极化和幅度、时间、频率、相位一样,都是雷达信号的描述符,这些描述符可以把目标的信息完整地反馈给雷达。把极化信息引入阵列信号中,这种阵列称为极化敏感阵列。极化敏感阵列的信号参量估计主要研究阵列采样数据对空间到达角(DOA)和极化参数的联合估计。利用经典的子空间类高分辨谱估计MUSIC算法构造出空域-极化域联合谱,根据谱峰位置估计信号的空间到达角(DOA)和极化特性角。其次,ESPRIT算法是基于信号子空间的高分辨率的一种算法。在ESPRIT算法中,计算的效能取决于信元的旋转不变性。ESPRIT算法利用信号子空间的旋转不变性来进行空间DOA估计,不需要像MUSIC算法那样进行谱峰搜索。当信号源在空间运动变化即到达角不断变化或者极化状态不停改变时,信号的特征参量随时间变化而变化,因此,体现信号特征的联合谱应为动态时变的,能体现在任意时刻信号特征参数的瞬时特性。文中利用矩阵特征分解二阶修正法,使得矩阵特征值和特征向量能够进行递推,从而实现自适应估计,且计算量大大减少,有利于实时估计。另外,对经典ESPRIT算法进行改进,参考修正ESPRIT算法,利用旋转共轭矩阵对子矩阵进行处理,将数据共轭重排再利用,对阵元的输出信号进行两次子阵列处理,使快拍数有限及信噪比较小的情况下,信号DOA和极化参数估计性能得到明显改善。最后,从雷达电子对抗的角度分析了基于极化敏感阵列到达角(DOA)和极化参数的联合估计误差对雷达接收功率的影响。