當(dāng)樣本數(shù)不足時(shí),由采樣協(xié)方差矩陣特征分解得到的噪聲子空間偏離其真實(shí)值,使得多重信號分類(MUSIC)算法目標(biāo)角度(DOA)估計(jì)性能下降。為了解決這個(gè)問題,該文提出了一種迭代算法通過校正信號子空間來提高M(jìn)USIC算法性能。該方法首先利用采樣協(xié)方差矩陣特征分解得到的噪聲子空間粗略估計(jì)目標(biāo)角度;其次基于信源的稀疏性和導(dǎo)向矢量的低秩特性,由上一步得到的目標(biāo)角度以及其鄰域角度對應(yīng)的導(dǎo)向矢量構(gòu)造一個(gè)新的信號子空間;最后通過解一個(gè)優(yōu)化問題來校正信號子空間。仿真結(jié)果表明,該算法有效地提高了子空間估計(jì)精度。基于新的信號子空間實(shí)現(xiàn)MUSIC DOA估計(jì)可以使得性能得到改善,且在低樣本數(shù)下改善尤為明顯。

【文章頁數(shù)】：7 頁


本文編號：3759845