多重信号分类(multiple signal classification,MUSIC)方法在少快拍数或者存在相干信源的情况下不能准确估计信号的波达方向,而压缩感知(compressive sensing,CS)方法在多快拍数或低信噪比情况下分辨性能不稳定,估计准确率受限。提出了...多重信号分类(multiple signal classification,MUSIC)方法在少快拍数或者存在相干信源的情况下不能准确估计信号的波达方向,而压缩感知(compressive sensing,CS)方法在多快拍数或低信噪比情况下分辨性能不稳定,估计准确率受限。提出了一种基于CS的MUSIC方法,简称CS-MUSIC,该方法针对不同的快拍数,建立二者之间的联系,构造出新的正交空间,获得尖锐的谱峰。理论分析和仿真结果表明,所提方法在不同快拍数条件下,具有较高的估计精度,克服了传统方法存在的缺陷,并且对噪声具有鲁棒性。展开更多
文摘针对近场源参数估计计算复杂度大的问题,提出了一种基于对称阵列结构的快速估计算法。首先通过对称阵列结构构造多项式,通过求解多项式的根得到近场源的角度信息;在距离估计的时候,结合压缩多重信号分类算法(Compressed multiple signal classification,C-MUSIC)的思想,将菲涅尔区域分为若干个子区域,通过构造噪声子空间簇的交集,得到新的谱函数,将原来整个区域搜索变换成小区域搜索,可节省运算时间。通过仿真试验验证了算法的有效性,证明该算法的运算复杂度与传统估计算法相比得到了很大改善。
文摘多重信号分类(multiple signal classification,MUSIC)方法在少快拍数或者存在相干信源的情况下不能准确估计信号的波达方向,而压缩感知(compressive sensing,CS)方法在多快拍数或低信噪比情况下分辨性能不稳定,估计准确率受限。提出了一种基于CS的MUSIC方法,简称CS-MUSIC,该方法针对不同的快拍数,建立二者之间的联系,构造出新的正交空间,获得尖锐的谱峰。理论分析和仿真结果表明,所提方法在不同快拍数条件下,具有较高的估计精度,克服了传统方法存在的缺陷,并且对噪声具有鲁棒性。