欢迎来到天天文库
浏览记录
ID:33612454
大小:9.39 MB
页数:62页
时间:2019-02-27
《无需预估角的宽带doa估计方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、第一章绪论也使“高分辨"这一术语应运而生。但这两种方法仅是对常规波束形成法进行修正,通过增加对己知信息的利用程度而提高对目标的分辨能力,并没有在估计技术方面取得质的突破。Schmit等人提出的MUSIC[3](MultipleSignalClassification)方法,才实现了真正意义上的阵列高分辨测向,它开创了子空间类阵列信号处理算法研究的先河,可视为阵列信号高分辨算法研究中一个重要里程碑。该方法把实际数据的协方差矩阵的特征向量划分为与信号对应的特征向量和与噪声对应的特征向量,它们又分别张成对应的信号子空间和噪声子空
2、间,MUSIC利用这两个子空间的正交性来估计信号DOA,因此它又被称为子空间类高分辨算法。MUSIC可以分辨处于阵列孔径所对应一个波束内的多个目标信号,突破了过去阵列测向算法中阵列孔径对参数估计性能的瑞利限制。后来,Ryo等人提出的基于旋转不变技术信号参数估计方法ESPRIT[4l(EstimafionofSignalParametersviaRotationalInvarianceTechniques)又为子空闯类高分辨算法的研究翻开了新的一页。该方法利用信号子空间的旋转不变特性来估计信号参数,避免了MUSIC算法因需要
3、一维搜索而带来的大量计算,同时在一定程度上降低了算法对硬件的要求。宽带高分辨测向算法是在窄带算法的基础上发展而来的。相对于窄带高分辨算法而言,对宽带高分辨测向算法的研究起步比较晚。目前比较经典的宽带高分辨算法主要有两大类:一类是非相干子空间处理ISM[S'石](IncoherentSignalSubspaeeMethod)。对于宽带信号,由于不同频率下的阵列流形不同,从而导致不同频率下的信号子空间是不同的,这使得现有的窄带高分辨DOA估计方法不能直接应用于宽带信号的处理。ISM法将宽带信号分解成若干个窄带信号,然后分别对每
4、一个窄带信号进行处理,最后对各窄带的处理结果进行加权综合来得到DOA估计结果,由于该方法在每个频段上仅利用了宽带信号的部分信息,所以其估计性能不高,主要是分辨率低,不能解相关源。另一类宽带高分辨测向算法是Wang和Kaveh在1985年提出的相干信号子空间法CSMt7l(CoherentSignal.SubspaceMethod),该方法引入了“聚焦”(focusing)的思想,即通过聚焦,使得不同频率上的观测量在某一频率的子空间上对齐,然后对各子带的协方差矩阵进行平均,最后得到聚焦的协方差矩阵,利用该协方差矩阵可估计出宽
5、带信号的角度。CSM方法不仅估计性能优于非相干处理方法,而且它具有处理相关信号的能力。由于CSM方法具有相对较小的计算量和较高的分辨率等优越性,它一经提出,就得到了广泛的研究。算法的核心问题是构造聚焦矩阵,聚焦矩阵构造的好坏直接影响着算法的性能。由于在最初的算法中需要信号的DOA进行预估计以便构造聚焦矩阵,这使得算法的估计性能受信号DOA预估精度的影响。为了提高CSM方法的估计精度,针对3电子科技大学硕士学位论文需要角度预估计的这一缺点,人们提出了很多改进方法。如指向最小方差法[Sl(SteeredMinimumCovar
6、ianceMethod),该方法首先引入指向延时,再形成阵列输出协方差矩阵,它在指向方向上有效地聚焦了宽带信号,估计稳定性较好,但是当指向方向增多时,实现起来计算量非常大。宽带源聚焦的更有效的方法是能同时准确聚焦各方向信号的变换,应该用一种聚焦宽带协方差阵来估计整个空间谱,因此出现了空间重采样最小方差法[9](SpatiaUyResampledMinimumVarianceMethod),它是根据不同频率来调整空间采样间隔,以使宽带源在空间谱上对齐,其优点是可以获得稳定的宽带空间谱估计,估计偏差小且运算量不大,但是它只适合
7、于均匀线列阵。阵列插值法【lo](InterpolateArrayMethod)适用于任意形状的阵列,它利用内插技术,使得不同频率的信号对应于不同的虚拟阵列,而这些虚拟阵列具有相同的阵列流形,因此各子带的协方差矩阵可以直接相加来得到合成的协方差矩阵,最后利用现有的窄带方法估计信号的DOA,但这种方法的插值精度随着观测扇面的增加而迅速降低,导致估计性能的严重下降。寻求简单快速的参数估计算法一直以来是阵列高分辨算法中备受关注的一个研究课题。当阵列的阵元数目较多、需要处理的频带较宽时,宽带阵列高分辨DOA估计算法的运算量将变得非
8、常大;现有的基于子空间的高分辨方法,大都需要特征分解以获得所谓的信号子空间或噪声子空间,而特征分解的过程,运算量大,算法复杂,工程实现较繁琐,这将影响算法的实时应用。算法的时效性在雷达、声纳、实时通信等许多应用方面是至关重要的,为了使高分辨处理方法能应用于实际的阵列信号处理,研究快速算法是十分必要的。已
此文档下载收益归作者所有