波达方向(DOA)估计是空间谱估计研究的主要课题。它在无线电侦收、移动通信、声纳等军事及国民经济领域中有着重要的应用。 作为最经典的DOA估计方法,MUSIC算法在所估计的信号为互不相干的窄带信号和模型准确的前提下,能以较高的效率实现对信号DOA的渐进无偏估计。但是,对于相关特别是相干信号以及相隔比较近的低信噪比信号,其分辨能力受到限制甚至完全失效。循环平稳性是解决此问题的有效手段之一。 大多数的通信信号都具有循环平稳性。具有相同循环频率的信号有可能循环相关,不同循环频率的信号循环互相关为零。其优点是,具有较好的信号选择性测向能力、较高的分辨率、与噪声统计特性无关,等等,所以,可以通过循环相关的方法,将期望信号检测出来,同时屏蔽掉干扰信号和噪声。 但是,所有的MUSIC及循环MUSIC类算法,均要进行全空间的谱峰搜索,这在源信号比较集中或分块集中时,会浪费大量的空闲搜索时间;而且在二维到达角估计时,更是如此。 为提高循环MUSIC类算法估计效率,以及获得高性能的二维到达角估计,本文做了以下几方面的工作: (1) 通过仿真,验证了Cyclic MUSIC算法的优点(与MUSIC相比较)。 (2) 针对循环MUSIC类算法的信号选择能力、谱峰搜索时间过长等局限性,提出了一种改进的快速高分辨率循环平稳DOA估计算法。该算法利用FFT需要的快拍数少、速度快等优点,预先探索存在来波信号的空间局部区域:然后,通过构造特殊的数据向量得到空间循环谱函数,再对这些局部区域进行谱峰搜索,滤除干扰和噪声,从而获得DOA估计值。仿真实验表明,该算法避免了整个空间的谱峰搜索,提高了估计效率,具有较好的噪声抑制性能和信号选择能力。 (3) 针对实际应用中的二维到达角估计问题,构造了一种三维阵列结构,将其分解为三个一维DOA估计,通过简单的参数配对来获得信号的二维到达角:并融入前面的FFT循环平稳方法,构成一个新的完整的算法。仿真实验表明,该算法降低了实现的复杂度,提高了估计效率,改善了估计性能。