论文部分内容阅读
空间谱估计是通过空间多个传感器阵列来检测信号并对其进行定位,主要目的是提高角度估计的精度和角度分辨率,以及在尽可能不降低算法性能的前提下,提高算法的运算速度。空间谱超分辨算法估计角度的结果可以突破瑞利限制,它以优越的分辨和估计性能广泛的应用在通信、雷达等领域。MUSIC算法是子空间类超分辨算法的经典代表,它的提出是空间谱超分辨算法研究中的一个里程碑。本文首先对经典的MUSIC算法、ESPRIT算法和波束空间的MUSIC算法进行了简要介绍,并对其进行了仿真和性能比较分析。MUSIC算法在大信噪比、大快拍数的条件下具有很高的估计精度、分辨率以及算法稳健性,在理想情况下,其算法性能接近于克拉美-罗界。但是子空间类超分辨算法涉及到对协方差矩阵的估计及对其进行特征分解,计算量大,限制了其在工程中的应用。为了避免对协方差矩阵进行特征分解,研究了非特征分解的MUSIC算法。主要介绍了基于数据共轭重排的MUSIC算法、基于空间平滑差分的MUSIC算法、基于维纳滤波结构的MUSIC算法以及本文提出的基于施密特正交化的MUSIC算法。对这些算法进行了仿真并对比分析其性能,仿真试验结果表明在大信噪比(15dB以上)时,这些算法的性能接近于MUSIC算法。针对MUSIC算法对大快拍数的要求,接下来研究了一次快拍的MUSIC算法。一次快拍可利用的数据少,因此算法对信噪比、噪声及信源个数的要求比较高。本文重点研究了降维的MUSIC算法、基于Hankel矩阵的MUSIC算法和一次快拍下基于维纳滤波结构的MUSIC算法。这些算法均需要对阵列进行降维处理,减少了阵列有效孔径,降低了天线的自由度。最后对这些算法进行了仿真分析,小信噪比时算法性能相对于大快拍数条件下的MUSIC算法有所下降。最后针对高频地波雷达中信号处理的特点,即经过距离、多普勒处理后,然后检测处理判定目标谱峰区域,然后针对特定的距离、多普勒单元进行角度超分辨估计。本文推导了高频雷达中一次快拍DOA估计时的频域阵列模型,仿真试验验证了降维后噪声子空间和信号导向向量的正交性比降维前要好,验证了一次快拍时降维处理的必要性。针对降维的MUSIC算法分辨率不高的缺点,本文提出了一种基于信号子空间投影的降维MUSIC算法,仿真和实测数据均验证了算法的有效性。