高頻雷達空時聯(lián)合超分辨算法研究.pdf

1、空間譜估計具有超（高）的空間信號的分辨能力，因此也常常被稱為“超（高）分辨譜估計”。本文首先討論了空間譜估計的理論模型，然后分析了三種基于特征分解的線性預測算法（包括最大熵算法，最大方差算法以及自回歸模型算法），之后對超分辨算法中最為經(jīng)典的多重信號分類算法進行了深入研究。而這些算法都可以歸結為子空間算法中的噪聲子空間算法。
　　子空間算法中另外一類就是旋轉(zhuǎn)不變子空間算法。本文對基于最小二乘(LS)法和總體最小二乘(TLS)法的兩類

2、算法做出了在角度和成功概率等評價標準上的性能比較。
　　上述算法均是針對方位的一維信號參數(shù)的估計。而同時對角度和多普勒頻率的進行聯(lián)合估計則更貼近實際。因此本文從一維參數(shù)估計的討論出發(fā)，討論了空域和時域處理等效性，并選用了噪聲子空間類算法做了空時聯(lián)合的擴展分析。
　　在文中也詳細的介紹了會影響多重信號分類(MUSIC)算法性能的因素。之后論文從計算機仿真出發(fā)，分析了陣元間距以及相干源信號對MUSIC的影響，并仿真驗證了前后向平

3、滑這種改進算法對相干信源有著良好的分辨能力。
　　在實際海面，雜波會對超分辨算法的有效性造成很大的困擾。在文章中，特別采用高階累積量的方法對MUSIC算法進行改進。這種改進不僅可以獲得比二階矩更好的性能，而且使得上述研究的超分辨算法無論在高斯白噪聲環(huán)境還是在有色高斯噪聲環(huán)境下均有很好的來波方向估計(DOA)性能。在文中，也基于這些改善，利用實測數(shù)據(jù)檢驗了MUSIC算法的性能。
　　仿真是檢驗算法正確性的重要方法。論文中對每一