多重信号分类(multiple signal classification:MUSIC)方法通过计算搜索导向矢量与噪声或信号子空间的距离来估计波达方向,对采样协方差矩阵的依赖性较大。在小快拍或存在强弱临近信号条件下,采样协方差矩阵的估计值与真实值通常存在较...多重信号分类(multiple signal classification:MUSIC)方法通过计算搜索导向矢量与噪声或信号子空间的距离来估计波达方向,对采样协方差矩阵的依赖性较大。在小快拍或存在强弱临近信号条件下,采样协方差矩阵的估计值与真实值通常存在较大差异,导致估计的噪声或信号子空间发生畸变,严重恶化了MUSIC方法的波达角估计性能。针对该问题,本文提出采用加权伪噪声子空间投影的改进方法(称为wpnMUSIC)。该方法在修正数据相关矩阵的基础上估计与搜索导向矢量对应的伪噪声子空间并利用其在伪噪声子空间的投影值对MUSIC空间谱进行加权处理,在保持子空间处理方法高分辨能力的同时改善了对小快拍和强弱信号的稳健性。理论分析和仿真实验表明本文方法对强弱临近目标的分辨能力优于MUSIC方法。展开更多
文摘多重信号分类(multiple signal classification:MUSIC)方法通过计算搜索导向矢量与噪声或信号子空间的距离来估计波达方向,对采样协方差矩阵的依赖性较大。在小快拍或存在强弱临近信号条件下,采样协方差矩阵的估计值与真实值通常存在较大差异,导致估计的噪声或信号子空间发生畸变,严重恶化了MUSIC方法的波达角估计性能。针对该问题,本文提出采用加权伪噪声子空间投影的改进方法(称为wpnMUSIC)。该方法在修正数据相关矩阵的基础上估计与搜索导向矢量对应的伪噪声子空间并利用其在伪噪声子空间的投影值对MUSIC空间谱进行加权处理,在保持子空间处理方法高分辨能力的同时改善了对小快拍和强弱信号的稳健性。理论分析和仿真实验表明本文方法对强弱临近目标的分辨能力优于MUSIC方法。