论文部分内容阅读
波达方向（Direction Of Arrival,DOA）估计是阵列信号处理领域的研究热点之一,在雷达、声纳、导航、无线通信、语音处理和射电天文学等领域具有较为广泛的应用。目前大多数常规的高分辨子空间类和稀疏重构类DOA估计算法都是基于背景噪声为统计特性已知的高斯白噪声、采样协方差矩阵确知、且空间信源恰好位于预先划分的空间网格上。然而在实际应用中,由于采样次数和预设离散网格点的有限性,采样协方差矩阵不可能确知,信源方位角可能不完全落在预设有限搜索网格上,这类问题将导致算法的性能下降甚至失效,从而限制了各类DOA估计算法的实际应用。针对现有问题,本文分别在不同条件下对DOA估计方法进行研究,具体内容如下:1.针对有限次采样导致传统波达方向角（DOA）估计算法存在较大估计误差的问题,提出一种基于低秩恢复的稳健DOA估计方法。首先,基于低秩矩阵分解方法,将接收信号协方差矩阵建模为低秩无噪协方差及稀疏噪声协方差矩阵之和;而后基于低秩恢复理论,构造关于信号和噪声协方差矩阵的凸优化问题;再者构建关于采样协方差矩阵估计误差的凸模型,并将此凸集显式包含进凸优化问题以改善信号协方差矩阵估计性能进而提高DOA估计精度及稳健性;最后基于所得最优无噪声协方差矩阵,利用最小方差无畸变响应（MVDR）方法实现DOA估计。此外,基于采样协方差矩阵估计误差服从渐进正态分布的统计特性,该文推导了一种误差参数因子选取准则以较好重构无噪声协方差矩阵。数值仿真表明,与传统常规波束形成（CBF）、最小方差无畸变响应（MVDR）、传统多重信号分类（MUSIC）及基于稀疏低秩分解的增强拉格朗日乘子（SLD-ALM）算法相比,有限次采样条件下所提算法具有较高DOA估计精度及较好稳健性能。2.针对稀疏重构方法中存在网格不匹配导致传统波达方向角（DOA）估计算法存在较大估计误差问题,提出一种基于协方差矩阵重构的离散网格（off-grid）DOA估计方法。首先,构造空域离散网格,将实际DOA与网格点之间的偏移量建模进离网格模型中,建立均匀线阵接收数据模型;而后基于协方差矩阵重构方法构造稀疏重构信号凸优化问题;再者构建关于采样协方差矩阵估计误差的凸模型,并将此凸集显式包含进凸优化问题以改善稀疏信号重构性能进而提高DOA估计精度;最后采用分步迭代方法求解稀疏信号和网格偏移参数实现DOA估计。数值仿真表明,与传统多重信号分类（MUSIC）、l1-SVD及基于稀疏和低秩恢复的稳健MVDR（SLRD-RMVDR）估计算法相比,所提算法具有较高的角度分辨力和DOA估计精度。