为了解决多阵列中子空间数据融合(Subspace data fusion,SDF)算法自由度受限于实际阵元数与定位精度低的问题,本文利用非圆(Non⁃circular,NC)信号特性并结合降维(Reduced⁃dimension,RD)搜索思想提出了一种基于降维搜索的子空间数据融合...为了解决多阵列中子空间数据融合(Subspace data fusion,SDF)算法自由度受限于实际阵元数与定位精度低的问题,本文利用非圆(Non⁃circular,NC)信号特性并结合降维(Reduced⁃dimension,RD)搜索思想提出了一种基于降维搜索的子空间数据融合的非圆信号直接定位算法(Reduced⁃dimension subspace data fusion,RD⁃SDF)。该算法首先利用辐射源信号的NC特性扩展空间信息,以获得增大的虚拟阵列孔径,与更多的可识别信源数。但是由于NC相位导致的高维搜索大大增加了算法求解时的复杂度,本文引入RD搜索思想,通过数据重构消除NC相位导致的高维搜索复杂度问题,并结合SDF构造RD融合搜索谱函数。仿真结果表明,相比于传统SDF算法,本文RD⁃SDF算法具有更高的空间自由度和定位精度。此外,RD⁃SDF算法在保证估计性能的同时显著降低了算法复杂度。展开更多
文摘为了解决多阵列中子空间数据融合(Subspace data fusion,SDF)算法自由度受限于实际阵元数与定位精度低的问题,本文利用非圆(Non⁃circular,NC)信号特性并结合降维(Reduced⁃dimension,RD)搜索思想提出了一种基于降维搜索的子空间数据融合的非圆信号直接定位算法(Reduced⁃dimension subspace data fusion,RD⁃SDF)。该算法首先利用辐射源信号的NC特性扩展空间信息,以获得增大的虚拟阵列孔径,与更多的可识别信源数。但是由于NC相位导致的高维搜索大大增加了算法求解时的复杂度,本文引入RD搜索思想,通过数据重构消除NC相位导致的高维搜索复杂度问题,并结合SDF构造RD融合搜索谱函数。仿真结果表明,相比于传统SDF算法,本文RD⁃SDF算法具有更高的空间自由度和定位精度。此外,RD⁃SDF算法在保证估计性能的同时显著降低了算法复杂度。
