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。     

基于MUSIC 算法的圆阵 DOA 估计技术及改进方法

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。     

基于遗传算法的水下阵列DOA估计研究

利用遗传算法研究水下阵列对目标的方位角估计问题,提出了一种新的方法证明遗传算法中的适应度函数对应于信号源的阵列流型取得极大值,采用该适应度函数的遗传算法(GA)计算量介于MUSIC算法和DML算法之间.通过计算机仿真验证,采用该适应度函数的遗传算法进行的DOA估计具有分辨相干目标的能力,角度分辨力高于MUSIC算法,估计偏差和均方误差在中低信噪比条件下小于MUSIC算法,与DML算法基本一致.     

AOA估计中的MUSIC算法

随着阵列信号处理技术的不断发展,到达角估计(Angle Of Arrival)的研究在移动通信系统中具有重要意义。通过分析经典MUSIC算法,针对其搜索空间较大,受噪声影响较大的因素,提出改进的根值MUSIC算法。对影响MUSIC算法性能的信噪比、采样数、阵元数、入射角度等因素以及根值MUSIC算法进行仿真,仿真结果表明改进的根值MUSIC算法是有效的。     

MUSIC算法的DoA估计时间分析

在基于波束赋形(Beamforming)的无线通信系统中,使用MUSIC算法的波达方向(Direction of Arrival,DOA)估计具有良好的性能。但是,对于MUSIC算法在低信噪比下Do A估计时间和精度之间的关系,却一直未有深入研究。因此,对均匀圆阵数学模型和MUSIC算法进行分析,研究样本数量与DOA估计精度的关系。仿真结果表明,在低信噪比下,DOA估计性能下降,通过增加估计协方差矩阵的样本数量,可以提高MUSIC算法的性能。根据仿真结果,拟合发现DOA估计角度分辨率达到1度,所需样本数量和信噪比的关系服从负指数分布。     

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NC-MUSIC算法的均匀圆阵DOA估计及性能分析

近年来基于非圆信号的DOA估计算法由于其优良的估计性能,受到越来越多的关注。在接收阵列为均匀圆阵的情况下,对入射信号进行方位角和俯仰角的联合估计。依据非圆信号的DOA估计数学模型及阵列模型,采用NC-MUSIC算法完成对均匀圆阵方位角和俯仰角的联合估计。通过计算机仿真,得出该算法对均匀圆阵方位角和俯仰角的估计是比较准确的,并且通过NC-MUSIC与MUSIC算法仿真性能的分析比较,得出在接收阵列为均匀圆阵的情况下,NC-MUSIC算法也优于MUSIC。     

智能天线中的DOA估计算法的研究

波达方向(DOA)估计的基本问题就是确定同时处在空间某一区域内多个感兴趣的信号的空间位置(即各个信号到达阵列参考阵元的方位角,简称波达方向).提取波达方向信息是智能天线技术中的关键任务之一.文中主要研究波速方向估计算法中的延迟一相加法,Capon最小方差法,常规MUSIC算法和改进型MUSIC算法.通过仿真,比较了不同波达方向估计算法的性能.     

一种用于无线通信DOA估计的改进MUSIC算法研究

MUSIC算法是一种空间谱估计算法,在对宽带信号进行空间谱估计时,该算法需要较长的观测时间来估计协方差矩阵,不利于高速运动目标的定位。提出了基于驾驶协方差矩阵(STCM)的MUSIC算法,该算法首先对每个频带的CSDM进行特征分解,然后利用各频带的噪声子空间求得噪声空间的STCM,进而利用噪声空间的STCM直接得到整个宽带信号的空间谱估计结果。仿真表明该算法在保证高分辨率的同时,需要较短观测时间,适用于较低信噪比、具有较小观测方差。     

一种基于MUSIC算法的宽带信号DOA估计

针对传统MUSIC算法在信噪比较低的条件下分辨力下降的问题,提出一种适用于宽带信号的改进MUSIC算法,首先对接收信号进行快速傅里叶变换,将时域信号转移至频域,并划分子带;对每个子带上的信号求解协方差矩阵,进行特征值分解,构造信号子空间和噪声子空间;将信号在两个子空间的投影比值作为参考,进行子带波达方向估计,进而平均求出最终宽带信号波达方向。仿真结果表明,在低信噪比条件下,相比于传统MUSIC算法,所提方法具有较好的空间分辨力。     

基于TLS的改进子空间投影算法

针对经典MUSIC算法在信源相干、低信噪比、小快拍数等非理想环境下性能失效的问题,提出了一种改进的基于TLS的加权子空间投影算法。首先对阵列接收的数据协方差矩阵进行重构处理,以达到解相干目的;其次充分利用子空间信息,基于总体最小二乘拟合方法对特征值进行拟合修正,基于修正MUSIC算法思想,利用校正后的噪声特征值和信号特征值分别对噪声子空间和信号子空间进行加权处理,得到改进后的噪声子空间和信号子空间,并将两者结合得到新的空间谱函数;最后进行谱峰搜索,完成信号源的波达方向估计。仿真结果表明,改进后的算法既适用于相干信号环境,在低信噪比、小快拍数及信号入射角度间隔较小的情况下,又能有效估计出信源的波达方向。     

JTIDS信号阵列高分辨测向仿真

提出了一种对JTIDS信号的高精度测向方法。首先详细分析了JTI DS信号的传输特点,利用Matlab生成的JTIDS信号,然后依据空间谱估计中MUSIC测向算法的 特点,将接收到的JTIDS信号按照脉冲分段,对单个脉冲所携带的数据进行处理,最后通过 仿真得到不同信噪比环境下多个JTIDS信号方位角和俯仰角的估计精度,验证了该方法的有 效性。     

MUSIC算法中谱线改进处理的研究

MUSIC算法,即多信号分类算法,常用于同频信号测向系统,主要利用信号分量相对应的信号子空间和信号分量正交的噪声子空间的正交性来对信源进行估计计算。在实际测向过程中,信号子空间和噪声子空间并不能实现完全正交,并且测试环境引入噪声干扰,对测向结果都构成影响。基于以上问题,对MUSIC算法进行了改进,加入了两种谱线改进算法,分别是谱线增强算法和谱二阶算法;通过对信号进行谱线增强,提高信号的信噪比,并在信号测向过程中加入二阶导数识别算法、提高信号测向角度识别率等方法,能够有效提高信号的信噪比和抗干扰性,增强了测向算法的识别率和精准度。     

估计间隔较近信源的修正MUSIC算法

针对信源间隔比较近情况下波达方向(DOA)估计性能下降的问题,提出一种修正MUSIC(MMUSIC)算法。该算法通过利用协方差矩阵的共轭信息,重构协方差矩阵,再由奇异值分解(SVD),构造低秩矩阵,用这两个矩阵噪声子空间的平均构造空间谱,通过谱峰搜索估计出信源的DOA。相比于经典MUSIC算法和空间平滑类算法,该算法能有效解相干,且不损失阵列孔径,而且提高了在信源间隔比较近且信噪比低条件下DOA分辨能力。计算机仿真验证了该算法的有效性。     

四种DOA估计算法的性能比较

文章研究经典MUSIC算法、求根MUSIC算法、基于解相干的双向空间平滑MUSIC算法和Toeplitz MUSIC算法的DOA估计性能.并且通过实验Matlab仿真,分析比较四种算法的性能.     

基于空间角稀疏表示的二维DOA估计

论文提出一种基于空间角稀疏表示的维DOA估计方法,解决了维DOA估计中冗余字典构造的难题。构建的空间角包含了方位角和俯仰角的信息,利用其构造冗余字典可以将方位角和俯仰角的组合从维空间映射到1 维空间,极大地降低了字典的长度和求解的复杂度;同时将算法推广到频域,扩展了其应用范围。与传统的高分辨算法相比,该方法对信噪比和快拍数要求不高、无需特征值分解和多维搜索过程。理论分析和仿真实验,验证了该方法对维相干信号和非相干信号都具有较高的估计精度和较好的分辨力,在不同信噪比下性能优于MUSIC算法。     

射频特征对MUSIC算法的影响分析

分析了MUSIC算法测向的基本原理,分别针对辐射源的频率、信号持续时间以及信噪比3种射频特征,通过理论推导分析了其对MUSIC算法测向性能的影响,频率影响波长进而影响测向结果的估计精度,甚至会产生虚假谱峰,信号持续时间和信噪比在一定范围内与测向估计精度成正比,并对该结论进行了仿真验证。     

SWEDE算法提高模式空间内DOA估计抗噪声能力

均匀测向圆阵相干信号DOA估计在模式空间内将阵列流形化为线性结构后 ,一般情况下都是先进行空间平滑去相干处理后再运用MUSIC算法进行DOA估计 ,文中运用SWEDE算法代替MUSIC算法进行了模式空间内的DOA估计 ,仿真结果证明SWEDE算法更好地适应了均匀圆阵模式空间内DOA估计数据矩阵的特点 ,使系统抗噪声能力、测向精度、分辨率均得到较大提高     

基于时频点聚类的LFM信号波达方向估计

基于空间时频分布(spatial time-frequency distribution, STFD)的多重信号分类(multiple signal classification, MUSIC)算法常用于非平稳信号波达方向(direction of arrival, DOA)估计, 其关键是选取合适的信号时频点.文中针对传统时频MUSIC算法不能提取各信号时频点且在小角度间隔时估计性能不佳的问题, 以线性调频(line frequency modulation, LFM)信号为研究对象, 提出了基于时频点聚类的DOA估计算法.该算法首先对阵列接收信号进行白化, 利用白化后的接收信号构造STFD矩阵, 达到抑制STFD矩阵的交叉项、突出信号自项的目的, 然后利用K均值聚类提取各信号时频点, 最后运用MUSIC算法估计DOA.对不同角度间隔和不同信噪比时三种算法的估计均方根误差进行了仿真对比, 结果表明:相比经典时频MUSIC算法, 文中算法在小角度间隔和低信噪比时有更好的估计性能.     

DOA估计的几种特征结构算法的性能比较

Pisarenko算法、多信号分类（MUSIC）算法、最小模算法和ORPD算法是来波到达方向（DOA）估计中常用的四种特征结构算法。在不同的信噪比及阵元数目条件下,对这几种算法的分辨性能作了比较。仿真结果表明：MUSIC算法是最稳定的一种算法;在预知大致方位的前提下。ORPD算法分辨性能最好;对于提高各种算法的分辨能力,改善信噪比相对增加阵元数目更有效。