石屹然，趙曉暉，李新波，石要武

(1. 吉林大學 通信工程學院， 吉林 長春 130022；2. 長春氣象儀器研究所， 吉林 長春 130012；3. 吉林大學 生物與農業(yè)工程學院， 吉林 長春 130022)

?

應用分數(shù)低階循環(huán)相關估計單電磁矢量傳感器的波達方向和極化參數(shù)

石屹然1，2，趙曉暉1，李新波1，石要武3

(1. 吉林大學 通信工程學院， 吉林 長春 130022；2. 長春氣象儀器研究所， 吉林 長春 130012；3. 吉林大學 生物與農業(yè)工程學院， 吉林 長春 130022)

提出了一種在α和高斯混合噪聲以及循環(huán)平穩(wěn)干擾并存背景下基于分數(shù)低階循環(huán)相關(FLOCC) 聯(lián)合估計單電磁矢量傳感器波達方向(DOA)和極化參數(shù)的多重信號分類(MUSIC)方法。該方法利用信號的循環(huán)平穩(wěn)特性，采用分數(shù)低階循環(huán)相關函數(shù)抑制α和高斯混合噪聲以及循環(huán)平穩(wěn)干擾信號；然后利用MUSIC方法對單電磁矢量傳感器的DOA和極化參數(shù)進行聯(lián)合估計，并利用DOA參數(shù)與極化參數(shù)的相互獨立性，將傳統(tǒng)MUSIC方法的四維搜索簡化為兩次二維搜索,從而有效地減少該算法的計算量。對所提算法與基于分數(shù)低階矩的MUSIC算法進行了實驗對比。結果顯示：提出的方法可充分地抑制與待測信號循環(huán)頻率相異的任意循環(huán)平穩(wěn)干擾信號；在α和高斯混合信噪比為0 dB，信干比為3 dB 時，估計得到的DOA和極化參數(shù)的均方根誤差分別為0.3°和0.7°，明顯優(yōu)于基于分數(shù)低階矩的MUSIC方法。

單電磁矢量傳感器；波達方向；極化參數(shù)；參數(shù)估計；分數(shù)低階循環(huán)相關

1　引　言

電磁矢量傳感器是由三維電偶極子和三維磁偶極子共點正交構成的[1]，它可以獲得完備的入射電磁信號的三維電場信息和三維磁場信息，具有空間占用率低、可靠性強、各分量間無需進行位置校準以及時間同步等一系列優(yōu)點。特別是單個電磁矢量傳感器就可以實現(xiàn)入射電磁信號的波達方向(Direction Of Arrival， DOA)和極化參數(shù)估計，因而在機(彈)載雷達中得到了廣泛的應用。

目前，單電磁矢量傳感器的DOA和極化參數(shù)估計問題已得到了相關學者們的廣泛關注和深入研究，并取得了大量的科研成果。Nehorai等人提出了單電磁矢量傳感器接收信號的數(shù)學模型[1]。文獻[2]提出了一種基于單電磁矢量傳感器的時變信號DOA和極化參數(shù)估計方法；文獻[3]提出了基于單電磁矢量傳感器的多源信號DOA和極化參數(shù)聯(lián)合估計的ESPRIT方法；文獻[5]利用循環(huán)相關和高階累積量算法，分別提出了基于單電磁矢量傳感器的DOA和極化參量聯(lián)合估計的子空間-最小范數(shù)方法。

上述這些單電磁矢量傳感器DOA和極化參數(shù)估計方法都是建立在測量背景噪聲為高斯噪聲(有色或無色)假設基礎上的。然而，通過分析大量的陣列信號DOA估計的實際應用環(huán)境，人們發(fā)現(xiàn)，在其測量環(huán)境中，不僅存在著高斯噪聲，同時還存在大量的非高斯沖擊噪聲。例如，由雷電引起的大氣噪聲，電力傳輸線的電壓瞬變噪聲，電話線的切換沖擊噪聲，無線通信中的信號竄擾噪聲，海浪和水下生物引起的水下聲學噪聲[6-7]，以及在電子戰(zhàn)中，針對機(彈)設備所施放的人為干擾和噪聲[8-10]等等。Nikias指出，這種非高斯的沖擊噪聲符合α穩(wěn)定分布[11]，所以一般稱這種非高斯的沖擊噪聲為α穩(wěn)定分布噪聲(簡稱為α噪聲)。α穩(wěn)定分布是唯一一種滿足廣義中心極限定理(Generalized Central Limit Theorem， GCLT)的廣義高斯分布族。它的一個最重要的性質是它不存在p>α的統(tǒng)計量[11]，當α<1時，甚至連均值的運算也不可能。因此，在存在α噪聲的場合，上述那些基于二階矩、高階矩和高階累積量的陣列信號DOA估計方法均失效。

由于α穩(wěn)定分布存在著0

但經過α噪聲背景下陣列信號DOA估計的大量實踐，分數(shù)低階矩方法的弊病逐漸暴露出來：首先，分數(shù)低階矩是一種非線性方法[11]，它不存在半不變性，即兩個相互獨立的隨機變量的和的分數(shù)低階矩不等于隨機變量各自的分數(shù)低階矩的和，這給信號和噪聲的分離造成了很大的困難；此外，α噪聲的分數(shù)低階矩恒不為零，這說明分數(shù)低階矩的噪聲抑制能力較差，這也直接影響了陣列信號DOA估計性能；再者，現(xiàn)有的基于分數(shù)低階矩類陣列信號DOA估計的子空間方法均要求附加噪聲須為零均值獨立同分布(i.i.d)的SαS穩(wěn)定分布情況，且要求α穩(wěn)定分布的特征指數(shù)為1<α≤2，因此具有很大的局限性。針對這一問題，本文提出了基于分數(shù)低階循環(huán)相關(Fractional Low order Cyclic Correlation， FLOCC)[23]的單電磁矢量傳感器DOA估計的多重信號分類(MUSIC)方法(FLOCC-MUSIC)，該方法可有效抑制包括α和高斯噪聲在內的任何異于信號循環(huán)頻率的平穩(wěn)噪聲及干擾信號，從而可大大提高單電磁矢量傳感器DOA和極化參數(shù)的估計性能。

2　單電磁矢量傳感器的接收信號模型

設單電磁矢量傳感器位于坐標原點，其三維電偶極子和三維磁偶極子的法線分別平行于直角坐標系的3個坐標軸(即x.y.z軸)。設一遠場單位能量橫平面電磁波入射到單電磁矢量傳感器。如圖1所示，r為單位矢量，入射信號的DOA為(θ，φ)，其極化參數(shù)為(γ，η)。則單電磁矢量傳感器的接收信號模型可以表示為[24]：

(1)

圖1　空間電磁信號傳播坐標示意圖

Fig.1Schematic diagram of electromagnetic signal propagation in space

設空域內有K個獨立的遠場極化信號，入射到單電磁矢量傳感器的波達角度為(θk，φk)，極化狀態(tài)為(γk，ηk)，k=1，2，…，K。則單電磁矢量傳感器的接收信號可表示為：

(2)

不失一般性，這里假設：

(3)α噪聲的特征指數(shù)α已知。

(4)諸Sk(t)之間統(tǒng)計循環(huán)獨立。

3單電磁矢量傳感器DOA和極化

參數(shù)聯(lián)合估計的FLOCC-MUSIC

方法

設單電磁矢量傳感器的輸出信號如式(2)所示。則輸出信號X(t)的分數(shù)低階循環(huán)相關函數(shù)矩陣為：

(3)

式中：ω為循環(huán)頻率，如前假設，它是已知的； p(p<α)表示分數(shù)低階矩的階次；上標H表示共軛轉置。

(4)

式中上標*表示共軛。

式(4)中，根據(jù)前文所述信號假設以及分數(shù)低階循環(huán)相關函數(shù)的性質可知[23]，對于循環(huán)頻率ω，只有K個接收信號Sk(t)存在循環(huán)自相關，而其余各項均為零。則式(4)可表示為：

(5)

由于諸Sk(t)之間統(tǒng)計循環(huán)獨立，因此：

(6)

式中：

將式(6)代入式(3)，經整理可得：

(7)

式中：

矩陣A=[a1，a2，…，ak]，為導向矢量陣。

(8)

σ1≥σ2…≥σ6.

(9)

σ1≥σ2…≥σK≥σK+1=…=σ6=0.

(10)

令

Σ1=diag[σ1，σ2，…，σK].

(11)

則式(8)可寫成：

(12)

(13)

(14)

(15)

(16)

顯然，V1、U1均為p×K維矩陣，V2、U2均為p×(p-K)維矩陣。將式(13)～(16)代入式(12)，得：

(17)

將上式兩端右乘V2，可得：

(18)

將式(7)代人式(18)可得：

AHV2=0.

(19)

這說明信號導向矢量陣A與噪聲矢量空間V2中任一噪聲奇異矢量Vi∈V2均正交，因此由下式即可得到入射信號的二維DOA和極化參數(shù)估計[24]：

(20)

注意到(20)中矩陣Z(θ，φ)與極化參數(shù)(γ，η)相互獨立，所以，當參數(shù)搜索使得Z(θ，φ)奇異時，式(20)的分母為零，P(θ，φ，γ，η)出現(xiàn)峰值。因此，入射信號S(t)的DOA參數(shù)可通過下式的二維搜索得到：

(21)

(22)

對比式(20)、(21)和(22)，本文將傳統(tǒng)MUSIC方法的搜索轉化為兩次二維搜索，從而極大程度地降低了參數(shù)搜索的計算量。

4　仿真實驗

本節(jié)通過仿真實驗考查提出的單電磁矢量傳感器DOA和極化參數(shù)聯(lián)合估計的FLOCC-MUSIC方法的參數(shù)估計性能及對干擾信號和噪聲的抑制能力。

4.1實驗1

實驗目的：驗證本文所提算法在α和高斯有色噪聲以及循環(huán)平穩(wěn)干擾信號并存情況下的DOA和極化參數(shù)估計能力。

實驗條件：設一個遠場待測循環(huán)平穩(wěn)AM信號S1的入射角為θ1=75°，φ1=50°，其載波頻率為fC1=15 MHz，極化參數(shù)為γ1=45°，η1=45°；另一個循環(huán)平穩(wěn)AM干擾信號S2以入射角θ2=120°，φ2=50°入射到單電磁矢量傳感器上，其載波頻率為fC2=11 MHz，極化參數(shù)為γ2=80°，η2=90°；附加噪聲nα(t)為SαS穩(wěn)定分布噪聲，它是按文獻[25]方法產生，α=1.6，其信噪比采用廣義信噪比(GSNR)[25]定義；ng(t)為由高斯分布白噪聲通過一個四階帶通濾波器產生的零均值高斯平穩(wěn)有色噪聲，其信噪比(Signal to Noise Ratio， SNR)記為SNgR。取混合信噪比SNR=GSNR+SNgR=10 dB(GSNR=SNgR)，信干比(SIR)=3 dB，采樣頻率fs為100 MHz，快拍數(shù)為1 000。

算法參數(shù)設置：取分數(shù)低階循環(huán)相關函數(shù)的階次P=1.4；循環(huán)頻率ω選為4fC1=60 MHz。

實驗方法：使用本文提出的FLOCC-MUSIC方法執(zhí)行100次獨立的Monte Carlo實驗。

圖2和圖3為其中一次典型的參數(shù)估計實驗結果。

(a)三維圖

(b)等高線圖

(a)三維圖

(b)等高線圖

從圖2和圖3中可以看出，在α穩(wěn)定分布噪聲和高斯有色噪聲以及與待測信號循環(huán)頻率相異的循環(huán)平穩(wěn)干擾信號共同存在的背景下，本文所提出的FLOCC-MUSIC方法能夠對背景噪聲以及干擾信號進行有效地抑制。并且在SNR=10 dB，SIR=3 dB時，仍然能以較高的精度估計出入射信號的DOA和極化參數(shù)。

4.2實驗2

實驗目的：與目前被業(yè)內普遍認可的文獻[18]中的基于分數(shù)低階矩的MUSIC算法進行對比仿真實驗，以在測量環(huán)境中存在循環(huán)平穩(wěn)干擾信號的情況下，驗證本文所提方法對DOA和極化參數(shù)估計的優(yōu)越性。

實驗條件：采用與實驗1完全相同的實驗條件。

算法參數(shù)設置：取分數(shù)低階矩的階次P=1.4。

實驗方法：文獻[18]中的基于分數(shù)低階矩的MUSIC算法，執(zhí)行100次獨立的Monte Carlo實驗。

圖4、圖5給出了待測信號S1的DOA和極化參數(shù)估計一次典型實驗結果。

(a)三維圖

(b)等高線圖

(a)三維圖

(b)等高線圖

Fig.5Polarization parameters estimation of fractional lower order moment-based MUSIC method(SNR=10 dB，SIR=3 dB)

將實驗1和實驗2的仿真結果進行對比，可以明顯看出，基于分數(shù)低階矩的MUSIC方法雖然可以估計出信號的DOA和極化參數(shù)，且有效地抑制了α噪聲和高斯有色噪聲，但在循環(huán)平穩(wěn)AM干擾信號S2處，卻出現(xiàn)了明顯的偽峰。這說明本文所提的FLOCC-MUSIC方法對于分離和抑制不同循環(huán)頻率干擾信號的能力明顯優(yōu)于基于分數(shù)低階矩的MUSIC算法。

4.3實驗3

實驗目的：在不同信噪比條件下對本文所提FLOCC-MUSIC算法與文獻[18]中基于分數(shù)低階矩算法進行均方根誤差對比試驗，以驗證本文所提算法的參數(shù)估計性能。

實驗條件：采用與實驗1完全相同的實驗條件。令信干比保持不變，即SIR=3 dB；混合信噪比SNR從0 dB到35 dB以5 dB為間隔變化。

算法參數(shù)設置：文獻[18]與本文算法的階次均取P=1.4；本文算法中的循環(huán)頻率ω選為4fC1=60 MHz。

實驗方法：在相同的實驗條件下，將兩種算法分別執(zhí)行100次獨立的Monte Carlo實驗。以均方根誤差(Root Mean Square Error， RMSE)作為評判準則，則DOA和極化參數(shù)的RMSE計算公式如下：

(23)

(24)

圖6　DOA估計的均方根誤差曲線

圖7　極化參數(shù)估計的均方根誤差曲線

信號S1的DOA和極化參數(shù)估值的均方根誤差隨混合信噪比變化的曲線如圖6和圖7所示。

從圖6和圖7中可以看出，隨著混合信噪比的逐漸增加，本文所提FLOCC-MUSIC算法的DOA和極化參數(shù)估值的均方根誤差逐漸減小；即使在混合信噪比為0dB情況下，本文所提算法的參數(shù)估值均方根誤差仍然較低(其DOA和極化參數(shù)估計的均方根誤差分別為0.3°和0.7°)。對于入射信號S1，本文所提算法與基于分數(shù)低階矩的MUSIC方法的參數(shù)估計效果整體相當；但是對于循環(huán)平穩(wěn)干擾信號S2，基于分數(shù)低階矩的MUSIC方法產生了錯誤的估計。這充分說明，本文所提的FLOCC-MUSIC方法可以有效地抑制與待測信號循環(huán)頻率相異的附加干擾信號以及α噪聲和高斯有色噪聲對單電磁矢量傳感器的DOA和極化參數(shù)聯(lián)合估計精度的影響。

5　結　論

本文主要研究了在循環(huán)平穩(wěn)干擾信號以及α和高斯混合噪聲并存背景下的單電磁矢量傳感器DOA和極化參數(shù)估計問題。提出了一種基于單電磁矢量傳感器的DOA和極化參數(shù)聯(lián)合估計的FLOCC-MUSIC方法。該方法利用入射信號的循環(huán)平穩(wěn)特性，充分抑制了α和高斯混合噪聲及與信號循環(huán)頻率相異的任何循環(huán)平穩(wěn)信號的干擾。在α和高斯混合信噪比為0 dB，信干比為3 dB 時，其DOA和極化參數(shù)估計的均方根誤差分別為0.3°和0.7°。仿真結果驗證了本文方法對α和高斯混合噪聲及干擾信號的抑制能力及參數(shù)估計的有效性。

[1]NEHORAI A， PALDI E. Vector-sensor array processing for electromagnetic source localization [J].IEEETransactionsonSignalProcessing， 1994， 42(2)： 376-398.

[2]劉揚， 吳瑛. 機載單電磁矢量傳感器時變信號參數(shù)估計算法 [J]. 電路與系統(tǒng)學報， 2012， 17(1)： 54-59.

LIU Y， WU Y. Time-varying signal parameter estimation algorithm for airborne single electromagnetic vector sensor [J].JournalofCircuits&Systems， 2012，17(1)： 54-59.(in Chinese)

[3]WONG K T， ZOLTOWSKI M D. Uni-vector-sensor ESPRIT for multisource azimuth， elevation， and polarization estimation [J].IEEETransactionsonAntennas&Propagation， 1997， 45(10)： 1467-1474.

[4]王洪洋， 王蘭美， 廖桂生. 基于單矢量傳感器的信號多參數(shù)估計方法 [J]. 電波科學學報， 2005， 1(1)： 15-19.

WANG H Y， WANG L N， LIAO G SH. Parameter estimation of multiple source based on uni vector-sensor [J].ChineseJournalofRadioScience， 2005， 1(1)： 15-19.

[5]石屹然. 有色噪聲背景下極化陣列信號參數(shù)估計方法研究 [D]. 蘭州： 蘭州理工大學， 2010.

SHI Y R.Studyonmethodsofparameter-estimationofpolarizationsensitivearraysignalincolorednoise[D]. Lan Zhou： Lan Zhou University of Technology， 2010(in Chinese)

[6]MOGHIMI F， NASRI A， SCHOBER R. Lp-norm spectrum sensing for cognitive radio networks impaired by non-Gaussian noise [C].ProceedingsoftheGlobalTelecommunicationsConference，GLOBECOMIEEE， 2009：1-6.

[7]KASSAM S A.SignalDetectioninNon-GaussianNoise[M]. Berlin： Springer， 2012.

[8]呂澤均， 肖先賜. 在沖擊噪聲環(huán)境中基于子空間的測向算法研究 [J].航空學報， 2003， 24(2)： 174-177.

LU Z J， XIAO X C. Study on subspace-based direction finding algorithm in the presence of impulsive noise environments[J].ActaAeronauticaEtAstronauticaSinica， 2003， 24(2)： 174-177.(in Chinese)

[9]孟勃， 韓廣良， 李波. 雷達告警態(tài)勢圖在小型艦船跟蹤預警系統(tǒng)中的應用[J].液晶與顯示， 2014， 29(6)： 1131-1138.

MENG B， HAN G L， LI B. Radar warning situation map using in photoeletric tracking system [J].ChineseJournalofLiquidCrystals&Displays， 2014， 29(6)： 1131-1138.(in Chinese)

[10]蘇愛東， 高維珉. 一種航跡跟蹤雷達模擬系統(tǒng)軟件設計與實現(xiàn)[J].液晶與顯示， 2015， 30(1)： 95-102.

SU A D， GAO W M. Software design and implement of flight track radar modeling system [J].ChineseJournalofLiquidCrystals&Displays， 2015， 30(1)： 95-102.(in Chinese)

[11]SHAO M， NIKIAS C L. Signal processing with fractional lower order moments： stable processes and their applications [J].ProceedingsoftheIEEE， 1993， 81(7)： 986-1010.

[12]丘天爽， 張旭秀， 李小兵，等. 統(tǒng)計信號處理-非高斯信號處理及其應用 [M]. 北京：電子工業(yè)出版社， 2004QIU T SH， ZHANG X X， LI X B，etal..StatisticalSignalProcessing-NonGaussSignalProcessingandApplication[M]. Beijing： Publishing House of Electronics Industry， 2004.(in Chinese)

[13]TSAKALIDES P， NIKIAS C L. Robust adaptive beamforming in alpha-stable noise environments [C]. 1996IEEEInternationalConferenceonProceedingsoftheAcoustics，Speech，andSignalProcessing，ICASSP-96ConferenceProceedings， 1996：2884-2887.

[14]TSAKALIDES P， NIKIAS C L. Space-time adaptive processing in stable impulsive interference; proceedings of the Signals [C].1996ConferenceRecordoftheThirtiethAsilomarConferenceonSystemsandComputers， 1997：3517-3517.

[15]TSAKALIDES P， NIKIAS C L， TSAKALIDES P，etal.. Maximum likelihood localization of sources in noise modeled as a Cauchy process[C]MilitaryCommunicationsConference，MILCOM’94.ConferenceRecord， 1994：613-617.

[16]TSAKALIDES P， NIKIAS C L. Wideband array signal processing with alpha-stable distributions [C].ProceedingsoftheMilitaryCommunicationsConference，MILCOM’95，ConferenceRecord，IEEE，F(xiàn)， 1995

[17]TSAKALIDES P， NIKIAS C L. The robust covariation-based MUSIC(ROC-MUSIC) algorithm for bearing estimation in impulsive noise environments [J].ProcessingIEEETransactionsonSignal， 1996， 44(7)： 1623-1633.

[18]LIU T H， MENDEL J M. A subspace-based direction finding algorithm using fractional lower order statistics [J].ProcessingIEEETransactionsonSignal， 2001， 49(8)： 1605-1613.

[19]KANNAN B， FITZGERALD W J， KANNAN B，etal.. Joint Bayesian estimation of DOA and frequency of BPSK(binary phase shift keying) signals in α-stable noise [C]. 1999ProceedingsofICECS’99,The6thIEEEInternationalConferenceonElectronics，CircuitsandSystems， 1999： 1771-1774.

[20]KANNAN B， FITZGERALD W J， KURUOGLU E E. Joint DOA， frequency and model order estimation in additiveα-stable noise [C].IEEEInternationalConferenceonAcoustics，Speech，andSignalProcessingICASSP’00， 2000：3798-3801.

[21]KANNAN B， FITZGERALD W J. Beamforming in additiveα-stable noise using fractional lower order statistics(FLOS) [C].ProceedingsofICECS’99The6thIEEEInternationalConferenceonElectronics，CircuitsandSystems， 1999：1755-1758.

[22]何勁.α穩(wěn)定分布噪聲背景下陣列信號處理方法研究 [D]. 南京： 南京理工大學， 2007.

HE J.Investigationonarraysignalprocessingamidα-stablenoise[D]. Nanjing： Nanjing University of Science and Technology， 2007.(in Chinese)

[23]里紅杰. 基于分數(shù)低階循環(huán)相關的系統(tǒng)辨識及應用研究 [D]. 大連： 大連理工大學， 2007.

LI H J.Systemidentificationandapplicationbasedonfractionallowerordercycliccorrelation[D]. Dalian： Dalian University of Technology， 2007.(in Chinese)

[24]周欣. 復雜噪聲背景下極化陣列信號參數(shù)估計的理論與方法研究 [D]. 長春： 吉林大學， 2009.

ZHOU X.Studyontheoryandmethodofsignalparametersestimationwithpolarizationsensitivearrayincomplexnoise[D]. Chang Chun： Jilin University， 2009.(in Chinese)

[25]CHAMBERS J M， C L. A Method for simulating stable random variables [J].JournaloftheAmericanStatisticalAssociation， 1976， 71(354)： 340-344.

石屹然(1984-)，男，吉林長春人，博士后，講師，2010年于蘭州理工大學獲得碩士學位，2014年于吉林大學獲得博士學位，現(xiàn)為吉林大學通信工程學院講師，長春氣象儀器研究所博士后，主要從事諧波恢復，ARMA參數(shù)辨識，DOA及極化參數(shù)估計，非線性模型預測控制等方面的研究。E-mail： shiyiran@jlu.edu.cn

趙曉暉(1957-)，男，吉林長春人，教授，博士生導師，1982年、1989年于吉林工業(yè)大學分別獲得學士、碩士學位，1993年于法國貢比涅科技大學獲得博士學位，現(xiàn)為吉林大學通信工程學院院長，主要從事信號處理理論及在通信中的應用研究。E-mail： xhzhao@jlu.edu.cn

(本欄目編輯：李自樂)

(版權所有未經許可不得轉載)

Estimation of DOA and polarition parameters for single electromagnetic vector sensor based on FLOCC

SHI Yi-ran1，2， ZHAO Xiao-hui1， LI Xin-bo1， SHI Yao-wu3

(1.CollegeofCommunicationEngineering，JilinUniversity，Changchun130022，China；2.ChangchunMeteorologicalInstrumentResearchInstitute，Changchun130012，China;3.CollegeofBiologicalandAgriculturalEngineering，JilinUniversity，Changchun130022，China)

*Correspondingauthor，E-mail：xhzhao@jlu.edu.cn

A Fractional Lower Order Cyclic Correlation (FLOCC)-based MUSIC method was proposed for estimation of the Direction of Arrival (DOA) and polarization parameters for a single electromagnetic vector sensor in mixedαand Gaussian noises and cycle stable interference signals. On the basis of the cyclic stability of signals, the FLOCC function was used to suppress the cyclic stationary disturbance signal and the mixedαand Gaussian noises. Then, MUSIC method was used to estimate the DOA and polarization parameters of the single electromagnetic vector sensor, and the mutual independence between the DOA parameters and the polarization parameters was used to simplify the four dimensional search of traditional MUSIC method into two times of two dimensional search to reduce the calculated amount of the algorithm. The proposed algorithm was compared with the traditional MUSIC method based on fractional lower order moment in the simulation. The results show that the proposed method can sufficiently suppress any of cyclic stationary disturbances with different cycle frequencies. When the mixed signal to noise ratio ofαand Gaussian noises is 0 dB and the signal to interference ratio is 3 dB, the root mean square error of the estimation of DOA and polarization parameters is 0.3° and 0.7 °, respectively, being superior to that of the traditional MUSIC method.

single electro magnetic vector sensor; Direction of Arrival(DOA); polarization parameter; parameter estimation; Fractional Lower Order Cyclic Correlation(FLOCC)

2016-03-03；

2016-04-08.

國家自然科學基金資助項目(No.61571209)

1004-924X(2016)07-1818-09

TP212.13；TN911.23

Adoi:10.3788/OPE.20162407.1818