music、esprit、mvdr算法的谱估计.docVIP

music、esprit、mvdr算法的谱估计 music、esprit、mvdr算法的谱估计 PAGE / NUMPAGES music、esprit、mvdr算法的谱估计 课程（论文）题目： MUSIC、ESPRIT、MVDR算法的谱估计 内容： 算法原理 MUSIC算法 MUSIC算法利用信号子空间和噪声子空间的正交性，构造空间谱函数， 通过谱峰搜索，估计信号频率。由 APA H μi 0 ， i K 1,..., M 且矩阵 A H A 可 逆得 ( A H A ) 1 A H APA H μi PA H μi 0 ， i K 1,..., M 。又由于矩阵 P 为正定的对 角矩阵，方程两边可再同时左乘 P 1 ，推出 aH ( k )μ 0 ， k 1,2,..., K ， i K 1,..., M 。这就表明，信号频率向量 a( k ) 与噪声子空间的特征向量正交。信号角频率的估计可以由扫描函数 PMUSIC ( ) 的 K 个峰值位置确定。 1 1 , PMUSIC 2 aH , aG GGa ESPRIT 算法 ESPRIT算法即基于旋转不变技术的信号参数估计。连续 M个时刻的观 测值可表示为向量形式 x( n) = As( n) + v( n) 。定义随机过程 y(n) x n 1 ，且 向 量 y n 和 矩 阵 分 别 为 y( n) y(n) y( n 1)y(n M 1) T ， diag ej 1 ej 2 e j K ，则 y n = A s(n)+ v( n 1) 。 向量 x n 的自相关矩阵为 R xx E x n xH n APA H + 2 vI ，向量 x n 和 y n 的互相关矩阵为 R xy E x n y H nAP H A H + 2 vZ 。对 R xx 进行特征分 解，找到 R xx 的最小特征值 2 M。定义矩阵： minMv12 Cxx Rxx 2 vI Rxx min I APAH ， Cxy Rxy 2vZ Rxy min Z AP H AH 可以通过求解方程式  C xx  C xy  0 来求得到矩阵  Cxx, C xy  的广义特征值。当 ej  k , k  1,  , K  时，矩阵  Cxx  Cxy  是奇异的；而  ej  k , k  1,  , K  时， C xx  C xy  是满秩的。矩阵对  Cxx ,C xy  的广义特征值恰为  e j  1  e  j  2  ej  K  ， 这些根的相位即为信号的频率估计。 MVDR算法 MVDR算法即最小方差无失真响应算法，是有别于经典功率谱估计和参 数模型估计的另一类信号频率估计方法。定义向量 x( n) x(n) x(n 1) x( n M 1) T ，假定信号通过一个 M抽头的 FIR 滤波器 M 1 W z w k z k ，则输出信号为： k 0 M 1 xT w y n x n * a n w k x n k k 0 y n 的功率可以表示为 p 2 E wH x* xT w wH E x* xT w wH R w 。 E y n xx 为求得滤波器的系数，需要满足在对给定的某一频率 i 处， x n 无失真地 通过，且 p 最小。此时， wMVDR Rxx 1a i p 1 aH Rxx 1a Rxx 1a i i aH i i 则 PMVDR 1 , ,。 PMVDR并不是真正意义上的功率 Rxx aH 1a 谱，但它描述了信号真正谱的相对强度，可以由此估计信号频率。 算法实现 采用空间谱估计的典型代表 MUSIC算法，ESPRIT算法和 MVDR算法，对含有高斯白噪声的复正弦信号进行频率估计。 选取的信号数 p 3 ，阵元数 10，采样数N 1000。待检测信号的归一化频率为 f1 0.10, f2 0.20, f3 0.45 ，仿真的待检测信号为： 1 1 1 e j 2 f1 e j 2 f 2 e j 2 f3 S e j 2 f1 (M 1) e j 2 f2 (M 1) e j 2 f3 (M 1) 假设 a1 ,a 2 ,a 3 都是零均值， 方差为 1 的白噪声，采样数为 N，且彼此之 间相互独立，则阵列响应矩阵为 e e e  j 2 a1 j 2 a2 j 2 a3 假定噪声 vi ,i 1,M 为零均值，方差为 1 的高斯白噪声，采样数为 N， 则待检测信号引入的噪声为 v  v1 v2 vM 于是仿真信号为：