科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统极化-DOA参数估计方法在部分阵列单元失效的情况下，其估计性能会严重恶化甚至失效；同时，面临着日益复杂的电磁环境，部分阵列失效单元不可避免地引入错误数据，这对算法的稳健性是一个巨大挑战。针对以上问题，为了充分探究部分阵列单元失效和错误数据对算法参数估计性能的影响，在共形极化敏感阵列中考虑了部分单元完全失效和部分单元出错概率两种情况，提出了一种基于变分稀疏贝叶斯学习的稳健空域二维联合稀疏极化-DOA参数估计方法。首先利用信源的空域稀疏特性，建立基于共形极化敏感阵列包含错误数据的二维稀疏接收信号模型；其次，采用奇异值分解方法来降低阵列输出矩阵的维度，从而减小算法运算量；然后，利用变分稀疏贝叶斯学习算法来获得信源稳健的DOA估计；最后，通过模值约束算法获得信源的极化参数估计。仿真结果表明，在阵列单元失效的情况下，所提算法具有相对稳健的参数估计性能，具有较高的估计精度和角度分辨率。
-
单位电子信息工程学院; 沈阳航空航天大学
