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
针对多个相干信号源入射极化敏感阵列的问题,提出一种能够高效解多个相干信号源的波达方向(Destination of Arrival,DOA)估计方法,并通过移动平台和正交偶极子阵列的协同作用,减少对观测次数的需求,从而提高相干信号DOA估计的效率和精...针对多个相干信号源入射极化敏感阵列的问题,提出一种能够高效解多个相干信号源的波达方向(Destination of Arrival,DOA)估计方法,并通过移动平台和正交偶极子阵列的协同作用,减少对观测次数的需求,从而提高相干信号DOA估计的效率和精度。该算法利用由多对正交双偶极子组成的阵列接收到的数据,在极化域内进行平滑处理,恢复信号源协方差矩阵的秩。由于极化阵列具有较强的极化敏感性,因此在极化域内的平滑能够有效减小信号间的相关性,帮助恢复协方差矩阵的秩;通过移动平台使阵列产生运动,针对移动后的不同阵列,进行极化平滑后的接收信号协方差矩阵的计算。通过类似空间平滑的原理,计算出这些阵列的平均阵列输出协方差矩阵,在此过程中,信号的协方差矩阵得以恢复为满秩;采用多重信号分类算法(Multiple Signal Classification Algorithm,MUSIC)对恢复后的协方差矩阵进行DOA估计,从而获取多个信号源的方向信息。通过联合在极化域和平滑时域中的解相干技术,该算法将运动平台解相干所需的观测次数缩减至原来的一半,从而显著提高了相干信号DOA估计的效率。仿真结果表明,所提算法在多个相干信号源的DOA估计中,能够有效降低由于信号相干性引起的估计误差,显著提升估计精度。仿真结果验证了该方法的有效性。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。
文摘针对多个相干信号源入射极化敏感阵列的问题,提出一种能够高效解多个相干信号源的波达方向(Destination of Arrival,DOA)估计方法,并通过移动平台和正交偶极子阵列的协同作用,减少对观测次数的需求,从而提高相干信号DOA估计的效率和精度。该算法利用由多对正交双偶极子组成的阵列接收到的数据,在极化域内进行平滑处理,恢复信号源协方差矩阵的秩。由于极化阵列具有较强的极化敏感性,因此在极化域内的平滑能够有效减小信号间的相关性,帮助恢复协方差矩阵的秩;通过移动平台使阵列产生运动,针对移动后的不同阵列,进行极化平滑后的接收信号协方差矩阵的计算。通过类似空间平滑的原理,计算出这些阵列的平均阵列输出协方差矩阵,在此过程中,信号的协方差矩阵得以恢复为满秩;采用多重信号分类算法(Multiple Signal Classification Algorithm,MUSIC)对恢复后的协方差矩阵进行DOA估计,从而获取多个信号源的方向信息。通过联合在极化域和平滑时域中的解相干技术,该算法将运动平台解相干所需的观测次数缩减至原来的一半,从而显著提高了相干信号DOA估计的效率。仿真结果表明,所提算法在多个相干信号源的DOA估计中,能够有效降低由于信号相干性引起的估计误差,显著提升估计精度。仿真结果验证了该方法的有效性。
