基于多重信号分类算法的目标测向性能及误差分析.pdfVIP

基于多重信号分类算法的目标测向性能及误差分析

田才艳，许浩，向卓文，郑青青

中国民用航空飞行学院，四川德阳618307

摘要：信号处理中阵列信号作为重要的研究方向，在通信、雷达、声纳、地质勘探和电子对抗等领域有广泛的应用，其

中空间谱估计是阵列信号的重要分支。为研究多重信号分类算法的目标测向性能，以音频源为例，在均匀圆阵上，对音

频源测向的问题进行研究，对算法进行验证后从阵元数、信噪比、波长半径比方面分析了算法性能及其误差，得到这三

种参数和算法性能都呈正相关，为后续算法改进研究、应用范围提供方向。

关键词：空间谱估计；MUSIC算法；圆形阵列；音频源定向

中图分类号：TN915.63文献标志码：A文章编号：1672-0164（2025）02-0045-04

有正交性的噪声子空间和信号子空间后，经谱峰搜索得到被

1引言

估计信号的各个参数如入射角度、信号功率强度等。

空间谱理论具有超高的空间分辨能力，又称之为“超（高）MUSIC算法假设条件：首先，空间信号为零均值平稳随机

分辨谱估计”，20世纪70年代以来，主要高分辨谱估计的方法过程；并且要求信号源数小于阵元的数目，以确保阵列流型矩

[1]

有：Pisarenko的谐波分析法，Burg的最大熵法MEM、Capon的阵的各个列线性独立，若传感器的数量比信源的个数多，则阵

[2][9]

最小方差法MVM，但是这些估计方法是假定信号源在空间列数据的信号分量一定位于一个低秩的子空间，在一定条件

[3]

中是连续分布的，信号是空间平稳的随机过程，在实际应用下，这个子空间可以使用数值稳定的奇异值分解，精确地确定

中具有局限性。20世纪70年代末开始，空间谱方面涌现了大信号的波达方向；而且信号源通常为窄带远场信号，即阵元间

量研究成果，促进了特征子空间类算法的兴起，特征子空间算隔满足最小间隔并不大于来波信号最长波长的二分之一，远

法又分为两类，一类是噪声子空间类算法，如MUSIC；另一类场区入射模型可以形象地想象成太阳发射的光呈球状放射，

是以旋转不变子空间类的ESPRIT为代表的信号子空间类算但是到达地球之后近似为平行光，而近区场模型的信号入射

[4]

法,这些算法的共同之处就是对阵列接收数据的数学关系分参数就相对比较复杂，近区场的声场模型视为球面波；另外环

[5]

解，将接收的数据分为两个正交的子空间构造出“针状”的空境噪声为加性高斯分布，不同阵元间距噪声均为平稳随机过

间谱峰，从而提高算法的分辨力。程，信号与噪声相互独立，各阵元间噪声相互独立，空间平稳

多重信号分类算法（又称MUSIC算法）自1979年提出后即各个麦克风噪声方差相等。

不断地推进着阵列信号处理技术的迅速发展，作为最经典的2.2阵列形式

高分辨DOA估计算法，它是在待测空间进行谱峰搜索进而求2.2.1一维线性一维线性

[6]

出信号方向，在通信、雷达、声纳、勘探方面有广泛应用和发线阵是最常见的阵列结构，阵元摆放为一条直线，阵元间

展。