针对实际工程应用中导向矢量模型存在不可避免的模型误差的问题,提出了基于模型误差的极化敏感阵列的波达方向(direction of arrival,DOA)参数和极化参数联合估计算法——信号子空间匹配(signal subspace matching,SSM)算法,推导了算法的代价函数,为了减小算法的计算量,给出了SSM迭代解。与传统的极化多重信号分类(multiple signal classification,MUSIC)算法和确定性最大似然(deterministic maximum likelihood,DML)算法进行了对比仿真实验。仿真实验结果表明,所提算法具有较优异的参数估计性能,且具有切实的工程应用价值。
在实际应用中多种类型阵列误差同时存在,针对这种情况下阵列误差方位依赖的特点,提出了一种基于流形分离技术(manifold separation technique,MST)的改进多重信号分类(multiple signal classification,MUSIC)算法,可以有效解决多种阵列误差影响下的波达方向估计问题。利用MST获得包含阵列非理想特性的采样矩阵,从而进行精准测向;通过二维傅里叶变换求解二维空间谱,与现有MUSIC校正算法相比,减少了谱峰搜索的运算量。理论分析和仿真验证了该算法的有效性,可为实际问题的解决提供参考。
