论文部分内容阅读
空间谱估计是阵列信号处理研究的关键问题。空间谱估计能够通过测量信号的能量分布来获取信号的波达方向(Direction of arrival,DOA),因此可用来对目标进行空间定向。由于一维参数应用在现实环境中有较大的局限性,因此常需要二维参数来确定三维空间中的目标的方位。而常用的二维空间谱算法由于多维谱峰搜索运算量过高限制了其应用,因此,本文开展的是二维空间谱估计算法研究,并提出一系列全新的算法,该课题极具理论意义和应用前景。本文工作如下:1)提出了基于级联多重信号分类(MUltiple SIgnal Classification,MUSIC)的二维空间谱估计算法。级联MUSIC算法先利用子空间的旋转不变性做初估计,再使用两次一维搜索实现自动配对的二维空间谱联合估计,可避免二维MUSIC算法由二维谱峰搜索带来的巨大运算,降低了计算复杂度,且角度估计性能非常接近于二维MUSIC算法。2)提出了基于降维Capon的二维空间谱估计算法。降维Capon算法采用一次一维搜索实现二维空间谱联合估计,极大程度地降低了计算复杂度,同时角度估计性能逼近于二维Capon算法。具有参数自动配对的优点。3)提出了基于级联传播算子(Propagator Method,PM)的二维空间谱估计算法。级联PM算法先利用传播算子矩阵的旋转不变性做初估计,进而采用两次一维搜索实现自动配对的二维空间谱联合估计,可避免二维PM算法的庞大的计算负担,从而降低复杂度,且角度估计性能逼近于二维PM算法。4)研究了两种适用于相干信源的二维空间谱估计算法:空间平滑(Spatial-Smoothing,S-S)的借助旋转不变性进行信号参数估计(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法和类Toeplitz矩阵重构的ESPRIT算法。空间平滑的ESPRIT算法可以解决相干信号导致信源协方差矩阵的秩亏缺问题,在进行谱估计之前先进行预处理,将协方差的秩恢复到信号源数,进而使用ESPRIT算法实现二维空间谱估计;类Toeplitz矩阵重构的ESPRIT算法通过特殊的天线阵列模型,重构一个类Toeplitz矩阵,使其秩与信号的波达方向有关,而不受信号相干性的影响,从而达到去相干的目的,进而通过ESPRIT算法实现二维空间谱估计。两种算法均能实现仰角和方位角的自动配对。