快速超分辨DOA估計技術(shù)研究.pdf

1、基于子空間分解的經(jīng)典超分辨DOA（Direction Of Arrival）估計算法及其衍生算法以其優(yōu)越的測向性能和良好的角分辨率得到了陣列工作者的極大關(guān)注，然而，經(jīng)典子空間分解方法由于涉及到樣本協(xié)方差矩陣（SCM──Sample Covariance Matrix）的估計及對其進行特征值分解（EVD──Eigen-Value Decomposition），或者直接對陣列接收數(shù)據(jù)進行奇異值分解（SVD──Singular Value D

2、ecomposition），使得算法本身運算負(fù)擔(dān)極為繁重，難以滿足實際應(yīng)用中實時處理的要求。在現(xiàn)代軍事通信或衛(wèi)星通信中，跳頻通信技術(shù)與突發(fā)短時通信技術(shù)由于具有抗干擾性、低截獲概率等優(yōu)勢而得到了廣泛的應(yīng)用。在復(fù)雜多變的戰(zhàn)事環(huán)境中，陣列接收有效數(shù)據(jù)嚴(yán)重不足，通過樣本協(xié)方差來獲得真實陣列協(xié)方差矩陣的偏差較大，經(jīng)典子空間估計方法幾乎總是失效的。對于星載二維測向系統(tǒng)，需要寬空域高精度2-D（ Two-Dimensional）DOA估計算法。經(jīng)典2

3、-D MUSIC（ Multiple Signal Classification）類和2-D ESPRIT（Estimate Signal Parameters via Rotational Invariant Techniques）類方法都不可避免地遇到諸如二維譜峰搜索、非線性優(yōu)化、分維處理及參數(shù)配對等難題和其帶來的大運算量不利于實時處理的窘境。本文在前人的工作基礎(chǔ)之上，重點分析和研究了以下幾個方面的內(nèi)容：
　　對于一維窄帶快速

4、測向算法，首先給出了子空間分解類測向算法的數(shù)學(xué)模型、算法原理及系統(tǒng)流程，然后分析了造成經(jīng)典子空間算法運算量大的原因，提出解決問題的方法。著力于避免陣列協(xié)方差矩陣的求解和對其進行特征分解，通過多個仿真實驗對比不同快速算法和經(jīng)典子空間算法的測向性能、運算復(fù)雜度等，得出結(jié)論：如果要降低子空間算法的運算復(fù)雜度使其適用于實際系統(tǒng)，必須損失一定的測向性能或已知入射信源的更多波形信息。
　　對于短時突發(fā)數(shù)據(jù)快速測向技術(shù)，分析了“短時突發(fā)信號”的

5、產(chǎn)生條件和應(yīng)用背景，解釋了經(jīng)典子空間類算法無法適用及失效的原因，提出了兩種適用于小樣本支撐和快時變信號環(huán)境下的快速測向算法，即MSWF SSMUSIC（Multi-Stage Wiener Filter Signal Subspace Scaled MUSIC）和TOP QP-ESPRIT（Toeplitz QR Power ESPRIT）算法。提出的 MSWF SSMUSIC算法，在短采樣數(shù)據(jù)或低信噪比（SNR──Signal to

6、Noise Ratio）情形下運算量小，角分辨率高，角估計性能優(yōu)越。提出的TOP QP-ESPRIT算法，無需使用多個快拍數(shù)據(jù)估計陣列協(xié)方差陣，無需特征分解，無需信源個數(shù)估計，無需額外的解相干處理，算法本身的角估計性能優(yōu)良，尤其適用于軍事通信或衛(wèi)星通信下的短時突發(fā)數(shù)據(jù)快速實時超分辨測向。
　　針對星載二維快速測向系統(tǒng)，分析和比較了基于L陣列和雙平行線陣的常見算法測向性能，從理論分析和仿真結(jié)果兩個方面總結(jié)了以往算法的優(yōu)缺點及待改進之

7、處，提出了一種基于CG（Conjugate Gradient）迭代搜索的非圓信號快速高精度2-D DOA估計算法，所提算法利用信號非圓特性進行陣列接收數(shù)據(jù)擴展，提高了多信號檢測能力，改善了DOA估計性能。通過CG迭代搜索替代傳統(tǒng)特征分解獲取信號子空間，降低了經(jīng)典超分辨DOA估計算法的運算量，采用已知信號波形作為CG迭代初始化，對信號信息的利用程度高于基于特征分解的3-D Non-Circular ESPRIT算法，因此算法本身的角估計性