论文部分内容阅读
矢量传感器相较标量传感器拥有更优异的信息获取能力,因此其在阵列信号处理领域得到了广泛的应用。而二维互质阵列(简称互质面阵,Coprime planar array,CPPA)作为一种大孔径、高自由度的非均匀阵列,相较常规二维均匀阵列(如均匀面阵)可以获得更高的测向精度和分辨率。因此,两者的结合,即矢量传感器互质面阵,具有提升阵列信号处理性能的潜能。但需要注意的是,矢量传感器互质面阵信号数据维度较高,处理难度较大,现有的基于矩阵代数理论的信号处理方法已不再适用。张量代数理论可对高维数据进行有效处理,因此,本文借助张量代数理论对矢量传感器互质面阵信号进行张量建模和处理研究。主要的研究内容如下:(1)针对基于标量传感器的均匀面阵(Uniform rectangular array,URA)信号进行张量建模和处理研究,并给出了利用张量的典范多元分解(Canonical polyadic decomposition,CPD)来估计入射信号波达角(Direction of arrival,DOA)的方法。随后将其推广到了矢量传感器领域,并给出了借助CP分解估计入射信号DOA和极化参数的方法。仿真实验验证了方法的有效性,并验证了矢量传感器均匀面阵性能优于标量传感器均匀面阵。(2)为了提升传统标量传感器互质面阵的阵列自由度,提出了一种新的基于张量的阵列信号处理方法。首先,对互质面阵中的两个稀疏面阵进行拆分,将其对应的两个接收信号矩阵处理成两个四阶张量;然后对这两个四阶张量进行求互相关操作,并将其结果处理成一个等效的虚拟阵列接收信号张量。分析表明:通过所提出的信号处理方法,可将一个具有2L~2-1个物理阵元的互质面阵的接收信号处理成一个具有(L+1)~4/16个阵元的非均匀虚拟面阵(称之为差分伴随阵)的接收信号张量。最后借助CP分解和虚拟面阵相邻阵元间距存在的互质性质估计出了信号DOA。随后,将其推广到了矢量传感器领域,从而进一步提高了信号参数估计性能。(3)针对互质面阵对应的差分伴随阵中存在的阵元重复问题,提出了一种新型的互质面阵结构,其获得的差分伴随阵中无重复阵元,进而提升了阵列自由度。此外,针对该新阵列给出了基于张量的信号建模和处理新方法。分析表明:一个具有4M~2+N~2-1(其中M和N为互质整数)个标量传感器的新互质面阵可利用所提出的方法将其处理成一个具有0.34(MN+M+N)~2个阵元的虚拟面阵。随后将该方法推广到了矢量传感器领域,利用单个矢量传感器便可对目标进行全空间无模糊定向的特点,对上述新互质面阵结构进行改进,增加阵列相邻阵元间距以提高阵列孔径。故新矢量传感器互质面阵兼具高自由度和高参数估计性能的特点。