摘要：将电磁矢量传感器(EVS,electromagnetic vetor sensor)信号处理法与传统MIMO信号处理有机地结合，建立了基于EVS的多天线三维信道模型。采用多重信号分类(MUSIC,multiple signal classification)算法对MIMO的达波信号方向(DOA,direction of arrival)进行空间谱估计，导出基于EVS的三维空间信道解析式，阐明了EVS信号处理与MIMO多径信道相关性的关系。与传统标量传感器阵列(SSA,scalar sensor array)MIMO天线阵列比较，EVS阵列能获取达波信号的多维极化信息，同时具有空间域和极化信号处理能力。因此可缓解空间多径信道相关性，使空间极化分量的相关性趋于零值，而且使MIMO系统性能受空间结构的影响较小。理论分析和仿真结果表明在提高MIMO天线系统性能上，基于EVS阵列的系统比SSA系统具有更高的优越性。

在有电磁波信息链的条件下，飞行器通过单电磁矢量传感器接收来自基站的完全极化电磁波信号，并对该信号进行处理获得电磁波的波达角和极化角。本文提出了一种新的基于电磁矢量传感器的MUSIC极化-空域联合谱估计方法，此方法将极化空域导向矢量分解成矩阵旋转乘积的形式，并将其作进一步的演化成矩阵生成元的形式。最后用仿真验证了算法的有效性。

分析了基于矢量平滑的MVDR离散成形的解相干原理，并推导出了在单相关干扰源情况下下VS-MVDR双向成形器的输出信干噪比，该算法适应于任意的阵列结构且在多径传播的环境中具有更好的性能。

行业制造-电动装置-基于阵列旋转的电磁矢量传感器阵列幅相误差自校正方法.zip

对基于电磁矢量传感器阵列的噪声子空间算法进行计算机仿真，从估计精度角度（RMSE）与经典的降秩-MUSIC进行了对比：在低信噪比情况下，噪声子空间拟合算法的估计精度要高于降秩-MUSIC，而在信噪比较高时二者性能相当。然而，噪声子空间拟合算法要求进行2M维搜索（M是信号源个数），计算成本在信源个数较大时远大于降秩-MUSIC算法。

对基于电磁矢量传感器阵列的噪声子空间算法进行计算机仿真，并与经典的降秩MUSIC算法进行对比，绘制出二者的空间谱图。

利用矢量传感器阵列隐含的多平移不变特性，可构建出三阶输出数据张量；进而利用张量PARAFAC分解算法（交替最小二乘，ALS）完成信号DOA-极化联合估计。该算法为R.Bro & N.D.Sidiropoulos于1998年提出，是PARAFAC分解应用于矢量阵列信号处理的早期成果。