[发明专利]基于瑞利熵降维MUSIC算法的参数估计方法

说明书

技术领域

本发明属于信号处理技术领域，尤其涉及一种电磁矢量传感器阵列的参数估计方法。

背景技术

电磁矢量传感器通常由多个共点放置的电偶极子和磁偶极子构成，可以同时测量目标信号的方位和极化状态等信息。电磁矢量传感器阵列是一种能够获取电磁信号空域和极化域信息的新型阵列。20世纪90年代以来，关于电磁矢量传感器阵列的研究日趋活跃，电磁矢量传感器阵列信号处理成为阵列信号处理领域新的研究热点，学者们在信号参数估计方面取得了许多有价值的研究成果。但这些算法主要是基于ESPRIT算法的阵列多参数估计，直接利用MUSIC算法进行到达角和极化参数估计的研究鲜见报道。

龚晓峰等研究了基于张量的双模MUSIC算法，该算法需要用到张量及张量空间，增加了计算的难度和复杂程度。李京书等研究了两分量电磁矢量传感器的四元数MUSIC算法，该算法主要讨论了到达角的估计问题，对极化的估计需要重新回归到长矢量模型中。对于六分量电磁矢量传感器阵列，输出数据需要用四元数或者八元数来表示，这些多元代数计算将更加复杂，且乘法运算规律和结合律不再成立。因此，如何更好的利用长矢量电磁矢量传感器阵列的MUSIC算法进行信号参数估计，降低复杂程度，是目前研究的难点。

发明内容

针对以上问题，本发明的目的是提供一种可有效降低计算难度和复杂程度的基于瑞利熵降维MUSIC算法的参数估计方法。

为了实现上述目的，本发明采取如下的技术解决方案：

基于瑞利熵降维MUSIC算法的参数估计方法，接收阵列接收K个互不相关的远场窄带横电磁波入射信号，步骤如下：

步骤一、由接收阵列的M次快拍数据X(t)计算接收数据协方差矩阵R_x；

Rx=1MΣt=1MX(t)[X(t)]H=ARsAH+σ2I,]]>

其中，(·)^H表示转置复共轭操作，为入射信号的自相关函数，S(t)为入射信号矩阵，σ²是白噪声功率，I为单位矩阵；A＝[A₁,…Ak，…A_K]为信号阵列导向矢量矩阵，为第k个入射信号的导向矢量，a(θ_k,φ_k,γ_k,η_k)＝[e_kx,e_ky,e_kz,h_kx,h_ky,h_kz]^T为第k个入射信号在坐标原点处的电磁场矢量，q_k为第k个入射信号的空域导向矢量，θ_k表示第k个入射信号的俯仰角，φ_k表示第k个入射信号的方位角，γ_k表示第k个入射信号的辅助极化角，η_k表示第k个入射信号的极化相位差；

步骤二、特征分解，得到噪声子空间；

对接收数据协方差矩阵R_x进行特征分解，得到信号子空间和噪声子空间：其中，U_s是由接收数据协方差矩阵R_x的K个大特征值对应的特征矢量构成的信号子空间，U_n是由6N-K个小特征值对应的特征矢量构成的噪声子空间；