针对二维多重信号分类(multiple signal classification,MUSIC)算法在进行波达方向(direction of arrival,DOA)估计时计算速度慢、运算复杂度高的缺点,提出基于鸡群算法的二维MUSIC谱峰搜索算法.该算法将鸡群算法与MUSIC算法相结合,在谱峰搜索部分应用鸡群算法优化,利用鸡群算法寻优能力强的优点,快速搜索出谱峰所对应的角度.仿真实验表明,鸡群算法能有效克服谱峰搜索中出现的计算量大、计算复杂度高等问题,通过与其他仿生算法相比较,鸡群算法具有更快的收敛性、更强的稳定性以及更好的精确度.
为了充分利用非圆信号共轭相关不为零的特性,提高空间到达角(direction of arrival,DOA)和极化参数估计精度,提出了一种信号DOA和极化参数估计的稳健算法.即构造2个非圆信号的4阶累积量矩阵,引入旋转不变子空间(estimation of signal parameters via rotational invariance techniques,ESPRIT)算法思想,利用这2个矩阵之间的旋转不变特性求出旋转因子,实现信号DOA和极化参数更精确估计.与2阶相域ESPRIT相比,改进的算法适用于任意极化状态的信号,提高估计信号的利用率,同时利用4阶累积量对高斯噪声的抑制性处理相关噪声,使估计信号的精度有了明显提升,并通过仿真结果验证了改进算法的有效性. 相似文献
为了在小样本、低信噪比以及高信源相关性的条件下都能对波达方向(direction of arrival,DOA)进行精确估计,基于压缩感知理论,利用目标信号空间分布的稀疏性,提出了基于加权l_1范数稀疏信号表示的DOA估计算法.该算法对l_1-奇异值分解(singular value decomposition,SVD)算法进行改进,对接收矩阵进行预处理,根据子空间的正交性确定加权矩阵,以加权l_1范数作为最小化的目标函数进行优化得到稀疏信号,进而得到信号的DOA.仿真结果表明,通过加权处理的l_1范数下稀疏信号重构方法能有效抑制偏差,在低信噪比下能够准确稳定地估计出DOA,并且能够提高估计精度. 相似文献
为了在小样本、低信噪比以及高信源相关性的条件下都能对波达方向(direction of arrival,DOA)进行精确估计,基于压缩感知理论,利用目标信号空间分布的稀疏性,提出了基于加权l1范数稀疏信号表示的DOA估计算法.该算法对l1-奇异值分解(singular value decomposition,SVD)算法进行改进,对接收矩阵进行预处理,根据子空间的正交性确定加权矩阵,以加权l1范数作为最小化的目标函数进行优化得到稀疏信号,进而得到信号的DOA.仿真结果表明,通过加权处理的l1范数下稀疏信号重构方法能有效抑制偏差,在低信噪比下能够准确稳定地估计出DOA,并且能够提高估计精度.
为了充分利用非圆信号共轭相关不为零的特性,提高空间到达角(direction of arrival,DOA)和极化参数估计精度,提出了一种信号DOA和极化参数估计的稳健算法.即构造2个非圆信号的4阶累积量矩阵,引入旋转不变子空间(estimation of signal parameters via rotational invariance techniques,ESPRIT)算法思想,利用这2个矩阵之间的旋转不变特性求出旋转因子,实现信号DOA和极化参数更精确估计.与2阶相域ESPRIT相比,改进的算法适用于任意极化状态的信号,提高估计信号的利用率,同时利用4阶累积量对高斯噪声的抑制性处理相关噪声,使估计信号的精度有了明显提升,并通过仿真结果验证了改进算法的有效性.