本文關(guān)鍵詞：二維DOA估計(jì)的快速算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：空間譜估計(jì)技術(shù)與傳統(tǒng)測(cè)向技術(shù)相比,其測(cè)向精度高,測(cè)向分辨能力強(qiáng),在民用通信系統(tǒng)和電子偵察等領(lǐng)域有著廣泛的應(yīng)用�；谧涌臻g的二維DOA(Direction-of-Arrival, DOA)估計(jì)算法是空間譜估計(jì)技術(shù)中典型的DOA估計(jì)算法,這類算法的提出與研究推動(dòng)了空間譜估計(jì)技術(shù)的發(fā)展,但是在進(jìn)行二維DOA估計(jì)或更高維DOA估計(jì)時(shí)這類算法運(yùn)算復(fù)雜度較大,實(shí)時(shí)性較差,在實(shí)際工程應(yīng)用中很難實(shí)現(xiàn),本文針對(duì)二維DOA估計(jì)運(yùn)算復(fù)雜度大的問題,進(jìn)行了快速DOA算法的研究,主要工作如下：(1)針對(duì)常規(guī)子空間算法無(wú)法對(duì)相干信號(hào)進(jìn)行DOA估計(jì)和2D-MUSIC算法運(yùn)算復(fù)雜度高的問題,提出了基于前后向空間平滑的去相干分步降維算法。該算法利用前后向空間平滑算法去相干的能力,對(duì)相干信號(hào)進(jìn)行去相干處理,然后利用分步降維的方法求得目標(biāo)信號(hào)的二維波達(dá)方向,實(shí)現(xiàn)了常規(guī)子空間算法對(duì)相干信號(hào)的處理,同時(shí)避免了二維譜峰搜索,減小了運(yùn)算復(fù)雜度。(2)針對(duì)傳統(tǒng)ESPRIT算法,在二維DOA估計(jì)運(yùn)算時(shí)是在復(fù)數(shù)域進(jìn)行的,且存在分維計(jì)算和角度配對(duì)的問題,運(yùn)算復(fù)雜度較大,提出了一種基于矩形陣列的循環(huán)最大降維酉ESPRIT算法。首先利用酉變換的原理,構(gòu)建酉矩陣對(duì)陣列的數(shù)學(xué)模型進(jìn)行處理,將復(fù)數(shù)域運(yùn)算轉(zhuǎn)換到實(shí)數(shù)域,然后利用循環(huán)最大迭代的方法構(gòu)建降維矩陣,對(duì)實(shí)數(shù)域分塊數(shù)據(jù)模型進(jìn)行降維處理,無(wú)需角度配對(duì),提高了算法的實(shí)時(shí)性。(3)針對(duì)常規(guī)2D-MUSIC算法和2D-ESPRIT算法需要特征值分解、譜峰搜索和存在角度配對(duì)的運(yùn)算復(fù)雜度大的問題,并結(jié)合傳播算子算法無(wú)需特征值分解的特性,提出了一種參數(shù)快速配對(duì)2D-PM算法。該算法首先利用PM算法對(duì)平行陣列數(shù)據(jù)進(jìn)行處理,然后利用快速匹配的方法求得了傳播算子,最終求得了目標(biāo)信號(hào)的二維DOA。該算法只需進(jìn)行一次特征值分解,算法實(shí)時(shí)性較好。
【關(guān)鍵詞】：二維DOA估計(jì) 運(yùn)算復(fù)雜度 子空間類算法 特征值分解 降維
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN911.7
【目錄】：

• 符號(hào)與縮寫詞含義6-8
• 摘要8-9
• Abstract9-11
• 第一章 緒論11-17
• 1.1 研究背景與意義11-12
• 1.2 空間譜估計(jì)的發(fā)展及研究現(xiàn)狀12-15
• 1.2.1 一維DOA估計(jì)算法12-14
• 1.2.2 二維DOA估計(jì)算法14-15
• 1.3 本文主要研究?jī)?nèi)容15-17
• 第二章 空間譜估計(jì)的理論基礎(chǔ)17-27
• 2.1 引言17
• 2.2 空間譜估計(jì)的信號(hào)模型17-20
• 2.2.1 空間譜估計(jì)前提與假設(shè)17-18
• 2.2.2 空間譜估計(jì)的基本數(shù)學(xué)模型18-20
• 2.3 空間譜估計(jì)的基本算法20-26
• 2.3.1 多重信號(hào)分類算法20-22
• 2.3.2 旋轉(zhuǎn)不變子空間算法22-24
• 2.3.3 傳播算子算法24-26
• 2.4 本章總結(jié)26-27
• 第三章 2D-MUSIC及解相干分步降維算法研究27-43
• 3.1 引言27-28
• 3.2 數(shù)學(xué)模型28-30
• 3.3 2D-MUSIC算法研究30-32
• 3.3.1 基于L型陣列的經(jīng)典2D-MUSIC算法原理30-31
• 3.3.2 仿真實(shí)驗(yàn)與分析31-32
• 3.4 基于前后向空間平滑的去相干分步降維算法研究32-39
• 3.4.1 相干信號(hào)源數(shù)學(xué)模型32-33
• 3.4.2 空間平滑算法原理33-35
• 3.4.3 分步降維MUSIC算法35-38
• 3.4.4 算法步驟與復(fù)雜度分析38-39
• 3.5 實(shí)驗(yàn)仿真39-42
• 3.6 本章總結(jié)42-43
• 第四章 一種基于矩形陣列的循環(huán)最大降維酉ESPRIT算法43-54
• 4.1 引言43
• 4.2 數(shù)學(xué)模型43-45
• 4.3 基于矩形陣的循環(huán)最大降維酉ESPRIT算法45-51
• 4.3.1 數(shù)據(jù)模型酉變換處理45-47
• 4.3.2 構(gòu)建降維矩陣47-48
• 4.3.3 二維方向角估計(jì)48-50
• 4.3.4 算法步驟與復(fù)雜度分析50-51
• 4.4 實(shí)驗(yàn)仿真51-53
• 4.5 本章總結(jié)53-54
• 第五章 參數(shù)快速配對(duì)2D-PM算法研究54-62
• 5.1 引言54
• 5.2 數(shù)學(xué)模型54-55
• 5.3 參數(shù)快速配對(duì)2D-PM算法55-59
• 5.3.1 PM算法處理陣列數(shù)學(xué)模型55-57
• 5.3.2 參數(shù)快速配對(duì)法求解傳播算子57-58
• 5.3.3 二維DOA估計(jì)58
• 5.3.4 算法步驟與復(fù)雜度分析58-59
• 5.4 實(shí)驗(yàn)仿真59-61
• 5.5 本章總結(jié)61-62
• 第六章 全文總結(jié)62-64
• 6.1 本文的主要工作62-63
• 6.2 有待進(jìn)一步研究的問題63-64
• 參考文獻(xiàn)64-70
• 致謝70-71
• 攻讀碩士期間發(fā)表的論文71

  本文關(guān)鍵詞：二維DOA估計(jì)的快速算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：474770