论文部分内容阅读
阵列信号处理是现代信号处理领域的一个重要分支。与单个天线相比,由多个天线按一定规律排列形成的天线阵列,在接收空间信号时可以提供空间角度分集。由于可获得功率增益、空间分集增益和干扰抑制增益,采用阵列天线可以在不显著增加带宽同时,提高系统的覆盖范围、链路的稳定性和系统的传输速率。阵列信号处理已经广泛应用在雷达、通信、声呐等系统中,同时也是5G大规模多输入输出（Massive Multiple Input Multiple Output,Massive MIMO）中的核心技术之一。在雷达和无线通信等系统中,常常需要对入射信号的空频域进行准确估计,进而实现参数估计和信号检测。本文开展阵列天线系统中的空频域参数估计算法研究,选题具有理论意义和应用价值。论文拟解决稀疏阵列空间谱估计的复杂度问题、二维谱峰搜索的高复杂度问题、相干信源二维空间谱估计问题和阵列天线正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统中的频率估计问题。本文的主要创新点如下:（1）针对嵌套阵中空间谱估计的复杂度问题,提出了嵌套阵中一种基于离散傅里叶变换（Discrete Fourier Transform,DFT）的低复杂度波达方向（Direction Of Arrival,DOA）估计算法。该算法对接收数据协方差矩阵进行矢量化运算,对矢量化后的接收数据进行排序去冗余,从而得到扩展了阵元数的接收数据,然后利用DFT变换得到DOA初估计,最后通过局部峰值搜索得到DOA精确估计,有效降低了计算复杂度。相比于空间平滑类算法,该基于DFT的算法充分利用了虚拟阵列的完整自由度,从而减少了孔径的损失,并且角度估计性能有所提高。（2）针对展开互质阵空间谱估计的复杂度问题,提出了展开互质阵中一种基于求根多重信号分类（MUltiple SIgnal Classification,MUSIC）的DOA估计算法。相比于普通互质阵,展开互质阵进一步增大了阵列虚拟孔径。该算法在利用展开互质阵提升阵列孔径的同时,通过多项式求根避免了对信源角度进行谱峰搜索,从而使得计算复杂度得以降低,同时该算法的角度估计性能好于解模糊MUSIC算法和基于旋转不变性的参数估计（Estimation Signal Parameter via Rotational Invariant Technique,ESPRIT）算法。（3）针对二维谱峰搜索的高复杂度问题,提出了均匀面阵中一种基于局部搜索降维Capon的二维DOA估计算法。该算法将DFT与降维Capon相结合,利用了二维DFT来开展初始化估计,再利用降维Capon实现自动配对的二维DOA估计。该算法将二维谱峰搜索降为一维谱峰搜索,将全局搜索降为局部搜索,大大减小了计算复杂度。该算法的角度估计性能优于传播算子（Propagator Method,PM）算法和ESPRIT算法,非常接近于二维Capon算法。（4）针对相干信源二维空间谱估计问题,提出了均匀面阵中一种基于线性相关平行因子（Parallel Profiles With Linear Dependencies,PARALIND）分解的相干信源二维DOA估计算法。该算法将均匀面阵相干信源的二维DOA估计问题建模成PARALIND分解问题,利用PARALIND分解直接对接收数据进行处理,并实现了仰角和方位角的自动配对,且该算法无需二维谱峰搜索或对接收信号协方差矩阵进行特征值分解。仿真表明,该算法的角度估计性能优于前后向平滑ESPRIT（Forward Backward Spatial Smoothing-ESPRIT,FBSS-ESPRIT）算法和前后向平滑PM（Forward Backward Spatial Smoothing-PM,FBSS-PM）算法。针对PARALIND分解过程计算复杂度高的问题,将PARALIND模型与压缩感知理论相结合,提出了均匀面阵中基于压缩感知PARALIND分解的相干信源二维DOA估计算法。该算法能够得到相干信源的配对的二维DOA估计,同时相较于PARALIND算法,所提算法借助于接收数据压缩过程,拥有较低的计算复杂度以及较小的数据存储容量。仿真表明,所提算法的二维角度估计性能接近于PARALIND算法,同时优于FBSS-ESPRIT算法和FBSS-PM算法。（5）针对阵列天线OFDM系统中的频率估计问题,在传统PM算法的基础上,提出了阵列天线OFDM系统中一种基于多移不变PM的载波频偏（Carrier Frequency Offset,CFO）估计算法。该算法重构了接收信号,利用多移不变性来估计CFO。所提算法在不需要知道信号恒定模数和统计特性的情况下,即可实现CFO估计,并且较PM算法和ESPRIT算法有着更好的CFO估计性能。所提算法无需对接收信号协方差矩阵进行特征值分解,也不需要对接收数据进行奇异值分解,因此算法复杂度较低。针对三线性分解过程计算复杂度高的问题,提出了阵列天线OFDM系统中一种基于压缩感知三线性模型的CFO估计算法。与三线性分解算法相比,所提算法由于对接收信号进行了压缩,因此拥有较低的计算复杂度以及较小的数据存储空间。仿真表明,所提算法的CFO估计性能均接近于三线性分解算法,同时优于传统的ESPRIT算法和PM算法。