快速DOA,.docxVIP

阵列快速DOA估计算法本文主要研究思路：本文主要研究成果：结论：进行快速 DOA 算法的研究时：思路1、就是采用低维搜索或者直接采用待估角闭式解的方法来代替复杂的高维搜索；思路2、就是采用避免计算协方差矩阵及对其特征分解的方法快速估计出子空间或者直接采用计算量更低的不需估计子空间的非子空间类技术进行DOA 估计。(一)、一维快速DOA1、一维快速空间谱测向历史及发展现状对高维协方差矩阵进行降维的处理办法。其代表算法是波束域 MUSIC 算法。波束域类算法通过压缩阵列空间输出来减少接收数据维数，有着较稳健的参数估计性能以及较低的信噪比门限等优点。然而波束域类算法仍需要进行高运算复杂度的特征值分解，并不能从根本上解决运算量大问题。于是，为进一步降低测向算法的运算量，阵列工作者们又对快速估计子空间的空间谱，但不需协方差矩阵计算和特征值分解的快速算法展开了研究，并得到了一系列有效的算法。（1）、子空间类算法划分为三类：第一类：矩阵分割类快速算法。这类算法利用了接收信号矩阵或采样协方差矩阵自身特点，通过简单的矩阵分割变换来快速得到信号子空间或者噪声子空间，这类算法较简单，但其性能却比较差，特别在低信噪比和小快拍数的情况下往往会失效。第二类：多级维纳滤波(MSWF)类快速算法:通过采用MSWF的前向递推替代超分辨波达方向估计算法中的特征分解以快速估计信号子空间，大大地降低了运算复杂度。第三类：传播因子类(PM)快速算法。这类算法运算量小，分辨率高，在二维快速算法中也应用较多。 （2）、非子空间类的（不需要估计子空间）快速 DOA 估计方法。（1）通过解低阶方程直接求取波达方向的方法（CEM法）。CEM（特征方程法）方法不需特征值分解，利用协方差矩阵的次对角线元素来构造一个信源个数阶的方程，通过求解这个方程的根来估计信号的 DOA，但这个信源数阶的方程的构建过程仍然具有较大的计算负担。（2）基于伪协方差阵方法。该方法避免了计算阵列接收数据协方差阵，且无需特征值分解，与传统的子空间算法相比，可以减少M2N 个运算量，尤其是当快拍数 N 很大时，该算法可以有效降低算法的运算复杂度。但是，该算法需要结合角度响应谱和方向谱得出最终角度估计，因此需要两次谱峰搜索，算法的复杂度在此部分被极大提升，而且该算法的鲁棒性、角度估计性能也不太好。2、常规子空间测向算法：噪声子空间。MUSIC算法：求根 MUSIC算法：ESPRIT算法：3、非子空间类的快速测向算法⑴、CEM（特征方程）法：是一种不需特征值分解的一维DOA计算法。这种算法是通过求取一个信源个数阶方程的根来估计信号的DOA。该方法具有运算量小，角估计精度较高的优点。但有缺点，以下是两种改进方法：加权 CEM 方法：通过加权减少中数据精度不同对角估计精度造成的影响。在求得采用加权方法得到的新系数之后，接下来带入基本 CEM 方法中即可求得信号的波达方向。 ② 改进 CEM 方法：将的右上三角矩阵和左下三角矩阵同时运用，并且对中数据进行加权，以提高 DOA 估计精度。加权 CEM 和改进 CEM 算法的性能接近，均比基本 CEM 算法的估计性能好，这说明改进 CEM 算法相对于基本 CEM 算法对估计性能的提高主要是取决于加权值的作用，而加入上三角矩阵的信息对估计性能改善不大。这是因为这里的自相关矩阵是 Hermite 矩阵，的上三角矩阵与下三角矩阵的元素共轭对称，仅用下三角矩阵已经可以提供出的所有信息。从运算复杂度分析，设阵元数为M，快拍数为N，信源数为P，则：改进 CEM 算法的运算量为 O(M2N ) +2MP(P +1)+O(P3)√加权 CEM 算法的运算量为 O(M2N )+MP(P +1)+O(P3)Root-MUSIC 算法的运算量为O(M2N )+O(M 3) 当M?P时，Root-MUSIC 算法的计算量是加权CEM 的O((M/P)2)倍。使用加权CEM算法不仅比改进CEM算法的计算量更小，而且可以达到相同的估计性能。故在实际应用中，建议最好采用加权 CEM 算法。CEM类算法优点：CEM 类算法没有使用协方差主对角元素的信息，故在功率分布不均匀的噪声环境下更有鲁棒性，而且通过丢弃 主对角线附近的元素，CEM 类算法还可用于谱相关噪声环境。缺点：CEM类算法仅降低了一部分运算量，对于信号源个数阶的方程系数的求取仍具有较高的运算复杂度，且该算法需要较大的阵元个数、必须使用均匀直线阵，所以实际应用中仍存在局限性。⑵、基于伪协方差矩阵的快速DOA估计：常规的子空间算法(MUSIC、ESPRIT)及传统的MVDR(最小方差无畸变响应)类波束形成算法均需要多个采样快拍数以得到较准确的样本协方差矩阵，且不能用于信号快速变化或者信号相干的情况。随着采样快拍数的增大，算法的运算复杂度也将随之增