基于去特征处理的信源数估计算法

在实际测向系统中,由于阵列中各阵元的相互干扰,阵列接收的噪声为空域相关色噪声,由于系统热噪声和散弹噪声的存在,导致阵列接收的噪声同时包含空域相关色噪声与白噪声。传统针对空域相关色噪声的信源数估计算法在白噪声背景下的估计性能往往下降。针对这一问题,提出了一种基于去特征处理的信源数估计方法。该方法对数据协方差矩阵进行去特征处理,得到一组与特征值相对应的新数据协方差矩阵,利用新数据协方差矩阵在信号和噪声子空间上的投影矩阵构造判决函数,进而实现信源数估计。仿真实验及对比数据表明该方法在包含有白噪声成分的色噪声背景下能够有效进行信源数估计,其突出优势表现在小快拍数、低信噪比条件下仍能准确估计信源数,而没有明显增加算法的运算量。

利用极化敏感阵列特性的信源数估计技术研究

针对极化敏感阵列多参数联合估计中的信源数估计问题,提出一种基于去特征处理的信源数估计方法。首先,对极化敏感阵列接收数据矢量的协方差矩阵进行特征分解,得到的特征值的个数为阵元数的2倍,将求得的特征值降序排列,其中后半部分小特征值对应的特征矢量张成的子空间包含于噪声子空间,利用这一特点构造投影矩阵;其次,通过去特征处理,重构新的协方差矩阵,求这些新协方差矩阵在投影矩阵上的投影;最后,根据投影结果构造判决函数,估计信源数。研究结果表明:入射角间隔和极化状态角间隔对算法估计性能有影响。通过与盖氏圆盘法的对比实验验证算法的有效性。