無需預估角的寬帶DOA估計方法研究.pdf

1、寬帶信號DOA估計是陣列信號處理領域的一個重要組成部分。在基于子空間的寬帶DOA估計算法中，在求聚焦矩陣時需要對入射信號的角度進行預估計，而預估計結果與真實信號方向的接近程度對最終測向結果有很大的影響，粗糙的角度預估計將導致估計的性能大大下降。因此分析和尋找不需要角度預估計的寬帶DOA估計算法是值得研究的一個重要問題。本論文主要對寬帶信號DOA估計方法中的無需預估角方法進行了較深入的分析和研究，并進行了大量的仿真，以驗證所提出算法的有效

2、性。 論文的第二部分介紹了DOA估計的窄帶和寬帶信號模型以及一些基本理論。 第三部分，介紹了DOA估計的非相干類方法和相干類無需預估角的方法。對于非相干類方法主要介紹了IMUSIC和TOPS方法。仿真結果表明，IMUSIC方法比TOPS方法在各個方面都有更好的估計性能。 對于相干類無需預估角的方法，詳細介紹了CSM、RSS、BI-CSM和R-CSM方法，并對各個方法進行了比較分析。分析和仿真結果表明：RSS的性能

3、最為穩(wěn)定。要使R-CSM的估計性能得到穩(wěn)定，在低信噪比時，需要迭代5步以上，在中等及以上的信噪比情況下，至少需要迭代3步。另外，還就RSS方法在寬帶陣列信道化接收機中的應用進行了仿真試驗，并與窄帶DOA估計方法進行了比較。仿真表明：將寬帶DOA估計方法應用于寬帶陣列信道化接收機中是一個有效的方法。它不需要對每一個存在信號的子信道進行一次測向，而只需對它們進行一次共同的測向。 在論文的第四部分介紹了將徑向基函數(shù)神經網絡應用于窄帶D

4、OA估計和寬帶DOA估計中。對于窄帶DOA估計，提出了兩種以不同變量作為徑向基函數(shù)神經網絡輸入的DOA估計方法。并將兩種方法同MUSIC方法進行了比較。以協(xié)方差矩陣元素作為輸入的方法在低信噪比的情況下，估計偏差較大，性能遠遠差于以信號子空間作為輸入的方法和MUSIC方法，但是，由于不需要求解信號子空間和譜峰搜索運算，以協(xié)方差矩陣元素作為輸入的方法的運算時間是最快的。 對于寬帶DOA估計，提出了兩種基于徑向基函數(shù)神經網絡的方法。

5、 第一種方法是將RSS方法與徑向基函數(shù)神經網絡相結合提出RSS-RBFNN，該方法先將各個頻點的數(shù)據(jù)聚焦到參考頻點上，然后計算出參考頻點上的協(xié)方差矩陣，最后協(xié)方差矩陣元素作為輸入的徑向基函數(shù)神經網絡計算出DOA估計值。在相同的信噪比下，寬帶的RSS-RBFNN的估計性能要好于窄帶的RBFNN。 另一種方法是根據(jù)RSS的估計性能隨著聚焦區(qū)域的縮小而提高的性質，提出了基于概率神經網絡(PNN)的分區(qū)寬帶DOA估計方法PNN-R