论文部分内容阅读
在实际通信环境中,由于非期望干扰和阵列传感器硬件的差异性,接收信号通常受非均匀噪声的干扰,且信号中夹杂着难以分辨的相干信源,使现有的传统算法在低信噪比与小快拍数时性能往往严重下降。目前,关于非均匀噪声背景下的DOA估计算法研究较少,而为了进一步提高算法分辨力和角度估计精度,在非均匀噪声条件下,研究解相干,处理宽窄带信号以及基于压缩感知的DOA估计算法具有极大价值和重要的现实意义。由此,本文对非均匀噪声条件下的DOA估计算法展开了研究,改进了不同情形中的算法。主要内容是:首先,本文搭建天线阵列模型,分析选用了均匀线阵。对远场窄带和宽带阵列信号,还有非均匀噪声的数学模型,进行公式推导和参数分析。介绍了非均匀噪声和高斯白噪声的区别,展现了非均匀噪声的实际应用意义。建立相干信号源模型,分析相干信号的干扰原理。在窄带信号中,研究了多重信号分类算法的基本原理,并分析算法的优缺点和算法性能。对传统算法不能解相干的问题,分别研究了空间平滑算法和矩阵分解算法的基本原理,并且通过参数分析或实验验证了算法对相干信源的处理能力。在宽带信号中,介绍了ISM算法不能分辨相干信号的原理,还有CSM算法选取“聚焦矩阵”的问题。然后本文针对相干信源夹杂非均匀噪声在低信噪比和小快拍环境中使用常规DOA估计存在估计效果较差的情况:在窄带信号中,从改进的加权空间平滑出发,提出运用凸优化理论来克服协方差矩阵中的非均匀噪声,将其作为最优权重矩阵的DOA估计方法;在宽带信号中,从矩阵分解算法出发,提出利用凸优化抑制协方差矩阵里的非均匀噪声,且将零空间投影换为信号子空间投影并结合平方TOPS法,以减少估计误差,最后通过矩阵求迹进行谱峰搜索,降低了奇异值分解带来的计算量。仿真结果表明,相关改进算法在窄带信号和宽带信号中,具备优良的解相干能力,减小了信噪比和快拍数对DOA估计带来的误差干扰,而且在非均匀噪声干扰的环境下,相关改进算法也有着更佳的克服噪声干扰的能力,展现出更优良的估计性能。最后本文积极探索了在DOA估计里结合压缩感知技术,针对1l-SRACV算法在低信噪比等条件下,受非均匀噪声等因素影响,空间谱图容易出现伪峰和估计偏移的问题,提出一种修正的1l-SRACV算法,通过除去协方差矩阵主对角元素来抑制噪声。仿真结果表明,相对于经典MUSIC算法,1l-SVD算法和传统1l-SRACV算法,修正算法能够有效抑制伪峰的产生,验证了算法的有效性和准确性。