谱分析与谱估计最后一次创新.pptVIP

谱分析与普估计 ——空域方法 汇报人： 主要内容 绪论 DOA估计基础知识 MUSIC算法 MUSIC算法的DOA估计仿真 MUSIC算法在应用中存在的问题及解决措施 结论 绪论 背景及意义 阵列信号处理理论应用十分广泛，涉及雷达、声呐、医疗、地震学，射电天文学、地球物理等众多领域，已经成为信号处理领域研究的一个热点和难点。经典方法（波束形成法）有很多缺陷，因此子空间法应运而生，如MUSIC算法等得以使阵列信号更加方便精确。 MUSIC算法可以借助现在不断改善的硬件条件在短时间内完成高分辨率算法中巨大的运算量，从而使这些算法在实际中找到应用场所。MUSIC算法估计精度高，具有较高的分辨率、适中的计算量、较好的稳健性、对阵列结构适用面比较广，是最为经典的算法。 DOA估计发展概述 最初的波达方向估计方法是基于傅立叶变化的线性谱估计方法，主要包括BT法和周期图法。由于受到瑞利极限的限制，无法获得超高分辨率性能，且抗噪声能力差，未能取得满意的效果。 后来，基于统计分析的最大似然谱估计方法，因其具有很高的分辨性能和较好的鲁棒性而受到人们的关注，然而。最大似然估计法要对高维参量空间进行搜索，运算量极大，难于在实践中得到应用。 1967年，Burg提出了最大熵谱估计方法，开始了现代谱估计的研究，这类方法包括最大嫡法、AR、MA、ARMA模型参量法、正弦组合模型法等等 1967年，Burg提出了最大熵谱估计方法，开始了现代谱估计的研究，这类方法包括最大嫡法、AR、MA、ARMA模型参量法、正弦组合模型法等等 近年来，提出了一系列基于信号循环平稳特性的波达方向估计方法，如循环MUSIC、循环ESPRIT等方法。 DOA估计基础知识 空间谱估计的系统结构 整个空间谱估计系统应该由三部分组成：空间信号入射、空间阵列接收及参数估计。相应的可分为三个空间：目标空间、观察空间及估计空间 DOA估计的基本原理 波达方向（DOA）是指无线电波到达天线阵列的方向，若到达的无线电波满足远场窄带条件，可以近似认为无线电波的波前为一平面，平面波前的阵列轴线或阵列法线间的夹角即为波达方向。 DOA估计的目标是在给定N个快拍数据：x(1)…x(N)，用某种算法估计k个信号的DOA值 对于一般的远场信号而言，同一信号到达不同的阵元存在一个波程差，这个波程差导致了接收阵元间的相位差，利用阵元间的相位差可以估计出信号的方位，这就是DOA估计的基本原理。 影响DOA估计结果的因素 1、阵元数 基阵的阵元数目也影响着超分辨算法的估计性能。一般来说，在阵列其它参数一样的情况下，阵元数越多，超分辨算法的估计性能越好。 2、快拍数 在时域，快拍数定义为采样点数。在频域，快拍数定义为做DFT（离散傅里叶）变换的时间子段的个数。 3、信号源的相干性 相干源问题是子空间类算法的致命问题，当信号源中存在相干信号时，信号协方差矩阵就不再为满秩矩阵，这种情况下，原有的超分辨算法便失效，因此，会大大的影响到DOA估计的性能。 MUSIC算法 先考虑单个源的情况，单个情况确定后则多个源的阵列模型可以通过叠加原理来获得。 假设单个源入射到阵列上同时令x(t)表示t时刻在参考点测量到的信号波形值，t是连续时间变量。 令 表示波到达第K（K=1,2,3.....）个传感器时相对于参考点的传播时延，则第K个传感器的输出为： 而成为上式的一项，因此源定位问题可看做输入未知情况下的时延估计问题。 由 6.2 阵列模型 先考虑单个源的情况，单个情况确定后则多个源的阵列模型可以通过叠加原理来获得。 假设单个源入射到阵列上同时令x(t)表示t时刻在参考点测量到的信号波形值，t是连续时间变量。 令 表示波到达第K（K=1,2,3.....）个传感器时相对于参考点的传播时延，则第K个传感器的输出为： MUSIC算法的原理 通过对阵列协方差矩阵的特征分解，可以得到如下结论：将矩阵的特征值进行从小到大的排序，即 其中D个较大的特征值对应于信号，M-D个较小的特征值对应于噪声。 矩阵的属于这些特征值的特征向量也分别对应于信号和噪声，因此，可以把的特征值(特征向量)划分为信号特征值(特征向量)与噪声特征值(特征向量)。 MUSIC算法的改进 在模型准确的前提下，MUSIC算法对DOA的估计理论上可以达到任意高的分辨率。但是，MUSIC算法研究的信号仅仅限于非相关的信号，当信号源是相关信号或者相隔比较近的小信噪比信号时，MUSIC算法的估计性