论文部分内容阅读
信号的波达方向(Direction of Arrival,DOA)估计,是被动测向技术中的重要组成部分。子空间算法如多重信号分类(Multiple Signal Classification,MUSIC)算法,能够分辨同一波束内的多个信号。其良好的测向性能前提是入射信号不相关或者相关度低,然而实际环境中存在大量相干信号,这导致了传统基于特征空间的谱估计算法失效。而且,这类算法在小快拍、低信噪比以及通道间不匹配等各种因素影响下,测向精度较低。因此,对于如何降低算法中一些参数对系统测向误差的影响以及解相干算法进行研究,具有十分重要的工程意义。本文对基于正交偶极子对阵列的信号DOA和极化参数联合参数估计问题进行了深入的研究,就现有算法中存在的一些问题提出相应的解决方法及改进方案,具体包括:1、针对如何避免通道不一致性带来的测向误差的问题展开研究,提出一种旋转双正交偶极子对阵列及其DOA与极化信息联合谱估计算法。该算法通过阵元旋转使得每个采样点所对应的阵元位置不同,进而可得到极化敏感均匀虚拟阵列;再通过对旋转阵元的输出数据进行采样,可得到虚拟阵列接收数据矢量;最后结合秩亏MUSIC算法,完成对入射信号DOA与极化信息的联合估计。该算法提出的极化敏感旋转阵列仅包含两个正交偶极子对,对阵元利用率高,能有效缩小接收系统与信号处理系统的规模,并且在一定程度上可避免通道不一致性对测向结果的影响。本文提出的阵列,不仅仅适用于正交偶极子,也可适用于其它的极化敏感天线单元,具有很强的可移植性。计算机仿真试验验证了所提阵列的有效性。2、针对经典解相干算法的限制约束条件,提出了稀疏贝叶斯框架下对入射信号的联合参数估计算法。该算法的主要思想为:1)构建信号空域-极化域稀疏阵列模型,利用酉变换将其进行实值化;2)引入Gauss-Exp-Chi2三层先验作为模型参数的先验概率分布,促进了信号矢量矩阵的稀疏解;3)结合变分贝叶斯理论,通过交替迭代,当KullbackLeibler(KL)距离最小时,得到满足迭代停止条件的稀疏矢量的均值和方差;4)根据均值和方差构建功率谱函数,通过极大值点处对应的峰值可求解信号的DOA;5)利用已求的DOA,并结合模值约束方法,便可实现对信号极化信息的估计。