在低信噪比及信號(hào)相關(guān)情況下,加權(quán)子空間擬合(WSF)算法的性能優(yōu)于多信號(hào)分類(MUSIC)算法。本文使用隨機(jī)矩陣?yán)碚?RMT)改善加權(quán)子空間擬合。隨機(jī)矩陣?yán)碚撗芯侩S機(jī)矩陣維數(shù)以同速率增加時(shí),矩陣特征值和特征向量的漸近規(guī)律。加權(quán)子空間擬合中,運(yùn)用近似一階擾動(dòng)計(jì)算樣本協(xié)方差矩陣特征向量的統(tǒng)計(jì)特性。利用隨機(jī)矩陣?yán)碚撝嘘P(guān)于樣本協(xié)方差矩陣信號(hào)子空間向真實(shí)信號(hào)投影的范數(shù)的漸進(jìn)結(jié)果,獲得加權(quán)子空間擬合計(jì)算方法。仿真結(jié)果表明,在低快拍數(shù)及低信噪比情況下,本文所提方法具有優(yōu)越性。

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 Introduction
2 Proposed method
3 Simulation results
4 Conclusions



本文編號(hào)：3918779