的正交零陷矩阵滤波法(Robust orthogonal matrix filter with nulling,ROMFN),它结合了正交零陷滤波法(Orthogonal matrix filter with nulling,OMFN)和最差性能下的鲁棒自适应波束形成,在对离格点目标达到滤波效果的同时只需设计较少的网格点。此外,新的矩阵滤波法保留了高斯白噪声的特性,避免了噪声白化的预处理过程。其次基于离格点稀疏贝叶斯推断(Off?grid sparse Bayesian inference,OGSBI)和ROMFN,形成一种强干扰下DOA估计的新方法。与现有方法相比,仿真结果表明该方法可以在不同的网格间距、不同的信噪比和干噪比下获得更高的估计精度。
