论文部分内容阅读
波达方向(Direction Of Arrival,DOA)估计技术起初由空域滤波和时域谱估计发展而来,其参数估计性能优越,应用前景宽广,例如雷达、声纳、电子对抗和无线定位等技术,目前已成为阵列信号处理的重要研究方向之一。其中子空间分解类算法是基于输出协方差矩阵特征值分解进行参数估计,由于该类算法能够达到较高的估计精度和分辨率,得到了广大学者的关注。多重信号分类(Multiple Signal Classification,MUSIC)算法实现了现代超分辨侧向技术的飞跃,促使了子空间分解类算法的发展;旋转不变子空间(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法的提出是子空间类算法的又一次重大进步,ESPRIT算法主要利用信号子空间的旋转不变性进行DOA估计,该算法和MUSIC比较而言,具有计算量小、不需要谱峰搜索等优点。两种算法均为子空间分解类算法中的主要算法,前者是基于噪声子空间进行DOA估计,后者为基于旋转不变子空间进行DOA估计。与早期DOA估计算法相比,这两种算法性能优越,具有优异的估计精度和空间分辨率,很多学者进行了相关的技术研究,改进算法层出不穷。本文主要对现有的子空间分解类算法进行研究,分析算法特征,针对算法的估计精度和计算量进行改进,提出了两种改进算法;研究常见阵列结构特点,设计出适用于本文改进算法的阵列结构。本文的主要研究工作如下:(1)本文对根值最小范数算法进行改进,提出了一种基于实数多项式的根值最小范数算法,该算法的主要思想是利用保角变换技术将复数多项式转换为实数多项式,从而减小了计算量,并略提高了估计精度。(2)本文将2D-Unitary ESPRIT算法应用于具有多组平移不变子阵列的阵列结构中,从而得出多组估计值,采用2D-MUSIC算法的频谱函数从估值中选取最优值,从而提高估计精度。(3)ESPRIT算法仅适用于具有平移不变性的阵列结构,其中六角形阵列具有多组平移不变子阵列,该算法对不同方向的来波进行估计时,能够选择出最优的一组平移不变子阵列进行DOA估计,保证了估值的最优性。但该阵列中阵元密集,且子阵列中阵元数目较少,本文在六角形阵列基础上设计了六角星形阵列结构,能够有效利用阵列中的多数阵元参与计算,在阵元数目相当的情况下,六角星形阵列结构的估计性能优于六角形阵列。