针对多个相干信号源入射极化敏感阵列的问题，提出一种能够高效解多个相干信号源的波达方向（Destination of Arrival，DOA）估计方法，并通过移动平台和正交偶极子阵列的协同作用，减少对观测次数的需求，从而提高相干信号DOA估计的效...
详细信息
针对多个相干信号源入射极化敏感阵列的问题，提出一种能够高效解多个相干信号源的波达方向（Destination of Arrival，DOA）估计方法，并通过移动平台和正交偶极子阵列的协同作用，减少对观测次数的需求，从而提高相干信号DOA估计的效率和精度。该算法利用由多对正交双偶极子组成的阵列接收到的数据，在极化域内进行平滑处理，恢复信号源协方差矩阵的秩。由于极化阵列具有较强的极化敏感性，因此在极化域内的平滑能够有效减小信号间的相关性，帮助恢复协方差矩阵的秩；通过移动平台使阵列产生运动，针对移动后的不同阵列，进行极化平滑后的接收信号协方差矩阵的计算。通过类似空间平滑的原理，计算出这些阵列的平均阵列输出协方差矩阵，在此过程中，信号的协方差矩阵得以恢复为满秩；采用多重信号分类算法（Multiple Signal Classification Algorithm，MUSIC）对恢复后的协方差矩阵进行DOA估计，从而获取多个信号源的方向信息。通过联合在极化域和平滑时域中的解相干技术，该算法将运动平台解相干所需的观测次数缩减至原来的一半，从而显著提高了相干信号DOA估计的效率。仿真结果表明，所提算法在多个相干信号源的DOA估计中，能够有效降低由于信号相干性引起的估计误差，显著提升估计精度。仿真结果验证了该方法的有效性。
针对基于特征值的谱感知算法在脉冲噪声的环境下感知性能不佳的问题,分析矩阵全部的特征值,引入矩阵特征值的几何均值,提出了基于分数低阶协方差矩阵的最大特征值与特征值几何均值之差(difference between maximum eigenvalue and geome...
详细信息
针对基于特征值的谱感知算法在脉冲噪声的环境下感知性能不佳的问题,分析矩阵全部的特征值,引入矩阵特征值的几何均值,提出了基于分数低阶协方差矩阵的最大特征值与特征值几何均值之差(difference between maximum eigenvalue and geometric mean of eigenvalue,DMGM)的频谱感知算法。选择了Alpha稳定分布噪声模拟脉冲噪声环境,理论分析与仿真实验结果表明,在不增加算法复杂度的前提下,DMGM算法与其他算法相比,更适用于脉冲噪声环境,在低信噪比条件下具有更好的感知性能。
暂无评论