估计相干与非相干信源的ESPRIT新方法

在目前信号波达方向（DOA,Direction-of-Arrival）估计中,ESPRIT算法是一种速度快、精度高的常用算法,但对于低信噪比下混合信号（同时含有相干与非相干信号）,ESPRIT算法难以估计出它们的DOA。提出了一种新的同时估计相干与非相干信源的ESPRIT方法,新方法充分利用数据协方差矩阵的自相关信息和互相关信息来重构含有信号方位信息的矩阵,再从它的特征值中解得信号的到达角。新方法解决了常规ESPRIT算法不能解相干,对信噪比要求高等问题,且与同类算法相比较,分辨能力和估计精度明显提高。仿真实验证明了该方法在混合信号估计中的优越性和可靠性。     

基于奇异值分解处理相干信号的新方法

相干信号的波达方向(DOA)估计一直是空间谱估计研究的一个重点问题,文章通过对奇异值分解解决信号相关问题的研究,提出了一种基于奇异值分解处理相干信号的新算法(MSVD),即利用信号相关阵的最大特征值所对应的特征矢量按一定规则排列出新的矩阵,再对此矩阵进行修正,最后利用奇异值分解得到信号的有关信息.该算法能在低信噪比条件下有效地估计相干的信源,其估计精度要远远高于常用解相干算法.最后用大量的计算机仿真实验来说明新方法的性能:即在低信噪比情况下(0 dB),MSVD的分辨能力远远高于MSS算法和SVD算法;在信号间隔较小时,MSS和SVD方法已无法分辨出信号源,而MSVD方法仍能分辨.     

一种高分辨稳定的相干信源DOA估计

针对目前矩阵重构类算法在低信噪比、小角度差时分辨能力明显下降,甚至不能分辨的缺陷,论文提出一种新的基于均匀线阵的高分辨稳定DOA估计方法,主要在最大特征向量重构数据阵的方式上做了改进,由于新构矩阵的特殊性能,使其解相干能力、DOA估计精度大大提高。计算机仿真结果证实了该改进算法是有效的。     

高效相干源DOA估计的ESPRIT新方法*

ESPRIT算法是一种速度快、精度高的常用算法,但它不能解相干。针对此缺陷,提出了一种新的高效相干源DOA估计的改进ESPRTIT方法,新方法对数据协方差矩阵的最大特征值对应的特征向量按一定方式进行重排处理,以此来重构需要解相干矩阵。它不仅解决了常规ESPRIT算法不能解相干的问题,同时相对常规ESPRIT算法计算过程大大简化。计算机仿真实验证明了该方法在解相干方面的良好性能,为解相干的ESPRIT算法在阵列信号处理的超高分辨领域开辟了新的途径。