基于高階累積量與稀疏約束的DOA估計(jì)方法.pdf

1、信號(hào)波達(dá)方向（direction of arrival,DOA）估計(jì)的技術(shù)在多個(gè)領(lǐng)域具有廣泛應(yīng)用并得到了快速的發(fā)展。然而，實(shí)際環(huán)境中信號(hào)與噪聲的復(fù)雜性使得適用于高信噪比、非相干信源及背景噪聲為高斯白噪聲的傳統(tǒng)子空間類分析方法的估計(jì)性能降低。然而，四階累積量包含二階統(tǒng)計(jì)量不具備的統(tǒng)計(jì)信息，可用于有效抑制具有任何譜特性的高斯噪聲；由于多徑傳播的影響，接收信號(hào)中存在相干信號(hào)會(huì)降低自相關(guān)矩陣的秩，而利用稀疏重建算法對(duì)相干信號(hào)不敏感的特性，可以發(fā)

2、展更加通用的信號(hào)DOA估計(jì)技術(shù)，適用于更多的應(yīng)用場(chǎng)合。
　　本文主要研究?jī)?nèi)容為聯(lián)合四階累積量與稀疏重建條件對(duì)非高斯信號(hào)的信號(hào)模型進(jìn)行空間譜估計(jì)。其主要工作如下：
　?。?）本文先介紹了常用陣列信號(hào)模型，并對(duì)常規(guī)的 DOA估計(jì)方法進(jìn)行了介紹，再對(duì)稀疏重建理論進(jìn)行了描述，闡述了常用的幾種稀疏重建方法，并對(duì)稀疏重建方法的對(duì)相干信號(hào)的不敏感性進(jìn)行了仿真實(shí)驗(yàn)；
　?。?）針對(duì)色高斯噪聲存在的情況，通常會(huì)影響正確的 DOA估計(jì)結(jié)果

3、。本文對(duì)高階累積量的知識(shí)進(jìn)行了基本介紹，并對(duì)子空間分析方法擴(kuò)展到高階累積量空間的應(yīng)用算法（如：MUSIC-like，virtual-ESPRIT）進(jìn)行了簡(jiǎn)要的闡述，隨后對(duì)四階累積量對(duì)高斯噪聲的抑制特性進(jìn)行了仿真說明，同時(shí)，結(jié)合塊稀疏BP算法與四階累積量對(duì)信號(hào)的稀疏重構(gòu)進(jìn)行了仿真分析；
　　（3）由于傳統(tǒng)的四階累積量矩陣中存在很多多余的元素信息，我們通過構(gòu)造降維的四階累積量矩陣，對(duì)獨(dú)立信號(hào)和相干信號(hào)的DOA值分別進(jìn)行估計(jì)。由于前一種

4、基于 BP進(jìn)行稀疏重建的方法運(yùn)算量大，故而提出了一種改進(jìn)的算法以降低運(yùn)算量。第一步對(duì)獨(dú)立信號(hào)進(jìn)行DOA估計(jì)，主要通過結(jié)合均勻線陣的空間平移不變性以及四階累積量的盲高斯性，第二步對(duì)相干信號(hào)的重建則是通過利用獨(dú)立信號(hào)的四階累積量矩陣的Toeplitz性質(zhì)，獲得僅包含相干信號(hào)信息的四階累積量矩陣然后利用多塊拍矢量 MP算法進(jìn)行。通過仿真實(shí)驗(yàn)說明，該方法在運(yùn)算量和估計(jì)準(zhǔn)確性方面都有著較為明顯的優(yōu)勢(shì)。此外，本文對(duì)四階累積量的陣列擴(kuò)展特性也進(jìn)行了相