子空間類超分辨算法并行化研究.pdf

1、對(duì)空間譜估計(jì)技術(shù)進(jìn)行研究的主要目的是提高空間信源方位角的估計(jì)精度以及分辨力，在眾多的超分辨算法中，子空間類算法由于其得天獨(dú)厚的優(yōu)勢(shì)：明確的物理概念和良好的估計(jì)性能而得到了更多的關(guān)注和應(yīng)用。其中最具代表性也是最常用的兩種方法為：多重信號(hào)分類算法(MUSIC)和旋轉(zhuǎn)不變子空間算法(ESPRIT)。
　　將子空間類算法在應(yīng)用于實(shí)際中會(huì)發(fā)現(xiàn)存在著計(jì)算量大的缺陷，而在雷達(dá)信號(hào)處理中，對(duì)算法的實(shí)時(shí)性又有著較高的要求，雖然有著較好的估計(jì)性能，但

2、難以進(jìn)行實(shí)時(shí)處理制約了子空間類算法應(yīng)用和發(fā)展。本文從并行處理的角度出發(fā)，對(duì)子空間類超分辨算法進(jìn)行高效化進(jìn)行。然而并行化的實(shí)現(xiàn)是并不是簡(jiǎn)單的將算法分割，而是要依賴于對(duì)算法本身的理解和實(shí)現(xiàn)步驟的劃分。
　　本文從經(jīng)典的MUSIC算法入手，分析其性能和計(jì)算復(fù)雜度，對(duì)運(yùn)算量主要集中的環(huán)節(jié)——特征分解提出改進(jìn)算法。該方法針對(duì)MUSIC算法的計(jì)算復(fù)數(shù)域上運(yùn)行，運(yùn)算量大、不易于特征分解的缺陷，選擇一種實(shí)值化預(yù)處理方法，該方法不僅可以在不影響算法

3、性能的前提下將協(xié)方差矩陣化為實(shí)對(duì)稱矩陣，有利于并行化算法的選取，而且處理本身即會(huì)減少算法的計(jì)算量。之后通過(guò)對(duì)比分析選取了兩種適合并行化處理的特征分解方法，并對(duì)其原理進(jìn)行了分析。
　　在得到理論依據(jù)后，對(duì)MUSIC算法進(jìn)行并行化實(shí)現(xiàn)：在構(gòu)造協(xié)方差矩陣、特征分解和譜峰搜索三個(gè)階段分別對(duì)其進(jìn)行并行化改進(jìn)，從而大大提高算法的實(shí)時(shí)性。其中在特征分解階段，分別采用之前所分析的Jacobi方法和QR方法并對(duì)其進(jìn)行并行化改進(jìn)。通過(guò)仿真分析驗(yàn)證了并

4、行算法的有效性，同時(shí)通過(guò)與經(jīng)典的MUSIC算法的性能比較，對(duì)比分析這兩種方法在估計(jì)性能及運(yùn)算量方面的性能。
　　在得到并行的MUSIC算法之后，本文將此方法推廣到ESPRIT算法中。針對(duì)ESPRIT算法與MUSIC算法主要的不同之處，即在特征分解階段ESPRIT算法涉及到對(duì)非對(duì)稱矩陣進(jìn)行廣義特征分解，本文在QR方法的基礎(chǔ)上進(jìn)行改進(jìn)，采用了Lanczos方法和帶原點(diǎn)位移的QR方法，提出了一種適合 ESPRIT算法的并行運(yùn)算方法，通過(guò)