针对相干信源的波达方向(direction of arrival,DOA)估计问题,传统的空间平滑算法通过减小阵列孔径来解相干,导致估计精度降低。本文以相干分布源为研究对象,首先通过扩展共轭虚拟阵列增大阵列孔径,使用Toeplitz算法进行预估计,根据预...针对相干信源的波达方向(direction of arrival,DOA)估计问题,传统的空间平滑算法通过减小阵列孔径来解相干,导致估计精度降低。本文以相干分布源为研究对象,首先通过扩展共轭虚拟阵列增大阵列孔径,使用Toeplitz算法进行预估计,根据预估计值构建加权矩阵,通过二次加权空间平滑恢复协方差矩阵的秩,消除信号的相干性,结合传播因子算法估计得到目标信源的入射角度。该算法充分利用子阵输出的自相关和互相关信息,改善了阵列孔径带来的精度影响。仿真结果表明,所提算法对相干信源具有良好的分辨能力和估计精度,在低信噪比时鲁棒性较好。展开更多
针对相干信号受到非均匀噪声的干扰,在低信噪比环境中常规DOA估计存在估计效果较差甚至失效的情况,基于改进加权空间平滑,提出一种使用凸优化构造最优权重矩阵的方法。改进加权空间平滑算法解相干的同时构造权重矩阵,再用凸优化重构无...针对相干信号受到非均匀噪声的干扰,在低信噪比环境中常规DOA估计存在估计效果较差甚至失效的情况,基于改进加权空间平滑,提出一种使用凸优化构造最优权重矩阵的方法。改进加权空间平滑算法解相干的同时构造权重矩阵,再用凸优化重构无噪声权重矩阵,将平滑过的协方差矩阵加权,并用MUSIC算法进行DOA估计。仿真结果证实,所提方法相对于空间平滑(spatial smoothing,SS)、基于特征空间MUSIC的空间平滑估计(spatial smoothing and eigen space based MUSIC,SS-ESMUSIC)以及接收信号协方差矩阵秩最小化(spatial smoothing based covariance rank minimization,SS-CRM)算法能更好地抑制非均匀噪声和解相干,且减少了低信噪比的干扰,展现出更优良的分辨力和准确性。展开更多
文摘针对相干信源的波达方向(direction of arrival,DOA)估计问题,传统的空间平滑算法通过减小阵列孔径来解相干,导致估计精度降低。本文以相干分布源为研究对象,首先通过扩展共轭虚拟阵列增大阵列孔径,使用Toeplitz算法进行预估计,根据预估计值构建加权矩阵,通过二次加权空间平滑恢复协方差矩阵的秩,消除信号的相干性,结合传播因子算法估计得到目标信源的入射角度。该算法充分利用子阵输出的自相关和互相关信息,改善了阵列孔径带来的精度影响。仿真结果表明,所提算法对相干信源具有良好的分辨能力和估计精度,在低信噪比时鲁棒性较好。
文摘针对相干信号受到非均匀噪声的干扰,在低信噪比环境中常规DOA估计存在估计效果较差甚至失效的情况,基于改进加权空间平滑,提出一种使用凸优化构造最优权重矩阵的方法。改进加权空间平滑算法解相干的同时构造权重矩阵,再用凸优化重构无噪声权重矩阵,将平滑过的协方差矩阵加权,并用MUSIC算法进行DOA估计。仿真结果证实,所提方法相对于空间平滑(spatial smoothing,SS)、基于特征空间MUSIC的空间平滑估计(spatial smoothing and eigen space based MUSIC,SS-ESMUSIC)以及接收信号协方差矩阵秩最小化(spatial smoothing based covariance rank minimization,SS-CRM)算法能更好地抑制非均匀噪声和解相干,且减少了低信噪比的干扰,展现出更优良的分辨力和准确性。