用于極化敏感陣列的信源數估計方法
【技術領域】
[0001] 本發(fā)明屬于信號處理中高分辨測向算法研究領域，尤其設及一種利用極化敏感陣 列噪聲子空間維度特性的，用于極化敏感陣列的信源數估計方法。
【背景技術】
[0002] 極化敏感陣列是將極化敏感陣元在空間中按照一定的擺放形式所構成的陣列，利 用極化敏感陣元可W獲取電磁波的極化信息，極化信息表現為極化敏感陣元的正交通道之 間的相關特性，而空域信息表現為相鄰陣元之間的空間相位延遲，因此可W利用極化敏感 陣列的空間擺放形式獲取空域信息。極化敏感陣列為信號空間到達角和極化狀態(tài)的聯合估 計創(chuàng)造了條件。與傳統(tǒng)標量傳感器陣列相比，極化敏感陣列可W為陣列測向多提供兩維極 化信息，利用該一特性可W有效提高測向精度，并且極化信息對信號識別、分辨等領域都具 有很重要的意義。
[0003] 信源數估計算法是高分辨測向理論的一個重要研究方向，大多數高分辨測向算法 都需要知道入射信源數，信源數估計錯誤，會導致信號子空間與噪聲子空間之間相互滲透， 破壞信號子空間與噪聲子空間之間的正交性，直接影響高分辨測向算法的測向性能?，F有 陣列參數估計方法的實現均W已知信源個數為前提，但在實際應用中，信源數往往是未知 參量，因此，準確估計信源數是高分辨算法應用于實際測向系統(tǒng)的重要前提。很多學者針對 傳統(tǒng)標量傳感器陣列提出了很多有效的信源數估計方法，包括信息論方法、平滑秩法、蓋氏 圓方法及正則相關技術，其中信息論方法具有很高的估計精度，但當噪聲背景為色噪聲時， 該類算法失效。針對該一問題，學者提出對角加載的信息論方法，可W實現在色噪聲背景下 的有效信源數估計；平滑秩法是基于解相干的信源數估計方法，當入射信號包含幾組相干 源時，不僅能夠估計出信號源的總數，還可W估計出信號源的結構組成；蓋氏圓方法不需要 知道特征值的具體數值，有效降低了計算量；正則相關技術是一種適用于噪聲中色噪聲成 分加大情況下的信源數估計方法。然而W上現有信源數估計方法均是在傳統(tǒng)標量傳感器陣 列模型下進行推導得出的，而現有用于極化敏感陣列的信源數估計方法均將傳統(tǒng)標量陣列 的信源數估計算法直接擴展應用到極化敏感陣列的估計中，并沒有考慮到極化敏感陣列自 身的特點。

【發(fā)明內容】

[0004] 本發(fā)明的目的是提供一種運算速度快、運算量小的，用于極化敏感陣列的信源數 估計方法。
[0005] 本發(fā)明是通過W下技術方案實現的：
[0006] 用于極化敏感陣列的信源數估計方法，包括W下幾個步驟：
[0007] 步驟一；利用由N個極化敏感陣元構成的極化敏感陣列接收空間電磁波信號，獲 得接收數據x(t);
[000引步驟二；根據極化敏感陣列接收到的數據計算協(xié)方差矩陣馬；
[0009] 步驟S ;對協(xié)方差矩陣Ry進行特征值分解，求得2N個特征值及其對應特征向量， 并將2N個特征值從大到小降序排列；
[0010] 步驟四：利用排列后的前N個特征值對協(xié)方差矩陣馬進行去特征處理，得到對應 的N個新協(xié)方差矩陣R' d，1《i《N，利用排列后的后N個特征值對應的特征向量張成的 子空間構造投影矩陣叫2;
[0011] 步驟五；分別求N個新協(xié)方差矩陣R' d在投影矩陣U W2上的投影P
[0012] 步驟六；根據投Pi影構造判據函數，估計信源數。
[0013] 本發(fā)明用于極化敏感陣列的信源數估計方法，還可W包括：
[0014] 1、接收數據X(t)為
[00巧]XU) = A(日，丫）S(t)+N(t)
[0016] 其中X(t) = [Xi(t) X2(t)…X2w(t)]T為極化敏感陣列接收數據矢量，S(t)= [Si(t) S2(t)…SK(t)]T為信號矢量，N(t) = [n i(t) ri2(t)…為噪聲矢量， A(0，丫）= [a(0。丫1) a(0 2, 丫 2)…a(0K，丫 K)]為極化敏感陣列導向矩陣；
[0017] 將極化敏感陣列接收數據的奇數位取出，得到第一子陣Xy的數據矢量為：
[001 引 Xx(t) = [Xi(t) X3(t)…X2N-i(t)]T，
[0019] 將極化敏感陣列接收數據的偶數位取出，得到第二子陣Xy的數據矢量為
[0020] Xy(t) = [X2(t) X4(t)…X2N(t)]T，
[0021] 對接收數據X(t)變形處理得到重新構造的接收數據
[0022]
【主權項】
1. 用于極化敏感陣列的信源數估計方法，其特征在于，包括以下幾個步驟： 步驟一：利用由N個極化敏感陣元構成的極化敏感陣列接收空間電磁波信號，獲得接 收數據X(t); 步驟二：根據極化敏感陣列接收到的數據計算協(xié)方差矩陣Rx; 步驟三：對協(xié)方差矩陣&進行特征值分解，求得2N個特征值及其對應特征向量，并將 2N個特征值從大到小降序排列； 步驟四：利用排列后的前N個特征值對協(xié)方差矩陣&進行去特征處理，得到對應的N 個新協(xié)方差矩陣W xi，l < i <N，利用排列后的后N個特征值對應的特征向量張成的子空 間構造投影矩陣UN2; 步驟五：分別求N個新協(xié)方差矩陣R' xi在投影矩陣U N2上的投影P i; 步驟六：根據投構造判據函數，估計信源數。
2. 根據權利要求1所述的用于極化敏感陣列的信源數估計方法，其特征在于：所述的 接收數據X (t)為 X(t) = Α( Θ , y)S(t)+N(t) 其中X(t) = [X1U) x2(t)…x2N(t)]T為極化敏感陣列接收數據矢量，S(t) = [S1U) s2(t)…sK(t)]T 為信號矢量，N(t) = [ni(t) n2(t)…n2N(t)]T 為噪聲矢量，Α(θ，γ)= [a( θ ρ γ D a( Θ 2，γ2)…a( θ κ, γκ)]為極化敏感陣列導向矩陣； 將極化敏感陣列接收數據的奇數位取出，得到第一子陣Xx的數據矢量為： Xx (t) = [X1 (t) X3 (t) ··· x2N_!(t)]T, 將極化敏感陣列接收數據的偶數位取出，得到第二子陣Xy的數據矢量為 xy(t) = [x2(t) x4(t) ... x2N(t)]T， 對接收數據X (t)變形處理得到重新構造的接收數據Xnrat (t)
其中，Nnew(t) = [njt) ... r^N-Jt) n2(t) ... n2N(t)]T，Rs信號協(xié)方差矩陣，Anew(0，γ) 為重新構造后的接收數據對應的陣列導向矢量陣。
3. 根據權利要求1所述的用于極化敏感陣列的信源數估計方法，其特征在于：所述的 協(xié)方差矩陣艮為
其中〇2為極化敏感陣列接收的噪聲功率。
4. 根據權利要求1所述的用于極化敏感陣列的信源數估計方法，其特征在于：對協(xié)方 差矩陣&進行特征值分解，并將2Ν個特征值從大到小降序排列，得到：
式中Λ = diag{Ai λ2 ··. λ2Ν}，并且滿足特征值λ 2多…彡λ κ> λ κ+1 = - =λ Ν=…=λ I，前K個特征值對應的特征矢量構成信號子空間Us= [Ui U2…uK]，Um =[uK+1 uK+2…uN]是由第Κ+1個到第N個特征值對應的特征矢量構成的矩陣，Un2= [uN+1 %+2…u2N]是由后N個特征值對應的特征矢量構成的矩陣，UN1、U N2張成的空間構成噪聲子 空間。
5. 根據權利要求1所述的用于極化敏感陣列的信源數估計方法，其特征在于：所述的 利用排列后的前N個特征值對協(xié)方差矩陣&進行去特征處理，得到對應的N個新協(xié)方差矩 陣 Rx'
其中，將極化敏感陣列導向矢量陣按行分塊可以得到Anrat為：
6. 根據權利要求1所述的用于極化敏感陣列的信源數估計方法，其特征在于：所述的N 個新協(xié)方差矩陣W xi在投影矩陣Un2上的投影PiS
ei(i = 1，2···2Ν)為單位矩陣I2n的第 i列，得到投影模向量IpiI = [IpliI Ip2iI…|pNi|]，其中
7. 根據權利要求1所述的用于極化敏感陣列的信源數估計方法，其特征在于：所述的 判據函數為
當Ipi+11對應噪聲子空間而IPiI對應信號子空間時，判據函數Gα)取最小值，此時的 i值即為信源個數。
【專利摘要】本發(fā)明公開了用于極化敏感陣列的信源數估計方法。包括以下步驟：利用由N個極化敏感陣元構成的極化敏感陣列接收空間電磁波信號，獲得接收數據；根據極化敏感陣列接收到的數據計算協(xié)方差矩陣；對協(xié)方差矩陣進行特征值分解，求得2N個特征值及其對應特征向量，并將2N個特征值從大到小降序排列；利用排列后的前N個特征值對協(xié)方差矩陣進行去特征處理，得到對應的N個新協(xié)方差矩陣，利用排列后的后N個特征值對應的特征向量張成的子空間構造投影矩陣；分別求N個新協(xié)方差矩陣在投影矩陣上的投影；根據投影構造判據函數，估計信源數。本發(fā)明利用極化敏感陣列噪聲子空間維度特性進行信源數估計，減少計算量，節(jié)約成本。
【IPC分類】G06F19-00
【公開號】CN104537248
【申請?zhí)枴緾N201510001259
【發(fā)明人】司偉建, 吳娜, 焦淑紅, 王玉磊
【申請人】哈爾濱工程大學
【公開日】2015年4月22日
【申請日】2015年1月4日