北航 时间序列与谱估计(2017x_L8).pptVIP

ESPRIT算法 ESPRIT算法的基本关系 设 那末 ESPRIT算法 ESPRIT算法的基本关系 设 那末 ESPRIT算法 ESPRIT算法的基本关系 设 由 ESPRIT算法 ESPRIT算法的基本关系 由 可知 与 有相同得特征值； ESPRIT算法 ESPRIT算法原理： 由关系 得 得 的特征值 从而得频率估计： ESPRIT算法 ESPRIT算法： 由 得 根据 的特征值 得： 空间谱估计 信号模型 应用问题：应用m个阵元的传感器阵列估计n个信源的空间方位。对应的应用领域包括雷达探查、声纳、通信以及地震测震等。 基本方法：确定能量关于空间的分布情况。采用空间谱估计方法。 主要参数：在远场和平面波的假设下，主要参数为（信源）到达方向(DOA)或到达角(AOA)。 信号模型 假设传感器阵列为均匀线阵列 信号模型 则接受信号模型可写为 其中，参考阵元(k=1)的接受信号为s(t)， 为信号载频， 信号模型 设有n个信源，则有 其中 为第k个信源的到达方向， 为第k个信源。 时域与空域滤波器 阵列接收信号 设空域滤波器为： 记 时域与空域滤波器 空域滤波输出为： 不考虑噪声，则有 空域滤波器 设计空域滤波器应满足： (1)DOA为 的信号无失真通过； (2)尽可能减小DOA不为 的其他信号。 根据(1)，h应满足： 空域滤波器 对于给定的方位范围，设计滤波器 ，计算滤波器输出功率 其中 滤波器输出功率峰值给出信源到达方向。 波束形成 假设阵列输出是空间白的，即 则有 波束形成滤波器设计： 满足 波束形成 波束形成DOA估计： (1)计算 (2) (3)根据峰值 确定n个信源波达方向 Capon估计 滤波器设计： 满足 Capon估计滤波器： Capon估计 Capon滤波DOA估计： (1)计算 (2) (3)根据峰值 确定n个信源波达方向 信号模型 设有n个信源，则有 其中 为第k个信源的到达方向， 为第k个信源。 相关矩阵的特征分解 相关矩阵 令 那末 相关矩阵的特征分解 相关矩阵 其中 相关矩阵的特征分解 相关矩阵子空间分解 设R的特征值为： 由于 为奇异矩阵，因此有： 为R的特征值，设v为对应的任一特征向量 相关矩阵的特征分解 相关矩阵子空间分解 R的特征值 对应的特征向量v为 零子空间，由于 ，零子空间是m-n维的，且 的零子空间也为 的零子空间； 由于 零子空间为m-n维的，从而 是相关矩阵R的m-n重特征值，对应的m-n维特征子空间称为R的噪声子空间； 相关矩阵的特征分解 相关矩阵子空间分解 R为正定矩阵，R的特征值为非负，任一对应于 的特征向量 有： 由于 为半正定矩阵，特征值为非负，而矩阵P为正定矩阵： 相关矩阵的特征分解 相关矩阵子空间分解 对应于特征值 的特征子空间称为R的信号子空间，它 的值域子空间； 设对应特征值 的规范正交特征向量为： 设对应特征值 的规范正交特征向量为： 相关矩阵的特征分解 相关矩阵子空间分解 令 那末 相关矩阵的特征分解 相关矩阵子空间分解 令 那末 相关矩阵的特征分解 相关矩阵子空间分解 从而 由于 因此 相关矩阵的特征分解 相关矩阵子空间分解 由 得 MUSIC算法 由 有 MUSIC算法 因此 是下列方程的解： 设 为基于估计的相关矩阵 的特征矩阵(分别对应于S,G矩阵的估计)，而 MUSIC算法 谱MUSIC算法 谱MUSIC算法是求使下式最大的n个