信号模型中若干参数估计问题的分析-analysis of some parameter estimation problems in signal model.docxVIP

第1章绪论§1.1信号过程简介信号是运载消息的工具，是消息的载体，从广义上讲，它包含光信号、声信号和电信号等。古代人利用点燃烽火台产生的滚滚狼烟向远方军队传递敌人入侵的消息，它属于光信号:我们说话时，声波传递到他人的耳朵，使他人了解我们的意图，这属于声信号:邀游太空的各种无线电波、四通八达的电话网中的电流等用来向远方表达各种消息的信号属于电信号。人们只有通过接收到的信号才能去理解对方所要表达的信息。在数学上，人们把信号描述为一个或若干个自变量的函数形式，如指数信号、正余弦信号、复指数信号、高斯信号等。通常，正弦信号和余弦信号可分别表示为f(t)=Asin(ωt+?)(1.1)和f(t)=Acos(ωt+?),(1.2)这里A,ω和?分别为信号的振幅、角频率和初相角，t表示时间。复指数信号可表示为f(t)=Aest,(1.3)其中，A为信号的振幅，指数因子s=σ+iω,i=√?1，σ∈R,ω∈R。在现实中人们并不能观察到复指数信号，只能观察到正弦和余弦信号，人们引入复指数信号一方面是为了模型在数学上易于处理，另一方面是指数信号的数学表示较为广泛，如当ω=0，即s为实数，此时复指数信号就是一般的指数信号:当σ=0且ω=0，即s=0，此时的复指数信号是直流信号。从(1.1)-(1.3)易知一个复指数信号的实部和虚部分别为一个正弦信号和一个余弦信号，即f(t)=Ae(σ+iω)t=Aeσtcosωt+i(Aeσtsinωt).(1.4)反之，正弦信号和余弦信号均可由复指数信号变换得到，即1?sin(ωt)=(eiωte?iωt),(1.5)2i1cos(ωt)=(eiωt+e?iωt).(1.6)2阵列信号处理是空域信号分析和处理的一种重要手段，是信号处理领域内的一个重要研究分支。在最近几十年里，阵列信号处理得到了迅猛的发展，并被广泛地应用在雷达、通信、声呐、生物医学及地震学等各种领域。阵列信号处理主要关注传播波形所携带信号的空间特性，其本质是通过设置在空间己知位置的传感器阵列接收空间信号，并对接收到的空间信号进行处理，实现检测信号和提取信号的特征参数的目的。阵列信号处理的主要目标是检测空间信号源数、寻找空间信号的方向和对移动目标进行跟踪。现设空间存在p个波长为λ的远场窄带信号s1(t),...,sp(t)，sk(t)沿方向θk入射到含有背景噪声n(t)的q个均匀线阵上，相邻阵元之间的间距为d。又设接收到N个信号y(1),...,y(N)，其中py(t)=γa(θk)sk(t)+n(t),t=1,...,N.(1.7)k=1将(1.7)写成矩阵形式y(t)=As(t)+n(t),t=1,...,N.(1.8)其中s(t)=(s1(t),...,sp(t))T，n(t)=(n1(t),...,nq(t))T，假定噪声向量n(t)的均值为零，协方差矩阵为σ2Iq，A=(a(θ1),...,a(θp))是q×p的导向矢量矩阵，a(θk)是q维列向量，表示方向θk的导向矢量，由于接收器是等间距放置的，此时a(θk)=(1,exp(?iΘk),...,exp(?i(q?1)Θk))T,其中Θk=2π(d/λ)sinθk。当sk(t)=ckeiωkt时，(1.7)可以写为py(t)=γαkexp(iωkt)+n(t),t=1,...,N.(1.9)k=1(1.9)就是一维阵列复指数信号模型，αk是第k个信号振幅，ωk是第k个信号的角频率。通常，在模型(1.9)中模型阶数p，振幅αk和频率ωk,k=1,...,p是未知参数，这些未知参数可以通过N个信号观测值进行估计。一维复指数阵列模型(1.9)的阶数p的估计问题实际上是一个模型的变量选择问题，人们通常利用AIC和BIC准则来确定变量的个数，Zhaoetal(1986)用EDC准则选择信号个数p。现假定pq，噪声向量服从均值为零，协方差阵为σ2Iq的复高斯分布，记p?为p的估计值，则在AIC准则下有AIC(p?)=min{AIC(k),k=1,...,q},(1.10)这里AIC(k)=?2logLk+γ(k),(1.11)其中，Lk是似然函数，γ(k)表示模型真实阶数为k时待估的自由参数的个数。在BIC准则下有BIC(p?)=min{BIC(k),k=1,...,q},(1.12)这里在EDC准则下有BIC(k)=?2logLk+γ(k)logN.(1.13)EDC(p?)=min{EDC(k),k=1,...,q},(1.14)这里其中CN满足EDC(k)=?2logLk+γ(k)CN,(1.15)limN→∞和CN/N=0,(1.16)limN→∞CN/loglogN=∞.(1.17)此外，Zhaoetal(1986)还证明了p?是p的强相合估计。Kundu和Mitra(2000)建议用交叉验