波达方向估计一种改进SVD算法.docVIP

波达方向估计一种改进SVD算法 　　摘 要：本文主要研究智能天线算法中的关键技术波达方向估计（DOA）。针对相干信号源的信号子空间与噪声子空间相互渗透，导致空间协方差矩阵缺秩从而经典算法失效的问题，本文基于奇异值分解（SVD）算法，提出了一种改进的SVD算法。该算法利用入射信号矩阵的最大特征向量元素包含所有入射信号信息的性质，进行矩阵重构，并对重构矩阵进行特征值分解得到噪声子空间和信号子空间，最后利用经典谱估计算法得到相干信源的入射方向。仿真试验结果表明改进SVD算法性能优于原始算法。 　　关键词：波达方向估计 多重信号分类算法 矢量奇异值算法 　　中图分类号：TN929.5 文献标识码：A 文章编号：1672-3791（2013）06（a）-0007-03 　　An improved SVD characteristic spectral estimation algorithm in 　　Direction of Arrival Estimation 　　Zhang Yuyi 　　（Shanghai Aircraft Design And Research Institute， ShangHai，201210， China） 　　Abstract：The paper mainly studied the key technologies of smart antenna algorithm called direction of arrival estimation（DOA）. The rank’s lack of spatial covariance matrix caused by the mutual penetration of the coherent source signal subspace and noise subspace lead to the failure of the classic algorithm.The paper provided an improved singular value decomposition （SVD） algorithm based on the classical SVD algorithm.As the maximum eigenvector of the incident signal matrix contains full information of the the incident signal，the reconstructed matrix of incident signal can be decomposed into noise subspace and signal subspace in order to obtain the incident direction of coherent sources using classic spectral estimation algorithm. Experimental simulation shows the performance of the new algorithm is better than the original algorithm. 　　Key Words：DOA；multiple signal classification algorithm；SVD algorithm 　　移动通信逐渐成为现代通信的主要方式，但频谱资源随着用户的增多而日益匮乏，无线信道的传输环境导致的信号衰减、衰落和时延扩展也严重影响了通信质量。针对上述问题，智能天线技术旨在用有限的频谱资源容纳尽可能多的用户。智能天线的基本工作原理就是根据接收信号自动调节天线接受阵列的幅度和加权值，从而达到最佳的发射和接收效果。 　　???为智能天线技术的基础，基于特征结构的空间谱估计经典算法有MUSIC算法[1]、ESPRIT[2]算法等。由于MUSIC算法和ESPRIT算法在最优化的建立过程中，要求信号的自相关矩阵要有正定性，即信号在空间中是非相干的，因此经典的MUSIC算法和ESPRIT算法对相干信号都没有很好的分辨能力。学者为此进行了广泛研究[3～7]。 　　本文主要介绍空间谱估计的系统结构模型和算法模型，针对无线环境中经常出现的相干信号源的问题，在研究常用解相干算法的基础上，提出了一种改进的SVD算法，并通过仿真实验进行验证，证明该算法相对传统算法具有优越性。 　　1 相干信号源接收信号模型 　　由于信号传播的复杂环境，若建立严格的数学模型需要提供物理环境的完整描述，不利于信号算法性能的研究，故本文使用的是简化信号模型。 　　假设信号源是窄带信号，那么窄带信号的复包络可以