基于修正传播算子的高分辨波达方向估计算法

计算机应用 ›› 2010, Vol. 30 ›› Issue (05): 1418-1420.

基于修正传播算子的高分辨波达方向估计算法

刘成城¹,赵拥军²,胡德秀³

1. 解放军信息工程大学
2. 信息工程大学信息工程学院
3. 信息工程大学

收稿日期:2009-11-10 修回日期:2009-12-28 发布日期:2010-05-04 出版日期:2010-05-01
通讯作者: 刘成城
基金资助:
国家863计划项目

High resolution algorithm for direction of arrival estimation based on modified propagator method

Received:2009-11-10 Revised:2009-12-28 Online:2010-05-04 Published:2010-05-01

摘要/Abstract

摘要： 将循环平稳和共轭重排理论引入传播算子算法中，提出修正的循环传播算子波达方向估计算法。该算法对采集数据共轭重排，使相关矩阵的估计更加准确，并充分利用有用信号与干扰信号循环频率的不同和噪声在感兴趣的循环频率上不呈现谱相关的性质,有效滤除了干扰信号和噪声的影响，实现了高分辨的波达方向(DOA)估计；同时它不需要对高维空时协方差矩阵进行特征值分解，所以与基于特征子空间分解的算法相比运算量低，利于实时处理。仿真结果证明了其有效性。

关键词: 相关矩阵, 循环平稳特性, 共轭重排, 子空间, 特征值分解

Abstract: A modified propagator algorithm was presented to achieve the high resolution direction of arrival (DOA) estimation by introducing cyclostationarity and conjugate data rearrangement, which made the correlation matrix more precise and effectively eliminate the influence of the noise and interference signal. Compared with the conventional eigen subspace algorithms, the presented algorithm has lower computational complexity with insignificant performance degradation because of avoiding Eigen Value Decomposition (EVD) of the covariance matrix. The simulation results demonstrate its effectiveness．

Key words: correlation matrix, cyclostationarity, conjugate data rearrangement, subspace, eigen value decomposition

刘成城赵拥军胡德秀. 基于修正传播算子的高分辨波达方向估计算法[J]. 计算机应用, 2010, 30(05): 1418-1420.

[1]	谢雨, 蒋瑜, 龙超奇. 基于随机子空间的扩展隔离林算法[J]. 计算机应用, 2021, 41(6): 1679-1685.
[2]	林筠超, 万源. 基于图结构优化的自适应多度量非监督特征选择方法[J]. 计算机应用, 2021, 41(5): 1282-1289.
[3]	吕佳, 鲜焱. 结合改进密度峰值聚类和共享子空间的协同训练算法[J]. 计算机应用, 2021, 41(3): 686-693.
[4]	朱玉娜, 张玉涛, 闫少阁, 范钰丹, 陈韩托. 基于半监督子空间聚类的协议识别方法[J]. 计算机应用, 2021, 41(10): 2900-2904.
[5]	王丽娟, 陈少敏, 尹明, 许跃颖, 郝志峰, 蔡瑞初, 温雯. 基于近邻图改进的块对角子空间聚类算法[J]. 计算机应用, 2021, 41(1): 36-42.
[6]	黄学雨, 徐浩特, 陶剑文. 具有特征选择的多源自适应分类框架[J]. 计算机应用, 2020, 40(9): 2499-2506.
[7]	李杏峰, 黄玉清, 任珍文. 联合低秩稀疏的多核子空间聚类算法[J]. 计算机应用, 2020, 40(6): 1648-1653.
[8]	曾梦, 宁彬, 蔡之华, 谷琼. 使用深度对抗子空间聚类实现高光谱波段选择[J]. 计算机应用, 2020, 40(2): 381-385.
[9]	程玉胜, 宋帆, 王一宾, 钱坤. 基于专家特征的条件互信息多标记特征选择算法[J]. 计算机应用, 2020, 40(2): 503-509.
[10]	谭瑶, 饶文碧. 异构复合迁移学习的视频内容标注方法[J]. 计算机应用, 2018, 38(6): 1547-1553.
[11]	张乐园, 李佳烨, 李鹏清. 低秩约束的非线性属性选择算法[J]. 计算机应用, 2018, 38(12): 3444-3449.
[12]	原豪杰, 孙桂玲, 许依, 郑博文. 基于补集零空间与最近空间距离的人脸识别[J]. 计算机应用, 2017, 37(5): 1475-1480.
[13]	方宁, 周宇, 叶庆卫, 李玉刚. 基于无监督学习卷积神经网络的振动信号模态参数识别[J]. 计算机应用, 2017, 37(3): 786-790.
[14]	王妍, 杨钧, 孙凌峰, 李玉诺, 宋宝燕. 基于随机矩阵理论的高维数据特征选择方法[J]. 计算机应用, 2017, 37(12): 3467-3471.
[15]	程铃钫, 杨天鹏, 陈黎飞. 不平衡数据的软子空间聚类算法[J]. 计算机应用, 2017, 37(10): 2952-2957.