本文關(guān)鍵詞：相干信號(hào)源的陣列測(cè)向算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：波達(dá)方向估計(jì)(DOA)一直是陣列信號(hào)處理中一個(gè)較為熱門的研究方向。目前大部分DOA算法都是基于空域信號(hào)是相互獨(dú)立或不相關(guān)這一假設(shè)的。然而在實(shí)際應(yīng)用中,相干信號(hào)是普遍存在的。針對(duì)相干信號(hào)源的一般DOA算法所面臨的陣列利用率低,低信噪比表現(xiàn)差等問題,本文給出了一些基于子空間算法的相干信源處理方法。近年來,壓縮感知和稀疏重構(gòu)理論引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注,并將其應(yīng)用于DOA估計(jì)算法中。由于其在處理相干信號(hào)時(shí)的天然優(yōu)勢(shì),本文基于稀疏重構(gòu)理論給出了一些更加優(yōu)越的算法。全文工作內(nèi)容可以概括如下:(1)給出一種可以分開估計(jì)獨(dú)立信號(hào)與各個(gè)相干群DOA的新方法�；诰鶆蚓�陣的導(dǎo)向矢量的線性組合不產(chǎn)生新導(dǎo)向矢量這一結(jié)論,首先采用多重信號(hào)分類(MUSIC)算法直接估計(jì)獨(dú)立信號(hào)源的DOA信息。然后利用陣列接收數(shù)據(jù)二階項(xiàng)中獨(dú)立信號(hào)和噪聲的Toeplitz特性,采用差分操作去除獨(dú)立信號(hào)和噪聲的影響,接著構(gòu)造無交互影響的虛擬陣列流型矩陣,針對(duì)該矩陣的每一列采用改進(jìn)的矢量奇異值算法估計(jì)每個(gè)相干群的DOA信息。(2)當(dāng)接收信號(hào)中相干群較多時(shí),上一算法需要進(jìn)行多次奇異值分解,且所有操作都是基于復(fù)數(shù)域的,因此計(jì)算量較大。通過將虛擬陣列流型矩陣中的每一列看做是一個(gè)單次快拍虛擬數(shù)據(jù),采用擴(kuò)展孔徑的實(shí)值旋轉(zhuǎn)不變子空間(ESPRIT)算法估計(jì)各個(gè)相干群的來波信息,進(jìn)而在一定程度上減小了計(jì)算量。同時(shí)由于差分操作去除了噪聲污染,所提算法很好的克服了低信噪比條件下,實(shí)值算法不穩(wěn)定的弊端。(3)針對(duì)傳統(tǒng)子空間算法需要預(yù)知信源個(gè)數(shù)作為先驗(yàn)信息這一弊端,采用正交匹配追蹤(OMP)算法估計(jì)每個(gè)相干群的DOA信息。由于不利用子空間的正交性,因此所提算法進(jìn)一步提高了陣列利用率。由于差分操作抑制了噪聲的干擾,同時(shí)所構(gòu)造的虛擬陣列流型消除了相干群的交互影響,所提算法很好的克服了OMP算法在低信噪比下不穩(wěn)定的缺點(diǎn)。(4)討論了基于陣元空間和基于波束空間的DOA算法基本原理。將稀疏重構(gòu)思路擴(kuò)展至波束空間,給出基于波束空間協(xié)方差稀疏重構(gòu)的算法。所提算法通過合理的設(shè)置波束形成矩陣,將維度較高的陣元空間接收數(shù)據(jù)映射至維數(shù)相對(duì)較低的波束空間,最后采用基追蹤(BP)算法估計(jì)信號(hào)DOA。
【關(guān)鍵詞】：相干信號(hào) 波達(dá)方向估計(jì) 陣列孔徑擴(kuò)展 稀疏重構(gòu) 波束空間
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.7
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-17
• 1.1 研究背景與意義10-12
• 1.2 國(guó)內(nèi)外研究發(fā)展現(xiàn)狀12-15
• 1.3 論文結(jié)構(gòu)與內(nèi)容安排15-17
• 第二章 DOA估計(jì)與壓縮感知基本理論17-30
• 2.1 陣列信號(hào)處理理論基礎(chǔ)17-21
• 2.1.1 窄帶信號(hào)陣列接收模型17-18
• 2.1.2 基于子空間理論的DOA估計(jì)方法18-21
• 2.2 稀疏重構(gòu)與壓縮感知概述21-25
• 2.2.1 稀疏信號(hào)的定義21-23
• 2.2.2 零空間特性23
• 2.2.3 限制等容性23-24
• 2.2.4 感知矩陣的相干性24
• 2.2.5 三者之間的關(guān)系24-25
• 2.3 稀疏重構(gòu)理論與DOA估計(jì)25-26
• 2.4 重構(gòu)算法26-29
• 2.4.1 BP算法26-27
• 2.4.2 貪婪算法27-29
• 2.5 本章小結(jié)29-30
• 第三章 基于陣列二階項(xiàng)差分和特征矢量的擴(kuò)展孔徑算法30-51
• 3.1 獨(dú)立信源和相干信源并存的陣列接收模型30-31
• 3.2 獨(dú)立信源DOA估計(jì)31-32
• 3.3 相干信源DOA估計(jì)32-39
• 3.3.1 差分方法32-34
• 3.3.2 構(gòu)造無交互影響的虛擬流型矩陣34-35
• 3.3.3 相干群DOA估計(jì)35-38
• 3.3.4 算法性能分析38-39
• 3.4 實(shí)驗(yàn)仿真和結(jié)果39-44
• 3.5 低計(jì)算量的擴(kuò)展孔徑DOA算法44-50
• 3.5.1 相干信源估計(jì)方法44-47
• 3.5.2 實(shí)驗(yàn)仿真和結(jié)果47-50
• 3.6 本章小結(jié)50-51
• 第四章 未知相干群信源結(jié)構(gòu)的擴(kuò)展孔徑算法51-60
• 4.1 稀疏模型51-52
• 4.2 基于OMP的相干群DOA算法52-53
• 4.3 實(shí)驗(yàn)仿真53-56
• 4.4 基于差分框架的擴(kuò)展孔徑算法性能比較56-59
• 4.5 本章小結(jié)59-60
• 第五章 基于稀疏重構(gòu)的波束空間DOA估計(jì)60-74
• 5.1 常規(guī)波束形成基本原理60-61
• 5.2 基于波束空間DOA算法的基本理論61-64
• 5.3 基于稀疏重構(gòu)的波束空間DOA算法64-68
• 5.4 二階錐規(guī)劃構(gòu)造68-69
• 5.5 實(shí)驗(yàn)仿真69-72
• 5.6 本章小結(jié)72-74
• 第六章 總結(jié)和展望74-77
• 6.1 總結(jié)74-75
• 6.2 展望75-77
• 致謝77-78
• 參考文獻(xiàn)78-83
• 攻碩期間取得的研究成果83-84

【參考文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 王鐵丹;壓縮感知技術(shù)在陣列測(cè)向中的應(yīng)用[D];電子科技大學(xué);2013年

  本文關(guān)鍵詞：相干信號(hào)源的陣列測(cè)向算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：309113