基于ROOT‑MUSIC算法及秩损原理的二维测向方法与流程

本发明基于ROOT-MUSIC(ROOT-Multiple Signal Classification，求根多重信号分集算法)算法和秩损原理提出了一种二维测向技术，用于解决均匀矩阵阵列上圆信号与非圆信号的测向和分辨问题，并用仿真实验验证了本发明所提算法的有效性。具体地,涉及基于ROOT-MUSIC(求根多重信号分集算法)算法及秩损原理的二维测向方法。

背景技术：

现代无线通信中，圆信号(如QPSK(正交相移键控)信号等)和非圆信号(如BPSK(二进制相移键控)信号等)都是经常使用的信号，而且实际通信中也经常会出现圆信号和非圆信号共存的情形，因此，当圆信号与非圆信号共同入射时，如何有效解决两种信号的分辨与阵列测向问题就变得尤为重要。

技术实现要素：

为克服现有技术的不足，本发明旨在建立一个适用于圆信号与非圆信号共同入射的阵列接收模型，实现圆信号与非圆信号混合入射的二维波达方向估计以及两种信号的分辨问题。本发明采用的技术方案是，ROOT-MUSIC算法及秩损原理二维测向方法，建立适用于圆信号与非圆信号共同入射的均匀矩阵阵列模型，而后在此基础上利用求根多重信号分集求根多重信号分集ROOT-MUSIC算法和秩损原理实现圆信号与非圆信号混合入射的二维波达方向估计以及两种信号的分辨问题。

非圆信号与圆信号的二维波达方向估计具体步骤是，均匀矩阵阵列模型，由M×N个全向传感器元素组成，阵列的行间距d_x为λ/2，列间距d_y为λ/2，λ为入射信号的波长，假设有K个非相关远场窄带信号s_k(t),k＝1,…,K从方向(θ_k,β_k)入射到该阵列上，其中，θ为方位角，β为俯仰角，入射信号包括K_n个严格非圆信号s_n,k(t),k＝1,…,K_n和K_c个圆信号s_c,k(t),k＝1,…,K_c，K＝K_n+K_c，均匀矩阵阵列元素上的噪声都是均值为0，方差为σ²的加性高斯圆噪声；

在采样t时刻，该矩形阵列输出矢量x₁(t),x₂(t),…,x_N(t)表示为

其中，x₁(t)＝[x₁₁(t),…,x_1M(t)]^T，x₂(t)＝[x₂₁(t),…,x_2M(t)]^T，…，x_N(t)＝[x_N1(t),…,x_NM(t)]^T，A表示阵列流型矩阵，其每列向量记为导向矢量a(θ_k)，a(θ_k)＝[a₀(θ_k),…,a_M-1(θ_k)]^T，其中其中表示加性高斯白噪声矢量，表示圆与非圆混合入射源信号矢量，该矢量表示为

式(3-4)中，

在式(3-5)中，s(t)为

s_n,k(t)为严格非圆信号，因此有其中，为实值信号，为信号的非圆相位，下面将联合接收数据矢量x₁(t),x₂(t),…,x_N(t)组成一个新的数据矢量f(t)

为了简化表示，省略角度对(θ,β)及时间t，

在式(3-7)中，C(θ,β)定义为扩展的导向矢量矩阵，且

C＝[C₁(θ_n,β_n)C₂(θ_c,β_c)] (3-8)

其中C₁(θ_n,β_n)为NM×K_n的矩阵，C₂(θ_c,β_c)为NM×K_c的矩阵，分别表示如下

接着，通过把矢量f以及其共轭形式f^*组合成一个新的数据矢量

其中为2NM×(K_n+2K_c)的矩阵，矢量为(K_n+2K_c)×1的矩阵

以及矢量为2NM×1的矩阵，

根据式(3-11)构造的计算其协方差矩阵为

其中为信号的协方差矩阵。由于入射信号之间是不相关的，因此是一个满秩矩阵；

而后，特征分解得

其中E_s为2NM×(K_n+2K_c)的矩阵，E_n为2NM×(2NM-K_n-2K_c)的矩阵，它们分别为信号子空间和噪声子空间，Σ_s为(K_n+2K_c)×(K_n+2K_c)的对角矩阵，Σ_n为(2NM-K_n-2K_c)×(2NM-K_n-2K_c)的对角矩阵，它们分别为信号子空间和噪声子空间对应的特征值矩阵，且的特征值满足λ₁≥λ₂≥...≥λ_K≥λ_K+1…＝λ_2NM＝σ²，

因为E_s与张成相同的信号子空间，且与E_n张成的噪声子空间正交，所以对于任意从角度(θ_n,k,β_n,k)入射的非圆信号有

进一步展开，如下形式：

由求根多重信号分集ROOT-MUSIC算法，定义多项式p_n(l)＝[1,l,...,l^M-1]^T，其中所以p_n(l)＝a_n,k，p_n(l^-1)＝a^*_n,k，于是，定义一个2NM×2N矩阵Ω_n(l)只和l有关，

因此，

以及

得到非圆信号关于l的估计器

由式(3-16)可知，信号的非圆相位和俯仰角β都不在Ω_n(l)中，因此矩阵p_n(l)与非圆相位和俯仰角β无关，只与方位角θ有关，矩阵p_n(l)是2N×2N的矩阵，E_n为2NM×(2NM-K_n-2K_c)的矩阵，所以当(2NM-K_n-2K_c)≥2N，即K_n-2K_c≤2(NM-N)，且θ不等于信号真实方位角时，矩阵p_n(l)是满秩的，只有当θ等于信号真实方位角时矩阵p_n(l)秩损，即rank{p_n(l))}<2N，这时式(3-16)才成立，与此同时，f_n(l)＝det(p_n(l))＝0，所以通过p_n(l)是否秩损能够判断某一方位角是否为入射信号的真实方位角，即利用秩损原理得到信号的方位角；

基于以上分析，令f_n(l)＝0，取单位圆内具有最大幅值的K_n个非重根而后由其相位就能得到非圆信号波达方向关于方位角θ角的估计，即

然后将估计的分别代入式(3-20)，并构造非圆信号关于俯仰角β的估计器

f_n′(b)＝det(p′_n(b)) (3-22)

同样基于ROOT-MUSIC(求根多重信号分集算法)算法，定义则

和

基于秩损原理，矩阵p′_n(b)只包含俯仰角β，且矩阵不是满秩矩阵，因此式(3-16)同样成立，且f_n′(b)＝det(p′_n(b))＝0，这样就能判断某一俯仰角是否为入射信号的真实俯仰角；

基于以上分析，令f_n′(b)＝0，取单位圆内具有最大幅值的非重根依次得而后由

其相位就能给出波达方向关于俯仰角β角的估计值，即

以上是非圆信号二维波达方向的估计方法；

圆信号同样采用以上非圆信号的方法进行估计，具体步骤如下，首先，构建以下表达式

因为式(3-26)中，

因此，由式(3-26)知，非圆信号估计方位角θ角和俯仰角β角的方法对于圆信号同样适用，构建圆与非圆混合信号关于方位角θ的估计器：

其中，Ω(l)只和l有关，为2NM×2N的矩阵，其表达式如下

其中，p(l)＝[1,l,...,l^M-1]^T，基于秩损原理，令f(l)＝0，取单位圆内具有最大幅值的K个非重根而后由其相位就能得到波达方向关于方位角θ角的估计，即

然后构造圆与非圆信号关于俯仰角β的估计器

f′(b)＝det(p′(b)) (3-30)

在式(3-30)中，则

和

将估计的分别代入式(3-31)，并令f′(b)＝0，取单位圆内具有最大幅值的非重根依次得而后由其相位得到波达方向关于俯仰角β角的估计值，即

这样，根据式(3-27)和式(3-30)以及式(3-29)和式(3-33)就能求出圆与非圆混合入射信号的方位角和俯仰角的估计值。

圆与非圆混合入射信号的二维波达方向的分辨步骤具体是，首先进行仅适用于圆信号的二维波达方向估计：

因为E_n与之间具有正交性，故有

通过将E_n分割为两个均为NM×(2NM-K_n-2K_c)的矩阵E_n1和E_n2，即那么

因此，基于式(3-35)来估计圆信号的二维角度(θ_c,k,β_c,k)，因为

根据求根多重信号分集ROOT-MUSIC算法，定义多项式p_c(l)＝[1,l,...,l^M-1]^T，其中所以p_c(l)＝a_c,k，p_c(l^-1)＝a^*_c,k，于是，定义一个NM×N矩阵Λ(l)，该矩阵只和l有关，

并定义

于是，得到圆信号关于方位角θ的估计器为

f_c(l)＝det(p_c(l)) (3-39)

由式(3-35)可知，圆信号的俯仰角β不在p_c(l)中，因此矩阵p_c(l)与俯仰角β无关，只与方位角θ有关，矩阵p_c(l)是N×N的矩阵，E_n1为NM×(2NM-K_n-2K_c)的矩阵，所以当(2NM-K_n-2K_c)≥N即K_n-2K_c≤2NM-N，且方位角θ不等于信号真实方位角时，矩阵p_c(l)是满秩的，只有当方位角θ等于圆信号真实方位角时矩阵p_c(l)秩损，即rank{p_c(l))}<N，这时式(3-35)才成立，与此同时，f_c(l)＝det(p_c(l))＝0，所以通过判断p_c(l)是否秩损能够判断某一方位角是否为入射圆信号的真实方位角，即利用秩损原理得到圆信号的方位角，

基于以上分析，令f_c(l)＝0，取单位圆内具有最大幅值的K_c个非重根而后由其相位得到圆信号波达方向关于方位角θ角的估计，

即

而后构造圆信号关于俯仰角β的估计器

f_c′(b)＝det(p′_c(b)) (3-41)

同样，基于求根多重信号分集ROOT-MUSIC算法，式(3-42)中，则且把估计的代入式(3-42)，基于秩损原理，矩阵p′_c(b)只包含俯仰角β，且矩阵不是满秩矩阵，因此式(3-35)同样成立，且f_c′(b)＝det(p′_c(b))＝0，这样就能判断某一俯仰角是否为入射信号的真实俯仰角，

基于以上分析，令f_c′(b)＝0，取单位圆内具有最大幅值的非重根而后依次得由估计值的相位就能得到波达方向关于俯仰角β角的估计值，即

综上所述，由式(3-39)和式(3-41)以及式(3-40)和式(3-43)就能求出圆信号的方位角和俯仰角的估计值；

于是，基于圆与非圆混合入射信号以及圆信号关于方位角和俯仰角的两种估计方法，由式(3-27)和式(3-30)以及式(3-29)和式(3-33)能求得圆与非圆混合信号的二维波达估计方向，以及由式(3-39)和式(3-41)以及式(3-40)和式(3-43)求得圆信号二维波达估计方向，比较两组结果，就能分别得到圆信号与非圆信号的二维波达方向。

本发明的特点及有益效果是：

本发明基于均匀矩阵阵列，实现了圆信号与非圆信号混合入射的二维波达方向估计以及两种信号的分辨问题。目前，针对一维圆与非圆混合信号的阵列测向技术已涌现出一些优秀的测向算法，但关于混合信号的二维测向算法还比较少，已有的技术主要有基于双平行均匀线性阵列，采用秩损原理和MUSIC(Multiple Signal Classification，多重信号分集算法)算法设计的二维测向算法，与该方法相比，首先，本发明对阵列模型进行了扩展，由双平行均匀线性阵列扩展到均匀矩阵阵列，使得运用范围更加广泛。其次，本发明采用了ROOT-MUSIC(求根多重信号分集算法)算法，与已有方法相比，本发明二维测向角度的精度更高。该结论也已通过仿真实验得到验证，因此，本发明所提算法应用范围比已有技术要广，而且测向精度与已有技术相比也有所提高。

附图说明：

图1均匀矩形阵列示意图。

图2非圆信号方位角θ的ROOT-MUSIC(求根多重信号分集算法)与谱峰搜索均方根误差曲线对比图。

图3非圆信号俯仰角β的ROOT-MUSIC(求根多重信号分集算法)与谱峰搜索均方根误差曲线对比图。

图4圆信号方位角θ的ROOT-MUSIC(求根多重信号分集算法)与谱峰搜索均方根误差曲线对比图。

图5圆信号俯仰角β的ROOT-MUSIC(求根多重信号分集算法)与谱峰搜索均方根误差曲线对比图。

具体实施方式

本发明基于均匀矩阵阵列，建立了一个适用于圆信号与非圆信号共同入射的阵列接收模型。而后在此基础上利用ROOT-MUSIC(求根多重信号分集算法)算法和秩损原理实现了圆信号与非圆信号混合入射的二维波达方向估计以及两种信号的分辨问题。

经分析，均匀矩阵阵列模型，如图1所示。该阵列模型由M×N个全向传感器元素组成。阵列的行间距d_x为λ/2，列间距d_y为λ/2，λ为入射信号的波长。假设有K个非相关远场窄带信号s_k(t),k＝1,…,K从方向(θ_k,β_k)(其中，θ为方位角，β为俯仰角)入射到该阵列上，其中入射信号包括K_n个严格非圆信号s_n,k(t),k＝1,…,K_n和K_c个圆信号s_c,k(t),k＝1,…,K_c，其中K＝K_n+K_c。均匀矩阵阵列元素上的噪声都是均值为0，方差为σ²的加性高斯圆噪声。

在采样t时刻，该矩形阵列输出矢量x₁(t),x₂(t),…,x_N(t)可以表示为

其中，x₁(t)＝[x₁₁(t),…,x_1M(t)]^T，x₂(t)＝[x₂₁(t),…,x_2M(t)]^T，…，x_N(t)＝[x_N1(t),…,x_NM(t)]^T，A表示阵列流型矩阵，其每列向量记为导向矢量a(θ_k)，a(θ_k)＝[a₀(θ_k),…,a_M-1(θ_k)]^T，其中其中表示加性高斯白噪声矢量。表示圆与非圆混合入射源信号矢量，该矢量可以表示为

式(3-4)中，

在式(3-5)中，s(t)为

在本发明中，s_n,k(t)为严格非圆信号，因此有其中，为实值信号，为信号的非圆相位。

下面将联合接收数据矢量x₁(t),x₂(t),…,x_N(t)组成一个新的数据矢量f(t)

为了简化表示，后文中将省略角度对(θ,β)及时间t。

在式(3-7)中，C(θ,β)定义为扩展的导向矢量矩阵，且

C＝[C₁(θ_n,β_n)C₂(θ_c,β_c)] (3-8)

其中C₁(θ_n,β_n)为NM×K_n的矩阵，C₂(θ_c,β_c)为NM×K_c的矩阵，分别表示如下

接着，通过把矢量f以及其共轭形式f^*组合成一个新的数据矢量

其中为2NM×(K_n+2K_c)的矩阵，矢量为(K_n+2K_c)×1的矩阵

以及矢量为2NM×1的矩阵。

根据式(3-11)构造的计算其协方差矩阵为

其中为信号的协方差矩阵。由于入射信号之间是不相关的，因此是一个满秩矩阵。

而后，特征分解可得

其中E_s为2NM×(K_n+2K_c)的矩阵，E_n为2NM×(2NM-K_n-2K_c)的矩阵，它们分别为信号子空间和噪声子空间，Σ_s为(K_n+2K_c)×(K_n+2K_c)的对角矩阵，Σ_n为(2NM-K_n-2K_c)×(2NM-K_n-2K_c)的对角矩阵，它们分别为信号子空间和噪声子空间对应的特征值矩阵，且的特征值满足λ₁≥λ₂≥…≥λ_K≥λ_K+1…＝λ_2NM＝σ²，

因为E_s与张成相同的信号子空间，且与E_n张成的噪声子空间正交，所以对于任意从角度(θ_n,k,β_n,k)入射的非圆信号有

进一步展开，如下形式：

由ROOT-MUSIC(求根多重信号分集算法)算法，定义多项式p_n(l)＝[1,l,...,l^M-1]^T，其中所以p_n(l)＝a_n,k，p_n(l^-1)＝a^*_n,k，于是，定义一个2NM×2N矩阵Ω_n(l)只和l有关，

因此，

以及

可以得到非圆信号关于l的估计器

由式(3-16)可知，信号的非圆相位和俯仰角β都不在Ω_n(l)中，因此矩阵p_n(l)与非圆相位和俯仰角β无关，只与方位角θ有关，矩阵p_n(l)是2N×2N的矩阵，E_n为2NM×(2NM-K_n-2K_c)的矩阵，所以当(2NM-K_n-2K_c)≥2N(即K_n-2K_c≤2(NM-N))且θ不等于信号真实方位角时，矩阵p_n(l)是满秩的，只有当方位角θ等于信号真实方位角时矩阵p_n(l)秩损，即rank{p_n(l))}<2N，这时式(3-16)才成立，与此同时，f_n(l)＝det(p_n(l))＝0，所以通过p_n(l)是否秩损可以判断某一方位角是否为入射信号的真实方位角，即利用秩损原理得到信号的方位角。

基于以上分析，令f_n(l)＝0，取单位圆内具有最大幅值的K_n个非重根而后由其相位就能得到非圆信号波达方向关于方位角θ角的估计，即

然后将估计的分别代入式(3-20)，并构造非圆信号关于俯仰角β的估计器

f_n′(b)＝det(p′_n(b)) (3-22)

同样基于ROOT-MUSIC(求根多重信号分集算法)算法，定义则

和

基于秩损原理，矩阵p′_n(b)只包含俯仰角β，且矩阵不是满秩矩阵，因此式(3-16)同样成立，且f_n′(b)＝det(p′_n(b))＝0，这样就能判断某一俯仰角是否为入射信号的真实俯仰角。

基于以上分析，令f_n′(b)＝0，取单位圆内具有最大幅值的非重根依次得而后由

其相位就能给出波达方向关于俯仰角β角的估计值，即

以上是非圆信号二维波达方向的估计方法，接下来将利用该方法研究圆信号二维波达方向的估计问题。

首先，构建以下表达式

因为式(3-26)中，

因此，由式(3-26)可知，非圆信号估计方位角θ和俯仰角β的方法对于圆信号同样适用。

综上所述，本发明应用以上方法构建了圆与非圆混合信号关于方位角θ的估计器

其中，Ω(l)只和l有关，为2NM×2N的矩阵，其表达式如下

其中，p(l)＝[1,l,...,l^M-1]^T，基于秩损原理，令f(l)＝0，取单位圆内具有最大幅值的K个非重根而后由其相位就能得到波达方向关于方位角θ角的估计，即

然后构造圆与非圆信号关于俯仰角β的估计器

f′(b)＝det(p′(b)) (3-30)

在式(3-30)中，则

和

将估计的分别代入式(3-31)，并令f′(b)＝0，取单位圆内具有最大幅值的非重根依次得而后由其相位得到波达方向关于俯仰角β角的估计值，即

这样，根据式(3-27)和式(3-30)以及式(3-29)和式(3-33)就能求出圆与非圆混合入射信号的方位角和俯仰角的估计值。

以上所有研究都是关于圆与非圆混合入射信号的二维波达方向的估计问题，并未涉及到两种信号的分辨问题，为解决该问题，接下来将讨论仅适用于圆信号的二维波达方向估计方法。

因为E_n与之间具有正交性，故有

通过将E_n分割为两个均为NM×(2NM-K_n-2K_c)的矩阵E_n1和E_n2，即那么

因此，本发明将基于式(3-35)来估计圆信号的二维角度(θ_c,k,β_c,k)。因为

根据求根多重信号分集ROOT-MUSIC算法，定义多项式p_c(l)＝[1,l,...,l^M-1]^T，其中所以p_c(l)＝a_c,k，p_c(l^-1)＝a^*_c,k，于是，定义一个NM×N矩阵Λ(l)，该矩阵只和l有关，

并定义

于是，可以得到圆信号关于方位角θ的估计器为

f_c(l)＝det(p_c(l)) (3-39)

由式(3-35)可知，圆信号的俯仰角β不在p_c(l)中，因此矩阵p_c(l)与俯仰角β无关，只与方位角θ有关，矩阵p_c(l)是N×N的矩阵，E_n1为NM×(2NM-K_n-2K_c)的矩阵，所以当(2NM-K_n-2K_c)≥N(即K_n-2K_c≤2NM-N)且θ不等于信号真实方位角时，矩阵p_c(l)是满秩的，只有当θ等于圆信号真实方位角时矩阵p_c(l)秩损，即rank{p_c(l))}<N，这时式(3-35)才成立，与此同时，f_c(l)＝det(p_c(l))＝0，所以通过判断p_c(l)是否秩损可以判断某一方位角是否为入射圆信号的真实方位角，即利用秩损原理得到圆信号的方位角。

基于以上分析，令f_c(l)＝0，取单位圆内具有最大幅值的K_c个非重根而后由其相位得到圆信号波达方向关于方位角θ角的估计，

即

而后构造圆信号关于俯仰角β的估计器

f_c′(b)＝det(p′_c(b)) (3-41)

同样，基于ROOT-MUSIC(求根多重信号分集算法)算法，式(3-42)中，则且把估计的代入式(3-42)，基于秩损原理，矩阵p′_c(b)只包含俯仰角β，且矩阵不是满秩矩阵，因此式(3-35)同样成立，且f_c′(b)＝det(p′_c(b))＝0，这样就能判断某一俯仰角是否为入射信号的真实俯仰角。

基于以上分析，令f_c′(b)＝0，取单位圆内具有最大幅值的非重根而后依次得由估计值的相位就能得到波达方向关于俯仰角β角的估计值，即

综上所述，由式(3-39)和式(3-41)以及式(3-40)和式(3-43)就能求出圆信号的方位角和俯仰角的估计值。

于是，基于圆与非圆混合入射信号以及圆信号关于方位角和俯仰角的两种估计方法，由式(3-27)和式(3-30)以及式(3-29)和式(3-33)能求得圆与非圆混合信号的二维波达估计方向，以及由式(3-39)和式(3-41)以及式(3-40)和式(3-43)求得圆信号二维波达估计方向，比较两组结果，就能分别得到圆信号与非圆信号的二维波达方向了。其中，先估计出圆与非圆的所有角度，这时只知道这些信号的角度，但不知道哪些是圆信号，哪些是非圆信号。而后用另一种方法只能得到圆信号的角度，这样通过对比两组结果，分辨出圆信号和非圆信号。

圆信号的确估计了两次，第一次是用的方法对圆信号和非圆信号都适用，因此在估计出信号角度后是区分不出哪个是圆信号，哪个是非圆信号的。第二种方法只能估计出圆信号的角度，因此，将第一种方法估计得到的的角度和第二种方法得到的角度对比，就能区分出圆信号和非圆信号了。

圆与非圆同时使用的方法的构造原理和仅适用于圆信号的方法的构造原理很相似，主要表现在噪声子空间的使用。其中非圆与圆信号的估计器用的是E_n，而仅适用于圆信号的估计器使用的是E_n1。因为E_n和E_n1的维度不同，使得估计器中与他们相乘的项也会不同。

为验证本发明的测向性能，该方案设计了如下仿真实验：

实验采用3×6(3行6列)的均匀矩阵阵列，在不同信噪比下，采用蒙特卡洛方法，分别求得方位角θ角和俯仰角β角的均方根误差曲线，并与谱峰搜索方法进行对比。实验结果如图2，图3，图4，图5所示，这些图是在信噪比范围为5～25dB，间隔为3，蒙特卡洛次数为100次时的实验结果，图2为非圆信号方位角θ角求根MUSIC，即ROOT-MUSIC(求根多重信号分集算法)与谱峰搜索均方根误差曲线对比图，图3为非圆信号俯仰角β角求根MUSIC与谱峰搜索均方根误差曲线对比图，图4为圆信号方位角θ角求根MUSIC与谱峰搜索均方根误差曲线对比图，图5为圆信号俯仰角β角求根MUSIC与谱峰搜索均方根误差曲线对比图。由实验结果可知，非圆信号方位角θ角和俯仰角β角的估计精度除在低信噪比条件下谱峰搜索的性能优于求根MUSIC算法，其余范围内两者性能相当，但圆信号方位角θ角和俯仰角β角的估计精度求根MUSIC算法始终高于谱峰搜索的精度。因此，这也验证了本发明所提算法的优越性。

本发明基于均匀矩形阵列提出了圆与非圆信号共存时的二维测向估计以及两种信号的分辨算法，其具体实施方式如下：

1、根据式(3-11)构造出新数据矢量而后根据及式(3-13)计算协方差矩阵

2、根据式(3-14)特征分解得到其对应的噪声子空间

3、用式(3-27)及式(3-29)和式(3-30)及式(3-33)来估计K个圆与非圆混合信号的二维测向估计角(θ,β)；

4、通过分割得到而后用式(3-39)及式(3-40)和式(3-41)及式(3-43)来估计K_c个圆信号的二维测向估计角(θ,β)；

5、通过比较步骤3和步骤4所得的二维测向估计角即能分辨出圆信号与非圆信号，从而最终分别得到圆信号与非圆信号的二维测向估计角。