基于电磁矢量阵的矩阵重构算法

针对空间相关噪声背景下二维(2D)波达角(DOA)和极化参数估计性能下降的问题,提出了一种基于电磁矢量3尺度平行阵的矩阵重构算法。先定义一个互相关矩阵以去除空间相关噪声项;再构造2个Hermitian矩阵,并利用平行阵的3尺度阵元间距和极化多样性,形成了自由度更大的虚拟电磁矢量平行均匀线阵(ULA),从而提高了测向性能。该算法无需高阶累积量和矩阵开方,因而在改善测向性能的同时具有低运算量特点。最后,仿真结果验证了该算法的有效性。

基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法

该文研究了一种基于多输入多输出(MIMO)电磁矢量传感器阵列雷达目标波离角(DOD),波达角(DOA)和极化联合估计问题。提出一种新型矢量阵MIMO雷达系统模型,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器。在此基础上,该文提出4维MUSIC,ESPRIT和迭代1维MUSIC 3种联合参数估计算法。其中迭代1维MUSIC算法首先利用矢量传感器的内在结构特点获得目标DOA预估计,随后采用MUSIC算法对DOD和DOA分别进行1维搜索获得目标角度的高精度估计,最后给出一种基于ESPRIT的目标极化估计算法。迭代1维MUSIC算法可用于不规则阵列,对接收阵列约束较少,无需2维搜索及多维搜索,还可以利用矢量阵特点扩展阵列孔径提高DOA估计精度。此外,论文还推导了DOD,DOA和极化联合估计的CRB。仿真实验表明,与前两种算法相比,迭代1维MUSIC算法具有与CRB更接近的估计精度。