论文部分内容阅读
在阵列信号处理中,绝大多数高分辨率来波方向(Direction of Arrival.DOA)估计算法都是准确得知阵列信号的信号源数目为前提的。不准确的信号源数目估计将会使DOA估计算法的性能严重下降。因此,能准确估计阵列信号的信源数目对后续的阵列信号处理意义重大。现有的大多数信号源数目估计算法是以在白噪声背景下,阵元数目远大于信号源数目前提下实现的。然而,这些算法对基于空间色噪声背景下,当信源数目接近阵元数,尤其信源数目仅比阵元数少一个条件下的阵列信号,其估计性能会严重下降,为了改善此问题提出了一种基于均匀圆阵(Uniform Circular Array.UCA)的信源数目估计的建模方法。论文的主要工作内容包括:1、通过查阅大量优秀的国内外文献,详细介绍阵列信号处理研究背景及国内外学者对信源数目估计算法的研究现状。2、回顾阵列信号相关基础知识。其中包括常用的阵列模型、阵列信号模型、加性噪声模型以及影响信源数目估计因素等等。3、简要介绍了特征值法、信息论准则法、盖氏圆等经典窄带信源数目估计算法,并通过理论实验仿真分析信噪比、快拍数、背景噪声、信号源数目等因素对其估计性能的影响。4、本文建模方法是以希尔伯特黄变换(Hilbert-huang Transform.HHT)和支持向量机(Support Vector Machine.SVM)为基础,对两个经典理论作详解介绍,浅谈它们在众多领域中发挥的作用。5、重点介绍本文算法设计流程和实验验证。为了改善现有算法在空间色噪声环境下,当信源数目接近阵元数,尤其信源数目仅比阵元数少一个时估计性能严重下降问题,本文提出了一种利用含M阵元的UCA(M-UCA)能准确估计M-1个或更少信号源数的建模方法。其依据是由于UCA的各个阵元接收信源有相位差异,HHT可以提取原始信号的瞬时相位,对瞬时相位提取特征值作为训练样本放入SVM中训练,得到数学模型,最后用训练好的数学模型估计未知阵列信号的信号源数目。通过理论数据实验和射频消音室数据实验都验证了本文建模方法所得到数学模型可以较好估计正定条件下阵列信号的信号源数目,且对于不同入射角、信噪比、快拍数等条件下的阵列信号有较强的鲁棒性。