本文關(guān)鍵詞：陣列信號(hào)處理中的DOA估計(jì)關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：陣列信號(hào)處理中的DOA(Direction Of Arrival)估計(jì)技術(shù)有著很大的應(yīng)用前景,無論是雷達(dá)、通信、聲納,還是地震勘探、射電天文等領(lǐng)域?qū)λ挤浅Ｇ嗖A。其中智能天線空分多址、聲源定位探測以及無源陣列雷達(dá)等學(xué)科已經(jīng)把它列為了一項(xiàng)重要技術(shù)。各國的專家學(xué)者在過去的幾十年里陸續(xù)提出了很多性能良好的方法,可謂碩果累累。然而由于一些難點(diǎn)沒有得到解決,許多的方法還不能真正的用到實(shí)際系統(tǒng)上。論文介紹了陣列信號(hào)處理的基本模型以及一些理論方法,并且對(duì)已有的一些DOA估計(jì)算法的特點(diǎn)進(jìn)行了分析,針對(duì)它們的不足之處提出了新的改進(jìn)算法。 在實(shí)際應(yīng)用中,空間存在大量波達(dá)方向隨時(shí)間變化的信號(hào)源,因此針對(duì)運(yùn)動(dòng)目標(biāo)的動(dòng)態(tài)DOA估計(jì)也就成為波達(dá)方向估計(jì)中的重要研究課題,最大似然估計(jì)(MLE: Maximum Likelihood Estimation)在DOA處理中具有很好的性能,然而它需要進(jìn)行多維參數(shù)的搜索,所以運(yùn)算起來非常耗時(shí)。針對(duì)信號(hào)方向時(shí)刻變化這一情況,提出了一種基于粒子群優(yōu)化技術(shù)的跟蹤方法,這種方法能夠自動(dòng)的對(duì)目標(biāo)進(jìn)行跟蹤,并在很小的一個(gè)區(qū)域內(nèi)鎖定目標(biāo),回避了子空間類方法需要重復(fù)分解協(xié)方差矩陣的過程。這樣便在很大的程度上使計(jì)算量得到了降低。而且算法有著較好的跟蹤精度和實(shí)時(shí)性能,還能處理相干信號(hào)。 一般的DOA估計(jì)方法需要假設(shè)信號(hào)以及背景噪聲為高斯白噪聲,這樣便可以利用二階協(xié)方差矩陣的方法很方便的估計(jì)出信號(hào)方向。但是實(shí)際生活里的很多信號(hào)以及噪聲往往不是服從高斯分布,比方說通信線路上的瞬間干擾、海洋環(huán)境噪聲以及大氣放電產(chǎn)生的噪聲,還有許多人為噪聲等等,它們都有著明顯的尖峰,如果仍然采用二階協(xié)方差矩陣的方法來處理,那么肯定得不到理想的估計(jì),幸虧有一種稱為α穩(wěn)定分布的信號(hào)模型可以對(duì)以上的信號(hào)進(jìn)行描述。論文對(duì)α穩(wěn)定分布進(jìn)行了介紹,然后分析了描述噪聲的分?jǐn)?shù)低階矩這一模型。針對(duì)動(dòng)態(tài)DOA估計(jì)這一問題,基于粒子群優(yōu)化技術(shù)提出了一種新的鎖定跟蹤方法。它不必重復(fù)的分解分?jǐn)?shù)低階矩矩陣,使多維搜索的計(jì)算量得到了有效的降低,而且跟蹤性能也很好。 由于通常的二維DOA估計(jì)都需要較多的陣元,然而利用率都不高。在最小冗余線陣的基礎(chǔ)上提出了一種新的陣列模型,模型設(shè)置了三條平行陣列,它的陣元冗余度很低,并且結(jié)合傳播算子方法實(shí)現(xiàn)了信號(hào)二維DOA估計(jì),避免了矩陣特征分解以及譜峰搜索過程。由于采用了最小冗余線陣,所以陣列孔徑得到了增大,如此便使傳播算子方法在低信噪比下也獲得了較好的性能。另外為了能夠更好的在沖擊噪聲背景下對(duì)信號(hào)DOA進(jìn)行估計(jì),論文結(jié)合分?jǐn)?shù)低階矩矩陣以及最小冗余線陣提出了一種新穎的人工蜂群算法。算法使陣列孔徑得到了擴(kuò)展,它的分辨力在沖擊噪聲背景下也有較好的表現(xiàn),而且使用的陣元數(shù)目可以少于信號(hào)數(shù)目。此外在L形陣列的基礎(chǔ)上提出了新的二維DOA估計(jì)方法,它利用了參考陣列的旋轉(zhuǎn)不變性,通過縱向和橫向兩重的擴(kuò)展構(gòu)造了虛擬陣列,而且該虛擬陣列也有著旋轉(zhuǎn)不變性,與此同時(shí)它的四階累積量矩陣不存在數(shù)據(jù)冗余。新算法估計(jì)信號(hào)子空間時(shí)只需完成兩個(gè)四階累積量矩陣的計(jì)算,再結(jié)合ESPRIT方法即可得到信號(hào)方向。新方法具有精度高、計(jì)算量低的優(yōu)點(diǎn),論文從理論和實(shí)驗(yàn)兩個(gè)方面證明了算法的性能。 在寬帶DOA估計(jì)算法中,聚焦矩陣的選取非常重要,它直接影響著估計(jì)性能。論文提出了一種構(gòu)造聚焦矩陣的新方法,使得信噪比較低時(shí)也能夠較好的完成DOA估計(jì),且聚焦前后沒有損失信噪比。實(shí)驗(yàn)證明了該方法比傳統(tǒng)的雙邊相關(guān)變換(TCT:Two-sided Correlation Transformation)算法的估計(jì)精度更高。
【關(guān)鍵詞】：DOA估計(jì) 智能算法 沖擊噪聲 最小冗余線陣 寬帶信號(hào)
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2011
【分類號(hào)】：TN911.7
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 第1章 緒論13-22
• 1.1 引言13
• 1.2 課題的研究目的與意義13-14
• 1.3 課題研究背景與現(xiàn)狀14-20
• 1.3.1 傳統(tǒng)的高分辨測向技術(shù)14-15
• 1.3.2 智能優(yōu)化算法的研究背景與現(xiàn)狀15-17
• 1.3.3 沖擊噪聲背景下的DOA估計(jì)研究背景與現(xiàn)狀17-18
• 1.3.4 動(dòng)態(tài)DOA估計(jì)研究背景與現(xiàn)狀18
• 1.3.5 基于特殊陣列的DOA估計(jì)18-19
• 1.3.6 寬帶信號(hào)DOA估計(jì)研究背景與現(xiàn)狀19-20
• 1.4 論文主要研究內(nèi)容及安排20-22
• 第2章 空間譜估計(jì)的基本理論22-29
• 2.1 引言22
• 2.2 空間譜估計(jì)數(shù)學(xué)模型22-25
• 2.3 MUSIC算法基本原理25-27
• 2.4 信源數(shù)的估計(jì)27-28
• 2.5 本章小結(jié)28-29
• 第3章 基于智能優(yōu)化算法的DOA估計(jì)29-49
• 3.1 引言29
• 3.2 靜態(tài)目標(biāo)的DOA估計(jì)29-41
• 3.2.1 交替投影算法30-33
• 3.2.2 遺傳算法33-35
• 3.2.3 粒子群優(yōu)化算法35-38
• 3.2.4 仿真實(shí)驗(yàn)38-41
• 3.3 基于粒子群算法的動(dòng)態(tài)DOA估計(jì)41-48
• 3.3.1 樣本協(xié)方差矩陣的更新41-44
• 3.3.2 應(yīng)用粒子群算法的動(dòng)態(tài)目標(biāo)DOA估計(jì)44-45
• 3.3.3 計(jì)算機(jī)仿真45-48
• 3.4 本章小結(jié)48-49
• 第4章 沖擊噪聲條件下的動(dòng)態(tài)DOA估計(jì)49-59
• 4.1 引言49
• 4.2 α穩(wěn)定分布49-52
• 4.3 分?jǐn)?shù)低階統(tǒng)計(jì)量52-53
• 4.4 改進(jìn)的DOA動(dòng)態(tài)估計(jì)算法53-58
• 4.4.1 分?jǐn)?shù)低階矩的動(dòng)態(tài)更新53-54
• 4.4.2 分?jǐn)?shù)低階矩矩陣的動(dòng)態(tài)更新分析54-55
• 4.4.3 鎖定跟蹤思想55-56
• 4.4.4 初始化56
• 4.4.5 終止條件56-57
• 4.4.6 計(jì)算機(jī)仿真57-58
• 4.5 本章小結(jié)58-59
• 第5章 基于特殊陣列的DOA估計(jì)59-87
• 5.1 引言59
• 5.2 最小冗余陣列(MRL)59-65
• 5.2.1 陣列冗余度的定義59-61
• 5.2.2 最小冗余陣列的定義61-62
• 5.2.3 最小冗余陣列的獲得62-63
• 5.2.4 最小冗余陣列的性能和均勻線陣的性能比較63-65
• 5.3 傳播算子算法(PM)65-68
• 5.3.1 算法原理65-66
• 5.3.2 傳播算子的求解66-67
• 5.3.3 計(jì)算復(fù)雜度分析67
• 5.3.4 計(jì)算機(jī)仿真67-68
• 5.4 基于最小冗余線陣的二維傳播算子DOA估計(jì)68-74
• 5.4.1 陣列結(jié)構(gòu)和信號(hào)模型69-70
• 5.4.2 算法的實(shí)現(xiàn)原理70-73
• 5.4.3 仿真實(shí)驗(yàn)73-74
• 5.5 基于MR-FLOC-ML算法的DOA估計(jì)74-76
• 5.6 基于人工蜂群算法的信號(hào)方向估計(jì)76-80
• 5.6.1 人工蜂群76-77
• 5.6.2 基于人工蜂群的MR-FLOC-ML算法77
• 5.6.3 計(jì)算機(jī)仿真77-80
• 5.7 基于四階累積量的信號(hào)方向估計(jì)80-86
• 5.7.1 四階累積量的定義和性質(zhì)80-81
• 5.7.2 基于四階累積量的二維DOA估計(jì)81-84
• 5.7.3 計(jì)算機(jī)仿真84-86
• 5.8 本章小結(jié)86-87
• 第6章 寬帶信號(hào)的DOA估計(jì)87-103
• 6.1 引言87-88
• 6.2 窄帶信號(hào)陣列模型88
• 6.3 寬帶信號(hào)模型88-90
• 6.4 基于非相干信號(hào)的處理方法90-93
• 6.4.1 ISM算法90-91
• 6.4.2 改進(jìn)的ISM算法91-92
• 6.4.3 實(shí)驗(yàn)結(jié)果分析92-93
• 6.5 基于相干信號(hào)的處理方法93-95
• 6.5.1 CSM方法的基本原理93-94
• 6.5.2 CSM方法分辨相干信號(hào)的實(shí)質(zhì)94
• 6.5.3 實(shí)驗(yàn)結(jié)果分析94-95
• 6.6 聚焦矩陣的構(gòu)造95-100
• 6.6.1 最佳聚焦矩陣的構(gòu)造準(zhǔn)則95-97
• 6.6.2 最佳聚焦頻率的選擇97-98
• 6.6.3 非酉聚焦矩陣98
• 6.6.4 雙邊相關(guān)變換(TCT)算法98-100
• 6.7 低信噪比情況下寬帶高分辨測向算法100-102
• 6.7.1 信號(hào)模型100
• 6.7.2 算法步驟100-101
• 6.7.3 仿真實(shí)驗(yàn)101-102
• 6.8 本章小結(jié)102-103
• 結(jié)論103-105
• 參考文獻(xiàn)105-115
• 攻讀博士學(xué)位期間發(fā)表的論文和取得的科技成果115-116
• 致謝116-117
• 個(gè)人簡歷117

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘇淑靖;顏景龍;馬維賢;曹東杰;;基于傳播算子的二維波達(dá)方向估計(jì)新算法[J];北京理工大學(xué)學(xué)報(bào);2008年07期

2 呂澤均,肖先賜;基于分?jǐn)?shù)階矩的測向算法研究[J];電波科學(xué)學(xué)報(bào);2002年06期

3 顧建峰;魏平;;基于偽數(shù)據(jù)域的最小冗余線陣測向算法[J];電波科學(xué)學(xué)報(bào);2007年06期

4 劉春靜;劉楓;張曙;;基于數(shù)據(jù)矩陣聚焦的寬帶DOA算法[J];彈箭與制導(dǎo)學(xué)報(bào);2010年01期

5 王彬如;熊鍵;石敖廣;楊世興;;未知信源數(shù)的寬帶波束域相干源測向算法[J];電子信息對(duì)抗技術(shù);2010年02期

6 趙擁軍;周林;;寬帶相干源波達(dá)方向估計(jì)的新方法及性能分析[J];電子測量與儀器學(xué)報(bào);2007年06期

7 李建新;陣列多臺(tái)階稀疏技術(shù)[J];電子學(xué)報(bào);1999年03期

8 胡星航,林德云;矩形平面陣列天線旁瓣電平優(yōu)化的遺傳算法[J];電子學(xué)報(bào);1999年12期

9 呂振肅,侯志榮;自適應(yīng)變異的粒子群優(yōu)化算法[J];電子學(xué)報(bào);2004年03期

10 張永軍,陳宗騭,韓平;冪迭代超分辨率快速算法[J];電子科學(xué)學(xué)刊;1998年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 何勁;α穩(wěn)定分布噪聲背景下陣列信號(hào)處理方法研究[D];南京理工大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 薄保林;寬帶陣列信號(hào)DOA估計(jì)算法研究[D];西安電子科技大學(xué);2007年

2 蔡步曉;無需預(yù)估角的寬帶DOA估計(jì)方法研究[D];電子科技大學(xué);2008年

3 郭洋;基于MP算法的線性調(diào)頻信號(hào)參數(shù)估計(jì)[D];西南交通大學(xué);2008年

  本文關(guān)鍵詞：陣列信號(hào)處理中的DOA估計(jì)關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：329225