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:面对日益复杂的空间电磁环境,合成孔径雷达(SyntheticApertureRadar,SAR)容易受到射频干扰(RadioFrequencyInterference,RFI)的影响,从而严重影响图像的判读和解译。尤其是低波段(例如P波段)SAR系统,由于频段内存在大量的电视广播信号,更容易受到RFI的影响。在建立了射频干扰信号模型的基础上,根据RFI信号的高功率、窄频带特点,提出了一种基于联合滤波的RFI抑制方法。该方法结合了传统的陷波法和子空间投影法在SAR射频干扰抑制方面的优点。其基本思想是:首先利用子空间投影法,将回波投影到目标信号子空间,获得参考信号,根据该参考信号,利用3δ准则判别出回波中存在的干扰信号,进行陷波、赋值处理。这样既降低了子空间投影法在抑制干扰过程中由于信号子空间判断误差而引入的虚警,又为陷波处理提供更准确的判别门限和更优的权值,可有效提升干扰抑制效果。仿真结果验证了该方法的干扰抑制效果优于子空间投影法及传统频域陷波法。