为了降低宽带信号旋转信号子空间(rotational signal subspace,RSS)方位估计算法的运算量和分辨门限,针对中心对称阵列,将实值处理过程和信号子空间缩放MUSIC(SSMUSIC)方法引入宽带信号方位估计,提出了一种宽带信号方位估计新方法。该...为了降低宽带信号旋转信号子空间(rotational signal subspace,RSS)方位估计算法的运算量和分辨门限,针对中心对称阵列,将实值处理过程和信号子空间缩放MUSIC(SSMUSIC)方法引入宽带信号方位估计,提出了一种宽带信号方位估计新方法。该方法首先使用左实变换矩阵将双向平滑后的各个频率子带的数据协方差矩阵变换为实数矩阵,从而大大降低了运算量;然后使用RSS方法选取聚焦矩阵对各个频率子带的实协方差矩阵进行变换,得到同一参考频率点的数据协方差阵;最后利用基于子空间斜投影的SSMUSIC算法进行一维搜索来求得各个目标的方位角。仿真实验结果表明,该方法比常规宽带RSS方法运算量小,且具有更低的分辨门限和更小的均方误差。展开更多
非相干信号子空间方法(Incoherent Signal Subspace Method,ISM)无法处理相干宽带信源且运算量较大,在脉冲噪声下,由于二阶相关矩阵无法收敛,基于ISM算法的波达方向(Direction of Arrival,DOA)估计也将失去韧性,为此对ISM算法进行了改...非相干信号子空间方法(Incoherent Signal Subspace Method,ISM)无法处理相干宽带信源且运算量较大,在脉冲噪声下,由于二阶相关矩阵无法收敛,基于ISM算法的波达方向(Direction of Arrival,DOA)估计也将失去韧性,为此对ISM算法进行了改进。首先将等间距线阵输出矩阵在频域进行分解,根据各频率分量对应的归一化功率设置门限值,对大于门限的频率分量构建分数低阶相关矩阵(Fractional Low Order Covariance,FLOC),并进行修正以解相干。再对修正后的各低阶矩进行特征值分解并提取噪声特征矩阵,列多项式求根。最后取算术平均,可得相干宽带信源的DOA估计。通过计算机仿真,改进的ISM算法在脉冲噪声下可处理相干宽带信源的DOA估计,且稳健性较好。展开更多
提出一种新的ESPRIT(estimation of signal parameters via rotattional invariance tech- niques.)方法.对于相干信源情况,不需要估计空间平滑的样本协方差矩阵及对其作特征值分解, 其信号子空间的估计只需要多级维纳滤波器的P次前向递...提出一种新的ESPRIT(estimation of signal parameters via rotattional invariance tech- niques.)方法.对于相干信源情况,不需要估计空间平滑的样本协方差矩阵及对其作特征值分解, 其信号子空间的估计只需要多级维纳滤波器的P次前向递推.这里P为信源数.从而使得新的ESPRIT方法具有小运算量和低复杂度的特点,易于实时处理.仿真结果证明了方法的有效性.展开更多
文摘为了降低宽带信号旋转信号子空间(rotational signal subspace,RSS)方位估计算法的运算量和分辨门限,针对中心对称阵列,将实值处理过程和信号子空间缩放MUSIC(SSMUSIC)方法引入宽带信号方位估计,提出了一种宽带信号方位估计新方法。该方法首先使用左实变换矩阵将双向平滑后的各个频率子带的数据协方差矩阵变换为实数矩阵,从而大大降低了运算量;然后使用RSS方法选取聚焦矩阵对各个频率子带的实协方差矩阵进行变换,得到同一参考频率点的数据协方差阵;最后利用基于子空间斜投影的SSMUSIC算法进行一维搜索来求得各个目标的方位角。仿真实验结果表明,该方法比常规宽带RSS方法运算量小,且具有更低的分辨门限和更小的均方误差。
文摘非相干信号子空间方法(Incoherent Signal Subspace Method,ISM)无法处理相干宽带信源且运算量较大,在脉冲噪声下,由于二阶相关矩阵无法收敛,基于ISM算法的波达方向(Direction of Arrival,DOA)估计也将失去韧性,为此对ISM算法进行了改进。首先将等间距线阵输出矩阵在频域进行分解,根据各频率分量对应的归一化功率设置门限值,对大于门限的频率分量构建分数低阶相关矩阵(Fractional Low Order Covariance,FLOC),并进行修正以解相干。再对修正后的各低阶矩进行特征值分解并提取噪声特征矩阵,列多项式求根。最后取算术平均,可得相干宽带信源的DOA估计。通过计算机仿真,改进的ISM算法在脉冲噪声下可处理相干宽带信源的DOA估计,且稳健性较好。
文摘提出一种新的ESPRIT(estimation of signal parameters via rotattional invariance tech- niques.)方法.对于相干信源情况,不需要估计空间平滑的样本协方差矩阵及对其作特征值分解, 其信号子空间的估计只需要多级维纳滤波器的P次前向递推.这里P为信源数.从而使得新的ESPRIT方法具有小运算量和低复杂度的特点,易于实时处理.仿真结果证明了方法的有效性.