基于蒙特卡羅方法的目標(biāo)高分辨定向技術(shù)研究.pdf

1、長期以來，目標(biāo)高分辨定向技術(shù)作為陣列信號處理的一個重要分支，是國內(nèi)外集中力量研究的重點(diǎn)。該項(xiàng)技術(shù)的突破對聲納、雷達(dá)、通訊、地質(zhì)勘探、生物醫(yī)學(xué)工程等多項(xiàng)國防和民用建設(shè)領(lǐng)域均具有重要意義。 目標(biāo)高分辨定向技術(shù)發(fā)展至今，已出現(xiàn)了許多理論和方法。為了深入研究目標(biāo)高分辨定向技術(shù)的理論體系，本文研究了最小方差法( MVM)，最大熵法(MEM)，MUSIC算法，ESPRIT算法以及基于最大似然的高分辨方法(MLE)等幾種典型高分辨方位估計(jì)方法

2、，對每種算法進(jìn)行仿真實(shí)驗(yàn)，對其估計(jì)精度進(jìn)行了對比，并與克拉美羅界(CRB)比較。針對最大似然高分辨方位估計(jì)方法存在的計(jì)算量大、實(shí)時(shí)應(yīng)用困難等問題，把蒙特卡羅方法與之相結(jié)合，研究基于蒙特卡羅方法的高分辨方位估計(jì)新方法。本文的主要研究工作如下： 1.將最小方差法(MVM)，最大熵法(MEM)，多重信號分類法(MUSIC)，旋轉(zhuǎn)不變子空間法( ESPRIT)和基于最大似然的高分辨方法(MLE)利用統(tǒng)一的仿真模型對其進(jìn)行統(tǒng)計(jì)分析，并與克

3、拉美羅界(CRB)比較。結(jié)果表明：最大似然高分辨方位估計(jì)方法(MLE)性能十分優(yōu)良，性能明顯優(yōu)于上述其它方法，非常接近克拉美羅界(CRB)，尤其是在低信噪比條件下。但是因?yàn)椴捎枚嗑S網(wǎng)格搜索導(dǎo)致其計(jì)算量很大，難以在工程中實(shí)時(shí)應(yīng)用，迫切需要研究它的快速算法。 2.為了解決最大似然方位估計(jì)方法由于多維搜索導(dǎo)致計(jì)算量過大的問題，把馬爾可夫蒙特卡羅方法中的吉布斯抽樣和最大似然估計(jì)相結(jié)合，提出了基于吉布斯抽樣的最大似然方位估計(jì)方法(Maxi

4、mum Likelihood DOA Estimator Based on Gibbs Sampling，簡稱GSMLE)。在進(jìn)行理論研究的同時(shí)，對新方法的性能做了仿真實(shí)驗(yàn)。結(jié)果表明：GSMLE方法不僅保持了最大似然方法的良好性能，逼近克拉美羅界，低信噪比下性能明顯優(yōu)于MUSIC方法；并且把最大似然方法的計(jì)算復(fù)雜度從O(LK)降低到O(K×J×Ns)，大大降低了計(jì)算量。 3.把馬爾可夫蒙特卡羅方法中的完美抽樣和最大似然估計(jì)相結(jié)合

5、，提出了基于完美抽樣的最大似然方位估計(jì)方法(Maximum Likelihood DOA EstimatorBased on Perfect Sampling，簡稱PSMLE)。在進(jìn)行理論研究的同時(shí)，對新方法的性能做了仿真實(shí)驗(yàn)。結(jié)果表明：PSMLE方法不僅保持了最大似然方法的良好性能，逼近克拉美羅界，低信噪比下性能明顯優(yōu)于MUSIC方法：并且把最大似然方法的計(jì)算復(fù)雜度從O(LK)降低到O(K×J×Np)，由于采用了融合時(shí)間判決，使得Np