[发明专利]基于张量的矢量共形阵列极化-DOA联合估计方法

权利要求书

1.一种基于张量的矢量共形阵列极化-DOA联合估计方法，其特征在于，包括如下步骤：

S1：接收矢量共形阵列的输出信号；

S2：根据所述输出信号固有的多维结构特性，将所述矢量共形阵列的输出信号模型转换为以张量表示的矢量共形阵列信号模型，具体可表示为：

其中，为阵列空域导向矢量，B为阵列极化域导向矢量，S为阵列入射信号，为高斯白噪声；

S3：基于高阶奇异值分解的方法，计算获得所述张量表示的矢量共形阵列信号对应的噪声子空间；

S4：依据所述噪声子空间，构建空间谱函数，获得目标角度估计函数；

S5：在设定搜索区域和搜索步长条件下，搜索获得目标角度估计函数的K个极大值作为DOA估计；

S6：将K个所述DOA估计带入构建的空间谱函数中，利用极化矩阵性质，求得极化参数估计。

2.根据权利要求1所述基于张量的矢量共形阵列极化-DOA联合估计方法，其特征在于，步骤S3中，基于高阶奇异值分解的方法，计算获得所述张量表示的矢量共形阵列信号对应的噪声子空间，具体为：

S301：计算获得所述张量表示的矢量共形阵列信号对应的张量协方差矩阵；

S302：将所述张量协方差矩阵进行高阶奇异值分解，估计获得噪声子空间。

3.根据权利要求2所述基于张量的矢量共形阵列极化-DOA联合估计方法，其特征在于，所述张量协方差矩阵为：

4.根据权利要求2所述基于张量的矢量共形阵列极化-DOA联合估计方法，其特征在于，所述获得噪声子空间为：

其中，I_MN为M×N维的单位阵，U_so为的正交基，U_1s、U_2s分别为U₁、U₂中K个极大特征值对应的矩阵，U₁、U₂分别为张量协方差矩阵分别对张量进行mode-1，mode-2展开后进行奇异值分解后得到的左奇异矢量构成的矩阵。

5.根据权利要求1所述基于张量的矢量共形阵列极化-DOA联合估计方法，其特征在于，步骤S4中，构建的所述空间谱函数为：

所述目标角度估计函数为：

其中，

6.根据权利要求1所述基于张量的矢量共形阵列极化-DOA联合估计方法，其特征在于，步骤S6中，将K个所述DOA估计带入构建的空间谱函数中，利用极化矩阵性质，求得极化参数估计，具体为：

S601：将K个所述DOA估计带入构建的空间谱函数中，得到K个对应的函数P_TMUSIC；

S602：利用所述函数P_TMUSIC的最小特征值对应的特征向量，求得极化参数。