1.一种基于L型阵列的二维非相干分布式非圆信号参数估计方法，其特征在于，是将L型阵列接收到的入射信号数据及接收到的数据共轭形成一个新的扩展数据矢量；基于所述的新的扩展数据矢量，构建扩展协方差矩阵并对建扩展协方差矩阵进行特征分解，得到相应的信号子空间和噪声子空间；再将L型阵列的X轴和Z轴各分成两个具有相同阵元数的不同但子阵，根据X轴的两个子阵的划分方式分别得到两个子阵对应的信号子空间，根据Z轴的两个子阵的划分方式分别得到Z轴的两个子阵对应的信号子空间；最后，根据秩损失原理分别构造出一个信源参数估计器来估计出非相关分布源的两个中心DOA，并进行配对；具体包括如下步骤：

1)建立L型阵列信号模型，建模过程包括：接收数据矢量、扩展数据矢量、扩展协方差矩阵以及扩展协方差矩阵的特征分解；其中：所述的接收数据矢量，包括：

所述的L型阵列是一个位于在X‑Z平面上由X轴和Z轴阵列构成的L型阵列，由X轴的M个阵元和Z轴的N个阵元组成，相邻阵元的间距设为d，为了保证无偏差估计，取d＝λ/2，λ为波长；设定有K个远场窄带不相关的非相干分布式非圆信号sk(t)，k＝1,2,…,K，以角度入射到所述的L型阵列；设定非相干分布源模型中分布源的能量在空间连续分布，而实际中，入射信号沿大量散射路径照射到阵列，则t时L型阵列接收数据矢量x(t)表示为其中为(M+N‑1)×1维阵列流型矢量； 和 是对应于第k个非圆信号的第l条路径的两个入射角度；γk,l(t)表示对应入射路径的复值增益；Lk是第k个非圆信号的入射路径总数；n(t)＝T[n1(t),…,nM+N‑1(t)] 是均值为0、方差为 的加性高斯噪声矢量，对于非相干分布源而言，不同传播路径的复值增益γk,l(t)不相关，即γk,l(t)为在时域独立同分布的零均值复变量，入射角度 和 分别表示为

其中，θk和βk是第k个非圆信号的两个中心DOA； 和 是第k个非圆信号两个中心DOA对应的角度偏差，设定 和 分别服从均值为0、方差为 和均值为0、方差为的高斯分布， 和 为角度扩展，采用0‑10角度扩展，即 和 取值越小，对应于同一非圆信号的不同入射路径的DOA取值越接近；

根据入射角度 和 的表达式，在0～10角度扩展的情况下，阵列流型矢量的一阶泰勒展开为

其中， 为a(θk,βk)对θk的偏导数， 为a(θk,βk)对βk的偏导数，则接收数据矢量x(t)重新表示为：其中：

将式(5)改写为如下简洁形式

x(t)≈B(θ,β)g(t)+n(t)                              (7)其中

(M+N‑1)×3K

B(θ,β)＝[A(θ1,β1),A(θ2,β2),…,A(θK,βK)]∈C            (8)(M+N‑1)×3

A(θk,βk)＝[a(θk,βk),a′θ(θk,βk),a′β(θk,βk)]∈C            (9)

3×1

gk＝[υk,0(t),υk,1(t),υk,2(t)]∈C                    (11)B(θ,β)是广义阵列流型矩阵，且仅与中心DOA有关，用于获得对中心DOA的解耦估计；g(t)为信号矢量；n(t)是噪声矢量；

接收信号是具有非圆率为1的严格非圆信号，因此，信号矢量g(t)重新写为g(t)＝Φg0(t)                                         (12)

3K×1

其中，g0(t)∈C 是一个实值信号矢量； 是T

3K×3K维的对角矩阵，对角元素ω＝[ω1,ω′θ,1,ω′β,1,…,ωK,ω′θ,K,…,ω′β,K]中包含了非圆相位信息；

所述的扩展数据矢量，包括：

利用信号的非圆特性将均匀线性阵列的接收数据矢量x(t)与接收数据矢量x(t)的共*轭x(t)组成一个新的扩展数据矢量y(t)：其中

为扩展广义流型矩阵； 是扩展噪声矢量；

所述的扩展协方差矩阵R为：

H

其中，Λ＝E{g(t)g(t)}是信号矢量g(t)的协方差；

2)估计信源中心DOA，包括对L型阵列的划分、信号子空间的划分、根据秩损失原理分别构造出一个信源参数估计器来估计出非相关分布源的两个中心DOA以及对两个中心DOA进行配对；

所述的根据秩损失原理分别构造出一个信源参数估计器来估计出非相关分布源的两个中心DOA，包括：定义矩阵Ψ(θ)为

jψ ‑jψ

Ψ(θ)＝blkdiag{e IM‑1,e IM‑1}                 (37)其中ψ＝2πdcosθ/λ；构造D(θ)为

其中， 根据式(31)，Q(θ)改写为

根据式(39)，当θ＝θk时，Q(θ)的中(Ωk‑Ψ(θ))的第(2k‑1)列变为零，因此，如果θ＝θk，HD(θ)产生秩亏欠，D (θ)D(θ)的行列式变为零，故非圆信号中心DOA的估计值 通过搜索下式的最大K个峰值得到：同样，定义矩阵Ψ(β)为

jψ ‑jψ

Ψ(β)＝blkdiag{e IN‑1,e IN‑1}                    (41)其中ψ＝2πdcosβ/λ；构造D(β)为

其中， 类似的Q(β)可以改写为

其中

Θ′θ,k＝02(N‑1)×2(N‑1)                             (45)由式(43)知道，当β＝βk时，Q(β)的中(Θk‑Ψ(β))的第(2k‑1)列变为零，因此，如果β＝Hβk，D(β)将产生秩亏欠，D(β)D(β)的行列式变为零，故非圆信号中心角β的估计值 通过搜索下式的最大K个峰值得到：

2.根据权利要求1所述的基于L型阵列的二维非相干分布式非圆信号参数估计方法，其特征在于，步骤1)中所述的扩展协方差矩阵的特征分解，是对扩展协方差矩阵R进行特征分解来划分子空间，即其中，2(M+N‑1)×2K的矩阵Us和2(M+N‑1)×[2(M+N‑1)‑2K]的矩阵Un分别为信号子空间和噪声子空间；2K×2K的矩阵Σs＝diag{λ1,…,λ2K}和[2(M+N‑1)‑2K]×[2(M+N‑1)‑2K]的矩阵Σn＝diag{λ2K+1,…,λ2M(+N‑}1)是对角矩阵，表示扩展协方差矩阵R的特征值。

3.根据权利要求1所述的基于L型阵列的二维非相干分布式非圆信号参数估计方法，其特征在于，步骤2)中所述的L型阵列的划分，为实现两个中心DOA估计，将L型阵列的X轴和Z轴各分成两个具有相同阵元数的子阵，为保证最佳的估计准确度，令X轴的每一子阵的阵元数为M1＝M‑1，Z轴的每一子阵的阵元数为N1＝N‑1，且四个子阵分别包含坐标值为{x1,…,xM‑1}，{x2,…,xM}，{z1,…,zN‑1}和{z2,…,zN}；为了方便表示，令 和 表示X轴两个子阵阵元的位置， 和 表示Z轴两个子阵阵元的位置，且x1,m＜x2,m,m＝

1,…,M1，z1,n＜z2,n,n＝1,…,N1；

定义以下选择矩阵

(M‑1)×(M+N‑1)

J1＝[0(M‑1)×(N‑1) IM‑1 0(M‑1)×1]∈C                      (17)(M‑1)×(M+N‑1)

J2＝[0(M‑1)×(N‑1) 0(M‑1)×1 IM‑1]∈C                     (18)(N‑1)×(M+N‑1)

J3＝[0(N‑1)×1 IN‑1 0(N‑1)×(M‑1)]∈C                      (19)(N‑1)×(M+N‑1)

J4＝[IN‑1 0(N‑1)×1 0(N‑1)×(M‑1)]∈C                      (20)由公式(8)、(9)和(14)，得：

其中，

Ω′β,k＝02(M‑1)×2(M‑1)                                (29)*

a (θk ,βk)，

和 分别是a(θk,βk)，a′θ(θk,βk)和a′β(θk,βk)的共轭，K1＝blkdiag{J1,J1}，K2＝blkdiag{J2,J2}，根据式(21)，(22)和(23)，得到：

4.根据权利要求3所述的基于L型阵列的二维非相干分布式非圆信号参数估计方法，其特征在于，步骤2)中所述的信号子空间的划分，由子空间理论，信号子空间Us张成的列空间与扩展广义流型矩阵 张成的列空间相同，即其中，T是一个可逆的2K×2K维矩阵，根据X轴子阵的划分，将信号子空间Us为只跟θ有关

2(M‑1)×2K

的两个信号子空间U1和U2，U1,U2∈C ，其中：同样，根据Z轴子阵的划分，将信号子空间Us为只跟β有关的两个信号子空间U3和U4，U3,

2(N‑1)×2K

U4∈C ，其中：

其中K3＝blkdiag{J3,J3}，K2＝blkdiag{J3,J3}。

5.根据权利要求3所述的基于L型阵列的二维非相干分布式非圆信号参数估计方法，其特征在于，步骤2)中所述的对两个中心DOA进行配对，包括：在单个信源情况下， 和 分别通过式(40)和式(47)获得，但是，当存在多个入射信源时，由于中心角θ和中心角β的估计是独立完成的， 和 不一定是一一对应的关系，因此需要对 和 进行配对处理，将 和 带入到二维MUSIC空间谱，通过计算分母的最小值来完成配对，采用下面的公式进行配对处理：2

其中，En表示接收数据矢量x(t)的协方差矩阵的噪声子空间，||·||表示二范数。