共查询到10条相似文献,搜索用时 15 毫秒
1.
相干信源波达方向估计的加权空间平滑算法 总被引:18,自引:1,他引:17
提出了一种用于空间相干源DOA估计的加权空间平滑算法(WSS,weighted spatial smoothing)。常规的空间平滑算法没有利用子阵输出的互相关信息,而且对相干信源的分辨力较差。WSS算法充分利用了子阵输出的自相关信息和互相关信息,将主阵协方差矩阵的所有子阵阵元数阶的子矩阵进行加权平均,以期提高常规空间平滑算法的分辨性能。文中以加权平滑后等效的信源协方差矩阵的对角化为约束条件,推导了加权矩阵的理论表达式。计算机仿真结果表明,WSS算法与常规空间平滑算法相比具有更高的分辨性能和更低的信噪比门限。特别是在于阵划分较多时其优越性更加明显。 相似文献
2.
针对常规的四元数空间平滑算法解相干时没有充分利用各子阵的互相关信息导致信号波达方向估计分辨率较差的问题,提出了一种基于四元数的改进空间平滑解相干算法。首先,利用四元数的正交结构可以很好地保持极化敏感阵列各阵元两分量输出信号之间固有的正交特性,建立了四元数接收信号模型。然后,在常规的空间平滑算法的基础上推导了改进的空间平滑解相干算法。该算法利用了阵列各子阵接收信号的全部互相关和自相关信息,在信号波达方向相近和信噪比较低的情况下,具有比常规空间平滑算法更优的波达方向估计性能。最后,通过计算机仿真验证了改进算法的有效性。 相似文献
3.
对于电磁矢量阵列的相干信源波达方向估计,针对空间平滑算法解相干时减少阵列有效孔径的问题,提出了一种四元数Toeplitz矩阵重构算法。首先,根据四元数的正交特性建立了信号接收模型,很好地保持了电磁矢量阵列的阵元输出信号两分量间的正交性,同时保证了波达方向角信息和极化信息都能包含在重构矩阵中;然后,在阵列各阵元接收数据与参考阵元接收数据的相关函数基础上,构成Hermitian Toeplitz矩阵,从而实现解相干。该算法与空间平滑算法相比增加了相干信源估计个数,且在低信噪比和入射角度接近时具有更好的估计性能,通过仿真实验得到了验证。 相似文献
4.
5.
基于Toeplitz矩阵的波束空间新算法 总被引:2,自引:0,他引:2
为保留渡束空间算法优点,降低算法对阵列的要求,及对相干信号源有效,提出了基于Toeplitz矩阵的波束空间多重信号处理算法-BST-MUSIC.算法将任意阵列的波束域输出及均匀线阵的阵元输出综合处理得到Toeplitz矩阵,对其修正处理后采用MUSIC算法进行DOA估计.由推导过程知:算法能够增强或抑制指定空域内的信号;能使相干信源等效为独立信源;在任意阵列与均匀线阵阵元不重合情况下能够有效地抑制噪声;只需一个子阵为均匀线阵,降低了算法对阵列的要求. 相似文献
6.
由于多径效应的存在,雷达在低仰角跟踪时除了接收到目标的直接回波外,还会接收到与直接回波相干的地(海)面反射的多径信号.针对存在阵元间互耦情况下的米波雷达低仰角测高问题,本文提出了一种改进的加权空间平滑算法.首先,通过特殊的子阵划分方式,使互耦误差和波达方向估计的代价函数无关,使之转化为无互耦误差条件下波达方向估计问题.然后,直接利用阵列接收数据求得最优加权矩阵,对子阵输出的自相关矩阵和互相关矩阵进行加权空间平滑,改善解相干的性能,提高存在互偶误差情况下米波雷达低仰角波达方向估计的精度.理论分析和计算机仿真都表明了新算法的优越性. 相似文献
7.
8.
9.
文献[1]提出的最优加权空间平滑技术可以使相干源存在时的信源协方差矩阵恢复为对角阵.由于文献[1]中导出的最优权矩阵是空间信源方位的函数矩阵,本文利用最优加权空间平滑后阵列协方差矩阵的Toeplitz性,构造了一个全新的优化拟合的代价函数,并基于此提出了一种相干源方位估计的新算法.与文献[1]不同,算法的实现不需要方位估计的先验知识和协方差矩阵的去噪预处理.分辨性能的蒙特卡罗仿真实验表明,新算法对空间相干信源的分辨性能优于常规的空间平滑算法和最大似然算法,在小阵列和信源空间间隔较近时,算法的优越性尤为突出. 相似文献
10.
线性电磁矢量阵列的空时极化平滑算法及相干源多参数估计 总被引:1,自引:0,他引:1
该文提出了一种基于线性电磁矢量阵列的空时极化平滑算法(STPSA),解决了相干信源的频率,2维波达方向和极化参数的联合估计问题。该算法通过对不同子阵和矢量传感器不同传感单元的测量数据及其相应延迟数据进行平滑,实现解相干预处理并抑制噪声干扰,然后利用传播算子方法得到相应的参数估计。与目前的算法相比,该文提出的算法能够同时实现相干信源的多个参数联合估计;无需通过奇异值或特征值分解提取信号/噪声子空间,也无须进行参数搜索,有较低的运算量;另外,算法能够通过增加相邻阵元的间隔来扩展阵列的有效孔径,改善估计性能,且无须进行参数去模糊处理。仿真结果验证了算法的有效性。 相似文献