基于波形已知的DOA估计研究

《基于波形已知的DOA估计研究》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、分类号：：密级ＵＤＣ：编号：工学硕士学位论文基于波形已知的ＤＯＡ估计研究硕士研究生：蒲彬指导教师：刘鲁涛副教授学科、专业：电子与通信工程论文主审人：陈涛教授哈工程大学２０１８年０６月分类号：密级：UDC：编号：工学硕士学位论文基于波形已知的DOA估计研究硕士研究生：蒲彬指导教师：刘鲁涛副教授学位级别：工学硕士学科、专业：电子与通信工程所在单位：信息与通信工程学院论文提交日期：2018年05月论文答辩日期：2018年06月学位授予单位：哈尔滨工程大学Classi

2、fiedIndex:U.D.C:ADissertationfortheDegreeofM.EngResearchofDOAEstimationAlgorithmswithKnownWaveformsCandidate:PuBinSupervisor:Assoc.Prof.LiuLutaoAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ElectronicsandCommunicationEngineeringDateofSubmission

3、:May.2018DateofOralExamination:June.2018University:HarbinEngineeringUniversity摘要波达方向估计作为阵列信号处理的一个重要研究内容，近年来得到了迅速的发展，它不仅在军事领域有着广泛的应用，在很多民用的方面也有重要应用。传统的DOA估计技术利用阵列空间采样，不用考虑任何接收信号先验信息，但在主动雷达、声呐、医疗器械等应用环境下，信号的波形往往是完全已知或部分已知的，利用已知波形先验信息可以进一步提高DOA估计精度，减小计算复杂

4、度。因此基于波形已知的波达方向估计是本文主要的研究内容，本文主要对基于波形已知的最大似然类及迭代类的波达方向估计算法进行了研究。本文主要内容如下：1、研究了基于波形已知的解耦最大似然估计算法、相干解耦最大似然估计算法、白噪声相干解耦最大似然估计算法，并利用交替最大算法进行了改进，在此基础上研究了角度和衰落系数的联合估计算法。2、研究了子阵波束形成算法，并将相关相减多级维纳滤波器引入该算法中，提出了基于波形已知的CSA-SBDOA算法，该方法避免了对矩阵求逆的过程，且不用计算阻塞矩阵。对多级维纳滤波器

5、的性质进行了进一步的研究，利用已知的波形信息对子空间分解类算法进行了改进，当来波信号相干时，直接在数据域利用空间平滑技术进行解相干，避免了特征分解的过程。3、研究了波形信息已知的宽带RELAX算法，参考阵元的接收数据可以用波形频域形式的积分来表示，考虑各阵元的时延，提出了一种新的宽带阵列接收模型，结合基于信号分离的RELAX算法，便可得到波达角度的估计值。该算法无需对宽带信号进行窄带预处理，且具有运算简便的优点。关键词：DOA估计；波形已知；最大似然；多级维纳滤波器；宽带RELAXABSTRACTA

6、sanimportantresearchcontentofarraysignalprocessing,thedirectionofarrival(DOA)estimationhasbeenrapidlydevelopedinrecentyears.Itnotonlyhasawiderangeofapplicationsinthefieldofmilitary,butalsoplaysamorecrucialroleinmanycivilianaspects.ThetraditionalDOAesti

7、mationtechniqueusesarrayspacesamplingwithoutconsideringanypriorinformationofthereceivedsignal.However,Inradar,sonar,medicalequipmentandotherapplications,thewaveformofthesignalisoftencompletelyknownorpartlyknown,usingthepriorknowledgeofknownwaveformscan

8、furtherimproveDOAestimationaccuracyandreducecomputationalcomplexity.Therefore,thedirectionofarrivalestimationbasedontheknownwaveformisthemainresearchcontentofthispaper.Thispapermainlystudiesthemaximumlikelihoodclassanditerativeclassmeth