CN1739221A - 改进偏振信号源定位的智能天线系统 - Google Patents

Abstract

一种天线阵列和信号预处理设备和方法。天线阵列是正交偏振阵列，具有两个正交电偶极子和两个正交磁偶极子。预处理器用于对来自天线的信号进行预处理，以便获得信号源定位用的空间频谱信息。预处理器包括：自相关器，它连接在所述输入端之后，用于为每一个元件形成信号自相关矩阵；平滑器，它连接在自相关器之后，用于求自相关矩阵的平均值，从而形成适合于在估计信号源位置用的基于本征结构的估算器中使用的样本协方差矩阵。

Description

改进偏振信号源定位的智能天线系统

发明领域和背景

本发明涉及智能天线方法和设备，更具体地说，非排他地涉及使用偏振作为用于确定入射电磁辐射到达角的附加参数。

矢量传感器使估计任意偏振的入射电磁波的到达角和偏振成为可能。近十年来，为利用矢量传感器进行信号源定位和偏振估计已经研制了许多阵列处理技术。A.Nehorai和E.Paldi的″用于电磁信号源定位的矢量传感器阵列处理″IEEE Trans.on SignalProcessing，vol.42，pp.376-398，Feb.1994一文开发了Cramer-Rao边界(CRB)和矢量叉乘积到达方向(DOA)估算器，其内容附此作参考。B.Hochwald和ANehorai的″偏振建模和参数估计与在遥感的应用″IEEE Trans.On Signal Processing，Vol.43pp.1923-1935，Aug1995一文，利用矢量传感器完成了偏振建模，其内容附此作参考。

在G.F.Hatke，27^th Asilomar Conf.1993，pp1365-1369，K.C.Ho，K.C.Tan，W.Ser，Signal Processing Vol.47 pp41-54Nov.1995、B.Hochwald andA Nehorai，IEEE Trans on Signal Processing，Vol.44 No.1pp 83-95 Jan 1996，K.C.Tan，K.C.Ho，A.NehoraiIEEE Trans.Signal Processing，Vol.44 pp.3099-3107，Dec.1996几篇文章中分析了与矢量传感器有关的可识别性和独特性问题。上述文献中每一篇的内容均附此作参考。

基于本征结构的技术，诸如把矢量传感器用于信号源定位的ESPRIT和多信号分类(MUSIC)已经受到广泛研究。J.Li的IEEETrans.Antenna Propagation.Vol.41.pp379-387 March1993一文，把ESPRIT算法运用于矢量传感器阵列，其内容附此作参考。在包括K.T.Wong和M.Zoltowski的IEEE Trans.Antenna Propagation.Vol.48pp 671-681，May 2000等几篇文献中还研究了利用矢量传感器的基于ESPRIT的方向寻找算法，其内容附此作参考。在K.T.Wong和M.Zoltowski的IEEE Trans.Antenna Propagation.Vol.48pp1235-1245和2205-2210，August 2000文献中，把基于MUSIC的算法运用于同一问题。这些技术在不相关和部分相关的信号的情况下，产生高分辨率和渐近有效估计。但是，因为这些技术假定非奇异相关矩阵，在全相关的信号，诸如来自单一信号源在多路径环境的信号的情况下，它们遇到了困难。后者在都市环境下蜂窝电话中是特别常见的。

为了对数据协方差矩阵中的信号进行去相关，Evans等人在Proc.1st ASSP Workshop spectral Estimation，Hamilton OntarioCanada，1981 pp134-139的文献中，提出了称作空间平滑的预处理技术，其内容附此作参考。后面几位作者与前向-向后平均方法结合，研究了空间平滑方法。上述结合的缺点是，缩小有效的阵列孔径长度，结果分辨率和准确性都较低。一种替代的空间平均方法是冗余平均。它已经表明，基于冗余平均的预处理方法在DOA估计中引入偏移。

Wax和Ziskind在IEEE Transactions Antenna Propagation vol 38，pp.111-1114，July 90一文中，提出了用于差异偏振信号源定位的最大似然法(ML)。最大似然法利用模拟退火算法有效地搜索信号DOA和偏振矢量。

然而，上述方法仍未克服相关信号引入的困难，正如看到同一信号的多路径版本时预期的那样。

于是，广泛地意识到需要一种可用于智能天线的去相关方法，而且这会有很大的好处，它避免了上述限制，因而对于多路径是一个明显的问题的都市区域的蜂窝电话和其他情况是有用的。

发明概要

按照本发明的一个方面，提供一种正交偏振天线元，包括彼此相对以预定的角度排列的多个电偶极子和彼此相对以所述预定的角度排列的多个磁偶极子，每一个磁偶极子与相应的一个所述电偶极子基本上共享一个共同的位置。所述预定的角度最好基本上是直角。另外，所述多个偶极子排列成可从整个方位角平面获得电磁信号源信息。

所述电磁信号源信息最好是这样的，使得允许提取包括信号定位、信号偏振和数据内容一组中的至少一个。

所述元件最好排列成可检测来自整个方位角平面的信号，所述电偶极子和所述磁偶极子排列成就所述信号内的偏振信息而言是彼此互补的，从而使所述元件获得所述方位角平面内基本上全部偏振信息成为可能。

所述元件最好包括四个偶极子，其中偶极子中的两个是电偶极子，而所述偶极子中的两个是磁偶极子。在一个推荐的实施例中，所述两个电偶极子是相互正交的，而所述磁偶极子是相互正交的，而且所述磁偶极子中的每一个都与所述电偶极子中的一个同向的。

按照本发明的第二方面，提供一种正交偏振天线阵列，它包括：多个天线元，每一元件包括多个电偶极子，它们以彼此之间的预定的角度排列；以及多个磁偶极子，它们以彼此之间的所述预定角度排列，而且其中每一个磁偶极子基本上与相应的一个所述电偶极子共享一个共同的位置。各个元件的特性正如上面所描述的，而元件排列成阵列，向所述阵列提供附加的特性，诸如从所述信号多路径变化中分辨始发信号源的能力。对于具有n个元件的阵列，所述阵列能分辨n-1个信号。

在一个实施例中，所述阵列包括用于在偶极子之间切换的电开关或开关元件，或是用于在元件之间切换的开关，以便采集所述阵列上的数据。

在一个实施例中，所述阵列连接到信号预处理器，后者用于对来自所述天线的信号进行预处理，以便为信号源定位获得空间频谱信息，所述预处理器包括：

传感器自相关器，配置成为每一个传感器类型形成信号自相关矩阵；和

平滑器，配置成平滑所述自相关矩阵，从而形成至少一个包括空间频谱信息的协方差矩阵。

所述天线阵列最好连接到信号源定位器，后者配置成利用基于本征结构的信号源定位技术中的所述样本协方差矩阵。

所述平滑器最好还配置成对所述样本协方差矩阵应用前向后向平滑，从而增大可以定位的信号源的最大数目。

所述阵列最好在所述信号源定位器中具有与所述样本协方差矩阵一起使用的天线特定参数的导引矢量。

在一个实施例中，阵列连接到信号预处理器，以便对来自天线的信号进行预处理，来获得用于信号源定位的空间频谱信息，所述预处理器包括：

自相关器，它连接在所述输入端之后，用于为每一个元件形成信号自相关矩阵；和

平滑器，它连接在所述自相关器之后，用于平滑所述自相关矩阵，从而形成适合于在估计信号源定位用的基于本征结构的估计器中使用的样本协方差矩阵。

按照本发明的第三推荐实施例，提供一种用于对利用多个不同的传感器类型获得的输入信号进行预处理的方法，所述信号包括相干信号，所述预处理用于定位信号源，所述方法包括：获得来自所述不同的传感器类型中每一个的输入信号的到达角和偏振信息；为每个传感器类型形成信号自相关矩阵；以及平滑所述自相关矩阵，以便形成至少一个适用于基于本征结构的信号源定位技术中使用的协方差矩阵。

所述方法还可以包括对所述样本协方差矩阵施加前向后向平均，从而增加可以定位的信号源最大数目。

所述方法还可以包括为每根天线至少一次获得导引矢量，用于与所述基于本征结构的信号定位技术中所述样本协方差矩阵一起使用。

在所述方法中最好从四个传感器类型进行检测或获得，所述传感器类型是两个分别正交的电偶极子和两个分别正交的磁偶极子。

四个传感器类型最好为了检测而全部排列在单一个平面内。就是说，它们排列成完全覆盖所述平面，但当然它们仍然能够检测来自所述平面上面或下面的信号。

所述方法可以包括利用从所述协方差矩阵数据获得的信号源定位信息，作为波束控制器的输入，以便向各自信号源提供定向波束。

所述输入信号最好是噪声信号，而所述方法可以包括利用从所述协方差矩阵获得的信号源定位信息作为波束控制器的输入，以便向所述噪声干扰信号的相应的信号源提供定向波束的零值。

按照本发明的第四方面，提供一种用于处理利用多个不同的传感器类型获得的输入信号的方法，所述信号包括相干信号，所述预处理是为了信号源的定位，所述方法包括：获得输入信号的到达角和偏振信息；形成所述传感器阵列上的信号自相关矩阵；以及从所述信号自相关矩阵形成样本协方差矩阵，所述样本协方差矩阵适合于在用于估算信号源定位的最大似然估算器中使用。

所述最大似然估算器最好是

式中：

θ-信号源仰角矢量，

φ-信号源方位角的矢量，

λmax-矩阵对(Ψ₂(θ，φ)，Ψ₁(θ，φ))的最大广义本征值，

Fr(θ，φ)-矩阵，其列表示信号源两个偏振分量的空间传递函数，

H-矩阵埃尔米特运算(复共轭和转置)

Rn-噪声和干扰协方差矩阵

-样本协方差矩阵。

所述方法可以使用从所述协方差矩阵获得的信号源定位信息作为波束控制器的输入，以便提供指向各自信号源的定向波束。

一般，所述输入信号包括噪声，为此所述方法还包括利用从所述协方差矩阵获得的信号源定位信息作为波束控制器的输入，以便提供指向相应的被检测的噪声源的定向波束的零值。

按照本发明的第五方面，提供一种用于对利用多个不同的传感器类型获得的输入信号进行预处理的设备，所述信号包括相干信号，所述预处理是为了信号源的定位，所述设备包括：输入端，用于获得来自所述不同的传感器类型的每一个输入信号的到达角和偏振信息；传感器自相关器，它配置成为每一个传感器类型形成信号自相关矩阵；以及平滑器，它配置成对所述自相关矩阵进行平滑，从而形成适合于用在基于本征结构的信号源定位技术的至少一个协方差矩阵。

所述平滑器最好还配置成对所述样本协方差矩阵进行前向后向平均，从而增大可以定位的信号源的最大数目。

所述设备可以使用导引矢量，用于在基于本征结构的信号定位技术中与所述样本协方差矩阵一起使用。

所述设备最好利用上面讨论的四个传感器类型。

所述设备可以包括也连接在所述自相关器之后的协方差单元，用于形成协方差矩阵，可以从所述协方差矩阵提取样本协方差矩阵，所述样本协方差矩阵适用于最大似然估算器，后者用于估算信号源定位。

所述设备可以包括开关装置，用于按照产生所述输入信号的显信号源总数在所述平滑器和所述互相关器之间进行切换。

按照本发明第六方面，提供一种用于对利用多个不同的传感器类型获得的输入信号进行处理的设备，所述信号包括相干信号，所述处理是为了信号源的定位，所述设备包括：输入端，用于获得输入信号的到达角和偏振信息；自相关器，它连接在所述输入之后，用于为每一个元件形成信号自相关矩阵；以及协方差单元，它连接在所述自相关器之后，用于形成协方差矩阵，由此可从所述自相关矩阵提取样本协方差矩阵；所述样本协方差矩阵适用于最大似然估算器，后者用于估计信号源的定位。

所述最大似然估算器最好定义为

式中：

θ-信号源仰角矢量，

φ-信号源方位角的矢量，

λmax-矩阵对(Ψ₂(θ，φ)，Ψ₁(θ，φ))的最大广义本征值，

Fr(θ，φ)-矩阵，其列表示信号源两个偏振分量的空间传递函数，

H-矩阵埃尔米特运算(复共轭和转置)

Rn-噪声和干扰协方差矩阵

-样本协方差矩阵。

除非专门定义，否则这里用的全部技术和科学术语都与本发明所属的专业的普通技术人员的一般理解具有相同的意义。这里提供的材料、方法和示例都只是说明性的，而非限制性的。

本发明的预处理器和预处理方法和系统的实现涉及自动地利用软件或硬件或其组合完成选定任务或步骤。另外，按照本发明的方法和系统推荐的实施例的实际的仪表和设备、选定步骤可以利用在任何操作系统上的硬件或软件或任何固件或其组合来实现。例如，作为硬件，本发明选定的步骤可以以芯片或电路的形式来实现。作为软件，本发明的选定步骤可以利用任何适用的操作系统作为由计算机执行的多个软件指令实现。在任何情况下，本发明的方法和系统的选定步骤可以被描述为用数据处理机，诸如执行多个指令用的计算平台完成。

附图的简短描述

本发明在这里，只以举例的方式，参照附图加以描述。现详细参照附图，要强调的是，所示的特点都只是通过举例说明，而其目的只是为对本发明的推荐的实施例进行说明性讨论，并在提供据信对本发明的原理和概念方面的最有用的和容易明白的描述方面的过程中呈现。在这方面，并不试图比对本发明基本理解所需的更详细地表明本发明的细节，参照附图的描述只是向本专业的技术人员表明如何可以在实践中实施本发明的几种形式。

附图中：

图1是原理图，举例说明两个蜂窝基站并且表示在跟踪两个移动的信号源/目标的单一基站的情况下，按照本发明推荐的实施例的信号源定位如何导致更有效的频谱使用；

图2A-2D是简图，举例说明在理想的和实际的环境中移动基站的覆盖图案；

图3是电偶极子天线的简化的原理图；

图4是两个正交排列的电偶极子的简化的原理图；

图5是磁偶极子的简化的原理图；

图6是两个正交排列的磁偶极子简化的原理图；

图7是天线单元的简化的原理图，所述天线单元包括按照本发明第一推荐实施例设置在一起的两个正交排列的电偶极子和两个正交排列的磁偶极子；

图8是简化的示意图，表示按照本发明工作的从元件阵列，诸如图7的元件阵列获得空间信息的方法的第一推荐实施例；

图9是简化的流程图，举例说明按照本发明工作的、进行预处理以便从元件阵列获得空间信息的可供选择的推荐实施例；

图10是简化的原理图，举例说明在两个信号源中带有多路径误差的两个基站系统中，按照本发明的实施例的信号源准确定位的优点；

图11是简化的示意图，举例说明展开在三维网格上的图7的天线阵列单元；

图12是简化的示意图，举例说明所述天线元之间的切换；

图13是曲线图，它比较包括按照本发明的方法的不同去相关方法的基于一批100个数据样本(抽点(snapshots))的结果；

图14是另一个曲线图，表示模拟结果，并表示在SNR＝20db下RSME与角度η2的关系；

图15是另一个曲线图，表示模拟结果，具体地说，具有不同偏振的从-30°、-15°、0°和20°方向到达的4个相干信号源的情况；

图16是表示模拟结果的另一个曲线图，在所述情况下表示利用来自-60°、-50°、30°和45°方向的四个附加的相干信号源，总共8个相干信号源的结果，按本发明的实施例成功将其识别为相干，但利用先有技术却不能将其识别为相干。

推荐实施例的描述

本实施例描述智能天线和利用阵列矢量传感器的相关信号源定位方法。在一个实施例中，最大似然估算器提供全相关信号源的信号源定位器。在第二实施例中，预处理方法克服了信号相关矩阵中奇异造成的问题。所述第二实施例基于在这里称作矢量传感器平滑(VSS)的程序，它提供用于基于频谱的算法(诸如基于本征结构的MUSIC、MVDR和ESPRIT方法，用于涉及全相关信号情况下DOA的估计)的空间频谱信息。一旦信号源定位，便可能利用定向波束进行通信，并从而更有效地使用频谱。本方法允许动态实时信号源定位，使得定向波束技术可以用于移动信号源。

还公开了一种针对在方位角平面上获得偏振信息而优化的正交偏振天线阵列。与正交偏振阵列一起使用上述任何方法，与仅仅使用各自方法相比，提供改善了的定位性能。

参照附图和相应的描述会更好地理解按照本发明的智能天线的原理和操作。

在详细说明本发明的实施例之前，应该明白，本发明的应用不限于以下说明书中提出的或在附图中举例说明的结构细节和部件的配置等。本发明可以有其他实施例或用不同的方法实施。还应该明白，这里使用的措词和术语旨在进行描述，而不应看做是限制性的。

现参见附图，图1是原理示意图，举例说明两个蜂窝基站并举例说明本实施例的优点。第一移动基站10与蜂窝电话机12、14和16的范围进行通信。由于信号被建筑物反射而形成多路径，基站10不能高度正确地确定信号的来向。这样，所述信号方向性不强。标号18指明它们不同的信号的空间/功率分布。正如可以从例图看出的，信号次级节点到信号源12的方向与主节点到信号源14的方向一致。这使信号源12和14无法使用同一频率，或者相反，对频率产生干扰。所述信号源中的任一个都不可能使用较窄的波束，因为信号源的方向不是准确已知的。

按照本发明一个推荐实施例，基站20能够正确地确定信号源22和24的方向，正如下面详细说明的。它不仅能够定位静止信号源，还可以实时达到定位，即使是动态信号源22和24也可以跟踪。信号源24是车辆，按照本发明的推荐实施例它可以用狭窄的波束跟踪。

现参照图2，它是一个简化的示意图，举例说明都市环境中蜂窝基站的特有问题。图2a举例说明基站在平滑不中断区域的覆盖区域。图2b表示平滑中断区域上的定向天线覆盖区域。图2c表示都市区域上基站的覆盖区域，其中建筑物对信号的自由通过造成障碍。图2d表示郊区上面定向天线的覆盖区域，就是说，其建筑物密度比图2c低。都市和郊区环境中的建筑物导致信号受阻，或被反射，于是造成信号源定位困难。蜂窝基站可以看到同一信号来自几个不同的方向，一种称作多径误差的现象，或者根本看不到信号达到。当前的信号源定位算法往往因两个多径误差而失败。

天线

图3-7表示感测天线偶极子，以及它们如何可以组合为一个按照本发明第一实施例的正交偏振天线。

现参照图3，它举例说明典型的电偶极子。偶极子30包括两个侧向延伸的极32和34。在图4中两个这样的偶极子30正交地设置在一起。

现参照图5，它表示典型的磁偶极子。偶极子40由呈矩形的单一金属丝形成。

在图6中，表示两个磁偶极子正交地设置在一起。

现参照图7，它是一个简化的示意图，举例说明按照本发明一个推荐实施例的天线元。正如图4举例说明的，两个电偶极子30正交地设置在一起。另外，正如图6所示，两个磁偶极子40也正交地设置在一起，与所述电偶极子一起形成一个具有四个相互正交的感测偶极子的天线元。全部四个偶极子在同一平面内进行检测。若天线的取向如例图所示，则检测在方位角或水平平面上达到最大，而且所述传感器允许获得方位角平面内的偏振信息。正如可以领会到的，考虑蜂窝通信时，大部分这样的通信限于方位角平面。正如下面将要说明的，蜂窝信号是偏振的，而且偏振可以用作附加的参数来消除多径误差。偏离方位角平面，也可以进行检测，但是垂直信号可能基本上被丢失。

矢量传感器平滑(VSS)

现参照图8，它是一个简化的示意图，表示从元件阵列，诸如图7的元件阵列获得信息的方法的第一推荐实施例。在阶段S1，从不同的传感器阵列的元件获得信息。每一个传感器的数据并非刚好相同。就是说，对于来自同一信号源的多路径版本，信号所携带的数据仍旧相同，只是每一个单独的偶极子拾取的特定参数不同。若偶极子如图7所示正交排列，而且若所述信号是偏振的，则信息数量最大。然后，在阶段S2，为所述阵列中的每一个传感器类型(亦即偶极子的配置)形成自相关矩阵。就是说，在第一检测中为电偶极子配制一个自相关矩阵，在正交检测上为电偶极子配制第二自相关矩阵。在第一检测上为磁偶极子配制第三自相关矩阵，并在正交检测上为磁偶极子配制第四自相关矩阵。

在阶段S3，对这些自相关矩阵求平均，就是说，对所述自相关矩阵求和，然后除以总数。其结果是一个扩展的协方差矩阵，并在下面称作R_VSS，其中VSS称作矢量传感器平滑。

接着是任选的阶段S4，对所述矩阵R_VSS进行前向后向平均，以便形成R_VSS-fb。前向后向平均是一种本专业技术人员已知的信号去相关的方法，下面还将涉及。更具体地说，前向后向平均是施加于自相关矩阵的过程，所述过程利用乘以其两侧的逆对角线矩阵的自相关矩阵的复共轭。数学上前向后向平均是用于下方法进行的：

$R_{\mathrm{VSS}-\mathrm{FB}}=\frac{1}{2}(R_{\mathrm{VSS}}+{{\mathrm{ZR}}_{\mathrm{VSS}}}^{*}Z)$

式中

使用前向后向平均的好处是，可以定位的信号源最大数目增大一倍。但是，前向后向平均方法假定矩阵对称，远场近似和在阵列中心信号相位不相等。于是，它不是总可以应用的。一般，对于移动的电话信号源，这些假定，具体地说，对称阵列的假定是成立的。若所述假定不成立，则建议使用矢量传感器平滑，不用前向后向平均。其他信号去相关的方法也可以考虑。

在阶段S5，使用下面在(14)定义的导引矢量q。尽管所表示的是依次进行的，但是，阶段S5独立于紧接在前面的几个阶段，因而可能平行进行，以节省处理时间。

在阶段S6，若可以从阶段S4获得，则传递R_VSS-f(或相反传递RVSS)供诸如MUSIC和MVDR等基于频谱的算法使用。还传递导引矢量q。理论上导引矢量可以从任何自相关矩阵产生，就是说，为每一个传感器元件产生。但是，最好传递单一导引矢量q。因为全部传感器都获得同一信号，在从不同的传感器获得的导引矢量之间没有明显的差异。

在阶段1-5描述的程序用作基于频谱算法的预处理阶段，然后它完成以同一信号多路径版本为特征的任务。

最大似然估计

现参照图9，它是一个简化的流程图，举例说明从上述类型的元件阵列获得空间信息的替换方法。在图9中，第一阶段S10从图7所示类型的天线元阵列的偶极子或传感器获得信息。在阶段S11，所述信息是各个元素上自相关的，如图8方法中做的，形成自相关矩阵R_nj。在阶段S12，形成样本协变矩阵^Ry。在阶段S13，把样本协变矩阵作为估计值提供给最大似然估算器。在阶段14，利用最大似然估算器在方位角平面内获得信号源的方向。

各方法之间的比较

图8的VSS方法和基于本征结构技术相比，最大似然(ML)估计达到更高的准确度，并接近最大理论分辨率的CRAMER RAO边界。然而，ML计算上的开销大，尤其是输入信号数量大时。但是，对于小量输入信号(包括1)，计算成本不那么大，而且由于准确度提高，是值得的。于是，按照本发明的一个推荐实施例的方向寻找器既包括按照图8的VSS估算器，又包括按照图9的最大似然估算器，并选择一个适用的信号路径阈值，在所述阈值下在所述两个方法之间交换。

在上述任何一个实施例中，都有可能提供用于从单个传感器和阵列中的各个元件采集数据并由此构造自相关矩阵的专用硬件。在一个替换实施例中，有可能利用高速开关技术轮流从不同的传感器或轮流从不同的元件采集数据。在一个特别推荐的实施例中，为每一个元件中的四个传感器中的每一个使用一个单一的数据采集单元，并在这些传感器之间设置开关。这样天线便节省了硬件。

利用本实施例的蜂窝电话

现参照图10，这是一个原理示意图，举例说明在蜂窝电话环境中信号源定位的使用。由于基站能定位信号源，即使在方向相当靠近的地方，同一信道可以被不同的方向重用，而且肯定可以被相邻的基站重用。在图10中，信号源100向基站102发射信号。所述信号通过五个不同的途径达到基站。利用上述方法，基站102能够识别出，这是由单一的信号源产生的，定位所述信号源并利用一个相对准确的定向波束与之通信。然后，信号源104能够用刚好相同的信道与相邻的基站106通信。所述信号还能够到达基站102。基站102不会错误地识别信号源100的信号，因为偏振是不同的。这样，便不会造成信道干扰。

这样的一个天线还能够通过把给定信道的零值对准识别出的噪声源来抵消噪声源。

下面，将提供所述实施例的数学描述。

讨论利用矢量传感器阵列的测量模型。然后推导用于DOA和偏振矢量的估算器。所述推算之后是矢量传感器平滑VSS方法作为基于本征结构的信号源定位的预处理阶段。通过计算机模拟评估和描述所建议的算法的性能。

信号特征

我们从考虑输入信号的偏振开始。假定输入信号是从(θ，φ)方向入射的平面波，其中θ是仰角，而φ是方位角。横向入射电场复数的包络线可以在球形坐标系表达为

$\left(1\right)---\underset{\‾}{E}=E_{\mathrm{\φ}}\widehat{\mathrm{\φ}}+E_{\mathrm{\θ}}\widehat{\mathrm{\θ}}$

式中E_φ和E_θ是水平和垂直分量。对于给定的偏振，传感器上的电场分量可以用下式描述，

      (2)    E_φ(t)＝Acosγs(t)

和

      (3)    E_θ(t)＝Asinγe^jηs(t)

式中A是所述信号复数振幅。参数γ和η确定偏振并与接收到的信号的水平和垂直分量的振幅和相位有关。s(t)是所发射的窄频带信号的基带等效值。

(1)式中的电场可以在x，y，z笛卡尔坐标系中用下式表达

$\begin{array}{cc}& \underset{\‾}{E}=(E_{\mathrm{\θ}}\cos \mathrm{\θ}\cos \mathrm{\φ}-E_{\mathrm{\φ}}\sin \mathrm{\φ})\hat{x}\\ & +(E_{\mathrm{\θ}}\cos \mathrm{\θ}\sin \mathrm{\φ}+E_{\mathrm{\φ}}\cos \mathrm{\φ})\hat{y}\\ \left(4\right)---& -\left(E_{\mathrm{\θ}}\sin \mathrm{\θ}\right)\hat{z}\end{array}$

把(2)和(3)式代入(4)式得

$\begin{array}{c}\underset{\‾}{E}\left(t\right)=A[(\sin {\mathrm{\γe}}^{\mathrm{j\η}}\cos \mathrm{\θ}\cos \mathrm{\φ}-\cos \mathrm{\γ}\sin \mathrm{\φ})\hat{x}\\ +(\sin {\mathrm{\γe}}^{\mathrm{j\η}}\cos \mathrm{\θ}\sin \mathrm{\φ}+\cos \mathrm{\γ}\cos \mathrm{\φ})\hat{y}\\ -\left(\sin {\mathrm{\γe}}^{\mathrm{j\η}}\sin \mathrm{\θ}\right)\widehat{z]}s\left(t\right)\end{array}---\left(5\right)$

任何平面波都可以用到达角θ、φ、复数振幅A和偏振参数γ和η表征。

偏振参数可以用矢量表达式表达为

$p=\left[\begin{array}{c}{p}_{\mathrm{\θ}}\\ p_{\mathrm{\φ}}\end{array}\right]=\left[\begin{array}{c}\sin {\mathrm{\γe}}^{\mathrm{j\η}}\\ \cos \mathrm{\γ}\end{array}\right],---\left(6\right)$

并且E(t)可以用下式重写：

$\underset{\‾}{E}\left(t\right)=\mathrm{As}\left(t\right)\left\{p_{\mathrm{\θ}}\right[\hat{x}\cos \mathrm{\θ}\cos \mathrm{\φ}+\hat{y}\cos \mathrm{\θ}\sin \mathrm{\φ}-\hat{z}\sin \mathrm{\θ}]+p_{\mathrm{\φ}}[-\hat{x}\sin \mathrm{\φ}+\hat{y}\cos \mathrm{\φ}\left]\right\}\·---\left(7\right)$

类似地，入射磁场由下式给出

$\underset{\‾}{H}\left(t\right)=\frac{{\underset{\‾}{l}}_r\×\underset{\‾}{E}\left(t\right)}{Z_0}---\left(8\right)$

式中Z₀是介质的特征阻抗。

阵列矢量传感器对偏振信号的空间响应

1.传感器响应

现在我们考虑单极子或偶极子传感器的一般类型，它或者是电的或者是磁的，而且是线性偏振的。令V_x，V_y，V_z表示传感器对任意入射电场或磁场的x，y，z分量的响应。相应地，传感器输出端子上的总信号可以用下式描述

$g_E(\mathrm{\θ},\mathrm{\φ},p)=a_E(\mathrm{\θ},\mathrm{\φ})p=\left[\begin{array}{cc}{a}_{\mathrm{\θ}}(\mathrm{\θ},\mathrm{\φ})& a_{\mathrm{\φ}}(\mathrm{\θ},\mathrm{\φ})\end{array}\right]\left[\begin{array}{c}{p}_{\mathrm{\θ}}\\ p_{\mathrm{\φ}}\end{array}\right]---\left(9\right)$

和

$g_H(\mathrm{\θ},\mathrm{\φ},p)=a_H(\mathrm{\θ},\mathrm{\φ})p=\left[\begin{array}{cc}{a}_{\mathrm{\φ}}(\mathrm{\θ},\mathrm{\φ})& -a_{\mathrm{\θ}}(\mathrm{\θ},\mathrm{\φ})\end{array}\right]\left[\begin{array}{c}{p}_{\mathrm{\θ}}\\ p_{\mathrm{\φ}}\end{array}\right]$

其中下标E和H代表电场和磁场，以及

α_θ(θ，φ)＝V_xcosθcosφ+V_ycosθsinφ-V_zsinθ

α_φ(θ，φ)＝-V_xsinφ+V_ycosφ                   (10)

2.矢量传感器响应

现参照图11，它表示用于探测三维平面内磁元件和电元件的正交分量传感器。

考虑包含3个电的和3个磁的正交传感器，它定位在(x0，y0，z0)处并在方位角上旋转如图11所描绘的角度。这些传感器的系数Vx，Vy和Vz是

电传感器： $\left\{\begin{array}{ccc}{V}_{x1}=\sin \left(\mathrm{\δ}\right)& V_{y1}=-\cos \left(\mathrm{\δ}\right)& V_{z1}=0\\ V_{x2}=\cos \left(\mathrm{\δ}\right)& V_{y2}=\sin \left(\mathrm{\δ}\right)& V_{z2}=0\\ V_{x3}=0& V_{y3}=0& V_{z3}=1\end{array}\right.$

磁传感器： $\left\{\begin{array}{ccc}{V}_{x4}=w\cos \left(\mathrm{\δ}\right)& V_{y4}=w\sin \left(\mathrm{\δ}\right)& V_{z4}=0\\ V_{x5}=w\sin \left(\mathrm{\δ}\right)& V_{y2}=-w\cos \left(\mathrm{\δ}\right)& V_{z5}=0\\ V_{x6}=0& V_{y6}=0& V_{z6}=w\end{array}\right.$

(11)

式中w表示在电传感器内感应的电压和磁传感器内相应的感应电压之间的比率。

图11所示所述矢量传感器的矩阵表达式中的空间响应可以用下式表达

式中α_φk(θ，φ)和α_θk(θ，φ)在方程式(10)中是针对带有相应的V_xk，V_yk和V_zk的第k个传感器定义的。偏振p由两个实参数γ和η确定：

$p=\left(\begin{array}{c}\sin {\mathrm{\γe}}^{\mathrm{j\η}}\\ \cos \mathrm{\γ}\end{array}\right)$ 和上面方程式(6)一样

一般，矢量传感器可以包含上述6个元件的一部分，因此相应的空间响应矢量大小由1≤L≤6给定。

3.阵列矢量传感器的响应

对于有n个矢量传感器的三维阵列的一般情况，阵列矢量传感器矩阵表达式中的空间响应用下式表达

式中表示kronecker乘积。矢量q(θ，φ)是Nx1，而其元素代表与阵列中的每一矢量传感器相联系的相位延迟，由于它对于来自方向(θ，φ)的入射平面波的相对位置：

$q(\mathrm{\θ},\mathrm{\φ})=\left[\begin{array}{c}{e}^{j{k}_0[x_1\sin \mathrm{\θ}\cos \mathrm{\φ}+y_1\sin \mathrm{\θ}\sin \mathrm{\φ}+z_1\cos \mathrm{\θ}]}\\ e^{j{k}_0[x_2\sin \mathrm{\θ}\cos \mathrm{\φ}+y_2\sin \mathrm{\θ}\sin \mathrm{\φ}+z_2\cos \mathrm{\θ}]}\\ \·\\ \·\\ \·\\ e^{j{k}_0[x_N\sin \mathrm{\θ}\cos \mathrm{\φ}+y_N\sin \mathrm{\θ}\sin \mathrm{\φ}+z_N\cos \mathrm{\θ}]}\end{array}\right],---\left(14\right)$

而k0是介质中的波数。

测量模型

考虑从方向(θ_m，φ_m)入射在所述阵列上的M个信号s_m(t)和偏振矢量P_m(其中m＝1，...，M)的情况。阵列对第m个信号的空间响应标示为g(θ_m，φ_m，P_m)。假定测量矢量的K个独立样本y(t)，数据模型由下式给出

$y\left(k\right)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F({\mathrm{\θ}}_m,{\mathrm{\φ}}_m,{p_m}_{})s_{\mathrm{mk}}+n_k---\left(15\right)$

这里K是阵列所收集的独立样本数目，而n_k表示相加的噪声和干扰矢量的第k个样本。

测量和噪声矢量y_k和n_k各自具有尺寸LN，矩阵F(θ_m，φ_m)具有尺寸LNx2，其各列表示第m个信号偏振分量的空间传递函数，而P_m是大小2的复矢量，描述相应的信号偏振状态。

我们假定，噪声矢量为{n_k}_k1 ^K是具有0均值的i.i.d.序列，复数高斯分布，n_k～CN(0，R_n)并且独立于信号的i.i.d.序列。信号抽点S_mk假定为未知的deterministic。在相干或相关信号的情况下，它们可以分解为s_mk＝μ_ms_k，m＝2，...，M，k＝1，...，K，式中μ_m表示第m个信号的相对振幅和相位。这样，方程式(15)便可以按下列形式改写：

通过表示ζ_m＝P_mμ_m，把未知参数空间减少到信号源方向θ＝(θ1，...，θM)T，φ＝(φ1，...，φM)T，修改后的信号偏振矢量，ζ＝(ζ₁ ^T，...，ζ_M ^T)T，而信号s＝(s₁，...，s_k)T。方程式(18)可以用短形式表达式改写为

    y_k＝F_T(θ，φ)ζs_k+n_k，k＝1，...，K

式中

$\left(19\right)---\mathrm{\ζ}=\begin{array}{cccc}{[\mathrm{\ζ}}_1^T& {\mathrm{\ζ}}_2^T& \·\·\·& {\mathrm{\ζ}}_M^T{]}^T\end{array}$

和

(20)F_T(θ，φ)＝[F(θ₁，φ₁)   F(θ₂，φ₂)  …  F(θ_M，φ_M)]

信号源定位问题是要估计到达方向(θ，φ)，当信号矢量s＝(s₁，..，s_k)^T而且M个到达的修改后的信号偏振矢量ζ为未知的复矢量参数时。

算法

最大似然估算器

在本节中，ML估算器是针对以前的段落所述陈述的问题推演出来的。在中等规则的条件下，当抽点(snapshots)的数目趋向无穷大时，ML估算器近似地到达Cramer Rao的较低边界。

信号源位置的ML估算器由下式给出

$\widehat{\mathrm{\θ}},\widehat{\mathrm{\φ}}=\arg \underset{\mathrm{\θ},\mathrm{\φ}}{\max }\left\{L_y(\mathrm{\θ},\mathrm{\φ})\right\}---\left(21\right)$

式中Ly(θ，φ)是定位函数，定义为

$L_y(\mathrm{\θ},\mathrm{\φ})=\underset{\mathrm{\ζ},s}{\max }{L}_y(\mathrm{\θ},\mathrm{\φ},\mathrm{\ζ},s)---\left(22\right)$

并且L_y(θ，φ，ζ，s)＝logf(y₁，...y_k/θ，φ，ζ，s)是给出未知的参数θ、φ、ζ、s的测量值y₁，....，y_k的条件几率密度函数(pdf)。

考虑以前的段落所陈述的假定，y₁，...，y_k是i.i.d.序列

带有

因此，

$L_y(\mathrm{\θ},\mathrm{\φ},\mathrm{\ζ},s)=-K\log \left(\mathrm{\π}\right|R_n\left|\right)-\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{(y_k-\mathrm{\ξ}(\mathrm{\θ},\mathrm{\φ},\mathrm{\ζ})s_k)}^H{R}_n^{-1}(y_k-\mathrm{\ξ}(\mathrm{\θ},\mathrm{\φ},\mathrm{\ζ})s_k)---\left(23\right)$

信号矢量s的ML估算器可以通过使对数似然函数的相应的微分等于0而求出，结果是

${\hat{s}}_k={\left({\mathrm{\ξ}}^H{R}_n^{-1}\mathrm{\ξ}\right)}^{-1}{\mathrm{\ξ}}^H{R}_n^{-1}{y}_k.---\left(24\right)$

把(24)代入(23)得

通过表示：

${\mathrm{\ψ}}_1(\mathrm{\θ},\mathrm{\φ})=F_T^H(\mathrm{\θ},\mathrm{\φ})R_n^{-1}{F}_T(\mathrm{\θ},\mathrm{\φ})$

${\mathrm{\ψ}}_2(\mathrm{\θ},\mathrm{\φ})=F_T^H(\mathrm{\θ},\mathrm{\φ})R_n^{-1}{{\hat{R}}_y{R}_n^{-1}F}_T(\mathrm{\θ},\mathrm{\φ})$

以及利用定义ξ＝F_γ(θ，φ)ζ，即可获得方程式(26)的简化形式：

$L_y(y_1,\·\·\·,y_K|\mathrm{\θ},\mathrm{\φ},\mathrm{\ζ},\hat{s})=C+K\frac{{\mathrm{\ζ}}^H{\mathrm{\ψ}}_2(\mathrm{\θ},\mathrm{\φ})\mathrm{\ζ}}{{\mathrm{\ζ}}^H{\mathrm{\ψ}}_1(\mathrm{\θ},\mathrm{\φ})\mathrm{\ζ}}---\left(27\right)$

方程式(27)中的对数似然函数对修改后的偏振矢量ζ的最大化等效于找到以下的最大广义本征矢量和相应的本征值：

{Ψ₂(θ，φ)u＝λΨ₁(θ，φ)u}              (28)

于是

$L_y(\mathrm{\θ},\mathrm{\φ},\widehat{\mathrm{\ζ}},\hat{s})=C+{\mathrm{K\λ}}_{\max }\{{\mathrm{\ψ}}_2(\mathrm{\θ},\mathrm{\φ}),{\mathrm{\ψ}}_1(\mathrm{\θ},\mathrm{\φ})\}---\left(29\right)$

$\left(29.1\right)---\widehat{\mathrm{\ζ}}=u_{\max }({\mathrm{\ψ}}_2(\widehat{\mathrm{\θ}},\widehat{\mathrm{\φ}}),{\mathrm{\ψ}}_1(\widehat{\mathrm{\θ}},\widehat{\mathrm{\φ}}))$

式中λ_max{ψ₂，ψ₁}和u_max{ψ₂，ψ₁}分别代表矩阵pencil(Ψ₂(θ，φ)，Ψ₁(θ，φ))最大广义本征值和相应的本征矢量。

最后，信号DOA的ML估算器由下式给出

$(\widehat{\mathrm{\θ}},\widehat{\mathrm{\φ}})=\arg \underset{\mathrm{\θ},\mathrm{\φ}}{\max }{\mathrm{\λ}}_{\max }({\mathrm{\ψ}}_2(\mathrm{\θ},\mathrm{\φ}),{\mathrm{\ψ}}_1(\mathrm{\θ},\mathrm{\φ}))---\left(30\right)$

而偏振矢量的估计值由相应的广义本征矢量给出

$\widehat{\mathrm{\ζ}}=u_{\max }({\mathrm{\ψ}}_2(\widehat{\mathrm{\θ}},\widehat{\mathrm{\φ}}),{\mathrm{\ψ}}_1(\widehat{\mathrm{\θ}},\widehat{\mathrm{\φ}}))$

现在信号的估计值可以重写为

${\hat{s}}_k=\frac{{\widehat{\mathrm{\ζ}}}^H{F}_T^H(\widehat{\mathrm{\θ}},\widehat{\mathrm{\φ}})R_n^{-1}{y}_k}{{\widehat{\mathrm{\ζ}}}^H{F}_T^H(\widehat{\mathrm{\θ}},\widehat{\mathrm{\φ}})R_n^{-1}{F}_T(\widehat{\mathrm{\θ}},\widehat{\mathrm{\φ}})\widehat{\mathrm{\ζ}}},k=1,\·\·\·,K$

已知渐近地最优的ML估算器，然而，它涉及用于估算(θ，φ)的2M维搜索程序。因此，当M大时，ML估算器在计算上代价很高，并要求数字解。请注意，相比之下，上面推导的ML估算器不涉及任何对偏振矢量的搜索程序。

基于本征结构的技术，诸如MUSIC和ESPRIT对于多信号源环境中的信号源定向在计算上是有效的。这些算法假定信号不相关或部分相关。在下面，提供一种处理方法，用于在全相关信号存在的情况下利用基于本征结构的技术。

矢量传感器平均(VSS)算法

用于信号源定位的基于本征结构的技术，诸如MUSIC依靠信号和噪声子空间的识别。在全相关信号存在的情况下，信号子空间的尺寸小于信号的数目M，因此信号子空间不跨越空间传递函数g(θ₁，φ₁，p₁)，...，g(θ_M，φ_M，p_M)的M维子空间。在这种情况下，要求使用空间传递函数g(θ，φ，p)结构上的信息，以便确定空间传递函数的子空间。空间平滑、前向后向平均和冗余平均方法利用空间传递函数结构上的信息，以便估计子空间或其一部分。

空间平滑方法的缺点是缩小了有效的阵列孔径长度，结果是分辨率和准确度下降，而同时冗余平均的缺点是测量数量大时它的估计差错偏移不是渐近地趋向于零。另外，两种方法都限于传感器阵列线性间隔均等(LES)而且远场接近的情况。前向后向平均方法假定对称阵列、远场趋近和阵列中心的不相等的信号相位。

在本实施例的方法中，矢量传感器信息用于确定导引矢量q(θ₁，φ₁)，...，q(θ_M，φ_M)所跨越的子空间，它使利用基于本征结构的方法诸如MUSIC估计到达方向成为可能。用上述矢量传感器平均(VSS)方法可以达到所述目的。

把方程式(13)代入方程式(16)，所述阵列上的测量模型可以写成下列形式

$y_k=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[q({\mathrm{\θ}}_m,{\mathrm{\φ}}_m)\⊗A({\mathrm{\θ}}_m,{\mathrm{\φ}}_m)]{\mathrm{\ζ}}_m{s}_k+n_k,k=1,\·\·\·,K---\left(31\right)$

若只考虑类型1(1≤1≤L)的传感器，则相应的测量矢量y_lk可表达为

$y_{\mathrm{lk}}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[q({\mathrm{\θ}}_m,{\mathrm{\φ}}_m)\⊗A_l({\mathrm{\θ}}_m,{\mathrm{\φ}}_m)]{\mathrm{\ζ}}_m{s}_k+n_{\mathrm{lk}},k=1,\·\·\·,K,l=1,\·\·\·,L---\left(32\right)$

这可以简化为

$y_{\mathrm{lk}}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}q({\mathrm{\θ}}_m,{\mathrm{\φ}}_m)z_{\mathrm{ml}}{s}_k+n_{\mathrm{lk}},k=1,\·\·\·,K,l=1,\·\·\·,L---\left(33\right)$

式中A₁(θ_m，φ_m)是矩阵A(θm，φm)的第1行，z_m1＝A₁(θ_m，φ_m)ζ_m，表示用于DOA(θ_m，φ_m)的第1种类型的传感器的响应，而n_k代表相应的噪声矢量。

方程式(33)意味着，q(θ₁，φ₁)每一种类型的传感器阵列测量提供矢量q(θ₁，φ₁)，...，q(θ_M，φ_M)的不同的线性组合，正如非相干信号所遇到的情况。

通过L种不同的传感器类型采集的信息有助于获得其中信号不是全相关的测量空间。我们利用这一事实以便所述信号子空间跨越，这是信号源定位用的基于本征结构算法的一个必要的要求。

方程式(33)可以改写为矩阵形式

y_lk＝Q(θ，φ)z_ls_k+n_lk，k＝1，...，K，l＝1，...，L    (34)

式中Q(θ，φ)＝[q(θ₁，φ₁)，...，q(θ_M，φ_M)]并且z_l＝[z_1l，...，z_Ml]^T。

因此，每一个传感器类型的协方差矩阵都由下式给出

$R_{\mathrm{yl}}=E\left[y_{\mathrm{lk}}{y}_{\mathrm{lk}}^H\right]={\mathrm{\σ}}_s^{2}Q{z}_l{z}_l^H{Q}^H+R_{\mathrm{nl}}\begin{array}{c}\end{array},\begin{array}{c}l=1...L---\left(35\right)\end{array}$

其中σ_s ²表示信号功率。信号功率由σ_s ²＝E[|s_k|²]给出，而R_n1表示相应的噪声协方差矩阵。在所述问题中，M个信号是完全是的。相应地，每一个传感器阵列类型的信号协方差矩阵，σ_s ²Qz₁z₁ ^HQ^H具有秩1。在本实施例的VSS技术中，协方差矩阵

是对矢量传感器的L个元件平滑的。因而，通过求L个传感器类型协方差矩阵的平均值来扩展信号子空间，亦即，

$R=\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{R}_{\mathrm{yl}}={\mathrm{\σ}}_s^{2}Q{R}_z{Q}^H+\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{R}_{\mathrm{nl}}---\left(36\right)$

式中R_z定义为 $R_z=\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{z}_l{z}_l^H.$ 新的信号协方差矩阵σ_s ²QR_zQ^H的秩受min(rank(Rz)，M)限制。诸如MUSIC、ESPRIT等算法可以使用相应的样本协方差矩阵 $\hat{R}=\frac{1}{\mathrm{KL}}{\mathrm{\Σ}}_{l=1}^L{\mathrm{\Σ}}_{k=1}^K{y}_{\mathrm{lk}}{y}_{\mathrm{lk}}^H,$ 同时采用信号源定位用的转向函数q(θ，φ)。

为了决定M维信号子空间，要求M≤min(L，N)。若可以使用其他方法使信号去相关，则所述要求是可能达到的。例如，通过应用上面找出的前向后向平均，可以定位的全相关的最大信号数可以加大一倍。

为了进行数据采集，要求矢量传感器阵列包含NL个传感器，因此有NL个接收器。然而，VSS通过对N×N个矩阵{R_yl}_l ^L求平均，计算平滑的协方差矩阵。在固定的环境下，上述矩阵可以以不同的周期算出，这意味着人们可以用N个接收器，收集所需的数据。这可以通过利用切换技术达到。

现参照图12，这是一个简化的示意图，举例说明各元件之间的切换。切换控制装置200控制设置在传感器元件1..4中每一个上的开关202，在不同的偶极子信号输出端之间切换。随着不同偶极子之间的切换周期而依次把检测到的信号记录到为随后处理阶段准备好的矩阵位置上。这样使用开关，大大简化系统的输入方面。

模拟

进行了模拟，以便评估按照上述不同的实施例的技术，就是说，针对不同的矢量传感器类型的性能。针对不同的环境评估性能。在计算机上模拟包括相干多路径的信号环境，以便验证前面各段落的断言。

进行了下列模拟：1)没有预处理；2)前向后向平均(FB)；3)VSS；以及4)VSS与FB结合(VSS-FB)。在A.Nehorai和E.Pabli的″电磁信号源定位用的矢量传感器阵列″，IEEE Trans.on SignalProcessing，Vol.42，pp.376-398，Feb.1994一文中，推导利用矢量传感器阵列的信号源定位用的Cramer Rao边界(CRB)。此文附此作参考。

模拟所用的阵列是半波长上矢量传感器的12元件线性阵列，沿着Y轴隔开。使用了三种阵列类型：

a.垂直偏振传感器阵列-每一个天线元由垂直电传感器(图3)构成。这是标量传感器的情况，因而不能进行VSS预处理。

b.双偏振光阵列-所述矢量传感器包括垂直和水平电偶极子(图4，同时按照图11δ＝0°)。

c.正交偏振矢量传感器阵列，所述矢量传感器包括四个正交分量：两个正交电偶极子和两个正交磁偶极子(传感器数目1，2，4和5，同时按照方程式11假定w＝1，δ＝45°)。

d.在所述模拟中假定信号源在方位角平面上，θ＝90°。

在第一种环境下，考虑两个相等功率，相关的信号源DOA为4°、0°，椭圆形偏振p₁＝(0.707e^-j60°，0.707，p2＝(0.707e^j80°，0.707)。在两个入射信号之间在原点上的相位差为110°，使得ζ₁＝(0.707e^j50°，0.707e^j110°)，ζ2＝(0.707e^j80°，0.707)。从所述阵列读取的样本数为100。

现参照图13，它是一个曲线图，把上述结果加以比较-不同的去相关方法的环境，还表示Cramer Rao边界。描绘了均方差(RSME)和信噪比(SNR)的关系。可以看出，FB-MUSIC的RSME随着SNR增大而减小，尽管是近似的，但并不是一个有效的估算器。不加预处理的MUSIC失败，正如对全相关的信号源的情况所预期的。

显然，MUSIC和FB MUSIC算法具有分解相干信号源的能力，尽管MUSIC算法本身不能。所述曲线图还表示ML可以达到Cramer Rao边界(CRB)。

现参照图14，它是一个曲线图，呈现SNR＝20db，针对三个不同的类型的矢量传感器和三个不同的类型的预处理的RSME和角度η2的关系。图14点A是在SNR＝20db时图13的点。为此目的，使用和上述图13，SNR设置为20db所用的环境相同的环境，画出RSME随着偏振参数η₂而变化的关系，见上列方程式(6)，其中下标2指信号源的数目。从图14显然看出，FB MUSIC围绕标为B和C的两个点失败，这反映阵列中心两个信号的相位差是0或180度的情况。在D点，在这里在所述阵列的输出观察的两个信号源的偏振彼此成正比，VHMUSIC失败。应当指出，在上述环境下，选择两个偏振矢量的绝对值相同。在实践中，同样信号的多路径版本一般不具有相同的振幅。在一般情况下，其中偏振矢量不相同，不存在限制。把VSS MUSIC与FB MUSIC结合起来的VSS FB MUSIC算法不存在上述问题，因为当FB预处理不能清除信号协方差矩阵中的奇异点时，VSS预处理会清除它，反之亦然。VSS-FB算法给出CRB分辨率，正如ML一样。

现参照图15，它是一个曲线图，比较四个DOA为-30°、-10°、0°和20°度，随机选择的偏振的等功率、全相关的信号。在所有信号的SNR均为15db，而从所述阵列收集了100抽点。MUSIIC和FB-MUSIC算法被应用于带有类型A的矢量传感器阵列，而VSS和-MUSIC和VSS-FB-MUSIC算法被应用于类型B和C的矢量传感器阵列。正如预期的，人们可以观察到，利用类型A的阵列，MUSIC和FB-MUSIC不能解出信号的DOA。因为在这种情况下，VSS预处理不能把信号协方差矩阵的秩增大到4，如解4个信号源所要求的。反之，对于类型B的矢量传感器(VSS-FB-MUSIC)，对于类型C的矢量传感器(VSS-FB-MUSIC)都能够解这4个全相关的信号。

现参照图16，它表示利用四个附加的相干的信号源，亦即8个信号源，来自方向-70°，-50°，-30°，-10°，0°，20°，40°和60°。从所述图我们可以看出，只有VSS-FB-MUSIC配合类型C传感器可以解8个相干信号源。全部其他情况都失败了。在利用类型C的正交阵列进行矢量检测的情况下，VSS预处理产生秩4的信号相关矩阵。附加的FB预处理阶段使所述信号相关矩阵的秩加大一倍，在这种情况下，增大到8，这足以允许解8个信号源。

应当指出，为清晰起见，在分开的各实施例的环境中描述的本发明的某些特征，也可以以单一实施例的组合的形式提供。反之，为简单起见在单一实施例的环境中描述的本发明各种特征，也可以分开地或以任何适当的子组合的形式提供。

尽管已经结合其具体的实施例描述了本发明，但显然，许多替代、修改和变动对本专业的技术人员来说都是显而易见的。相应地，想要包括落在后附的权利要求书的精神和范围内的全部这样的替代、修改和变动。本说明书中指出的全部出版物、专利和专利申请均整个附入本说明书作参考，在相同的程度上，就像是每一单独的出版物、专利或专利申请被具体地和个别地指出附此作参考一样。另外，在本申请中任何引用的引文或识别标志不应被解释为承认这样的引用可以作为本发明的先有技术。

Claims (47)

1.一种正交偏振天线元，它包括：多个电偶极子，它们以彼此之间的预定的角度排列；以及多个磁偶极子，它们以彼此之间的所述预定的角度排列，并且其中每一个磁偶极子与所述电偶极子中相应的一个基本上共享共同的位置。

2.如权利要求1所述的天线元，其中所述预定的角度大致是90度。

3.如权利要求2所述的天线元，其中所述多个偶极子排列成能从附近的三维周围环境获得电磁信号信息。

4.如权利要求3所述的天线元，其中所述电磁信号信息属于允许提取包括信号定位、信号偏振和数据内容的一组中至少一个的一类电磁信号信息。

5.如权利要求1所述的天线元，其中所述电偶极子和所述磁偶极子处于同一位置。

6.如权利要求1所述的天线元，其中分别设置所述电偶极子和所述磁偶极子，使得它们之间至少有二分之一波长的间隔。

7.如权利要求1所述的天线元，其中，所述天线元排列成从基本上整个方位角平面检测信号，所述电偶极子和所述磁偶极子就所述信号的偏振信息而言排列成彼此互补，从而使所述天线元能够获得所述方位角平面内的基本上全部偏振信息。

8.如权利要求1所述的天线元，其中至少一个天线元包括四个偶极子。

9.如权利要求8所述的天线元，其中所述偶极子中的两个是电偶极子，并且所述偶极子中的两个是磁偶极子。

10.如权利要求9所述的天线元，其中所述两个电偶极子相互正交，并且所述磁偶极子相互正交，其中每个所述磁偶极子与所述电偶极子之一同方向。

11.一种正交偏振天线阵列，它包括多个天线元，每个天线元包括：多个电偶极子，它们以彼此之间的预定的角度排列；和多个磁偶极子，它们以彼此之间的预定的角度排列，并且其中每一个磁偶极子与所述电偶极子中相应的一个基本上共享共同的位置。

12.如权利要求11所述的天线元，其中所述预定的角度基本上是90度。

13.如权利要求12所述的天线阵列，其中所述偶极子排列成可以从附近的三维周围环境中获得信号信息。

14.如权利要求13所述的天线阵列，其中所述信号信息包括包括信号源方向、信号偏振和数据内容的一组中的至少一个。

15.如权利要求12所述的天线阵列，其中至少一个天线元的所述电偶极子和所述磁偶极子处于相同位置。

16.如权利要求12所述的天线阵列，其中分别设置所述天线元，使得它们之间有基本上二分之一波长的间隔。

17.如权利要求12所述的天线阵列，其中，所述天线阵列排列成在方位角平面内进行检测，并且其中所述电偶极子排列成检测所述方位角平面内的第一偏振分量，而所述磁偶极子排列成检测与所述方位角平面内所述第一偏振分量正交的第二偏振分量，从而获得所述方位角平面内基本上全部偏振信息。

18.如权利要求12所述的天线阵列，其中至少一个天线元包括四个偶极子。

19.如权利要求18所述的天线阵列，其中所述偶极子中的两个是电偶极子，并且所述偶极子中的两个是磁偶极子。

20.如权利要求19所述的天线阵列，其中所述两个电偶极子相互正交，并且所述磁偶极子相互正交。

21.如权利要求11所述的天线阵列，其中还包括用于在偶极子之间切换的电气开关或者用于在各天线元之间切换的开关，以便采集所述阵列上的数据。

22.如权利要求12所述的天线阵列，其中具有连接到其上的信号预处理器，用于对来自所述天线的信号进行预处理，以便为信号源定位获得空间频谱信息，所述预处理器包括：传感器自相关器，它配置成为每一个传感器类型形成信号自相关矩阵；以及平滑器，它配置了平滑所述自相关矩阵，从而形成至少一个包括空间频谱信息的协方差矩阵。

23.如权利要求22所述的天线阵列，其中具有连接到其上的信号源定位器，所述信号源定位器配置成在基于本征结构的信号源定位技术中利用所述样本协方差矩阵。

24.如权利要求22所述的天线阵列，其中所述平滑器还配置成向所述协方差矩阵施行向前后向平滑，从而增大可以定位的信号源最大数目。

25.如权利要求23所述的天线阵列，其中所述预处理器还能够与所述信号源定位器中的所述协方差矩阵一起使用导引矢量。

26.如权利要求12所述的天线阵列，其中具有连接到其上的信号预处理器，用于对来自所述天线的信号进行预处理，以便获得信号源定位用的空间频谱信息，所述预处理器包括：自相关器，它连接在所述天线元的输入端之后，用于为每个天线元形成信号自相关矩阵；以及平滑器，它连接在所述自相关器之后，用于平滑所述自相关矩阵，由此形成适合于在用于估计信号源位置的基于本征结构的估算器中使用的样本协方差矩阵。

27.一种用于对利用多个不同类型传感器获得的输入信号进行预处理的方法，所述信号包括相干信号，所述预处理过程用于信号源定位，所述方法包括：从每一个不同类型的传感器获得输入信号的到达角和偏振信息；为每个传感器类型形成信号自相关矩阵；以及平滑所述自相关矩阵，由此形成至少一个适用于基于本征结构的信号源定位技术的协方差矩阵。

28.如权利要求27所述的方法，其中还包括把前向后向平均过程应用于所述协方差矩阵，从而增大可以定位的信号源最大数目。

29.如权利要求27所述的方法，其中还包括获得导引矢量，所述导引矢量用于与所述协方差矩阵一起在所述基于本征结构的信号定位技术中使用。

30.如权利要求27所述的方法，其中所述获得过程是从四个传感器类型获得的过程。

31.如权利要求30所述的方法，其中所述四个传感器类型是两个相互正交的电偶极子和两个相互正交的磁偶极子。

32.如权利要求31所述的方法，其中所述四个传感器类型全部排列成在单一平面内进行检测。

33.如权利要求27所述的方法，其中包括利用从所述协方差矩阵的数据获得的信号源定位信息作为波束控制器的输入，以便向相应的信号源提供定向波束。

34.如权利要求27所述的方法，其中所述输入信号是噪声信号，所述方法还包括利用从所述协方差矩阵获得的信号源定位信息作为波束控制器的输入，以便向所述噪声干扰信号的相应的信号源提供定向波束的零值。

35.一种用于处理利用多个不同的传感器类型获得的输入信号的方法，所述信号包括相干信号，所述预处理过程用于信号源定位，所述方法包括：获得输入信号的到达角和偏振信息；在所述传感器阵列上形成信号自相关矩阵；以及从所述信号自相关矩阵形成样本协方差矩阵，所述样本协方差矩阵适合于在用于估计信号源位置的最大似然估算器中使用。

36.如权利要求32所述的方法，其中所述最大似然估算器是

式中：

θ-信号源仰角矢量；

φ-信号源方位角的矢量；

λ_max-矩阵对(Ψ₂(θ，φ)，Ψ₁(θ，φ))的最大广义本征值；

F_γ(θ，φ)-其列表示信号源两个偏振分量的空间传递函数的矩阵；

(.)^H-矩阵埃尔米特运算(复共轭和转置)；

R_n-噪声和干扰协方差矩阵；

-样本协方差矩阵。

37.如权利要求35所述的方法，其中包括利用从所述协方差矩阵获得的信号源定位信息作为波束控制器的输入，以便向相应的信号源提供定向波束。

38.如权利要求35所述的方法，其中所述输入信号是噪声信号，所述方法还包括利用从所述协方差矩阵获得的信号源定位信息作为波束控制器的输入，以便向所述噪声信号的相应的信号源提供一个定向波束的零值。

39.一种用于对利用多个不同传感器类型获得的输入信号进行预处理的设备，所述信号包括相干信号，所述预处理过程用于信号源定位，所述设备包括：输入端，用于从每一个所述不同的传感器类型获得输入信号的到达角和偏振信息；传感器自相关器，配置成为每一个传感器类型形成信号自相关矩阵；以及平滑器，配置成平滑所述自相关矩阵，从而形成至少一个适合于在基于本征结构的信号源定位技术中使用的协方差矩阵。

40.如权利要求39所述的设备，其中所述平滑器还配置成把前向后向平均过程应用于所述协方差矩阵，从而增大可以定位的信号源的最大数目。

41.如权利要求39所述的设备，其中所述设备还能够与所述协方差矩阵一起在所述基于本征结构信号定位技术中使用导引矢量。

42.如权利要求39所述的设备，其中所述传感器类型包括四个传感器类型。

43.如权利要求42所述的设备，其中所述四个传感器类型是两个相互正交的电偶极子和两个相互正交的磁偶极子。

44.如权利要求43所述的设备，其中所述四个传感器类型全部排列成在单一的平面内进行检测。

45.一种用于对利用多个不同传感器类型获得的输入信号进行预处理的设备，所述信号包括相干信号，所述预处理过程用于信号源定位，所述设备包括：输入端，用于从每一个所述不同的传感器类型获得输入信号的到达角和偏振信息；传感器自相关器，配置成为每一个传感器类型形成信号自相关矩阵；以及协方差单元，它也连接在所述自相关器之后，用于形成协方差矩阵，可以从所述协方差矩阵提取样本协方差矩阵，所述样本协方差矩阵适合于在估计信号源位置用的最大似然估算器中使用。

46.一种用于对利用多个不同传感器类型获得的输入信号进行预处理的设备，所述信号包括相干信号，所述预处理过程用于信号源定位，所述设备包括：输入端，用于获得输入信号的到达角和偏振信息；自相关器，它连接在所述输入端之后，用于为每一个天线元形成信号自相关矩阵；以及协方差矩阵，它连接在所述自相关器之后，用于形成协方差矩阵，由此可以从所述自相关矩阵提取样本协方差矩阵，所述样本协方差矩阵适用于在估计信号源位置用的最大似然估算器中使用。

47.如权利要求44所述的设备，其中所述最大似然估算器是

式中：

θ-信号源仰角矢量；

φ-信号源方位角的矢量；

λ_max-矩阵对(Ψ₂(θ，φ)，Ψ₁(θ，φ))的最大广义本征值；

F_γ(θ，φ)-其列表示信号源两个偏振分量的空间传递函数的矩阵(在(20)中定义)；

(.)^H-矩阵埃尔米特运算(复共轭和转置)；

R_n-噪声和干扰协方差矩阵；

-样本协方差矩阵。

Images