利用分数阶傅里叶变换(fractional Fourier transform,FRFT)对线性调频(linear frequency modulation,LFM)信号的能量匹配聚焦特性来简化共形阵列的数据模型,根据子空间拟合原理提出一种信源DOA和极化参数的去耦联合估计方法.直接进行DO...利用分数阶傅里叶变换(fractional Fourier transform,FRFT)对线性调频(linear frequency modulation,LFM)信号的能量匹配聚焦特性来简化共形阵列的数据模型,根据子空间拟合原理提出一种信源DOA和极化参数的去耦联合估计方法.直接进行DOA估计涉及求解难度较大的多维多峰参数搜索过程,于是通过重构噪声子空间和流形矩阵建立了单峰的目标函数,然后用PSO算法估计信源方位角和俯仰角,在此基础上利用ESPRIT实现极化参数估计.仿真实验表明,去耦参数估计方法能在保证算法性能的前提下简化问题复杂度。展开更多
文摘利用分数阶傅里叶变换(fractional Fourier transform,FRFT)对线性调频(linear frequency modulation,LFM)信号的能量匹配聚焦特性来简化共形阵列的数据模型,根据子空间拟合原理提出一种信源DOA和极化参数的去耦联合估计方法.直接进行DOA估计涉及求解难度较大的多维多峰参数搜索过程,于是通过重构噪声子空间和流形矩阵建立了单峰的目标函数,然后用PSO算法估计信源方位角和俯仰角,在此基础上利用ESPRIT实现极化参数估计.仿真实验表明,去耦参数估计方法能在保证算法性能的前提下简化问题复杂度。