信号源功率不一致对MUSIC算法分辨性能的影响

该文首先定义了用以度量MUSIC算法分辨性能的平均信噪比分辨门限,并给出它的表达式。然后通过数据模拟得知,功率不一致会降低MUSIC算法的分辨能力;在一定条件下,功率不一致对MUSIC算法分辨性能的相对影响与其他参量无关。该文还讨论了功率不一致对阵元数、快拍数和两信号源方位参数绝对差的影响。     

圆阵列MUSIC算法分辨性能分析

分析了圆阵列MUSIC算法二维测向的原理。圆阵列MUSIC算法分辨性能与多种因素有关。定义两种衡量分辨性能的参数,即分辨力和可分辨概率,并给出计算方法。两种参数均需要从方位角和俯仰角两方面考虑。仿真实验证明本文分析方法是有效的,同时得到分辨性能与快拍数、信噪比（SNR）等因素之间的变化规律。     

幅相误差对MUSIC算法空域谱及分辨性能影响的分析

基于正交投影矩阵扰动定理,推导了幅相误差条件下MUSIC算法空域谱的一阶统计表达式,并且给出了一种求解平均信噪比分辨门限的一元二次方程,从而能够计算出相应的信噪比分辨门限.相比目前已有的方法,空域谱的一阶统计表达式不需要计算理想协方差矩阵的特征值和特征向量,仅需要已知阵列流型向量和信源协方差矩阵,并且给出的平均信噪比分辨门限适用于信源功率不一致的情况.数值实验验证了理论分析的正确性.     

一种基于逐次搜索的快速MUSIC方法

MUSIC方法是一种经典的阵列波达方向(DOA)估计子空间方法,在高信噪比时,该方法有很好的性能,但随信噪比的降低,算法性能下降很快,特别是其分辨概率下降很快。其主要原因是低信噪比和DOA相邻较近时,信号源之间的空间相关性较强。逐次消除空间相关性并逐次搜索DOA的改进MUSIC方法,提高了分辨概率。为降低运算量,采用多级维纳滤波代替特征值分解过程。文中方法具有一般性,适合于基于子空间方法的一大类DOA估计。仿真结果证明了方法的有效性。     

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。     

相干信号源DOA估计的一种改进SVD算法

多重信号（MUSIC）算法是波达方向（DOA）估计中的一种标志性算法,在理想条件下具有良好的性能,但是当信号源相干时,算法的性能就会变得很差。为了使其在低信噪比、小角度条件下对相干信号源有着更好的分辨能力和稳定性,通过对解相干重要算法——矢量奇异值（SVD）算法的研究,并针对SVD算法在低信噪比、小角度条件下分辨能力的不足,提出了一种改进的矢量奇异值算法（NSVD）,即利用信号协方差矩阵的最大特征矢量,按一定规则构造出新矩阵,然后对矩阵进行修正,再利用奇异值分解算法估计出信号相关信息。最后通过大量的计算机仿真证明了算法的良好性能。     

基于阵列流型替换的宽带非相干DOA估计方法

提出了一种基于阵列流型替换的宽带非相干 DOA 估计新方法.比较了宽带非相干(ISSM)方法与本文方法在分辨两个相邻较近信号源时的性能.仿真表明,本文方法大大降低了信噪比门限,其它性能也优于 ISSM 方法.     

改进MUSIC算法的DOA估计眭能研究

在众多的波达方向（DOA）估计算法中,以MUSIC算法为代表的基于特征结构分解方法因具有较高的分辨性能而受到研究者的青睐。但是当信号源完全相干时,其性能会显著变坏。改进了MUSIC算法．通过构造转换矩阵,对协方差矩阵进行变换,将其转换成实矩阵再进行特征值分解,实现了MUSIC算法解相干。计算机仿真证明了该方法的有效性。     

波束空间的超分辨算法及统计性能分析

针对工程应用中超分辨算法存在的计算量大、分辨信噪比门限高以及对阵列误差敏感等问题，研究了将常规波束形成和超分辨相结合的方法，给出了波束空间MUISC算法，并通过计算机仿真，比较了波束空间和阵元空间超分辨算法的统计性能，分析和验证了波束空间波束数目的选择对估计性能的影响。结果表明，波束空间的超分辨算法计算量小，并具有较强的分辨力和较低的信噪比门限。     

基于假设检验的雷达近邻目标距离统计分辨限——幅度随机分布

基于假设检验的统计分辨研究能够衡量统计意义下的分辨能力，还能够突破瑞利限的限制。当前研究均假定两目标的回波幅度为确定情况，实际中雷达观察的快起伏目标回波服从随机分布。基于随机分布假设，本文推导了两近邻点目标的距离统计分辨性能。研究表明，两种假设下的检验统计量均服从加权卡方分布，统计分辨概率和波形、幅度相关系数、回波信噪比等多种因素有关。仿真验证了理论推导的正确性，并且与应用于时延分辨的MUSIC算法相比，该方法具有更好的距离超分辨性能。      

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。     

利用局域子空间投影提高子空间类DOA 估计算法的谱分辨力

本文提出一种新的用于子空间类DOA估计算法的阵列协方差矩阵噪声子空间投影矢量的选取方法——局域子空间投影(LSP).该投影矢量选取方法有利于压低真实信源方位附近,非信源方位对应的谱曲线高度,从而提高子空间类高分辨DOA估计算法的分辨力.LSP算法的估计偏差和信噪比分辨门限明显低于MUSIC算法,而估计方差几乎与MUSIC相同.计算机仿真结果证明了文中对LSP算法性能理论分析的正确性和LSP算法的有效性.     

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。     

The effects of nonuniform and correlated noise on superresolutionalgorithms

The effects of nonuniform noise power and correlated noise in an antenna array on the performance of the recursive suppression, standard MUSIC, and reduced MUSIC superresolution algorithms are examined. It is shown that the speeds of resolution of all the algorithms are slowed, but their steady-state errors exhibit only a mild sensitivity to moderate noise-power variations if the signal-to-noise (SNR) is sufficiently large. The sensitivity of the standard MUSIC algorithm to correlated noise is shown to be much more than that of the other two algorithms, which can tolerate considerable correlated noise even when the SNR is relatively low     

Bias analysis of the MUSIC location estimator

The authors present a rigorous bias analysis of the MUSIC location estimator, and they derive an accurate and concise bias expression. The analysis is based on the second-order Taylor series expansion of the derivative of the null spectrum, properties of the null spectrum, and statistics of the estimated signal eigenvectors. It is proven that in the derivation the remainder term in the second-order Taylor series can be dropped but the second-order terms cannot be. Simulations verify that the bias expression is valid over a wide range of signal-to-noise ratios (SNRs) extending down into the resolution threshold region of MUSIC. Although asymptotic, this expression can be accurately applied to a limited number of snapshot cases. The utility of the expression is shown by using it in a study of MUSIC location estimator characteristics. Estimate bias and standard deviation are compared for variations in SNR, numbers of sensors and snapshots, and source correlation. MUSIC resolvability and estimator performance bounds are addressed, accounting for bias     

共形阵列天线MUSIC算法性能分析

该文在建立了三维共形天线阵列流形的数学模型基础上,将经典高分辨波达方向(DOA)估计方法多重信号分类(MUSIC)算法移植到共形阵列天线中;详细分析推导了MUSIC算法在共形阵列天线 (锥面阵列、柱面阵列、球面阵列)中的估计方差、克拉美-罗界(CRB);通过计算机仿真试验对比MUSIC算法在面阵(均匀线阵、均匀圆阵)与共形阵列中的性能函数以及估计方差,给出了MUSIC 算法在不同阵列形式中DOA估计性能的评估与比较,仿真结果显示MUSIC算法在不同阵列形式中的估计性能均随阵元个数以及信噪比的增加而变好,验证了理论分析的正确性。