本文關(guān)鍵詞：低信噪比下陣列信號(hào)源數(shù)目估計(jì)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：陣列信號(hào)處理中大部分高分辨算法均以信號(hào)源數(shù)目已知或預(yù)估計(jì)為前提,然而在實(shí)際應(yīng)用中,信號(hào)源數(shù)目往往未知,其與真實(shí)信號(hào)數(shù)目之間的誤差會(huì)導(dǎo)致許多高分辨率波達(dá)方向估計(jì)算法的性能急劇惡化,同時(shí)現(xiàn)有的大部分信號(hào)源數(shù)目估計(jì)算法在高信噪下具有良好的估計(jì)性能,而在低信噪比環(huán)境中往往失效。因此,本文圍繞低信噪比下信號(hào)源數(shù)目估計(jì)算法進(jìn)行深入研究。首先,本文介紹了陣列信號(hào)基礎(chǔ)知識(shí),研究了窄帶信號(hào)源數(shù)目估計(jì)的經(jīng)典算法,包括特征值分解方法,信息論方法,平滑秩序列方法和蓋氏圓方法,對(duì)各個(gè)算法進(jìn)行理論分析,并對(duì)算法性能進(jìn)行比較和仿真。其次,從均勻線(xiàn)性陣列差分時(shí)延特征出發(fā),詳細(xì)介紹了基于接收信號(hào)空間互協(xié)方差函數(shù)的Hankel矩陣的構(gòu)成和性質(zhì),并在此基礎(chǔ)上提出了基于Hankel矩陣奇異向量的低信噪比信號(hào)源數(shù)目估計(jì)算法,采用導(dǎo)向矩陣和Hankel矩陣左奇異值向量的內(nèi)積的Euclidean范數(shù)估計(jì)信號(hào)源數(shù)目,利用盲波束成形技術(shù)估計(jì)導(dǎo)向矩陣,通過(guò)前向空間平滑思想解決導(dǎo)向矩陣和Hankel矩陣左奇異值向量維數(shù)不匹配問(wèn)題。仿真結(jié)果表明新算法在低信噪比環(huán)境中信號(hào)源數(shù)目估計(jì)能力有很大提高,并且同時(shí)適用于非相干信號(hào)源和相干信號(hào)源情況,具有漸進(jìn)一致性和較好的穩(wěn)定性。最后,本文分析了寬帶信號(hào)源數(shù)目估計(jì)經(jīng)典算法,對(duì)非相干信號(hào)子空間ISM算法中基于噪聲特征值統(tǒng)計(jì)特性的信號(hào)源數(shù)目估計(jì)算法和相干信號(hào)子空間CSM算法中雙邊相關(guān)變換TCT算法的基礎(chǔ)和原理進(jìn)行介紹。在ISM算法的基礎(chǔ)上,結(jié)合基于互協(xié)方差函數(shù)的Hankel矩陣,提出了新的寬帶信號(hào)源數(shù)目估計(jì)算法。仿真表明該方法可以實(shí)現(xiàn)寬帶信號(hào)源數(shù)目的估計(jì),在低信噪比環(huán)境中表現(xiàn)出較好的魯棒性,并具有良好的解相干能力。
【關(guān)鍵詞】：陣列信號(hào)處理 信號(hào)源數(shù)目估計(jì) 低信噪比 Hankel矩陣 奇異值分解
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TN911.23
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 緒論8-14
• 1.1 課題研究的背景和意義8-9
• 1.2 課題研究發(fā)展現(xiàn)狀9-11
• 1.2.1 窄帶信號(hào)源數(shù)目估計(jì)研究現(xiàn)狀9-10
• 1.2.2 寬帶信號(hào)源數(shù)目估計(jì)研究現(xiàn)狀10-11
• 1.3 課題研究?jī)?nèi)容及論文安排11-14
• 第2章 陣列信號(hào)處理基礎(chǔ)14-24
• 2.1 陣列模型14-17
• 2.1.1 均勻線(xiàn)陣模型14-15
• 2.1.2 均勻圓陣模型15-16
• 2.1.3 平面陣模型16-17
• 2.2 信號(hào)模型17-21
• 2.2.1 窄帶信號(hào)陣列模型17-18
• 2.2.2 寬帶信號(hào)模型18-19
• 2.2.3 寬帶信號(hào)陣列模型19-21
• 2.3 相干信號(hào)模型21
• 2.4 加性噪聲模型21-22
• 2.5 信號(hào)源數(shù)目估計(jì)的影響因素22-23
• 2.6 本章小結(jié)23-24
• 第3章 經(jīng)典信號(hào)源數(shù)目估計(jì)方法24-36
• 3.1 特征值分解方法24-25
• 3.2 信息論方法25-27
• 3.3 平滑秩序列法27-28
• 3.4 蓋氏圓方法28-31
• 3.5 仿真實(shí)驗(yàn)及性能分析31-34
• 3.6 本章小結(jié)34-36
• 第4章 低信噪比窄帶信號(hào)源數(shù)目估計(jì)算法的研究36-48
• 4.1 基于互協(xié)方差函數(shù)的Hankel矩陣36-38
• 4.2 基于Hankel矩陣奇異值向量的低信噪比信號(hào)源數(shù)目估計(jì)38-41
• 4.3 仿真實(shí)驗(yàn)及性能分析41-46
• 4.4 本章小結(jié)46-48
• 第5章 寬帶信號(hào)源數(shù)目估計(jì)算法的研究48-60
• 5.1 基于ISM的信號(hào)源數(shù)目估計(jì)算法48-50
• 5.2 基于CSM的信號(hào)源數(shù)目估計(jì)算法50-51
• 5.3 基于Hankel矩陣奇異值分解的寬帶信號(hào)源數(shù)目估計(jì)算法51-53
• 5.4 仿真實(shí)驗(yàn)及結(jié)果分析53-58
• 5.5 本章小結(jié)58-60
• 第6章 總結(jié)與展望60-62
• 6.1 總結(jié)60-61
• 6.2 展望61-62
• 參考文獻(xiàn)62-66
• 作者簡(jiǎn)介及攻讀碩士期間科研成果情況66-67
• 致謝67

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 徐以濤;宮兵;劉忠軍;李佳;;基于蓋氏圓方法的寬帶信源數(shù)目估計(jì)[J];解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

2 張恒利;趙擁軍;張培峰;;一種新的寬帶信號(hào)源數(shù)目快速估計(jì)方法[J];信號(hào)處理;2009年04期

3 汪玲;殷吉昊;陳天麒;;寬帶信號(hào)源個(gè)數(shù)估計(jì)頻域bootstrap方法[J];電波科學(xué)學(xué)報(bào);2007年01期

4 劉翔;黃可生;黃知濤;周一宇;;基于子帶平均的寬帶源個(gè)數(shù)估計(jì)方法[J];電子信息對(duì)抗技術(shù);2006年01期

5 馬彥,石要武,陳虹;色噪聲下的信號(hào)頻率估計(jì):基于互高階累積量的MUSIC方法[J];儀器儀表學(xué)報(bào);2001年S1期

6 張賢達(dá),保錚;盲信號(hào)分離[J];電子學(xué)報(bào);2001年S1期

7 石要武，戴逸松，丁宏;有色噪聲背景下正弦信號(hào)頻率估計(jì)的互譜Pisarenko和MUSIC方法[J];電子學(xué)報(bào);1996年10期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 宋雪松;一種利用陣元結(jié)構(gòu)信息ULA波達(dá)方向估計(jì)方法的研究[D];吉林大學(xué);2014年

2 伍逸楓;寬帶相干信號(hào)DOA估計(jì)算法研究[D];吉林大學(xué);2009年

3 冷巨昕;盲信號(hào)處理中信源個(gè)數(shù)估計(jì)方法研究[D];電子科技大學(xué);2009年

  本文關(guān)鍵詞：低信噪比下陣列信號(hào)源數(shù)目估計(jì)算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：295428