MUSIC (Multiple Signal Classification)算法具有优良的估计精度和高分辨率,但是存在运算复杂、抗噪声性能差、无法对相干信号解相干等问题,因此难以广泛应用。文中将空域FFT测角融合到波束域MUSIC中,通过对阵列信号进行波束变换降低...MUSIC (Multiple Signal Classification)算法具有优良的估计精度和高分辨率,但是存在运算复杂、抗噪声性能差、无法对相干信号解相干等问题,因此难以广泛应用。文中将空域FFT测角融合到波束域MUSIC中,通过对阵列信号进行波束变换降低数据维度,结合空域FFT提供的先验信息为角度谱的峰值搜索提供搜索范围,从而有效地避免了角度谱中的栅瓣干扰、全谱搜索。该方案能够对单快拍数据进行快速角度估计,在降低传统超分辨方法运算量的同时,可以获得更稳健的性能。仿真结果表明,该方案的测角性能优于MUSIC算法,运算复杂度低于MUSIC算法,验证了该方案的有效性和优越性。展开更多
文摘MUSIC (Multiple Signal Classification)算法具有优良的估计精度和高分辨率,但是存在运算复杂、抗噪声性能差、无法对相干信号解相干等问题,因此难以广泛应用。文中将空域FFT测角融合到波束域MUSIC中,通过对阵列信号进行波束变换降低数据维度,结合空域FFT提供的先验信息为角度谱的峰值搜索提供搜索范围,从而有效地避免了角度谱中的栅瓣干扰、全谱搜索。该方案能够对单快拍数据进行快速角度估计,在降低传统超分辨方法运算量的同时,可以获得更稳健的性能。仿真结果表明,该方案的测角性能优于MUSIC算法,运算复杂度低于MUSIC算法,验证了该方案的有效性和优越性。