[发明专利]基于张量的矢量共形阵列极化-DOA联合估计方法

说明书

本发明公开了一种基于张量的矢量共形阵列极化‑DOA联合估计方法，通过利用信号内在具有的多维度结构特征，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后，利用高阶奇异值分解方法，提高了子空间的估计精度，在低信噪比和小样本数目基础上，实现高精度的极化‑DOA联合估计；该基于张量的矢量共形阵列极化‑DOA联合估计方法，具有方法简单、易行、精度高等优点。

技术领域

本发明公开涉及阵列信号处理的技术领域，尤其涉及一种基于张量的矢量共形阵列极化-DOA联合估计方法。

背景技术

阵列信号处理技术是近几十年来迅速发展的信号处理领域中的一个重要分支，已广泛应用于移动通信、雷达、导航、声纳、生物医学等众多领域，无论在军用还是民用方面都有很高的实用性。随着航空航天领域的飞速发展，特别是弹载、星载和机载等特殊应用场合，要求天线阵列具备更好的抗干扰性能、更高的信号分辨力、更稳健的检测能力、更小的荷载和更大的观察范围，于是共形阵列应运而生。与传统天线阵列相比，共形阵列能够与安装载体结构融为一体，不造成额外的空气或者水流阻力，具有波束扫描范围宽，节约载体空间，降低雷达散射截面积，增强隐蔽性等优点，在雷达、通信和航空航天等领域有着重要的应用前景。

波达方向(Direction of arrival,DOA)估计，也称角度估计，是共形阵列目标探测的研究热点之一，其基本思想是利用阵列信号处理的方法获得信号到达阵列参考阵元时的入射角。与传统平面阵列不同的是，共形天线单元的方向图指向不一致，导致信源方位和极化参数耦合在阵列流型中，具有多极化特性。因此，在共形阵列的DOA估计当中，不仅需要估计信源的DOA，还要估计极化参数，即极化DOA联合估计。传统阵列多采用标量传感器，只能获得信源的方位信息，不能接收到极化信息，而电磁矢量传感器可以同时获得信源的空域信息和极化信息，拥有更强的抗干扰能力，较高的分辨能力，稳健的检测能力和极化多址能力。因此，研究由电磁矢量传感器构成的共形阵列(以下简称为“矢量共形阵列”)的极化DOA估计算法具有十分重要的意义。

目前，无论是针对共形阵列还是矢量阵列的极化DOA估计研究，主要还是根据它们与传统阵列信号模型相似的特性，将传统DOA估计技术扩展到共形和矢量阵列当中，也因此涌现了一批以子空间类算法为主流的DOA估计算法，如多重信号分类算法、旋转不变技术等。此类算法的核心思想是利用噪声子空间和信号子空间的正交性构建空间谱函数，来实现高精度的DOA估计，因此算法性能直接取决于接收数据协方差矩阵、信号/噪声子空间的估计精度，这就需要接收信号具有足够的信噪比和快拍(样本)数。在实际电磁环境中，信号日益密集，干扰信号增加，以及目标机动性增强等现象，都会使接收信号面临低信噪比和小快拍数的问题，从而导致了协方差矩阵和子空间估计精度下降，子空间正交性变差，从而造成算法性能恶化甚至失效。

发明内容

鉴于此，本发明提供了一种基于张量的矢量共形阵列极化-DOA联合估计方法，以解决以往的估计方法存在精度低的问题。

本发明提供的技术方案，具体为，一种基于张量的矢量共形阵列极化-DOA联合估计方法，该方法包括如下步骤：

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，搜索目标角度估计函数获得K个极大值作为DOA估计；