简介:对于极化敏感L型阵列的多参数联合估计问题,采用传统的多重信号分类(MUSIC)算法所需计算量大,采用旋转不变子空间(ESPRIT)算法需要考虑参数配对问题。提出了模值约束下的求根多重信号分类(root-MUSIC)算法,首先利用L型阵列中两个相互垂直的线阵构造两子阵接收数据的自相关函数,采用root—MUSIC算法进行波达方向角(DOA)估计,然后根据模值约束条件构造代价函数,通过闭合式解得到极化参数估计。该算法与传统MUSIC算法相比,大大减少了计算量,同时能够实现参数自动配对,避免了ESPRIT算法的不足。计算机仿真结果表明,该算法的角度估计性能与传统MUSIC算法接近,优于ESPRIT算法,且算法收敛速度快。
简介:在噪声或杂波环境中进行自适应雷达目标检测是每部雷达接收机中非常重要的设计。在几乎所有的检测程序中,都将接收回波信号幅度与某一门限作简单比较。目标检测的主要目的是在极低的恒虚警率(CFAR)约束条件下使目标检测概率最大化。噪声和杂波背景可以用一个统计模型来加以描述,如独立相同瑞利模型,或用已知平均噪声功率的指数分布随机变量进行描述。但是在实际应用中,平均噪声或杂波功率绝对是未知的,并且还会随着距离、时间和方位角发生变化。因此,对用于几种不同背景信号情况的某些距离CFAR技术进行描述。在这些背景信号情况下,平均噪声功率和另外一些统计参数都被假设是未知的。因而所有的距离CFAR技术都通过将幅度门限应用于检测单元内的回波信号幅度,把估算流程(用以获取噪声功率的精确值或估算值)与判定步骤结合起来。许多研究工作都分析了这种通用的检测方案,对这一课题投入了大量精力。对这些重要的距离CFAR检测方案中的几种作一简短描述,然后进行技术比较。