现代信号处理范例.ppt

现代信号处理讲义 3.5 MUSIC方法 1. 阵列信号处理问题 2. 最优波束形成器 3. 子空间方法 5. 改进的MUSIC方法 4. MUSIC方法 3.5 MUSIC方法 MUSIC: Multiple Signal Classification 1. 阵列信号处理问题 (array signal processing) 阵列：多个天线的组合 每个天线——阵元：天线、传感器 假设：⑴窄带信号 ：点信源 ⑵远场(far field)：波前——平面波 波达方向 (DOA: direction of arrival)：入射线与法线 之间的夹角，可以有正有负 ——波长 (半波长条件)：若不满足该条件，会出现DOA估 计的模糊 信号 的方向向量，(阵列响应)向量： 方向矩阵 Vandermonde矩阵 满列秩 p个信号 信号模型 阵元k上的观测数据 阵列信号处理的数学模型： 阵列信号处理的问题：已知数据向量 ，求空 间参数 波达方向 N个快拍 2. 最优波束形成器 DOA估计：波束形成器 设计一个滤波器 抽头(权系数)， 加权求和 输出信号 只包含 —— 期望信号 拒绝其他信号 —— 干扰信号 最小输出能量(MOE: minimum output energy)准则： min 则 其中 期望信号 (波束形成条件) 干扰信号 加性噪声 (干扰拒绝条件，零点形成条件) 则 在 约束条件下，使 min Largange乘子法： 其中 又 ，代入上式 由Capon提出，称为最小方差无畸变(MVDR)波束形成器 最佳滤波器 MVDR: minimum variance distortionless response 空间谱： 最大幅值对应的 即为所求。 关键：求 假设1：对于不同的 值，向量 线性独立 3. 子空间方法 假设2：各阵元上复加性噪声具有零均值、相同方差， 且不相关 假设3： 满秩矩阵（非奇异） 特征值分解： 的特征值： 若 ，区分大和小的特征值 子空间：向量组 的线性组合的集合，称为 张成的空间。 信号子空间： 噪声子空间： 观测空间： 观测空间 = 信号子空间 + 噪声子空间 特征值分解后，与大特征值对应 与小特征值对应 子空间的几何意义： 投影矩阵 几何意义：信号子空间和噪声子空间正交 正交投影矩阵 即 4. MUSIC方法 波束形成器： MUSIC空间谱： 取峰值的 个 就给出 (需一维搜索) 噪声子空间方法 信号子空间方法 改进方法1： 5. 改进的MUSIC方法 改进方法1: (求根MUSIC方法) 基本思想：Pisarenko谐波分解 (不需一维搜索) 或 标量形式： 其根 求根MUSIC方法 结论： ⑴ 基本MUSIC方法和求根MUSIC具有相同的统计特性(大样本) ⑵在小样本情况下，求根MUSIC的估计精度明显优于基本MUSIC方法 习 题 题3.13 (Prony方法),题3.15 (最优波束形成器) MUSIC和求根MUSIC习题: 计算机仿真实验：题3.19