1.一种联合对角化L型MIMO雷达圆与非圆混合测向方法，其特征是，首先利用多输入多输出MIMO雷达接收到的数据向量及其共轭构造新的数据向量，然后采用高分辨率参数估计ESPRIT的方法，基于对含有非圆信息的方向矩阵进行联合对角化来估计二维波离方向2D‑DOD和二维波达方向2D‑DOA，具体步骤如下：步骤1对扩展数据矢量 进行奇异值分解，得到

步骤2根据式(12)构造方向矩阵集合

+ H

Gl＝(Kl2US) Kl1US＝EΘlE ,l＝1,2,3,4                  (12)其中，Kl1为严格非圆混合信号关于角度θk1的选择矩阵，Kl2为圆混合信号关于角度θk1的选择矩阵，E是θkl的特征向量；

步骤3对 进行联合对角化，获得酉矩阵

步骤4根据式(14)计算特征值 再由式(15)估计每一个圆信号被看成是两个角度相等的虚拟严格非圆信号，所以θkl都存在K'个角度，但在实际中，入射信号只有K个，根据求解角度出现冲个重复的个数辨别圆与非圆信号，根据取平均方法取得θkl,c；

步骤5通过式(16)来估计圆信号的2D‑DOD和2D‑DOA

2.如权利要求1所述的联合对角化L型MIMO雷达圆与非圆混合测向方法，其特征是，具体步骤细化如下：(a)信号接收模型

采用由L形发射阵列和L形接收阵列组成的MIMO雷达，发射阵列的阵元数为M＝M1+M2‑1，其中有M1和M2个阵元分别位于X和Y轴上，接收阵列的阵元数为N＝N1+N2‑1，其中有N1和N2个阵元分别位于X'和Y'轴上，四个子阵列都是均匀线阵，阵元间距都相等且设为d，取d＝λ/2，λ为信号的波长，假设有K个信号sk(t),k＝1,2,,K入射到该阵列上，K＝Kn+Kc，第k个信号的方向记为(θk1,θk2,θk3,θk4)，其中(θk1,θk2)为第k个信号的2D‑DOD，(θk3,θk4)为第k个信号的

2D‑DOA，入射信号包括Kn个非圆信号sn,k(t),k＝1,2,,Kn和Kc个圆信号sc,k(t),k＝1,2,,Kc，在采样t时该阵列的输出矢量x(t)，表示为：x(t)＝C(θi1,θi2,θi3,θi4)s(t)+n(t)                             (1)T T

其中，x(t)＝[x1(t),,xMN(t)]表示阵列的接收数据矩阵；C＝[c1,c2,,cK] 表示扩展虚拟阵列的流行矩阵， 是扩展虚拟阵列流形矢量，ak和bk分别是M×1维发射和N×1维接收阵列流行矢量，分别表示为

T

n(t)＝[n1(t),,nMN(t)]表示加性高斯白噪声矩

2 T

阵，其均值都为零、方差为σ ；s(t)＝[s1(t),,sK(t)]表示混合入射源信号矢量，将s(t)重新表示为其中 为非圆信号的非圆相位，Φ为K×K'

维的矩阵，K'＝Kn+2Kc，K'×1维向量中包含Kn个严格非圆信号sn(t)以及圆信号sc(t)的Kc个实部 和Kc个虚部将流形矩阵C改写为

C＝[C1(θk1,n,θk2,n,θk3,n,θk4,n)C2(θk1,c,θk2,c,θk3,c,θk4,c)]＝[C1C2]          (3)其中，C1是MN×Kn严格非圆信号的导向矩阵，C2是MN×Kc圆信号的导向矩阵；

将式(2)和式(3)代入式(1)中得

为了简化表示，后文中有的部分将省略角度对(θk1,θk2,θk3,θk4)和时间t；

(b)四维参数估计

为利用严格非圆信号的严格非圆特性和圆信号的虚拟严格非圆特性，将数据矢量x和其共轭对应耦合的数据矢量组成一个新的数据矢量y其中，γMN是MN×MN维交换矩阵， 为2MN×K'扩展导向矢量，其表达式为对Y进行奇异值分解得到：

其中，2MN×K'维US和2MN×(2MN‑K')维UN分别是左奇异信号子空间和噪声子空间，L×K'维VS和L×(2MN‑K')维VN分别是右奇异信号子空间和噪声子空间，L为快拍数，ΣS＝diag(λ1,λ2,,λK')和ΣN＝diag(λK'+1,λK'+2,,λ2MN)分别表示由K'和2NM‑K'个特征值构成的对角阵；

定义两个选择矩阵如下

严格非圆和圆混合信号关于角度θk1的选择矩阵为

其中有

类似的得到角度θkl的选择矩阵(Kl1,Kl2)；

基于选择矩阵Kl1和Kl2，基于非圆ESPRIT算法的原理，定义关于角度θkl的方向矩阵Gl；

+ H

Gl＝(Kl2US) Kl1US＝EΘlE                       (12)其中，E为K'×K'酉矩阵，包含角度信息的对角阵Θl表达式为式(12)中的Gl满足联合对角化条件，定义一个集合G＝{G1,G2,G3,G4}，并基于联合对角化方法取得一个酉矩阵E＝[e1,e2,…,e]K']，E是θkl的特征向量，θkl的特征值在联合对角化过程中保持着一一对应的关系，无需进行角度配对，θkl的特征值通过下式计算得到那么，从式(14)中容易得到每一个圆信号被看成是两个角度相等的虚拟严格非圆信号，所以θkl都存在K'个角度，但在实际中，入射信号只有K个，故根据求解角度出现冲个重复的个数辨别圆与非圆信号，由于圆信号的两个估计角度都可靠，根据取平均方法取得最终的非圆信号角度θkl,c(l＝1,

2,3,4)，

其中 和 分别为非圆信号估计到的第一个和第二角度。