用于极化敏感阵列的信源数估计方法
【技术领域】
[0001] 本发明属于信号处理中高分辨测向算法研究领域，尤其设及一种利用极化敏感阵 列噪声子空间维度特性的，用于极化敏感阵列的信源数估计方法。
【背景技术】
[0002] 极化敏感阵列是将极化敏感阵元在空间中按照一定的摆放形式所构成的阵列，利 用极化敏感阵元可W获取电磁波的极化信息，极化信息表现为极化敏感阵元的正交通道之 间的相关特性，而空域信息表现为相邻阵元之间的空间相位延迟，因此可W利用极化敏感 阵列的空间摆放形式获取空域信息。极化敏感阵列为信号空间到达角和极化状态的联合估 计创造了条件。与传统标量传感器阵列相比，极化敏感阵列可W为阵列测向多提供两维极 化信息，利用该一特性可W有效提高测向精度，并且极化信息对信号识别、分辨等领域都具 有很重要的意义。
[0003] 信源数估计算法是高分辨测向理论的一个重要研究方向，大多数高分辨测向算法 都需要知道入射信源数，信源数估计错误，会导致信号子空间与噪声子空间之间相互渗透， 破坏信号子空间与噪声子空间之间的正交性，直接影响高分辨测向算法的测向性能。现有 阵列参数估计方法的实现均W已知信源个数为前提，但在实际应用中，信源数往往是未知 参量，因此，准确估计信源数是高分辨算法应用于实际测向系统的重要前提。很多学者针对 传统标量传感器阵列提出了很多有效的信源数估计方法，包括信息论方法、平滑秩法、盖氏 圆方法及正则相关技术，其中信息论方法具有很高的估计精度，但当噪声背景为色噪声时， 该类算法失效。针对该一问题，学者提出对角加载的信息论方法，可W实现在色噪声背景下 的有效信源数估计；平滑秩法是基于解相干的信源数估计方法，当入射信号包含几组相干 源时，不仅能够估计出信号源的总数，还可W估计出信号源的结构组成；盖氏圆方法不需要 知道特征值的具体数值，有效降低了计算量；正则相关技术是一种适用于噪声中色噪声成 分加大情况下的信源数估计方法。然而W上现有信源数估计方法均是在传统标量传感器阵 列模型下进行推导得出的，而现有用于极化敏感阵列的信源数估计方法均将传统标量阵列 的信源数估计算法直接扩展应用到极化敏感阵列的估计中，并没有考虑到极化敏感阵列自 身的特点。
【发明内容】
[0004] 本发明的目的是提供一种运算速度快、运算量小的，用于极化敏感阵列的信源数 估计方法。
[0005] 本发明是通过W下技术方案实现的：
[0006] 用于极化敏感阵列的信源数估计方法，包括W下几个步骤：
[0007] 步骤一；利用由N个极化敏感阵元构成的极化敏感阵列接收空间电磁波信号，获 得接收数据x(t);
[000引步骤二；根据极化敏感阵列接收到的数据计算协方差矩阵馬；
[0009] 步骤S ;对协方差矩阵Ry进行特征值分解，求得2N个特征值及其对应特征向量， 并将2N个特征值从大到小降序排列；
[0010] 步骤四：利用排列后的前N个特征值对协方差矩阵馬进行去特征处理，得到对应 的N个新协方差矩阵R' d，1《i《N，利用排列后的后N个特征值对应的特征向量张成的 子空间构造投影矩阵叫2;
[0011] 步骤五；分别求N个新协方差矩阵R' d在投影矩阵U W2上的投影P
[0012] 步骤六；根据投Pi影构造判据函数，估计信源数。
[0013] 本发明用于极化敏感阵列的信源数估计方法，还可W包括：
[0014] 1、接收数据X(t)为
[00巧]XU) = A(日，丫）S(t)+N(t)
[0016] 其中X(t) = [Xi(t) X2(t)…X2w(t)]T为极化敏感阵列接收数据矢量，S(t)= [Si(t) S2(t)…SK(t)]T为信号矢量，N(t) = [n i(t) ri2(t)…为噪声矢量， A(0，丫）= [a(0。丫1) a(0 2, 丫 2)…a(0K，丫 K)]为极化敏感阵列导向矩阵；
[0017] 将极化敏感阵列接收数据的奇数位取出，得到第一子阵Xy的数据矢量为：
[001 引 Xx(t) = [Xi(t) X3(t)…X2N-i(t)]T，
[0019] 将极化敏感阵列接收数据的偶数位取出，得到第二子阵Xy的数据矢量为
[0020] Xy(t) = [X2(t) X4(t)…X2N(t)]T，
[0021] 对接收数据X(t)变形处理得到重新构造的接收数据
[0022]
【主权项】
1. 用于极化敏感阵列的信源数估计方法，其特征在于，包括以下几个步骤： 步骤一：利用由N个极化敏感阵元构成的极化敏感阵列接收空间电磁波信号，获得接 收数据X(t); 步骤二：根据极化敏感阵列接收到的数据计算协方差矩阵Rx; 步骤三：对协方差矩阵&进行特征值分解，求得2N个特征值及其对应特征向量，并将 2N个特征值从大到小降序排列； 步骤四：利用排列后的前N个特征值对协方差矩阵&进行去特征处理，得到对应的N 个新协方差矩阵W xi，l < i <N，利用排列后的后N个特征值对应的特征向量张成的子空 间构造投影矩阵UN2; 步骤五：分别求N个新协方差矩阵R' xi在投影矩阵U N2上的投影P i; 步骤六：根据投构造判据函数，估计信源数。
2. 根据权利要求1所述的用于极化敏感阵列的信源数估计方法，其特征在于：所述的 接收数据X (t)为 X(t) = Α( Θ , y)S(t)+N(t) 其中X(t) = [X1U) x2(t)…x2N(t)]T为极化敏感阵列接收数据矢量，S(t) = [S1U) s2(t)…sK(t)]T 为信号矢量，N(t) = [ni(t) n2(t)…n2N(t)]T 为噪声矢量，Α(θ，γ)= [a( θ ρ γ D a( Θ 2，γ2)…a( θ κ, γκ)]为极化敏感阵列导向矩阵； 将极化敏感阵列接收数据的奇数位取出，得到第一子阵Xx的数据矢量为： Xx (t) = [X1 (t) X3 (t) ··· x2N_!(t)]T, 将极化敏感阵列接收数据的偶数位取出，得到第二子阵Xy的数据矢量为 xy(t) = [x2(t) x4(t) ... x2N(t)]T， 对接收数据X (t)变形处理得到重新构造的接收数据Xnrat (t)
其中，Nnew(t) = [njt) ... r^N-Jt) n2(t) ... n2N(t)]T，Rs信号协方差矩阵，Anew(0，γ) 为重新构造后的接收数据对应的阵列导向矢量阵。
3. 根据权利要求1所述的用于极化敏感阵列的信源数估计方法，其特征在于：所述的 协方差矩阵艮为
其中〇2为极化敏感阵列接收的噪声功率。
4. 根据权利要求1所述的用于极化敏感阵列的信源数估计方法，其特征在于：对协方 差矩阵&进行特征值分解，并将2Ν个特征值从大到小降序排列，得到：
式中Λ = diag{Ai λ2 ··. λ2Ν}，并且满足特征值λ 2多…彡λ κ> λ κ+1 = - =λ Ν=…=λ I，前K个特征值对应的特征矢量构成信号子空间Us= [Ui U2…uK]，Um =[uK+1 uK+2…uN]是由第Κ+1个到第N个特征值对应的特征矢量构成的矩阵，Un2= [uN+1 %+2…u2N]是由后N个特征值对应的特征矢量构成的矩阵，UN1、U N2张成的空间构成噪声子 空间。
5. 根据权利要求1所述的用于极化敏感阵列的信源数估计方法，其特征在于：所述的 利用排列后的前N个特征值对协方差矩阵&进行去特征处理，得到对应的N个新协方差矩 阵 Rx'
其中，将极化敏感阵列导向矢量阵按行分块可以得到Anrat为：
6. 根据权利要求1所述的用于极化敏感阵列的信源数估计方法，其特征在于：所述的N 个新协方差矩阵W xi在投影矩阵Un2上的投影PiS
ei(i = 1，2···2Ν)为单位矩阵I2n的第 i列，得到投影模向量IpiI = [IpliI Ip2iI…|pNi|]，其中
7. 根据权利要求1所述的用于极化敏感阵列的信源数估计方法，其特征在于：所述的 判据函数为
当Ipi+11对应噪声子空间而IPiI对应信号子空间时，判据函数Gα)取最小值，此时的 i值即为信源个数。
【专利摘要】本发明公开了用于极化敏感阵列的信源数估计方法。包括以下步骤：利用由N个极化敏感阵元构成的极化敏感阵列接收空间电磁波信号，获得接收数据；根据极化敏感阵列接收到的数据计算协方差矩阵；对协方差矩阵进行特征值分解，求得2N个特征值及其对应特征向量，并将2N个特征值从大到小降序排列；利用排列后的前N个特征值对协方差矩阵进行去特征处理，得到对应的N个新协方差矩阵，利用排列后的后N个特征值对应的特征向量张成的子空间构造投影矩阵；分别求N个新协方差矩阵在投影矩阵上的投影；根据投影构造判据函数，估计信源数。本发明利用极化敏感阵列噪声子空间维度特性进行信源数估计，减少计算量，节约成本。
【IPC分类】G06F19-00
【公开号】CN104537248
【申请号】CN201510001259
【发明人】司伟建, 吴娜, 焦淑红, 王玉磊
【申请人】哈尔滨工程大学
【公开日】2015年4月22日
【申请日】2015年1月4日