基于MUSIC及其改进算法的空间信号到达方向估计方法研究

本文首先介绍了多重信号分类(MUSIC)算法的原理和步骤,给出了不同快拍数和不同信噪比条件下基于MUSIC算法的空间信号到达方向(DOA)估计的仿真和分析,提出了DOA估计系统在工程设计中需要注意的问题和解决办法。随后,针对实际工程中复杂电磁环境下的信号源相干问题,研究了一种基于空间平滑的改进MUSIC算法的原理和步骤,并对传统MUSIC算法与改进MUSIC算法对相干信源的DOA估计性能进行了仿真对比和分析。仿真结果表明,与传统MUSIC算法相比,基于空间平滑改进的MUSIC算法能有效改善对相干信号源的测量性能,得到正确的DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

MUSIC及其改进算法的研究与实现

研究了用于阵列信号处理领域的重要分支,即信号到达角估计的几种MUSIC算法。阐述了经典MUSIC算法、前后向空间平滑MUSIC算法、改进MUSIC算法的原理。采用Matlab进行的仿真表明,经典MUSIC算法对于非相干信源的到达角估计具有良好的性能,但不能用于相干信源的到达角估计;前后向空间平滑MUSIC算法使可估计信源数减小、计算复杂度较高;改进MUSIC算法性能最好,不影响非相关信源的估计,也无明显计算量增加。几种算法在到达角估计中有各自的优缺点。     

MUSIC算法的性能比较

智能天线的核心技术之一是波达方向估计,在无线通信中具有重要作用。MUSIC算法是一种经典的DOA估计算法,但因其计算量大、对于相干及小信噪比信号无法分辨等缺陷,故有较多的改进算法被提出。文中研究了求根MUSIC算法、基于空间平滑技术的MUSIC算法、改进MUSIC算法及修正MUSIC算法。通过仿真分析了角度间隔、信噪比、信号相干对改进MUSIC算法分辨率的影响。以上几种改进MUSIC算法进一步发挥了该算法高分辨率的优势,且有利于其在智能天线方面的应用。     

色噪声环境下GTD模型的参数估计

本文将能够精确描述高频电磁散射的GTD信号模型引入MUSIC算法,并对MUSIC算法做了相应改进。提出利用特征分析方法中信号与噪声子空间正交特性,使改进后的MUSIC算法既能够精确估计目标散射中心位置,又能估计散射中心类型。本文采用基于四阶累量的MUSIC算法,在一定程度上克服了高斯色噪声对MUSIC算法的影响,拓宽了GTD 模型参数求解的条件。     

基于解相干的改进MUSIC算法DOA估计

MUSIC算法是一种子空间分解算法。在非相干的情况下,经典MUSIC算法能准确进行波达方向（DOA）估计,但当信号源在相干的情况下时算法失效。在对经典MUSIC算法进行理论分析研究的基础上,对其阵元接收数据阵做相应变换,得到共轭重构后的协方差矩阵,通过特征值分解再进行DOA估计。就经典的MUSIC和改进算法的DOA估计性能进行了仿真分析。结果表明,改进后的算法在信号源相干的情况下也能精确地估计信号的波达方向。     

超宽带信号时延估计算法研究

研究定位中的超宽带(Ultra Wide-band,简称UWB)信号时延估计问题,给出UWB信号的模型,在研究传统的相关法、双谱法及MUSIC算法的基础上,提出一种改进的MUSIC算法.通过仿真实验,给出估计性能曲线,和传统的相关法、双谱法及MUSIC算法相比,仿真结果表明改进的MUSIC算法具有更好的估计性能.     

低信噪比中MUSIC算法研究

MUSIC（Multiple Signal ClaSSification）是一种超分辨率的DOA（Direction of hrrival）估计算法,其分辨率随着天线接收信号的信噪比的增大而增大。在低信噪比条件TMUSIC算法的分辨率快速下降,为解决此问题提出了一种改进的MUSIC算法,使它在低信噪比条件下有较高的分辨率。通过计算机仿真验证了改进后的算法在低信噪比条件下具有很高的分辨率,在信噪比高的条件下其分辨率也大于基本的MUSIC算法。     

一种新的波达方向估计子空间算法研究

MUSIC算法是一种属于特征结构的子空间超分辨方法。该算法性能优良,但需要进行矩阵特征分解,运算量大。对波达方向估计问题进行了研究并提出了一种新的子空间算法。该算法利用总体最小二乘（TLS）方法取代特征分解得到噪声子空间,运算复杂度低于MUSIC算法,使其实时实现成为可能。总体最小二乘处理减轻了噪声的影响,该算法性能与MUSIC算法相当。理论分析和计算机仿真结果表明此方法是有效的。     

基于波束空间MUSIC的MIMO雷达波达方向估计

在进行波达方向估计时,阵元空间MUSIC方法的计算量通常都比较大。为了解决此问题,采用了波束空间MUSIC的方法,它的计算量较阵元空间MUSIC方法有所下降,将它运用于多输入多输出雷达波达方向的估计问题。计算机仿真实验表明,虽然协方差矩阵特征分解的计算量下降了,但是波束空间MUSIC的性能依然良好。     

一种对修正MUSIC算法的改进测向方法

在相干信号存在的情况下,MUSIC算法失效,修正MUSIC算法却适用。但是,在角度间隔很小的情况下,修正MUSIC算法的测向性能会下降甚至失效。对修正MUSIC算法作出改进,通过利用接收信号的互相关矩阵信息,提高整个数据自相关矩阵的信息利用率。在角度间隔很近的情况下,该方法比修正MUSIC方法有更好的测向性能。最后,给...     

一种改进智能天线宽带阵列的自适应算法

对改进宽带智能天线的算法进行了研究,提出利用横向滤波器和二维MUSIC算法相结合来实现智能天线宽带阵列的自适应算法。该算法计算量相对较小,性能较为可靠。仿真表明改进算法有很好的性能,特别是对于滤波器的抽头系数很大的情况下,改进算法更为可取。     

一种DOA估计的快速子空间算法

MUSIC算法是一种属于特征结构的子空间超分辨方法，该算法性能优良，但需要估计协方差矩阵并对其进行特征分解，运算量大，很费计算时间。本文对波这方向估计问题进行了研究并提出了一种采取降维处理的快速子空间算法，该算法利用阵列协方差矩阵的一个子矩阵快速得到信号子空问，无需特征分解，且无需估计整个协方差矩阵，只需估计该子矩阵，故快速算法运算复杂度远低于MUSlC算法，而性能损失并不太大。理论分析和计算机仿真结果表明此方法是有效的。     

广义MUSIC算法在米波雷达测高中的应用及其改进

米波雷达波束较宽,多径信号的存在将会给雷达测高带来严重影响,并且多径信号与直达波信号是相干的,这就造成米波雷达测高比较困难。由于广义MUSIC算法为能直接处理相干信号的阵列超分辨算法,因此可以将该算法应用于米波雷达测高当中。该文在广义MUSIC算法的基础上,结合雷达测高的一些特点,提出一种新的算法。新算法不但降低了运算量,而且还具有良好的性能。计算机仿真结果证实了新算法的优越性。     

Orthogonal Greedy MUSIC: An Empirical Algorithm for Joint Sparse Recovery

This paper addresses the multiple measurement vector problem, which aims at recovering jointly sparse vectors from incomplete measurements. Inspired by MUSIC (MUltiple SIgnal Classification) and the greedy algorithms used in compressed sensing, we propose an empirical algorithm, called orthogonal greedy MUSIC (OG-MUSIC), for solving the problem. The proposed algorithm is a greedy algorithm, and a MUSIC procedure and an orthogonal projection operation are applied in each iteration. Since MUSIC is used in each iteration, multiple support elements may be selected per iteration; this is one of the main advantages of OG-MUSIC. The other main advantage of OG-MUSIC is the pruning technique, which is used to find the exact row support when the merged support size is larger than the sparsity level. Theoretical analysis and simulation results illustrate that OG-MUSIC has a very good recovery performance while maintaining a relatively low computational cost.     

基于四阶累积量的非圆信号测向方法

对通信系统中大量使用的BPSK等非圆信号测向,可以采用共轭扩展MUSIC(CE-MUSIC)算法,也可以采用基于四阶累积量的MUSIC-like算法。CE-MUSIC算法没有利用高阶信息,MUSIC-like算法没有利用信号的非圆信息,性能均受限。该文提出的四阶扩展MUSIC(FO-EMUSIC)算法利用了非圆信号在四阶累积量中的信息,分辨力和测角精度明显优于MUSIC-like算法,略优于CE-MUSIC算法,可测向阵元数大于CE-MUSIC算法和MUSIC-like算法。针对均布线阵,为减小计算量,还提出了FO-EMUSIC/ULA算法。仿真实验验证了FO-EMUSIC算法的优良性能。