未知互耦影响下的多阵直接定位：基于子空间数据融合与降维搜索

为了解决子空间数据融合（Subspace data fusion，SDF）算法用于未知互耦影响下的分布式多阵列定位时定位精度低的问题，本文结合降维搜索思想提出了一种降互耦维度的子空间数据融合（Reduced mutual coupling dimension subspace data fusion，RMCD-SDF）方法。该方法首先将互耦误差模型引入SDF算法，使其适应于天线阵列受到未知互耦误差影响的场景。在此基础上，为了降低同时搜索所有未知参数带来的超高计算复杂度，本文引入降维搜索思想并构造了RMCD-SDF算法谱函数。仿真结果显示，RMCD-SDF算法的定位性能在阵列受到未知互耦影响的场景下具有优势，与现有算法相比计算复杂度接近，但是具有更高的定位精度。在10 dB 信噪比下本文算法的定位均方根误差相比经典的SDF算法降低了8.67 dB。