高分辨率信号DOA估计的跟踪算法

本文论述了一种基于子空间方法的高分辨DOA估计跟踪问题的解法。该方法基于对采样数据矩阵的广义奇异值分解(GSVD)。本文讨论了GSVD的更新修正算法,在每步计算中只需有限次的运算,即可由前一次的近似分解结果计算出新的近似分解。该过程与指数加权技术相结合,可以处理信号参数估计的跟踪问题。

双平行线列阵的方位估计及声探测盲区分析

基于信号相位匹配原理,给出了利用由双平行线列阵组成的平面阵进行声源方位估计的奇异值分解算法(Singular Value Decomposition for Signal Phase Matching,SVDSPM),推导了空间谱搜索所需的时延计算公式;分析了双线阵间距对不同频率方位估计精度的影响,从而确定了双线阵的间距;分析了声源频率对方位估计精度的影响;给出了给定频率时方位估计精度与信噪比的关系并与MUSIC算法获得的结果进行了比较;给出了利用平面阵进行低空目标的声探测时存在的声探测盲区的描述方法,并分析了声源的频率、目标初始俯仰角、阵元数、阵型对声探测盲区的影响。仿真结果表明:(1)在低信噪比时SVDSPM算法的方位估计性能优于MUSIC算法;(2)声探测盲区的范围与声源的频率和目标初始俯仰角有关,而与阵元数、阵型无关。声探测盲区的分析和研究为立体阵的设计和方位估计提供了依据。