陣列天線DOA估計的蒙特卡洛仿真.pdf

1、波達方向(Direction of Arrival,DOA)估計是陣列信號處理的一個重要研究領(lǐng)域,在通信、雷達、聲納、地震勘測等領(lǐng)域有著廣泛的應(yīng)用前景,基于陣列信號處理的DOA估計可以同時對空間不同方向上的多個信號源實現(xiàn)高分辨率的方向估計。表示用戶空間特征信息的波達方向是空間譜估計研究的主要課題,其中最經(jīng)典的超分辨率空間譜估計方法是Schmidt博士于1979年提出的MUSIC(Multiple Signal Classificatio

2、n)算法,并于1986年重新發(fā)表。在模型準確的條件下,MUSIC算法能精確地估計空間上彼此互不相關(guān)信號的波達方向。但是,當空間信號相隔比較近且信噪比較低時,MUSIC算法卻不能很好地分辨出它們的波達方向,解決的有效途徑是充分利用目標信號中的有用信息,通過提取信號的重要特征,以提高信號分辨率。
　　本文首先介紹了陣列信號處理的基本原理,描述了DOA估計的信號模型,對DOA估計的經(jīng)典算法即Capon算法和MUSIC算法進行了簡單的概括

3、和總結(jié),同時,將蒙特卡洛仿真應(yīng)用在均勻線陣上對這兩種算法的性能以及優(yōu)缺點進行了分析和對比。
　　接著,本文重點研究和分析了當天線陣元噪聲為色噪聲時,相關(guān)性噪聲對MUSIC算法參數(shù)估計性能的影響。通過數(shù)學(xué)推導(dǎo),在理論上建立了色噪聲環(huán)境下MUSIC算法的輸入?yún)f(xié)方差矩陣模型,參數(shù)估計誤差模型和參數(shù)估計誤差協(xié)方差矩陣模型,同時也從理論上解釋了采樣樣本數(shù)與輸入信號SNR,MUSIC算法參數(shù)估計偏差之間的數(shù)學(xué)關(guān)系,清楚地表明了低的SNR將嚴重

4、影響MUSIC算法參數(shù)估計的性能;但在一定的范圍內(nèi),可以通過增加采樣樣本數(shù),優(yōu)化輸入?yún)f(xié)方差矩陣來降低估計偏差。然而,當SNR低到一定程度時,通過增加采樣樣本數(shù)對參數(shù)估計偏差的改善不明顯。蒙特卡洛仿真應(yīng)用在均勻線陣上證明了該結(jié)論的正確性。
　　最后,論文的重點放在對MUSIC算法的改進上,提出了一種在低信噪比情況下,能在一定程度上改善MUSIC算法參數(shù)估計偏差的有效方法,采用相關(guān)矩陣在信號子空間交替投影的方法,并通過迭代算法,把多維