矢量传感器阵列信号的多参数估计研究

摘要

阵列信号处理在雷达、声呐、无线通信等领域有着广泛的应用。传统的阵列信号处理技术通常利用标量传感器阵列接收的数据实现期望信息的检测和估计。近年来的研究发现，利用矢量传感器可以同时获得信号所提供的多维信息，从而获得更优越的系统性能。因此，矢量传感器阵列信号处理方法的研究具有重要的意义。本文在前人工作的基础上，针对声学矢量传感器和电磁矢量传感器阵列信号处理的若干个热点问题展开研究，提出了几种新的矢量传感器阵列信号的参数估计方法。论文的主要创新点如下:
　　第一部分:基于声学矢量传感器阵列信号的多参数估计算法研究
　　1)研究了利用单个矢量传感器进行多径MC-CDMA信号角度-时延联合估计方法。我们将时域维与矢量传感器响应矢量结合起来，构造MC-CDMA信号的TEVES(temporal-vector-sensor)响应矢量。然后，利用子载波信息对多径信号进行去相关处理，并在此基础上利用MUSIC算法对多信号环境中的“期望信号”的角度-时延参数进行联合估计。算法采用树形结构，包含两次τ-MUSIC过程估计时延，两次θ-MUSIC过程估计俯仰角，一次φ-MUSIC过程估计方位角。此外，对单目标多径环境，提出一种基于ESPRIT的角度-时延闭式求解算法。最后，给出了单矢量传感器对多径MC-CDMA信号联合角度-时延估计的CRB。
　　2)研究了基于线性声学矢量传感器阵列的相干信号二维角度估计方法。我们首先利用矢量传感器的空间签名(Spatial Signature)因子构造平行因子(PARAFAC)模型，然后利用平行因子分解获得矢量传感器空间响应的估计。提出的算法无需进行空间平滑或矢量平滑进行解相干处理。同时，我们证明了只要传感器个数L≥2K-1，采用平行因子分解可以唯一确定K个相干信号的二维角度。此外，由于矢量传感器空间响应不含有时延相位因子，提出的算法在传感器间隔超过半波长时不会造成参数估计的模糊。并且，矢量传感器的内部固有结构还有助于算法采用扩展口径来提高角度估计的精度。
　　第二部分:基于电磁矢量传感器阵列信号的多参数估计算法研究
　　1)利用双分量矢量传感器阵列，提出两种针对部分极化信号/混合信号（同时存在完全极化和部分极化信号）的DOA估计方法。首先，提出一种可以直接使用传统子空间类算法的部分极化信号DOA估计方法;随后，针对混合信号情形，提出基于MUSIC、ESPRIT和广义ESPRIT的DOA估计方法。针对第一个问题，我们使用均匀线性阵列，阵列中每个单元由两个单极化传感器组成。利用阵列几何结构和其平移不变特性，对阵列输出和其共轭构造一组数据相关序列，将DOA估计问题转化为正弦波频率估计问题。经过转换，部分极化信号的秩-2信号协方差矩阵转变成复正弦波的幅度，因此，阵列输出信号的秩-2K信号子空间转变为构造的相关序列的秩-K信号子空间。在此基础上，我们对构造的相关序列使用传统的子空间算法进行信号DOA的估计。同时，我们给出了只要传感器个数大于部分极化信号的个数，得到的DOA的估计值是唯一的。提出的算法对同时存在部分极化信号和完全极化信号的场合同样适用。由于提出的算法无需信号极化度的先验信息，因此可以视作一种“盲”估计算法。对第二个问题，我们将传统的MUSIC算法、ESPRIT算法和广义ESPRIT算法应用到同时存在完全极化和部分极化信号的情形。对MUSIC算法，我们构造两个估计算子:完全极化(CP)算子和部分极化(PP)算子，分别对完全极化信号和部分极化信号进行DOA估计。同时由CP算子和PP算子得到的角度估计值为部分极化信号的DOA，而仅由CP算子得到的角度估计值为完全极化信号的DOA。此外，CP算子还能用于估计完全极化信号的极化信息。对ESPRIT算法，我们通过ESPRIT的特征值同时得到完全极化信号和部分极化信号的DOA估计。特别的，如果信号的DOA所对应的ESPRIT特征值出现两次，则该信号为部分极化信号，如果信号的DOA对应的ESPRIT特征值仅出现一次，则该信号为完全极化信号。对广义ESPRIT算法，我们通过一维搜索同时得到完全极化和部分极化信号的DOA估计值，但该方法无法对信号的极化信息进行分类。此外，ESPRIT算法和广义ESPRIT算法无法估计完全极化信号的极化参数。
　　2)提出了两种利用六分量电磁矢量传感器进行参数估计的方法。首先，研究了基于单电磁矢量传感器平行因子分析的单频信号参数估计算法;随后，研究了存在互耦情况下的单电磁矢量传感器DOA估计方法。对第一个问题，我们利用单频信号的时延不变性构造平行因子模型。并且，在此基础上证明了只要采样个数N≥2K-1或N≥4K-1，利用平行因子分解可以实现对K个非相关的完全极化信号或部分极化信号进行分辨。提出的方法由于与电磁矢量传感器导向矢量的线性独立性无关，更为一般化。对第二个问题，我们应用时域平滑技术扩展单个矢量传感器可分辨信号数的限制，并且给出了使用单个矢量传感器分辨K个部分极化单频信号所需要构造时域平滑矩阵的充分条件。然后，提出一种基于ESPRIT算法的方位-俯仰角和互耦系数的联合估计方法。该方法无需使用校正信号和进行迭代计算。最后，推导了存在互耦时，单个矢量传感器参数估计的克拉美罗界。
　　大量计算机仿真实验验证了文中所提算法的有效性。

目录

声明

摘要

缩写与中英文对照

论文中的通用符号

第一章 绪论

1．1 论文研究背景及意义

1．2 声学矢量传感器阵列信号的多参数估计研究现状

1．3 电磁矢量传感器阵列信号的多参数估计研究现状

1．4 论文的主要贡献

1．5 论文的结构安排

第二章 论文研究基础

2．1 阵列信号处理基础

2．1．1 阵列接收信号数学模型

2．1．2 阵列模型的二阶统计特性

2．1．3 子空间类DOA估计常用方法

2．2 声学矢量传感器阵列信号接收系统模型

2．3 电磁矢量传感器阵列信号接收系统模型

2．4 平行因子(PARAFAC)分析基础

2．4．1 三线性模型

2．4．2 三线性模型可辨识性

2．4．3 三线性模型分解

2．5 本章小结

第三章 基于声学矢量传感器阵列信号的多参数估计算法研究

3．1．1 引言

3．1．2 系统模型

3．1．3 角度-时延联合估计：多目标情形

3．1．4 角度-时延联合估计：单信号情形

3．1．5 克拉美罗界(CRB)

3．1．6 计算机仿真结果

3．1．7 结论

3．2 基于线性矢量传感器阵列的相干信号二维角度估计

3．2．1 引言

3．2．2 信号模型

3．2．3 算法发展

3．2．4 计算机仿真结果

3．2．5 结论

3．3 本章小结

3．4 附录：文中定理的证明

3．4．1 定理3．1的证明

3．4．2 定理3．3的证明

3．4．3 定理3．4的证明

第四章 基于双分量矢量传感器阵列的部分极化／混合信号的角度估计方法研究

4．1．1 引言

4．1．2 数据模型

4．1．3 算法的发展

4．1．4 克拉美罗界(CRB)

4．1．5 计算机仿真结果

4．1．6 结论

4．2 基于子空间的混合信号角度估计方法

4．2．1 引言

4．2．2 信号模型和假设

4．2．3 利用子空间类算法进行DOA估计和信号分类

4．2．4 克拉美罗界(CRB)

4．2．5 计算机仿真结果

4．2．6 结论

第五章 基于单个六分量电磁矢量传感器信号的角度估计方法研究

5．1 单个六分量电磁矢量传感器平行因子分析

5．1．1 引言

5．1．2 数据模型

5．1．3 对部分极化信号使用Uni-Vector-Sensor ESPRIT算法

5．1．4 利用平行因子分析进行角度估计

5．1．5 克拉美罗界(CRB)

5．1．6 计算机仿真结果

5．1．7 结论

5．2 存在互耦时单矢量传感器角度估计方法研究

5．2．1 引言

5．2．2 信号模型与假设

5．2．3 角度与互耦矩阵联合估计

5．2．4 克拉美罗界(CRB)

5．2．5 计算机仿真结果

5．2．6 结论

5．3 本章小结

5．4 附录：文中定理的证明

5．4．1 定理5．1的证明

5．4．2 定理5．2的证明

第六章 总结与展望

致谢

参考文献

攻读博士学位期间撰写和发表的论文