共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
介绍了基于MUSIC算法的圆阵到达方向(DOA)估计技术,即将均匀圆阵接收数据的协方差矩阵进行特征分解,把观测数据划分为信号子空间与噪声子空间,并利用2个空间的正交性构造出"针状"空间谱峰,进行信号源DOA估计;针对小信噪比和小快拍数情况下,常规 M USIC算法对入射角度相近的信号源的分辨率严重下降的问题,利用谱函数极大值点对方位角和仰角的二阶导数小于零的特性,通过对方位角和俯仰角求二阶偏导数,提出了新的空间谱函数的方法。 相似文献
3.
随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。 相似文献
4.
5.
6.
7.
基于均匀圆阵的模式空间矩阵重构算法 总被引:1,自引:0,他引:1
该文提出了一种新的均匀圆阵解相干方法,这里称为模式空间矩阵重构算法(MODE-TOEP)。该算法对均匀圆形阵列(UCA)的输出信号进行模式激励,使其成为模式空间内的虚拟阵列(VULA);在此基础上重构一个Toeplitz 矩阵,成功地估计出相干源的来波方向。MODE-TOEP算法不需要进行平滑计算,从而减少了计算量。计算机仿真实验表明MODE-TOEP算法比传统的模式空间平滑类算法(MODE-FSS,MODE-FBSS)有更好的估计性能。 相似文献
8.
9.
10.
本文探讨了存在障碍物时均匀圆阵声源方位角估计问题.以环绕在刚性圆柱上的均匀圆阵为阵列模型,分析了刚性圆柱障碍物对圆阵响应的影响,在柱坐标系下对声场分解所得到的特征波束空间,提出了EB-Unitary-ESPRIT算法,实现了声源方位角估计.计算机仿真结果表明,该算法能较好地估计出空间多个声源的方位角,计算量小,估计精度高,并且具有解相关声源的能力,为相关声源方位角估计的实际应用提供了一种解决方案. 相似文献
11.
在深入研究均匀圆阵扩展阵列流形的基础上,针对某些均匀圆阵的扩展阵列中含有旋转不变性的子阵列组以及中心对称性质,提出了2种基于均匀圆阵的二维ESPRIT算法,第一种算法减少了一次奇异值分解,第二种算法避免了参数配对。仿真结果验证了算法的正确性和有效性,并且在高斯色噪声条件下,其测向性能均优于MUSIC算法和最大似然算法。 相似文献
12.
基于均匀圆阵的空时二维波达方向估计算法 总被引:3,自引:0,他引:3
提出了一种适合于均匀圆阵的空时二维波达方向估计方法,该方法先利用模式激励技术对接收数据进行变换,再利用变换后数据之间的互相关关系将数据进一步映射到空时域,然后构造出一对空时DOA矩阵束,通过矩阵束的广义特征值就能够计算出所有入射信号的方位角和俯仰角.该方法完全避免了DOA矩阵类方法中难以克服的角度兼并问题,与UCA-ESPRIT算法相比,减小了孔径损失,使能够估计的信号数目增加了一倍.该方法具有免搜索和参数自动配对的特点.仿真结果证明了该算法的性能. 相似文献
13.
14.
均匀圆阵(UCA)是一种应用广泛的具有二位波达角估计能力的平面阵列。为了从理论上分析不同阵列参数下到达波方位角(AOA)、仰角估计精度,推导了均匀圆阵二维波达角估计的性能界,以此为基础分析了阵列孔径、阵元个数、快拍数以及来波仰角高低与到达角估计精度的关系,并通过对UCA-MUSIC算法计算机仿真验证了推导结果的正确性。研究结果为波达角估计类算法提供了可供参考的性能下界,圆阵设计时也不再需要大量的Monte Carlo仿真试验确定阵列参数,可直接从估计精度表达式中获得。 相似文献
15.
在空间谱估计中,均匀圆阵(Uniform Circular Array--UCA)具有诸多优点,其得到广泛的应用.但在用MUSIC 算法测向时,一旦某一个或几个阵元通道失效,则通道数据变成无效数据,导致测向性能严重恶化,甚至完全失效.本文对在均匀圆阵部分通道失效的情况下,利用均匀圆阵其余阵元数据实现对信号来波方向进行有效估计的方法进行了分析和验证.其原理在于,直接将失效阵元进行隔离,利用剩余阵元形成的非均匀圆阵,进行MUSIC算法测向.该方法能在较高信噪比条件下实现和原阵列几乎相同的估计精度,在较低信噪比、信号数较小的条件下,也能取得良好的估计性能,大大增强了整个阵列谱估计的稳健性和鲁棒性. 相似文献
16.
17.
二维波达方向(Direction of Arrival,DOA)估计能获取比一维DOA估计更多的空间位置信息,但是二维多重信号分类(Multiple Signal Classification,MUSIC)、二维子空间旋转不变估计技术(Estimation Signal Parameter via Rotational Invariance Techniques,ESPRIT)等经典算法依赖于大量的快拍数据,当快拍数据不足时估计性能严重下降甚至失效。针对上述问题,将迭代自适应方法拓展到二维DOA估计,提出了一种适用于矩形面阵的二维DOA估计算法,首先利用加权最小二乘法估计出信号幅值,然后利用循环迭代技术对估计结果进行更新。由于每次估计结果均来自上一次迭代,而不依赖于快拍数据,因此该算法在短快拍条件下具有很高的估计精度和分辨率。仿真结果表明,在短快拍条件下,该算法具有优越的估计性能。 相似文献