共查询到15条相似文献,搜索用时 250 毫秒
1.
2.
3.
4.
非圆信号多级维纳滤波MUSIC测向算法 总被引:1,自引:0,他引:1
为降低非圆信号的MUSIC(记为NC-MUSIC)测向算法的计算量,提出了基于多级维纳滤波的NC-MUSIC算法.首先,该算法将非圆信号特性用于多级维纳滤波算法,构造出扩展阵列输出矩阵,利用多级维纳滤波的递推特性求出信号子空间,而不需要估计样本协方差矩阵和对其特征值分解;其次,为了进一步降低算法的计算量,推导出信号子空间的谱峰一维搜索公式进行非圆信号谱峰搜索的计算,快速估算出目标的方位值.仿真结果和计算复杂度分析表明,新算法不但在均方根误差性能上与其他快速算法相似,均接近于NC-MUSIC算法,具有良好的估计性能,而且降低了NC-MUSIC算法的计算最,使其计算复杂度小于非圆信号扩展传播算子快速测向算法的计算复杂度.证实了新算法快速有效的估计性能. 相似文献
5.
提出了一种基于多级维纳滤波(MSWF: Multistage Wiener Filter)的盲信噪比估计算法。结合信号子空间分解理论,该方法利用多级维纳滤波器的相关相减结构(CSA: Correlation Subtraction Algorithm)前向递推实现含噪信号空间分解,避免了传统方法对信号自相关矩阵进行复杂的特征值分解运算,并以此估计信号功率和噪声功率来完成盲信噪比估计。在加性高斯白噪声(AWGN)信道条件下进行信噪比估计仿真,仿真表明,当实际信噪比在-7~25dB范围内时,估计器的估计标准偏差小于0.5dB,且性能优于常规方法。设定实际信噪比为10dB,当接收码元数目为100时,对所有仿真的调制方式信噪比估计标准偏差小于0.35dB,证明了估计器在小样本支撑环境下实现信噪比快速盲估计的能力。 相似文献
6.
7.
提出一种采用Lanczos算法估计噪声子空间的新方法。该方法采用传统的空间平滑技术解相干,然后由多级维纳滤波器的预滤波器的性质可知,多级维纳滤波器的冗余分解级的预滤波器可以构成一个噪声子空间。由此可以采用Lanczos算法快速估计到噪声子空间。由于不需要对协方差矩阵作特征值分解,而且所要求的冗余分解的级数较少,其运算量比基于特征值分解方法要小得多。此外,采用Lanczos算法计算降维矩阵和冗余矩阵只构成多级维纳滤波器的前向递推,从而使得算法的复杂度大大降低。最后,计算机仿真验证了该方法的有效性。 相似文献
8.
9.
10.
11.
一种基于DSP的快速MUSIC测向方法研究与实现 总被引:2,自引:0,他引:2
讨论了MUSIC测向算法在DSP上快速实现的一种方法。利用多级维纳滤波的方法求解信号特征矢量和信号空间维数,有效地减少了算法的运算量;同时利用TI公司高速DSP芯片(TMS320C6713)的可多流水线并行运行优势,实现了一种基于9元均匀圆阵的快速MUSIC测向方法。 相似文献
12.
针对双平行线阵的二维波达方向(DOA)估计问题,为有效降低计算复杂度,提出了一种基于降秩多级维纳滤波器(MSWF)的快速算法。首先利用MSWF的前向递推实现信号子空间的快速估计,无需估计协方差矩阵和特征分解;然后,通过MUSIC算法对方位角和俯仰角的估计进行分维估计,使二维DOA估计退化为两个一维DOA估计问题,且方位角和俯仰角自动配对,进一步降低了运算量。仿真结果表明,该方法的估计精度优于同样基于双平行线阵提出的波达方向矩阵法(DOAM),俯仰角兼并时同样适用,计算复杂度低,适用于实时性要求高的应用背景。 相似文献
13.
Goldstein J.S. Reed I.S. Scharf L.L. 《IEEE transactions on information theory / Professional Technical Group on Information Theory》1998,44(7):2943-2959
The Wiener filter is analyzed for stationary complex Gaussian signals from an information theoretic point of view. A dual-port analysis of the Wiener filter leads to a decomposition based on orthogonal projections and results in a new multistage method for implementing the Wiener filter using a nested chain of scalar Wiener filters. This new representation of the Wiener filter provides the capability to perform an information-theoretic analysis of previous, basis-dependent, reduced-rank Wiener filters. This analysis demonstrates that the cross-spectral metric is optimal in the sense that it maximizes mutual information between the observed and desired processes. A new reduced-rank Wiener filter is developed based on this new structure which evolves a basis using successive projections of the desired signal onto orthogonal, lower dimensional subspaces. The performance is evaluated using a comparative computer analysis model and it is demonstrated that the low-complexity multistage reduced-rank Wiener filter is capable of outperforming the more complex eigendecomposition-based methods 相似文献
14.
15.