DOA估计中的高效算法和阵列误差消除技术研究

发布时间：2020-05-23 02:53

【摘要】：阵列信号处理作为信号处理的一个重要分支,广泛地应用于雷达,声纳,通信,医学等军用和民用领域。空间信号到达方向(Direction of Arrival,DOA)估计是阵列信号处理中的一个关键问题。本文研究了以下两种场景下的DOA估计问题:(1)随着人们对天线阵列性能的要求越来越高,天线阵元的数目越来越多。在二维天线阵列中,大量天线阵元的使用造成了二维DOA估计算法的巨大的计算复杂度,因此本文将研究如何提高二维DOA估计算法的计算效率。对于该问题,目前已经有一些低复杂度的二维DOA估计算法,但是目前的算法主要集中于避免谱峰搜索带来的计算量,而计算接收信号协方差矩阵及其特征值分解仍会带来巨大的计算量。因此,本文提出了一种基于Nystrom估计的高效的二维DOA估计算法:不同于传统的基于特征结构的二维DOA估计算法,该算法利用Nystrom方法估计信号子空间和噪声子空间,对接收信号进行分块处理,只需要计算子协方差矩阵及其特征值分解,大大地提升了算法的计算效率。通过对算法的计算复杂度分析和仿真实验验证了该算法在提升计算效率的同时,仍能保持相当的估计精度。该算法的创新点在于:不需要计算整个天线阵列的协方差矩阵,只需要计算低维度的子协方差矩阵,特征值分解也是在低维度的矩阵上进行,即使在大尺度天线阵列中也能提供较高效的计算效率。(2)传统的子空间类算法都是基于理想的天线阵列方向向量,无法适用于阵列误差(阵元幅度和相位误差)存在的场景,因此本文将研究DOA估计中的阵列误差消除技术。对于该问题,目前的大多数阵列误差校正算法容易受到相位误差的影响,而最近提出的一种基于信号幅度测量的DOA估计算法可以完全消除相位误差的干扰,但是该算法无法适用于幅度误差存在的情形。因此,本文提出了阵列误差下的基于相位回归的DOA估计算法:该算法首先利用接收信号协方差矩阵估计幅度误差和噪声功率,然后构造补偿协方差矩阵,接着取补偿协方差矩阵的首列元素的幅度信息构造相位回归问题,最后利用一种稀疏相位回归算法解决该问题从而得到到达角估计。通过实验仿真证明在阵列误差下该算法的性能要优于现有的算法。该算法的创新点在于:提供了一种新的方法将DOA估计问题转化为相位回归优化问题,该方法通过构造补偿协方差矩阵消除了幅度误差和噪声干扰,并且通过计算补偿协方差矩阵的首列元素的幅值平方直接消除了相位误差干扰。
【图文】：

图３４均匀矩形天线阵列逡逑Ｆｉｇ．邋３－４邋Ｕｎｉｆｏｒｍ邋Ｒｅｃｔａｎｇｕｌａｒ邋Ａｒｒａｙ逡逑

为了更直观的对比Ｎｙｓｔｒ６ｍ方法和传统特征值分解方法的计算复杂度，我们逡逑绘制了邋ＮｙＳｔｒ６ｍ方法和特征值分解方法估计信号子空间和噪声子空间的复杂度的逡逑函数曲线。图４－１所示的是在不同分块参数Ａ：值下的ＮｙｓｔｒＳｍ方法和特征值分解方逡逑法的计算复杂度关于接收信号快拍数Ｚ的函数曲线，接收信号快拍数变化的区间为逡逑１００至１５００，均匀矩形天线阵列的阵元数设为１６ｘ１６，即Ｍ＝１６，＃＝１６。从图４－１逡逑可以明显看出，ＮｙｓｔｒＳｍ方法的计算复杂度要远低于特征值分解方法。并且当火值逡逑越小时，ＮｙｓｔｒＳｍ方法的计算复杂度越低。图４－２所示的是在不同分块参数欠值下逡逑的Ｎｙｓｔｒ６ｍ方法和特征值分解方法的计算复杂度随着天线阵列阵元数目变化的情逡逑况，均匀矩形天线阵列的阵元数设为１６ｘ７Ｖ，邋ＴＶ值即为该函数曲线的自变量，，其逡逑变化区间为８至３２，接收信号快拍数设置为／＜邋＝邋２５６。可以从图４－２看出，当天线逡逑阵列阵元数越来越多时，特征值分解方法的计算复杂度变得十分巨大，而ＮｙｓｔｒＳｍ逡逑方法仍然能保持较低的计算复杂度。逡逑因此
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.7

【参考文献】

相关博士学位论文 前1条

1 蔡红艳;带二次约束的非凸二次分式优化问题研究及其在认知无线网络中的应用[D];北京邮电大学;2014年

相关硕士学位论文 前2条

1 孙华普;非圆信号的DOA估计算法研究[D];南京航空航天大学;2017年

2 孙光涛;三维阵列天线下DOA估计研究[D];天津大学;2017年

本文编号：2677027