本文選題：自校正　切入點：非圓信號　出處：《解放軍信息工程大學》2014年碩士論文

【摘要】：波達方向(Direction of Arrival,DOA)估計是陣列信號處理的一個關鍵研究方向。大多數超分辨率DOA估計算法都是以陣列流型精確已知為前提,因此理論性能優(yōu)良;但是在實際應用中,各類陣列誤差不可避免,這往往導致超分辨率DOA估計算法的性能嚴重惡化,甚至失效。因此,關于陣列誤差校正技術的研究顯得尤為重要,其中自校正算法以其能夠實現信源方位與陣列誤差參數的聯合在線估計而成為該領域的一個研究熱點。然而,已有的自校正算法很少應用信源自身的附加信息,因而可處理的信源數及估計精度受限�？紤]到非圓信號是現代通信系統(tǒng)中的常用信號,若利用非圓信號橢圓協方差矩陣不為零的特點,則能夠增加可用信息,繼而提升校正精度或者處理更多維數的未知參量。本文致力于結合信號的非圓特性以進一步提高陣列誤差自校正性能,研究工作圍繞非圓特性與陣列誤差模型、陣列誤差影響下非圓信號的DOA估計理論性能以及非圓自校正算法設計這三個方面展開。論文的主要內容及創(chuàng)新點概括如下:1.研究了非圓特性與陣列誤差模型。討論了幅相誤差(通道幅相誤差與方位依賴幅相誤差)、陣元間互耦、陣元位置誤差、多種陣列誤差同時存在下的陣列誤差形式,并總結了陣列誤差模型的統(tǒng)一表達式;建立出陣列誤差影響下的最大非圓率信號、任意非圓率信號、聯合信源時域自相關特性(樣本點之間的相關性)的非圓信號數據模型。2.研究了陣列誤差影響下非圓信號的參數估計性能界�；陉嚵姓`差影響下的確定性最大非圓率信號模型、隨機性非圓信號模型,以及聯合信源時域自相關特性的非圓信號模型,分別推導了DOA參數與陣列誤差參數的聯合估計克拉美羅界,并與未利用非圓特性的性能界進行對比分析。3.針對相互獨立的最大非圓率信號,設計了兩種非圓秩減估計器,分別應用于互耦的自校正與方位依賴幅相誤差的自校正,分析了算法參數可辨識性條件,并推導了DOA估計的均方誤差表達式。非圓秩減估計器在各陣元間噪聲獨立(空域白噪聲)的條件下,通過利用最大非圓率信號擴展協方差矩陣的特殊結構,能夠實現對獨立最大非圓率信號的信源方位與陣列誤差參數的“去耦合”估計,避免了多維非線性搜索與迭代,且較傳統(tǒng)秩減估計器的可分辨信源數以及校正精度均有明顯提升。4.針對任意非圓率信號,提出了一種基于擴展協方差匹配估計技術的自校正算法(NC-COMET算法),對算法的參數可辨識性條件進行討論,并分析了它的漸近性能。該算法在噪聲模型已知的前提下,利用非圓信號橢圓協方差矩陣不為零的特點,對協方差矩陣進行擴展,再基于擴展的協方差匹配技術進行參數估計,適用于信源間統(tǒng)計特性未知和統(tǒng)計獨立特性先驗已知兩種情況,參數的優(yōu)化求解通過牛頓型交替迭代算法實現。該算法在高斯信號模型下,可以達到隨機性非圓信號的克拉美羅界,當非圓與圓混合信號同時入射時也有效,在低信噪比環(huán)境中較傳統(tǒng)的最優(yōu)估計算法具有更強的魯棒性,尤其在統(tǒng)計獨立特性先驗已知的情況下該優(yōu)勢更為明顯。5.針對未知噪聲場中的陣列誤差自校正問題,提出了一種基于雙邊輔助變量的非圓信號子空間擬合自校正算法(2-sided IV-NCWSSF算法),討論了算法參數可辨識性條件,并分析了它的漸近性能。該算法同時結合了信號的非圓特性與時域自相關特性,首先根據加權信號子空間擬合的基本思想構造了目標函數,再對目標函數化簡,從而利用一種改進的交替投影算法實現信源方位和陣列誤差參數的聯合優(yōu)化。該算法不僅適用于非圓與圓混合信號同時入射的情況,并且與前兩種非圓自校正算法相比,它不受噪聲模型的約束,在空域色噪聲場中對相關信號也能夠達到較高的校正精度。
[Abstract]:This paper deals with the non - circular characteristics and array error model . A non - circular signal subspace fitting self - correcting algorithm ( 2 - sided IV - NCWSSF ) based on two - sided auxiliary variable is proposed .

【學位授予單位】：解放軍信息工程大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN911.23

【參考文獻】

相關期刊論文 前10條

1 魯祖坤;高鷹;石宇;劉揚;;基于均勻圓陣的互耦誤差校正算法研究[J];電子技術應用;2013年05期

2 宋愛民;李堰;劉劍;陳校平;;非圓信號多級維納濾波DOA估計求根算法[J];電子科技大學學報;2013年01期

3 司偉建;朱f，

本文編號：1676969