陈未央，徐 乐，张小飞

（南京航空航天大学电子信息工程学院，南京211106）

阵列信号处理中的接收信号波达方向（Direc⁃tion of arrival，DOA）估计，近年来获得了广泛的关注和迅速的发展［1⁃3］，而在水声信号处理中，新型的声矢量传感器也越来越多地被应用到信号参数估计中。声矢量传感器一般由声压传感器和振速传感器组成，相比于传统的信号接收传感器，声矢量传感器可以同时测量空间中某点声场的标量和矢量，即同步共点测量声场中一点处的声压和质点振速若干正交分量，具备较强的抗各向同性噪声干扰的能力［4］，这些特点使得声矢量传感器阵列对于信号参数估计具有较大优势。

近年来，学者们已相继提出了许多关于声矢量传 感 器 阵 列DOA 估 计 的 算 法［5⁃11］，包 括 多 重 分 类（Multiple signal classification，MUSIC）算法［5⁃6］、借助旋转不变性进行信号参数估计（Estimation of signal parameters via rotational invariance tech⁃nique，ESPRIT）算 法［7⁃8］、传 播 算 子（Propagator method，PM）［9］，以及最大似然（Maximum likeli⁃hood，ML）算法［10］等。其中，基于子空间类的方法，如MUSIC 算法和ESPRIT 算法，通常要对接收信号协方差矩阵进行特征值分解，其计算复杂度较高。而PM 算法利用传播算子矩阵获得信号的参数估计，避免了接收信号协方差矩阵分解过程，其复杂度较低，但在低信噪比的情况下，该算法参数估计性能较差。

平行因子（Parallel factor，PARAFAC）模型最早于生理学中提出，用于对多维数据分析［12⁃13］，近年来，该技术被成功地运用到了信号处理领域。文献［14］利用平行因子模型中的PARAFAC 分解方法，能够得到声矢量传感器阵列二维DOA 估计。然而传统PARAFAC 算法直接利用随机矩阵进行初始化，如采用高斯随机矩阵初始化，后进行循环迭代更新，直到分解收敛。……