针对信噪比较低时,多重信号分类(Multiple Signal Classification,MUSIC)算法方位谱背景级较高的问题,提出了一种解卷积的MUSIC方位估计算法(Deconvolvecd MUSIC,D-MUSIC)。该方法用一个类似冲激函数作为MUSIC算法输出方位谱的点散...针对信噪比较低时,多重信号分类(Multiple Signal Classification,MUSIC)算法方位谱背景级较高的问题,提出了一种解卷积的MUSIC方位估计算法(Deconvolvecd MUSIC,D-MUSIC)。该方法用一个类似冲激函数作为MUSIC算法输出方位谱的点散射函数(Point Scattering Function,PSF),然后基于解卷积图像复原理论,利用该点散射函数和RichardsonLucy(R-L)迭代算法对MUSIC算法的方位谱进行解卷积,获得D-MUSIC算法的方位谱,达到降低方位谱背景级的目的。仿真表明,该方法继承了MUSIC算法的高分辨性能,且可以明显降低方位谱的背景级,具有较好的方位估计性能。对南海海上试验的水平阵数据进行处理,分析比较了利用MUSIC算法和解卷积MUSIC算法获得的方位谱时间历程图,分析结果有效验证了D-MUSIC算法性能的优越性。展开更多
针对传统波达方向(Direction of Arrival,DOA)估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题,文章提出了一种基于协方差矩阵托普利兹(Toeplitz)矩阵重构的多重信号分类(Multiple Signal Classification,MUSIC)算法的波达...针对传统波达方向(Direction of Arrival,DOA)估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题,文章提出了一种基于协方差矩阵托普利兹(Toeplitz)矩阵重构的多重信号分类(Multiple Signal Classification,MUSIC)算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵,并利用新协方差矩阵构造Toeplitz矩阵,然后对其进行特征值分解,得到Toeplitz矩阵的噪声子空间,利用噪声子空间求出信号空间谱,通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径,增加了可估计相干信号的数量,提升了方位估计的性能,提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明,文中方法可估计出更多的相干信号,而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。展开更多
多重信号分类(multiple signal classification,MUSIC)算法是一种经典的空间谱估计算法,其利用信号子空间和噪声子空间相互正交的特性,估计出入射信号的波达方向(direction of arrival,DOA)。文章以二维高精度DOA估计的应用需求为目标,...多重信号分类(multiple signal classification,MUSIC)算法是一种经典的空间谱估计算法,其利用信号子空间和噪声子空间相互正交的特性,估计出入射信号的波达方向(direction of arrival,DOA)。文章以二维高精度DOA估计的应用需求为目标,通过分析MUSIC算法中各个步骤的计算特点,提出了一种算法的实现方法,并在现场可编程门阵列(field programmable gate array,FPGA)上完成了各个模块硬件电路的设计验证。该方法利用矩阵元素行列序号的对称性,得到了一种计算协方差矩阵的并行化分解方案;采用阈值比较法提高特征分解速度的同时,避免了最值求解,降低了硬件复杂度;在谱峰搜索中使用分步搜索法来提高实时性,并设计了专用硬件电路计算方向向量,以节省存储资源和避免数据读取延时带来的性能损失;与传统实现方法相比,实现了高精度和高实时性的统一。实验结果表明,该方法中的硬件实现方案在100 MHz工作频率的FPGA芯片上,完成一次精度为0.1°的二维DOA估计耗时3~5ms,具有精度高、速度快、资源消耗少的优势。展开更多
为了降低波束域多重信号分类(multiple signal classification,MUSIC)算法估计接收信号到达时间(time of ar-rival,TOA)的计算复杂度,提高算法的抗噪性能,提出一种基于TK算子(Teager-Kaiser operator)的改进算法。利用TK算子对数据瞬时...为了降低波束域多重信号分类(multiple signal classification,MUSIC)算法估计接收信号到达时间(time of ar-rival,TOA)的计算复杂度,提高算法的抗噪性能,提出一种基于TK算子(Teager-Kaiser operator)的改进算法。利用TK算子对数据瞬时变化敏感的特性,将接收信号与参考信号的相关函数经过TK算子处理,估计出波束域转换矩阵和波束域输出数据,再用MUSIC时延估计算法估计TOA。仿真结果说明,该方法比波束域MUSIC时延估计算法计算量小,并更好地抑制了多径信号噪声影响,高分辨率的估计性能得到了明显改善。展开更多
文摘针对传统波达方向(Direction of Arrival,DOA)估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题,文章提出了一种基于协方差矩阵托普利兹(Toeplitz)矩阵重构的多重信号分类(Multiple Signal Classification,MUSIC)算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵,并利用新协方差矩阵构造Toeplitz矩阵,然后对其进行特征值分解,得到Toeplitz矩阵的噪声子空间,利用噪声子空间求出信号空间谱,通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径,增加了可估计相干信号的数量,提升了方位估计的性能,提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明,文中方法可估计出更多的相干信号,而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。
文摘多重信号分类(multiple signal classification,MUSIC)算法是一种经典的空间谱估计算法,其利用信号子空间和噪声子空间相互正交的特性,估计出入射信号的波达方向(direction of arrival,DOA)。文章以二维高精度DOA估计的应用需求为目标,通过分析MUSIC算法中各个步骤的计算特点,提出了一种算法的实现方法,并在现场可编程门阵列(field programmable gate array,FPGA)上完成了各个模块硬件电路的设计验证。该方法利用矩阵元素行列序号的对称性,得到了一种计算协方差矩阵的并行化分解方案;采用阈值比较法提高特征分解速度的同时,避免了最值求解,降低了硬件复杂度;在谱峰搜索中使用分步搜索法来提高实时性,并设计了专用硬件电路计算方向向量,以节省存储资源和避免数据读取延时带来的性能损失;与传统实现方法相比,实现了高精度和高实时性的统一。实验结果表明,该方法中的硬件实现方案在100 MHz工作频率的FPGA芯片上,完成一次精度为0.1°的二维DOA估计耗时3~5ms,具有精度高、速度快、资源消耗少的优势。
文摘为了降低波束域多重信号分类(multiple signal classification,MUSIC)算法估计接收信号到达时间(time of ar-rival,TOA)的计算复杂度,提高算法的抗噪性能,提出一种基于TK算子(Teager-Kaiser operator)的改进算法。利用TK算子对数据瞬时变化敏感的特性,将接收信号与参考信号的相关函数经过TK算子处理,估计出波束域转换矩阵和波束域输出数据,再用MUSIC时延估计算法估计TOA。仿真结果说明,该方法比波束域MUSIC时延估计算法计算量小,并更好地抑制了多径信号噪声影响,高分辨率的估计性能得到了明显改善。