High Accuracy 2D-DOA Estimation for Conformal Array Using PARAFAC
High Accuracy 2D-DOA Estimation for Conformal Array Using PARAFAC
复制标题
使用 PARAFAC 对共形阵列进行高精度 2D-DOA 估计
DOI：
10.1155/2014/394707
复制
发表时间：
2014-01
影响因子：
1.5
通讯作者：
Feng, Naixing
中科院分区：
文献类型：
--
作者：
Si, Weijian;Liu, Lutao;Tian, Zuoxi;Feng, Naixing
由于共形载波曲率的变化会引起阵元方向图的极化分集，传统的波达方向估计算法不能应用于共形阵列。为了描述共形阵列的局部放电，在快照数据模型中考虑了极化参数。波达方向估计的最大困难是角度信息和极化参数之间的耦合。根据柱面共形阵列的特点，通过特殊设计的阵列结构，可以实现极化参数与波达方向之间的解耦。利用并行因子分析(PARAFAC)理论实现了柱面共形阵的二维波达方向估计。为了避免参数配对问题，该算法在协方差域形成协方差矩阵的PARAFAC模型。该算法也可以推广到其他共形阵列结构和非均匀噪声场景。推导了该算法的Cramer-Rao界(CRB)，并给出了柱面共形阵列的仿真结果，验证了算法的有效性。
Due to the polarization diversity (PD) of element patterns caused by the varying curvature of the conformal carrier, the conventional direction-of-arrival (DOA) estimation algorithms could not be applied to the conformal array. In order to describe the PD of conformal array, the polarization parameter is considered in the snapshot data model. The paramount difficulty for DOA estimation is the coupling between the angle information and polarization parameter. Based on the characteristic of the cylindrical conformal array, the decoupling between the polarization parameter and DOA can be realized with a specially designed array structure. 2D-DOA estimation of the cylindrical conformal array is accomplished via parallel factor analysis (PARAFAC) theory. To avoid parameter pairing problem, the algorithm forms a PARAFAC model of the covariance matrices in the covariance domain. The proposed algorithm can also be generalized to other conformal array structures and nonuniform noise scenario. Cramer-Rao bound (CRB) is derived and simulation results with the cylindrical conformal array are presented to verify the performance of the proposed algorithm.
登录
查看更多内容
影响因子：
5.7
作者：
L. Vaskelainen
通讯作者：
L. Vaskelainen
低交叉极化共形阵列天线的频率不变方向图合成
影响因子：
1.7
作者：
Wang, B. -H.;Guo, Y.;Lin, Y. -Z
通讯作者：
Lin, Y. -Z
影响因子：
6.7
作者：
Weijian Si;L. Wan;Lutao Liu;Zuoxi Tian
通讯作者：
Weijian Si;L. Wan;Lutao Liu;Zuoxi Tian
影响因子：
5.7
作者：
K. Tsui;Chan;K. Tsui;S. C. Chan
通讯作者：
K. Tsui;Chan;K. Tsui;S. C. Chan
影响因子：
5.7
作者：
A. Elsherbini;K. Sarabandi
通讯作者：
A. Elsherbini;K. Sarabandi