Polarisationseinschätzung mit Vektorsensoranordnung im unterbestimmten Fall

Die Erkennung von Schiffszielen mittels Radar ist eine wichtige Anwendung in militärischen und zivilen Bereichen. Für die Polarisationseinschätzung von Streuwellen im unterbestimmten Fall, d.h. die Anzahl der Streuwellen von Schiffen ist größer als die Anzahl der Sensoren, schlägt dieses Papier zwei Schätzmethoden mit unterschiedlichen Messmodellen vor. 1) Für das Einzelvektorsensormodell schlägt dieses Papier die polarisationinvariante, ESPRIT-basierte Methode vor. Diese Methode kann die Polarisation von Signalen, die Zielreflexion, Störung und Rauschen enthalten, schätzen und behebt das Problem, dass die Genauigkeit der bestehenden Methode bei niedrigem Störsignalverhältnis schlecht ist. 2) Für das Multi-Vektorsensormodell schlägt dieses Papier eine verbesserte ESPRIT-Methode vor, die sowohl raum- als auch zeitinvariant ist, wodurch der Freiheitsgrad erhöht werden kann, ohne die Hardwarekosten zu erhöhen. Was ein weiteres Problem des Multi-Vektorsensors betrifft, d.h. fast alle bestehenden Methoden nehmen an, dass die Anzahl der Streuwellen bekannt ist, führt dieses Papier zum ersten Mal das Polarisationsspektrum ein, mit dem die Polarisationparameter geschätzt werden können, wenn die Anzahl der Streuwellen unbekannt ist. Schließlich analysieren wir die beiden vorgeschlagenen ESPRIT-basierten Methoden im Vergleich zu einigen bestehenden Methoden durch Monte-Carlo-Simulation, deren Ergebnisse die Effizienz der vorgeschlagenen Methoden demonstrieren.