[发明专利]基于重采样的COLD阵列波达方向和极化参数联合估计方法

说明书

本发明属于雷达阵列信号处理技术领域，公开了一种基于重采样的COLD阵列波达方向和极化参数联合估计方法。主要解决现有技术运算量庞大、低信噪比下参数估计精度大幅度下降的问题。其主要思路为：事先预估计来波方向和极化参数的范围，并与重采样相结合，使经重采样后参数估计值都为正常值，不存在异常值，改变添加伪噪声方式，对每组重采样选出最优的伪噪声权值。本发明可以避免谱峰搜索、降低求根多项式阶数、减少计算量和硬件复杂度，并大幅度提高低信噪比下的波达方向和极化参数估计性能，克服了现有技术中利用谱峰搜索所带来的运算量大和低信噪比下参数估计性能严重下降的缺点。

技术领域

本发明属于雷达阵列信号处理技术领域，尤其涉及一种基于重采样的COLD(Co-centered orthogonal loop and dipole，共心正交电磁矢量传感器)阵列波达方向和极化参数联合估计方法，应用于极化敏感阵列雷达的参数估计中。

背景技术

极化敏感阵列具有时、空、极化多维性，能够更大限度上利用信号的固有属性和传播信息，可以应用于雷达中，针对极化敏感阵列波达方向(DOA)估计，众多极化敏感阵列的DOA估计方法已被提出，如多重信号分类(MUSIC)、子空间旋转不变(ESPRIT)，最大似然(ML)、ROOT-MUSIC，基于累积量的参数估计方法等。但传统MUSIC方法运算量太大，需要进行谱峰搜索，工程上需要的硬件复杂度较高。ESPRIT算法克服了计算量过大的问题，但是需要进行参数配对。利用多项式求根方法代替MUSIC算法，可以克服MUSIC法的缺点。

但是在信噪比较低的情形下，上述方法DOA估计性能严重下降。

发明内容

针对上述问题，本发明的目的在于提供一种基于重采样的COLD阵列波达方向和极化参数联合估计方法，能够实现高精度的参数估计。

本发明目的的基本思路是：首先利用ROOT-MUSIC方法对DOA和极化参数进行估计，然后对参数估计结果给出可行性判定，判断估计值是否都是正常值，若都是正常值，则直接作为DOA、极化参数估计值输出；否则，对于估计得到的异常值，通过人工注入随机产生的伪噪声进行一组重采样，并结合ROOT-MUSIC得到重采样后的一组估计值，再通过参数估计结果可行性判定。需要说明的是，对于添加的伪噪声，服从均值为0的高斯分布，其功率由噪声加权得到，需要根据在0.1-1之间的不同权系数下得到的正常值数目来确定权系数，选择对应正常值数目最多的权系数为当前重采样添加伪噪声的最优权。

为达到上述目的，本发明采用如下技术方案予以实现。

一种基于重采样的COLD阵列波达方向和极化参数联合估计方法，所述方法包括如下步骤：

步骤1，建立空间三维坐标系OXYZ，在X轴上放置M个均匀分布的COLD阵元，所述M个均匀分布的COLD阵元构成COLD阵列；获取所述COLD阵列接收到的雷达回波信号X(t)，所述雷达回波信号为2M×N维的矩阵，所述雷达回波信号包含K个目标源的回波信号；其中每个COLD阵元由一个指向Z轴的电偶极子和一个指向Z轴的磁环组成，M为COLD阵列包含的阵元个数，N为COLD阵列对雷达回波信号采样的快拍数，t为离散采样时间；M、N、K分别为正整数；

步骤2，根据所述COLD阵列接收到的雷达回波信号X(t)，计算所述雷达回波信号的协方差矩阵，进而根据所述协方差矩阵得到K个目标源分别对应的来波方向估计值、极化辅助角估计值和极化相位差估计值；

步骤3，确定K个目标源分别对应的来波方向正常范围、极化辅助角正常范围以及极化相位差正常范围；

步骤4，根据所述K个目标源分别对应的来波方向正常范围、极化辅助角正常范围以及极化相位差正常范围，确定根据所述协方差矩阵得到的K个目标源分别对应的来波方向估计值、极化辅助角估计值和极化相位差估计值为正常值或者异常值；