陣列天線DOA估計(jì)的蒙特卡洛仿真.pdf

1、波達(dá)方向(Direction of Arrival,DOA)估計(jì)是陣列信號(hào)處理的一個(gè)重要研究領(lǐng)域,在通信、雷達(dá)、聲納、地震勘測(cè)等領(lǐng)域有著廣泛的應(yīng)用前景,基于陣列信號(hào)處理的DOA估計(jì)可以同時(shí)對(duì)空間不同方向上的多個(gè)信號(hào)源實(shí)現(xiàn)高分辨率的方向估計(jì)。表示用戶空間特征信息的波達(dá)方向是空間譜估計(jì)研究的主要課題,其中最經(jīng)典的超分辨率空間譜估計(jì)方法是Schmidt博士于1979年提出的MUSIC(Multiple Signal Classificatio

2、n)算法,并于1986年重新發(fā)表。在模型準(zhǔn)確的條件下,MUSIC算法能精確地估計(jì)空間上彼此互不相關(guān)信號(hào)的波達(dá)方向。但是,當(dāng)空間信號(hào)相隔比較近且信噪比較低時(shí),MUSIC算法卻不能很好地分辨出它們的波達(dá)方向,解決的有效途徑是充分利用目標(biāo)信號(hào)中的有用信息,通過(guò)提取信號(hào)的重要特征,以提高信號(hào)分辨率。
　　本文首先介紹了陣列信號(hào)處理的基本原理,描述了DOA估計(jì)的信號(hào)模型,對(duì)DOA估計(jì)的經(jīng)典算法即Capon算法和MUSIC算法進(jìn)行了簡(jiǎn)單的概括

3、和總結(jié),同時(shí),將蒙特卡洛仿真應(yīng)用在均勻線陣上對(duì)這兩種算法的性能以及優(yōu)缺點(diǎn)進(jìn)行了分析和對(duì)比。
　　接著,本文重點(diǎn)研究和分析了當(dāng)天線陣元噪聲為色噪聲時(shí),相關(guān)性噪聲對(duì)MUSIC算法參數(shù)估計(jì)性能的影響。通過(guò)數(shù)學(xué)推導(dǎo),在理論上建立了色噪聲環(huán)境下MUSIC算法的輸入?yún)f(xié)方差矩陣模型,參數(shù)估計(jì)誤差模型和參數(shù)估計(jì)誤差協(xié)方差矩陣模型,同時(shí)也從理論上解釋了采樣樣本數(shù)與輸入信號(hào)SNR,MUSIC算法參數(shù)估計(jì)偏差之間的數(shù)學(xué)關(guān)系,清楚地表明了低的SNR將嚴(yán)重

4、影響MUSIC算法參數(shù)估計(jì)的性能;但在一定的范圍內(nèi),可以通過(guò)增加采樣樣本數(shù),優(yōu)化輸入?yún)f(xié)方差矩陣來(lái)降低估計(jì)偏差。然而,當(dāng)SNR低到一定程度時(shí),通過(guò)增加采樣樣本數(shù)對(duì)參數(shù)估計(jì)偏差的改善不明顯。蒙特卡洛仿真應(yīng)用在均勻線陣上證明了該結(jié)論的正確性。
　　最后,論文的重點(diǎn)放在對(duì)MUSIC算法的改進(jìn)上,提出了一種在低信噪比情況下,能在一定程度上改善MUSIC算法參數(shù)估計(jì)偏差的有效方法,采用相關(guān)矩陣在信號(hào)子空間交替投影的方法,并通過(guò)迭代算法,把多維