科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的电磁矢量传感器信号处理的一些算法(如MUSIC和ESPRIT等)的共同点都是以信号所加入的背景噪声为高斯噪声。但是有一些非高斯分布的噪声普遍存在的,而这些算法对非高斯的噪声方法是失效的。近年来,在电子对抗和通信系统中发现一种特殊的噪声,这种噪声具有非常大的尖峰脉冲特性,可以用α稳定分布来描述,因此有必要研究基于α噪声背景下,电磁矢量传感器信号DOA和极化参数估计问题,这也是本文的研究重点。 α稳定分布是满足广义中心极限定理的唯一的一类分布,当α=2时,α稳定分布就变成高斯分布,显然,高斯分布是α稳定分布的一个特例。自然界中存在的噪声可以用α稳定分布来很有效的描述。但是,研究α稳定分布的难点之一就是它不存在二阶矩以及二阶以上的高阶矩,也即没有有限的方差。这就使很多能够有效处理高斯噪声的算法应用在α噪声背景下出现蜕化,甚至给出错误结果。本文针对这一问题,首次采用分数低阶循环相关法研究α噪声背景下电磁矢量传感器阵列信号参数估计问题。 本文以α稳定分布噪声为背景,研究了单个电磁矢量传感器、线性极化阵列以及任意结构的极化阵列信号DOA和极化参数估计方法。首先,假设入射的电磁波为循环平稳信号,介绍单电磁矢量传感器、线性极化阵列以及任意结构极化阵列的信号接收模型;其次,α稳定分布噪声具有p阶矩(p<α),根据分数低阶循环相关的性质,分数低阶循环相关可以分离循环频率不同的信号,并且可以抑制非循环平稳的α稳定分布噪声;最后,对所求得的分数低阶循环相关函数进行奇异值分解,分离出信号子空间和噪声子空间,并采用噪声矢量空间V 2作为分析对象,进而估计出信号的DOA和极化参数。文中的仿真实验说明基于分数低阶循环相关法可以有效抑制α稳定分布噪声,并提高信号参数性能。
- 出版日期2011
