共查询到18条相似文献,搜索用时 46 毫秒
1.
2.
3.
针对基本MUSIC算法是在信源正确估计的条件下才能应用的情况,论述了一种在欠估计的情形下改进的MUSIC算法,并将此改进算法成功地用于相干信号中,扩展了改进算法的适用范围。仿真结果证明了这种扩展的有效性。 相似文献
4.
5.
针对非圆信号的波达方向(DOA)估计问题,提出一种基于内插阵列变换的非圆信号MUSIC算法(VIA-NC-MUSIC算法)。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行奇异值分解(SVD),利用信号子空间与噪声子空间的正交性,得出算法的空间谱函数。仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、阵列扩展能力等优点。 相似文献
6.
近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classification)算法,对其空间谱函数进行一阶泰勒展开,得到了测向误差的表达式,从而求得测向均方误差统计意义上的表达式.仿真实验验证了推导的正确性,并由理论结果分析了模型误差条件下测向误差与角度间隔和非圆相位差的关系. 相似文献
7.
8.
9.
基于最大非圆率信号的改进SWEDE算法 总被引:1,自引:0,他引:1
SWEDE(Subspace method Without Eigen DEcomposition)算法是一种不需要协方差阵分解的波达方向估计算法。该方法能降低传统超分辨算法的计算量和复杂度,但也同时降低了均匀线性阵的可测最大信号数。本文基于非圆信号具有椭圆协方差矩阵不为零的特征,并结合SWEDE算法的基本思想,提出了一种改进SWEDE算法:NC-SWEDE算法。该算法利用最大非圆率信号的增维数据模型,相当于将线性阵的可利用阵元数加倍,因而提高了SWEDE算法可测的最大信源数,并提高了算法的分辨力和估计精度。由于引入了非圆信号的相位参数,该算法需要进行二维谱峰搜索,本文采用求极值方法达到了降维的目的。本文分别进行了NC-SWEDE算法最大可分辨信号数、不同 矩阵取法下的算法性能及与传统SWEDE算法性能比较的仿真实验,结果验证了该算法的优越性。 相似文献
10.
11.
12.
13.
14.
针对多跳频信号空域参数估计问题,该文在稀疏贝叶斯学习(SBL)的基础上,利用跳频信号的空域稀疏性实现了波达方向(DOA)的估计。首先构造空域离散网格,将实际DOA与网格点之间的偏移量建模进离散网格中,建立多跳频信号均匀线阵接收数据模型;然后通过SBL理论得到行稀疏信号矩阵的后验概率分布,用超参数控制偏移量和信号矩阵的行稀疏程度;最后利用期望最大化(EM)算法对超参数进行迭代,得到信号矩阵的最大后验估计以完成DOA的估计。理论分析与仿真实验表明该方法具有良好的估计性能并能适应较少快拍数的情况。
相似文献15.
离格(off-grid)波达方向(DOA)估计解决的是实际DOA和假设网格点的失配问题。对于空间紧邻信号的DOA,稀疏的网格点会导致精度和分辨率的下降,密集的网格点虽然可以提高估计精度却显著增加计算负担。针对此问题,该文提出基于稀疏贝叶斯学习(SBL)的空间紧邻信号DOA估计算法,主要包括3个步骤。首先,通过最大化阵列输出的边缘似然函数,推导了信号在拉普拉斯先验下的新不动点迭代方法,进行超参数的预估计,相比其他经典SBL算法提高了收敛速度;其次,利用新网格插值方法优化网格点集,并二次估计噪声方差和信号功率以分辨空间紧邻信号的DOA;最后,推导了似然函数关于角度的最大化公式以改进离格DOA搜索。仿真表明该算法比其他经典SBL类算法对空间紧邻信号的DOA具有更高的精度和分辨率,同时有计算效率的提升。 相似文献
16.
针对期望信号波达角(DOA)估计误差较大时相干波束形成性能下降的问题,该文提出一种基于多级阻塞的稳健相干自适应波束形成算法。该算法首先定义阻塞矩阵,推导多级阻塞原理,并利用其滤除阵列接收信号中的期望信号;然后给出空间中只存在期望信号时,子阵与全阵间阵列流型的映射关系,据此推导全阵扩展变换,并证明其在干扰信号存在条件下的有效性;最终利用扩展变换获取全阵最优权矢量,实现相干波束形成。该算法对期望信号波达角估计误差稳健,且无需干扰信号来向的先验信息,同时可以有效避免阵列孔径的损失。仿真分析验证了算法的优越性和理论分析的有效性。 相似文献
17.
18.
多重信号分类(MUSIC)算法是一种经典的空间谱估计算法。该文以L型阵列为例,针对2D-MUSIC算法在接收信号信噪比较小时对多个目标中方位相近的目标无法进行准确估计的问题,提出一种改进2D-MUSIC算法。该算法对经典2D-MUSIC算法所构成的协方差矩阵进行共轭重组,并将重组后矩阵的平方与原协方差矩阵的平方进行相加求平均,由此获得新的矩阵,再对该矩阵对应的噪声子空间进行加权处理,选取适当的加权系数构造新的噪声子空间,最后通过谱峰搜索识别出目标位置。计算机仿真结果表明,与2D-MUSIC算法相比,改进后的算法在接收信号信噪比较小时对多个目标中方位相近的目标也能够进行信号波达方向(DOA)估计,提高了L型阵列2维DOA估计的分辨率,具有较好的工程应用价值。 相似文献