【摘要】：目前在國(guó)際通信系統(tǒng)技術(shù)的要求中,除了要實(shí)現(xiàn)大容量、高速率以外,如何提高信號(hào)帶寬及頻譜利用率也是難題之一。寬帶信號(hào)相較于窄帶信號(hào),其所攜帶的信息更多,分辨力與抗干擾能力也比窄帶信號(hào)要強(qiáng),而寬帶信號(hào)的延時(shí)擴(kuò)展以及多徑衰減問(wèn)題也可以通過(guò)陣列技術(shù)的使用來(lái)有效克服。因此寬帶信號(hào)相較于窄帶信號(hào)所具有的種種優(yōu)點(diǎn)使得對(duì)于寬帶信號(hào)的研究極具價(jià)值。為此,本文對(duì)寬帶陣列信號(hào)的波達(dá)方向(Direction of Arrival,DOA)的子空間類算法進(jìn)行了研究,并針對(duì)信噪比、快拍數(shù)以及非均勻噪聲的影響,對(duì)算法進(jìn)行了改進(jìn)。論文主要研究改進(jìn)的是子空間類算法,主要工作如下:首先,本文對(duì)陣列信號(hào)進(jìn)行了建模以及參數(shù)分析。研究了窄帶信號(hào)DOA估計(jì)中的多重分類算法。對(duì)MUSIC算法以及能夠?qū)崿F(xiàn)相干信號(hào)解相干的空間平滑算法的原理與存在問(wèn)題進(jìn)行了研究與分析。研究了寬帶陣列信號(hào)的子空間類算法,寬帶信號(hào)子空間類DOA算法分為了非相干信號(hào)子空間(Incoherent Signal Subspace Method,ISM)類算法和相干信號(hào)子空間(Coherent Signal Subspace Method,CSM)類算法。本文介紹了ISM算法的原理及其存在問(wèn)題,而對(duì)于CSM類算法的研究,主要放在了如何構(gòu)造聚焦矩陣上,本文介紹了三種常用的聚焦矩陣的構(gòu)造方法并對(duì)這三種方法進(jìn)行仿真對(duì)比。然后針對(duì)傳統(tǒng)DOA估計(jì)在信號(hào)相干、低信噪比與噪聲非均勻環(huán)境下性能差的問(wèn)題,本文基于修正后的矩陣分解,提出一種利用凸優(yōu)化的協(xié)方差矩陣最優(yōu)DOA估計(jì)方法。修正后的矩陣分解方法,解相干的同時(shí)克服了孔徑損失,利用凸優(yōu)化原理重構(gòu)出無(wú)噪聲的協(xié)方差矩陣,利用最小化搜索計(jì)算出DOA。仿真結(jié)果表明,所提算法與矩陣分解(matrix decomposition,MD)算法、l_1-SVD算法以及基于空間平滑的協(xié)方差秩最小化估計(jì)(spatial smoothing based covariance rank minimization,SS-CRM)算法比較,能更地抑制非均勻噪聲,且在低信噪比條件下,依然性能良好。最后,針對(duì)CSM算法雖然能夠?qū)崿F(xiàn)解相干但是對(duì)于入射角預(yù)估計(jì)過(guò)于依賴、在非均勻噪聲下性能惡化的問(wèn)題,TOPS算法能夠克服算法對(duì)角度預(yù)估計(jì)準(zhǔn)確性的依賴,但是算法依舊存在偽峰過(guò)多、無(wú)法解決非均勻噪聲對(duì)DOA估計(jì)性能的干擾等問(wèn)題�；赥OPS算法進(jìn)行進(jìn)一步的改進(jìn),提出了基于OC-SMD算法的改進(jìn)TOPS算法。首先針對(duì)TOPS算法偽峰過(guò)多的問(wèn)題,對(duì)該算法的構(gòu)造矩陣進(jìn)行了修正,接著基于凸優(yōu)化原理,利用協(xié)方差最優(yōu)的約束要求,對(duì)陣列輸出數(shù)據(jù)矩陣中的噪聲部分進(jìn)行處理。該算法克服了TOPS算法頻譜有過(guò)多偽峰的問(wèn)題,并且能夠克服低信噪比、低快拍數(shù)以及非均勻噪聲對(duì)于算法性能的影響。
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN911.7
【圖文】：

基于修正后矩陣分解的最優(yōu)協(xié)方差寬帶 DOA 估計(jì)研究2 DOA 估計(jì)基本原理和方法DOA 估計(jì)利用空間陣列系統(tǒng)來(lái)對(duì)空間傳播信號(hào)的參數(shù)進(jìn)行估計(jì)。整個(gè) DOA 估計(jì)系統(tǒng)過(guò)程可以分為三步：空間信號(hào)入射、空間陣列接收及參數(shù)估計(jì)。相應(yīng)地可分為三個(gè)對(duì)應(yīng)空間，即：目標(biāo)空間、觀察空間及估計(jì)空間，其示意圖如 2.1 所示：

圖 2.2 空間任意兩陣元的位置關(guān)系可以得到信號(hào)入射到這兩個(gè)陣元的路程差： 1x cos cos y sin cos zsinc ( 1,2, , )lx l ，原點(diǎn)為參考點(diǎn)，同時(shí)信號(hào)的入射)N，則：1( sin )li l ixc 中會(huì)出現(xiàn)多徑現(xiàn)象，因此在實(shí)際應(yīng)用中，信號(hào)源大平穩(wěn)信號(hào) ( )is t 和 ( )ks t ，為了考察這兩個(gè)信號(hào)的相關(guān)2 2E ( ) ( )E ( ) E ( )i kiki ks t s ts t s t

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 范云鵬;周水生;;矩陣分解[J];數(shù)學(xué)學(xué)習(xí)與研究;2012年03期

2 王建芳;張朋飛;谷振鵬;劉冉東;;一種優(yōu)化的帶偏置概率矩陣分解算法[J];小型微型計(jì)算機(jī)系統(tǒng);2017年05期

3 蔡國(guó)永;夏彬彬;;基于聯(lián)合矩陣分解的圖像情感分析研究[J];小型微型計(jì)算機(jī)系統(tǒng);2017年05期

4 田賢忠;沈杰;;大數(shù)據(jù)環(huán)境下基于概率矩陣分解的個(gè)性化推薦[J];計(jì)算機(jī)科學(xué);2017年S1期

5 彭鵬;米傳民;肖琳;;基于用戶信任和興趣的概率矩陣分解推薦方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2017年09期

6 張維玉;吳斌;耿玉水;朱江;;基于協(xié)同矩陣分解的評(píng)分與信任聯(lián)合預(yù)測(cè)[J];電子學(xué)報(bào);2016年07期

7 高世偉,保錚;利用數(shù)據(jù)矩陣分解實(shí)現(xiàn)對(duì)空間相關(guān)信號(hào)源的超分辨處理[J];通信學(xué)報(bào);1988年01期

8 劉雙全;孫六全;;矩陣分解初探[J];武測(cè)科技;1988年03期

9 田鐘穎,嚴(yán)克明;矩陣分解在運(yùn)動(dòng)分析中的應(yīng)用初探[J];甘肅工業(yè)大學(xué)學(xué)報(bào);1989年04期

10 張銘 ,楊萬(wàn)麟 ,李樂(lè)民;用前后向數(shù)據(jù)矩陣分解實(shí)現(xiàn)相干源的超分辨空間譜估計(jì)[J];聲學(xué)與電子工程;1989年04期

相關(guān)會(huì)議論文 前8條

1 胡岸勇;柳重堪;苗俊剛;萬(wàn)國(guó)龍;;基于降晰矩陣分解與POCS的高斯降晰圖像復(fù)原[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

2 郭亦鴻;曾楠;何宏輝;何永紅;馬輝;;各向異性介質(zhì)的穆勒矩陣分解偏振光學(xué)特征[A];中國(guó)光學(xué)學(xué)會(huì)2011年學(xué)術(shù)大會(huì)摘要集[C];2011年

3 李葉青;丁帥;黃輝;汪家欣;;考慮隱含相似關(guān)系醫(yī)生推薦方法研究[A];第十九屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2017年

4 王春江;王人鵬;錢若軍;王穎;;矩陣分解技術(shù)在體系性態(tài)綜合分析中的初步應(yīng)用[A];“力學(xué)2000”學(xué)術(shù)大會(huì)論文集[C];2000年

5 王婷婷;宋恩彬;;低復(fù)雜度的漸近最優(yōu)N-P檢測(cè)[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

6 王春江;錢若軍;王人鵬;;平衡矩陣子空間分解——物理意義及其工程應(yīng)用[A];第二屆全國(guó)現(xiàn)代結(jié)構(gòu)工程學(xué)術(shù)研討會(huì)論文集[C];2002年

7 羅正選;張霄力;;線性時(shí)滯切換系統(tǒng)的穩(wěn)定性[A];第25屆中國(guó)控制會(huì)議論文集（中冊(cè)）[C];2006年

8 王春江;錢若軍;王人鵬;楊聯(lián)萍;;矩陣分解在張力集成體系模態(tài)分析中的應(yīng)用[A];第九屆全國(guó)結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集第Ⅰ卷[C];2000年

相關(guān)博士學(xué)位論文 前10條

1 房毅憲;基于矩陣分解的跨模態(tài)檢索研究[D];山東師范大學(xué);2019年

2 代祥光;矩陣分解相關(guān)模型的優(yōu)化算法研究[D];西南大學(xué);2018年

3 宋凱嵩;基于矩陣分解的社會(huì)媒體文本個(gè)性化情感分析技術(shù)研究[D];東北大學(xué);2017年

4 李雪;基于流形嵌入的矩陣分解算法研究[D];南京理工大學(xué);2017年

5 趙謙;具有稀疏與穩(wěn)健特性的低秩矩陣分析方法研究[D];西安交通大學(xué);2018年

6 趙科科;低秩矩陣分解的正則化方法與應(yīng)用[D];浙江大學(xué);2012年

7 郭亦鴻;利用穆勒矩陣分解定量測(cè)量各向異性介質(zhì)微觀結(jié)構(gòu)[D];清華大學(xué);2014年

8 徐振興;基于地理標(biāo)注照片的景點(diǎn)推薦方法研究[D];浙江大學(xué);2017年

9 胡祥;融合社會(huì)輔助信息的社會(huì)化推薦研究[D];北京郵電大學(xué);2017年

10 張維玉;社交網(wǎng)絡(luò)鏈路預(yù)測(cè)方法研究[D];北京郵電大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 張晨;基于生成對(duì)抗網(wǎng)絡(luò)的音樂(lè)推薦算法的設(shè)計(jì)與實(shí)現(xiàn)[D];華中科技大學(xué);2019年

2 易旭;基于社區(qū)矩陣的概率矩陣分解推薦算法研究[D];華中科技大學(xué);2019年

3 馬昌勝;一種帶偏置的深度矩陣分解推薦模型[D];華中科技大學(xué);2019年

4 葉慧娟;基于深度學(xué)習(xí)的智能化資源推薦方法研究[D];福州大學(xué);2018年

5 張澤利;屬性信息在矩陣分解個(gè)性化推薦算法中的研究與優(yōu)化[D];山東科技大學(xué);2018年

6 陳攀;流形正則化的約束矩陣分解及其在圖像聚類中的應(yīng)用[D];上海交通大學(xué);2016年

7 曾旭禹;基于變分矩陣分解的電影推薦系統(tǒng)設(shè)計(jì)與應(yīng)用[D];西南交通大學(xué);2019年

8 馬黎文;基于修正后矩陣分解的最優(yōu)協(xié)方差寬帶DOA估計(jì)研究[D];蘭州交通大學(xué);2019年

9 李幸幸;基于集成學(xué)習(xí)的推薦模型研究[D];北京交通大學(xué);2019年

10 張洪磊;結(jié)合圖嵌入與矩陣分解的社會(huì)化推薦系統(tǒng)研究[D];北京交通大學(xué);2019年

本文編號(hào)：2726061