基于music的无线通信测向设计与仿真

基于music的无线通信测向设计与仿真

ID:34115359

大小:912.16 KB

页数:31页

时间:2019-03-03

基于music的无线通信测向设计与仿真_第1页
基于music的无线通信测向设计与仿真_第2页
基于music的无线通信测向设计与仿真_第3页
基于music的无线通信测向设计与仿真_第4页
基于music的无线通信测向设计与仿真_第5页
资源描述:

《基于music的无线通信测向设计与仿真》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、东北大学秦皇岛分校计算机与通信工程学院Matlab与通信系统仿真-30-基于MUSIC的无线通信测向设计与仿真——以及对相干信号源平滑处理前言(关键字)多重信号分类(MUSIC)算法是Schmidt等人在1979年提出的。这一算法的提出开创了空间谱估计算法研究的新时代,促进了特征结构类算法的兴起和发展,该算法已成为空间谱估计理论体系中的标志性算法。此算法提出之前的有关算法都是针对阵列接收数据协方差矩阵进行直接处理,而MUSIC算法的基本思想则是对任意阵列输出数据的协方差矩阵进行特征分解,从而得到与信号分类相对应的信号子空间和与信号分量相正交的噪声子空间,然后利用这两个子空间的正交性构造空间谱函

2、数,通过谱峰搜索,检测信号的DOA。但是MUSIC算法的一个主要的局限性是当信源高度相关或入射角过于接近时,MUSIC算法比较难以区分入射角度。要正确地估计出相干信号的DOA,就必须要对相干信号进行解相干。经典的方法就是空间平滑,空间平滑的两个主要不足之处是阵列孔径的减少和只能是用于等距线性阵列中,针对前向空间平滑技术存在的缺点,对它进行了改进,采用前后向空间平滑技术,提高了阵列的角分辨率。然而不管哪种空间平滑技术,由于将接收天线阵列分成多个子阵,减小了阵元数和阵列有效孔径,进而减小了可以估计的空间信号源数。根据以上确定还有一种修正的MUSIC算法(MMUSIC算法),该算法在不影响对非相关信

3、源DOA估计的基础上,提高了对相干信号源的估计性能。本文主要是对DOA(波达方向)估计中传统MUSIC算法作了简要的介绍,然后通过仿真发现MUSIC算法不适用与相关信号。针对MUSIC算法的不足引出了空间平滑的MUSIC算法,很好的解决了相关信号的问题。同时本文描述它们基本原理的基础上,。从理论上分析了这几种方法的优缺点,又通过计算机仿真和比较,分析算法的性能指标。关键词:DOA估计;MUSIC算法;空间平滑-30-目录前言(关键字)-1-1.Music算法原理-6-2.相关信号改进MUSIC算法原理-9-2.1前向平滑算法原理-10-2.2前后向平滑算法原理-13-2.3MMUSIC(修正M

4、USIC)算法原理-15-2.4MUSIC算法流程-17-2.5前后向平滑算法流程-18-3.music算法及前后向平滑算法的程序代码及分析-18-3.1.music算法-19-3.2.前后向平滑改进MUSIC算法-20-3.3实验结果分析:-22-3.3.1MUSIC算法应用在相关信号:-22-3.3.2.平滑算法的使用:-24-3.3.3下面展示前向和前后向平滑的比较。-25-3.3.4下面展示的是Mmusic算法和前后向平滑算法的优劣-26-4、算法程序优缺点分析-29-5、总结-30-6、心得体会-31-7、参考文献-32--30-1.Music算法原理以平面空间的等距线阵为例,设阵元

5、数为M,阵元间距为d,共有p个信源,其中M>P。设波达方向为,并以阵列的第一个阵元作为基准,各信号源在基准点的复包络分别为,则第m个阵元在t时刻接收数据为:式中表示第m个阵元上的噪声。将各阵元在k时刻接收数据写成向量形式:在第k次快拍,得到的数据向量(4)为M个阵元的接收,为矩阵,即第k次快拍,每个阵元接受到D个信号的总和。为阵列阵元噪声矢量,且是与信号源不相关的白噪声,均值为0,方差为,。为输入信号向量。-30-为阵列的流形矩阵:=向量称为第i个信号源的方向向量。矩阵列向量即是阵列方向向量的集合,它表示所有信源的方向,称为阵列的方向矩阵。阵列的协方差矩阵R定义为;,式中为信源的协方差矩阵。由

6、于假设信号与噪声是不相关的,统计独立,因此式中的二,三项为零。而且噪声为平稳的加性高斯白噪声,且有。则式简化为式:当空间信源互不相干时,对协方差矩阵R进行特征分解,构造信号子空间和噪声子空间,利用其正交性直接采用MUSIC或ESPRIT算法进行DOA估计,利用阵列接收数据计算阵列输出矢量的协方差矩阵:其中,-30-因为方向矩阵各列相互独立,且在入射信号互不相关的情况下为非奇异阵,所以有R为满秩阵,所以有M个实正的特征值,分别对应M个特征向量为:进一步分析,容易知道R的特征值有下面的特性因此,我们可将R的M个特征向量分成两部分:一部分是与对应的特征向量,它们张成的空间称为信号子空间;另一部分是与

7、小特征值对应的特征向量,它们张成的空间称为噪声子空间,即有:当空间信源互不相干时,满秩,对角矩阵含有p个大的特征值,而对角矩阵含有M-p个小的特征值。一方面,由于和是协方差矩阵R的特征值和对应的特征向量,故有特征方程:-30-从而(2)由于假设非奇异,而当且仅当说明方向矩阵的各个列向量与噪声空间正交,故有由噪声特征值对应的特征向量形成的矢量空间称为噪声子空间,二者组成信号自相关矩阵的信息空间,利用

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。