子空間分解類算法在參數(shù)估計中的應(yīng)用.pdf

1、子空間分解類算法是20世紀70年代發(fā)展起來的一種超(高)分辨率方法，它能精確地估測出信號的參數(shù)(頻率、方位等)，其性能理想、分辨能力和估測精度均比傳統(tǒng)方法高。其特點是通過適當?shù)臄?shù)學變換，把接收數(shù)據(jù)分成兩大獨立且正交的子空間部分，再利用它們各自的特性來估測參數(shù)。故而它又分為信號和噪聲兩類子空間算法，其中前者是以旋轉(zhuǎn)不變子空間(Estimation of Signal Parameters via Rotational Invariance

2、Techniques，簡稱為ESPRIT)為代表，如ESPRIT法、LS-ESPRIT法、TLS-ESPRIT法、Toeplitz近似法等等；后者是以多重信號分類(Multiplesignals Classification，簡稱為MUSIC)為代表，如MUSIC法、ROOT-MUSIC法、Toeplitz優(yōu)化法、多維MUSIC法、MNM法等等。此類算法因其良好的特性，已被廣大科研人員接受。
　　 頻率估計是信號處理技術(shù)的重要內(nèi)

3、容，對噪聲背景下頻率估測技術(shù)的研究已成為一個科研課題，被應(yīng)用于眾多行業(yè)，探索高精準度的頻率估測技術(shù)具有重大的科研應(yīng)用價值。頻率估計是陣列信號處理技術(shù)的科研內(nèi)容，它打破了Rayleigh限的制約，能同時精準地估測多個信源的方位信息。DOA技術(shù)正是該領(lǐng)域的熱門方向，有較好的發(fā)展前景，但經(jīng)典DOA技術(shù)的分辨能力不夠強，常會出現(xiàn)無法估測或性能惡化等現(xiàn)象，故探索性能優(yōu)良、具有更高精度的測向算法是很有必要的。
　　 本文主要講述子空間分解類

4、算法在參數(shù)估計中的應(yīng)用，特別是在頻率估計和空間譜技術(shù)領(lǐng)域的應(yīng)用。首先緒論部分介紹了頻率估計和空間譜技術(shù)的背景意義、科研歷程、今后的發(fā)展趨勢。接著第2、3、4章分別以ESPRIT算法、MUSIC算法為代表，講述它們在頻率估計、一維DOA估計、二維DOA估計領(lǐng)域中的應(yīng)用，從理論和仿真兩角度來表明這類算法的可行性及其仿真性能；同時根據(jù)MUSIC算法的原理，還提出了它的推廣形式，即Toeplitz優(yōu)化法和二維MNM算法，并借用流程圖及MATLA

5、B軟件來表明該些方案的可行性和仿真性能；每章的末尾部分還對ESPRIT算法與MUSIC算法的參數(shù)估測性能作了全面的比較。分析研究表明：在不同的參數(shù)估計領(lǐng)域中，ESPRIT算法的運算量均較小，MUSIC算法的精準度均較高，且二者的估測性能受不同的參數(shù)影響，這說明它們適用于不同的范圍和場所。最后第5章總結(jié)了全文的研究工作，并指出子空間類算法的未來科研方向。
　　 本文的創(chuàng)新點有以下幾點：
　　 1.把ESPRIT算法和MUS

6、IC算法同時應(yīng)用于頻率估計領(lǐng)域，并借助流程圖及MATLAB軟件來表明它們的可行性和仿真性能，還對ESPRIT算法和MUSIC算法的頻率估計性能作了全面的比較。
　　 2.提出了1D-MUSIC算法的改進算法，即Toeplitz優(yōu)化法，還借用流程圖及MATLAB軟件來表明該方案的可行性和仿真性能，并從理論和實驗兩方面對1D-ESPRIT算法和1D-MUSIC算法的性能作了全面的比較。
　　 3.提出了2D-MUSIC算法的