强干扰下相干多目标的DOA估计算法研究

发布时间：2020-09-16 17:03

　　随着各种目标模拟技术、隐身技术和对抗技术的发展,水下多目标战场环境愈发复杂多变。这种情况造成了两个主要问题,其一是高分辨DOA估计算法会在多个目标互为相干信号时性能严重下降;其二是较弱的目标会被强干扰背景环境所淹没。对于以上问题,本文将先研究相干信号的DOA估计,然后研究强干扰下弱信号的DOA估计,旨在解决强干扰背景条件下相干多目标的DOA估计问题。首先,本文在水下均匀线列阵的基础上研究了CBF、MVDR、MUSIC和ESPRIT等经典DOA估计算法,通过仿真实验和湖试数据考察了各算法的性能,并在相干信号模型下研究了各算法的适用情况。在仿真结果中除CBF以外的算法均丧失了原有的高分辨特性,表现出了对相干信号的敏感性。然后,为了解决经典算法不适用相干信号的问题,本文分别研究了非降维处理和降维处理两类针对水下相干信号的DOA估计方法。在降维处理方法中,研究了空间平滑算法和ESPRIT-Like算法,在非降维处理方法中研究了修正的MUSIC算法和Toeplitz矩阵重构算法。以DOA估计精度和相干源分辨成功概率为仿真结果的评价指标,ESPRIT-Like算法的估计精度和解相干能力优于空间平滑算法,Toeplitz矩阵重构算法在可估计信源数和DOA估计性能方面比修正的MUSIC算法更具有优势;并且通过实际湖试数据对上述算法进行了验证。在降维处理方法中,针对ESPRIT-Like算法没有充分利用均匀线阵共轭对称性的问题,本文提出了改进算法——I-ESPRIT-Like。该算法分为三个步骤:首先对阵列数据进行共轭重排,然后对计算得到的数据相关值进行平均,最后构造一个Hermitian Toeplitz矩阵估计相干信号的DOA。仿真结果表明,I-ESPRIT-Like可以有效提高传统ESPRIT-Like的性能,并且在小快拍数和低信噪比环境下具有一定的优势。最后,针对水下强干扰环境中弱目标估计的难题,本文研究了Bartlett波束零陷权法、干扰阻塞法和噪声子空间不变法三种弱信号DOA估计算法,分别在干扰方向已知和干扰方向未知两种条件下,通过仿真实验比较了三种算法的弱信号检测能力和DOA估计精度。湖试数据处理结果表明,Bartlett波束零陷权法可以在干扰方向形成波束指向性零点,干扰阻塞法从阵列协方差矩阵中剔除掉了干扰的方向信息,噪声子空间不变法可以同时估计信号与干扰的方向。
【学位单位】：哈尔滨工程大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：E91;E925;TN911.7
【部分图文】：

示意图,空间谱,历程,目标

采样频率为 20kHz，快拍数为 40000，角度扫描范围为-180°~180°11mzyxABC图 2.13 千岛湖实验工况示意图图 2.14-图 2.17 表示了信号通过 CBF、MVDR、MUSIC 和 ESPRIT 四种算法处理后得到的空间谱历程图。在图 2.14 中，空间谱历程图非常混乱，原因是 CBF 算法分辨率低，且由于阵间距大于信号对应的半波长，CBF 算法出现了模糊现象；由于目标 B 和目标 C 的功率大于目标 A，在图 2.14 中无法正确观测到目标 A。在图 2.15 中，MVDR具有干扰抑制能力，能够从图中判断出 3 个目标；但由于混响和散射的作用，目标 B 与目标 C 附近的背景噪声功率被提高，对目标 A 的观测造成了一定影响。

示意图,空间谱,历程,目标

空间谱,历程

图 2.16 MUSIC 空间谱历程图通过算法原理的介绍和对仿真实验及数算法的性能特点总结到表 2.1 中。表 2.1 经典 DOA算法优点 CBF 性能稳定，实现简MVDR 能够抑制噪声和干MUSIC 分辨率高 ESPRIT 分辨率高，无需谱峰2.5 本章小结本章首先研究了 DOA 估计的基本理论模型、窄带信号和宽带信号的阵列数据表达接下来，本章研究了经典的 DOA 估计ESPRIT。CBF 算法简单，易于实现，并且

【相似文献】