針對傳統(tǒng)的二維波達(dá)方向估計方法估計的信源數(shù)少、計算復(fù)雜度大的問題,提出了一種基于L型稀疏陣列的二維波達(dá)方向估計方法,利用安放在L型陣列上的互偶陣列來形成虛擬陣列,從而增加陣列自由度;通過將虛擬陣列分成若干個等間隔稀疏子陣列來壓縮角度搜索區(qū)間,從而降低計算復(fù)雜度;通過MUSIC搜索得到譜峰,并利用最大似然準(zhǔn)則篩選和匹配入射信號的俯仰角和方位角。該方法使可估計的信源數(shù)超過實際的物理陣元數(shù),不僅提高估計精度且大大降低了計算復(fù)雜度。MATLAB仿真結(jié)果驗證了該方法的有效性。 

【文章來源】：計量學(xué)報. 2019,40(05)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

互偶陣列示意圖Fig.1Thefigureoftheco-evenarray

的情況下，從信源的俯仰角和方位角兩個方面分析信噪比和樣本數(shù)對估計精度的影響。互偶陣列總物理陣元數(shù)為7(M=4，N=4)，其差陣列中所包含的虛擬陣元數(shù)為33，將差陣列分成2個子陣，每個子陣列提供的陣列自由度為8。為了比較，最大似然算法和克拉美羅下限(CＲB)［12］曲線也被畫出。在以下實驗中，互耦影響因子為0.1，搜索步長取為0.1，試驗次數(shù)為100次。(1)信噪比對估計精度的影響。令樣本數(shù)為600，經(jīng)過MATLAB仿真，均方誤差隨信噪比變化曲線如圖2所示。圖2均方誤差隨信噪比變化Fig.2Meansquareerror(MSE)versusSNＲ從圖2可以看出:隨著信噪比增大，俯仰角和方位角的均方誤差曲線呈下降趨勢，且從均方誤差的數(shù)量級來看，實現(xiàn)了角度的精確配對;總的來看，MUSIC算法的估計誤差小于最大似然算法估計誤差;對于MUSIC算法，俯仰角的估計誤差小于方位角的估計誤差。(2)樣本數(shù)對估計精度的影響。在實驗時，信第40卷第5期張志偉等:基于L型稀疏陣列的二維波達(dá)方向估計757

噪比為5dB。經(jīng)過MATLAB仿真，均方誤差隨樣本數(shù)變化曲線如圖3所示。圖3均方誤差隨樣本數(shù)變化Fig.3MSEversussnap從圖3可以看出:隨著樣本數(shù)增大，俯仰角和方位角的均方誤差曲線呈下降趨勢;總的來看，MUSIC算法的估計誤差與最大似然算法估計誤差相差不大;俯仰角的均方誤差曲線在方位角均方誤差曲線的下方，說明俯仰角的估計精度更高。3.2復(fù)雜度分析因為計算機在進(jìn)行計算時，所需要的時間與運算的次數(shù)成正比，因此對計算復(fù)雜度的分析可以轉(zhuǎn)換成計算機運算所需時間。為了比較不同方法的計算復(fù)雜度，在同一臺電腦進(jìn)行仿真實驗(電腦型號:LENOVOXIAOXINI2000;處理器:Intel(Ｒ)Core(TM)i7－5557UCPU@3.10GHz)，互偶陣列的分層(L=2)和不分層(L=1)兩種情況，估計波達(dá)方向角所需要的時間。在搜索步長為0.5，互耦影響因子為0.1，樣本數(shù)為600，信噪比為5dB的條件下，運算次數(shù)為100次并取其平均值，所用時間如表1所示。表1對2個信源DOA估計的搜索時間Tab.1ThetimeofsearchforDOAestimations搜索算法CEA(L=1)CEA(L=2)MUSIC431.32540.875ML289483365.289從表1可以看出:當(dāng)對兩個信源進(jìn)行DOA估計時，最大似然搜索時間都遠(yuǎn)遠(yuǎn)大于MUSIC算法的搜索時間，說明最大似然算法計算復(fù)雜度明顯高于MUSIC算法，不適用于工程實踐;且不分層的差陣列DOA估計的搜索時間明顯大于分層的差陣列的搜索時間;針對MUSIC算法而言，不分層的差陣列的搜索時間是分層的差陣列的10倍。3.3互耦矩陣的影響程度分析為了分析互耦對波達(dá)方向估計的影響，讓互耦影響因子γ從0.2逐漸變大直到為1，統(tǒng)計不

【參考文獻(xiàn)】：
期刊論文
[1]基于希爾伯特變換的科氏質(zhì)量流量計信號處理方法研究與實現(xiàn)[J]. 張建國,徐科軍,董帥,劉錚,侯其立.  計量學(xué)報. 2017(03)



本文編號：2960269