针对极化敏感面阵的极化域-空域联合谱估计,现有的多重信号分类(Multiple Signal Classification,MUSIC)算法需要进行四维谱峰搜索,计算量较大。建立了一种极化参数与空域参数分离的长矢量模型,在此基础上提出了一种基于不等式约束的降...针对极化敏感面阵的极化域-空域联合谱估计,现有的多重信号分类(Multiple Signal Classification,MUSIC)算法需要进行四维谱峰搜索,计算量较大。建立了一种极化参数与空域参数分离的长矢量模型,在此基础上提出了一种基于不等式约束的降维MUSIC算法。利用极化矢量的模值有界性,将联合谱估计问题转化为不等式约束优化问题,在空间域进行谱峰搜索先行估计出信号的波达方向(Direction of Arrival,DOA),进而估计极化相位差和极化幅角。与4D-MUSIC算法相比,所提算法将四维搜索降低至二维,运算量显著降低。计算机仿真实验证明了算法的有效性和高精度性。展开更多
文摘针对极化敏感面阵的极化域-空域联合谱估计,现有的多重信号分类(Multiple Signal Classification,MUSIC)算法需要进行四维谱峰搜索,计算量较大。建立了一种极化参数与空域参数分离的长矢量模型,在此基础上提出了一种基于不等式约束的降维MUSIC算法。利用极化矢量的模值有界性,将联合谱估计问题转化为不等式约束优化问题,在空间域进行谱峰搜索先行估计出信号的波达方向(Direction of Arrival,DOA),进而估计极化相位差和极化幅角。与4D-MUSIC算法相比,所提算法将四维搜索降低至二维,运算量显著降低。计算机仿真实验证明了算法的有效性和高精度性。