基于分形经济极化敏感阵列的无网格波达方向与极化参数联合估计方法

《Digital Signal Processing》：A Gridless Joint DoA and Polarization Parameter Estimation Method Based on Fractal Economy Polarization-Sensitive Array

　　本文提出了一种基于分形经济极化敏感阵列的无网格波达方向（DoA）与极化参数联合估计算法。该方法通过引入阵列经济因子，结合分形自相似性和递归扩展特性，构建了具有大孔径和高自由度（DOF）的经济最优阵列结构。在算法层面，提出的FEPSA-ANM算法通过协方差矩阵求和、向量化降维和原子范数对偶模型最优解构建多项式求根，实现无网格DoA估计，并利用最小二乘法解耦极化参数。蒙特卡罗实验表明，该算法在低信噪比（SNR）下具有优越的估计性能，且无需信号源数先验知识，在雷达、无线通信和遥感领域具有重要应用潜力。

　　

Highlight

未引用文献标注

缺失引用 图1，表2

作者贡献声明

概念化：T.C. 和 Y.L.；方法论：T.C. 和 Y.L.；软件：Y.L.；验证：Y.L. 和 Y.Y.；形式化分析：T.C. 和 Y.L.；调查：Y.L. 和 Y.Y.；资源：T.C. 和 Y.Y.；数据管理：Y.Y.；初稿撰写：Y.L.；审阅与编辑：T.C. 和 Y.L.；可视化：Y.L.；监督：Y.Y.；项目管理：T.C. 和 Y.Y.；资金获取：T.C.

利益冲突声明

作者声明不存在任何可能影响本研究成果的已知竞争性财务利益或个人关系。

结论

本文提出了一种基于分形经济阵列结构的无网格波达方向（DoA）与极化参数联合估计算法。通过引入阵列经济因子，并结合分形递归扩展策略与嵌套阵列，设计了一种分形经济最优阵列结构，在保证大孔径和高自由度（DOF）的同时显著降低了硬件成本。提出的FEPSA-ANM算法突破了传统原子范数最小化（ANM）在极化敏感阵列中的精度限制，实现了无需网格划分和先验信号源数的高精度参数估计。蒙特卡罗实验验证了该算法在低信噪比（SNR）场景下的优异性能，为雷达、无线通信和遥感等领域的先进应用提供了重要技术支撑。