阵列信号处理
阵列信号处理
B
B
1 有 zB t 2
B
2
z e jt d z B t
因此
s r , t z B t e j0t e j0 s 0, t e j0
2
小结： 信号带宽足够小使得波到达 r 处时的复包络基本 不变。 T r 表示了波传播的空间信息（方向、位置）， 它仅含于载波项中，而与信号复包络无关。
s exp[ j t r ]d
T
这里函数 s 是任意的，只要其Fourier变换存在即 可。该式表达了沿同一方向 传播的任意波形（信 号），其频率分量任意。
B. 波动方程球坐标系中的解
球坐标系 r , , ，但是，当波动方程的解具有球形 对称时,函数s r , , , t 并不依赖于 和 ，使解简化， 这时波动方程可简化为：
T
波动方程的任意解可以分解为无穷多个“单频” 解的迭加（传播方向和频率分量均任意）。
波动方程的单频解可以写成单变量的函数：
s r , t A exp[ j (t k r ) A exp[ j t r ]
T T
k ，其大小等于传播速度的倒数，其方向与 式中
时间频率 空间频率
b) 任意解：由四维Fourier变换表示： j t k r 1 s r, t s u , e d kd 4 2 j t k r s k , s t , r e d rdt 其中
T
a t 带宽越宽，信号起伏越快。窄带条件即要求a t cos 变化比 0t t 变化慢。
阵列信号处理原理、方法与新
阵列信号处理原理、方法与新
阵列信号处理是一种利用多个传感器（如麦克风、天线等）获取信号，通过信号处理
算法将其合成为一个复合信号，并在此基础上分离、定位、去除、增强等操作的新型信号
处理技术。
在目前的通信、雷达、声学、医学等领域都有广泛应用。
阵列信号处理的基本原理是通过获取多个传感器采样的信号，根据它们的相对位置和
接收到信号的时间差异，构建一个信号阵列，然后通过信号合成的方法将这些信号合成为
一个复合信号。
根据复合信号的特征，进行后续的信号处理。
阵列信号处理的主要方法包括波束形成、空间滤波、方向估计等。
波束形成的主要目
的是聚焦探测器的接收能力，使其在目标方向上获得更高的灵敏度。
空间滤波的主要目的
是通过利用阵列传感器之间的相对位置和互相之间的传感器响应差异，对信号进行滤波，
达到抑制噪声、增强信号等效果。
方向估计则是通过对信号在阵列中传播的速度和波束方
向的监测，对信号的方向进行估计。
阵列信号处理技术的应用十分广泛，其中最为常见的应用领域是通信、雷达和声学等。
在通信中，利用阵列信号处理技术进行信号增强和去除干扰，并根据信号的传播速度和方
向进行信号定位和跟踪。
在雷达中，利用阵列信号处理技术对雷达信号进行波束形成和目
标方向估计，提高雷达的探测效率和目标定位精度。
在声学中，利用阵列信号处理技术进
行声波信号的定位、分离和降噪等操作，提高语音识别和音频娱乐的质量。
总之，阵列信号处理技术是一种高效、可靠的信号处理方法，可以广泛应用于各个领域，有着十分重要的实际应用价值。
阵列信号处理 psf 点扩散函数 反卷积
阵列信号处理（Array Signal Processing）1. 简介阵列信号处理是一种利用多个传感器或微phones接收到的信号进行处理的技术。
这些传感器通常以阵列的形式排列在一起，可以在空间上对信号进行采样。
阵列信号处理技术可以用于各种应用，包括无线通信、雷达、声音定位和语音增强等领域。
在阵列信号处理中，经常会使用到点扩散函数（Point Spread Function，PSF）和反卷积（Deconvolution）等概念。
本文将详细介绍这些特定函数的定义、用途和工作方式。
2. 点扩散函数（Point Spread Function，PSF）2.1 定义点扩散函数（PSF）是指在观察到一个点源时，系统输出的响应。
点源可以是一个理想的点光源、点声源或点热源等。
PSF描述了系统对于一个点源的感知能力，可以用于评估系统的分辨率和信号传输特性。
2.2 用途PSF在阵列信号处理中具有广泛的应用，主要用于以下几个方面：2.2.1 分辨率评估PSF可以用于评估系统的分辨率，即系统能够分辨并显示的最小特征尺寸。
通过分析PSF的形状和尺寸，可以确定系统的分辨率限制，进而优化系统设计和参数设置。
2.2.2 反卷积PSF还可以用于图像或信号的反卷积处理。
在实际应用中，由于传感器和系统的限制，观测到的信号往往受到模糊和失真的影响。
通过将观测到的信号与PSF进行卷积运算的逆过程，可以恢复出原始信号的更清晰的图像或声音。
2.2.3 信号重构PSF在阵列信号处理中也可以用于信号重构。
通过对多个传感器接收到的信号进行处理和分析，可以利用PSF将信号的不同成分分离出来，从而实现信号的重构和定位。
2.3 工作方式PSF的工作方式可以通过以下几个步骤来理解：2.3.1 系统建模首先，需要对阵列系统进行建模。
这包括确定阵列的几何结构、传感器的位置和响应特性等。
通过建模，可以得到系统的传递函数，即系统对于输入信号的响应。
2.3.2 点源输入接下来，将一个点源输入到系统中，观察系统的输出。
阵列信号处理技术
动通信的用户很多，一方面通过空间不同位置进行区分，另 一方面通过不同的编码等方法实现多用户和大容量。 现代超分辨技术，使系统能够分辨空间和时间上都很靠 近的信号。
概括起来说：
波束的控制和管理
时间和空间信号的高分辨 五、主要研究内容 1、阵列构形研究 均匀直线阵、平面阵、元阵、随机阵、共形阵。 2、波束形成和超分辨新方法的研究（不是热点）
军用雷达：
火炮雷动：炮位侦校雷达、炮瞄雷达
战场侦察雷达：(坦克、直升机等目标的检测与识别)
步兵侦察雷达：
空中警戒雷达：（对空监视雷达） 机载雷达气象雷达： 天气预报、人工降雨）
探地雷达： （探测地下管道，检查高速公路施工质量，
接收信号
X T = [ x1 , x 2 , L , x N ]
(2.1.1)
方向图形成网络： W = [ w1 , w 2 , L , w N ]
(2.1.2)
(形成最优权 和系统输出)
y(t ) = W T X = X T W
(2.1.3)
自适应处理器: ( 例如MVDR：Minimum Variance Distortionless Response) 求解约束性问题：
0 ≤ t ≤ T
（2.2.5）
所需信号和噪声的矢量可以表达为：
s1 (t ) S (t ) = 2 M s N (t )
n1 (t ) n (t ) = 2 M n N (t )
0 ≤ t ≤ T
所需信号分量可精确已知，粗略近视已知，或仅在统计意 义上已知。
3、理想的传播模型
3、应用性研究(热点）
在一个具体的领域或工程项目上，如何应用这些理论和
方法，实际系统的误差很大，比如阵列通道之间的性能差异， 频率特性，阵列传感器的位置误差等情况下的一些理论算法 和性能。
多通道信号处理中的阵列信号处理技术
多通道信号处理中的阵列信号处理技术在现代通信领域中，多通道信号处理已成为一项重要的技术，能够在众多应用中实现高效的信号提取和处理。
而其中，阵列信号处理技术则是多通道信号处理中的关键技术之一。
本文将以阵列信号处理技术为主题，探讨其在多通道信号处理中的应用和重要性。
一、阵列信号处理技术的基本概念阵列信号处理技术是指利用多个接收通道对信号进行采集和处理的一种信号处理方法。
这些接收通道可以部署在不同的位置上，通过对各通道接收到的信号进行分析和处理，可以获得目标信号的方向、距离和频率等信息。
阵列信号处理技术在无线通信、雷达、声纳等领域中都有着广泛的应用。
二、阵列信号处理技术的原理在阵列信号处理中，通过合理地设计和部署接收通道，并利用差分和合成等技术，可以实现对信号的增强和抑制。
其基本原理可以概括为以下几个方面：1. 时差测量：通过计算不同通道接收到信号的时间差，可以确定信号的到达方向。
这种方法被广泛应用于声纳和雷达领域，用于目标定位和跟踪。
2. 相关性分析：通过对不同通道接收到的信号进行相关性分析，可以提取出目标信号并抑制噪声。
这种方法在无线通信和雷达等领域中被广泛应用，可以提高信号的质量和可靠性。
3. 波束形成：通过对接收到的信号进行加权合成，可以实现对信号的增强和抑制。
这种方法在天线和无线通信系统中被广泛应用，可以提高通信质量和距离。
三、阵列信号处理技术在多通道信号处理中的应用阵列信号处理技术在多通道信号处理中有着重要的应用。
以下列举了几个常见的应用场景：1. 无线通信系统：在无线通信系统中，利用阵列技术可以实现多天线发射和接收。
通过对接收到的信号进行处理，可以提高无线信号的覆盖范围和传输速率。
2. 声纳系统：在声纳系统中，通过部署多个接收通道，可以实现对海洋中的声波信号进行定位和跟踪。
阵列信号处理技术可以提高声纳系统的性能和探测范围。
3. 雷达系统：在雷达系统中，利用阵列技术可以实现对目标信号的定位和跟踪。
阵列信号处理(知识点)
信号子空间：设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑在无噪声条件下，()()()()()12,,,P x t span a a a θθθ∈称()()()()12,,,P span a a a θθθ为信号子空间，是N 维线性空间中的P 维子空间，记为P N S 。
P N S 的正交补空间称为噪声子空间，记为N P N N -。
正交投影设子空间m S R ∈，如果线性变换P 满足，()1),,,2),,,0m mx R Px S x S Px x x R y S x Px y ∀∈∈∀∈=∀∈∀∈-=且则称线性变换P 为正交投影。
导向矢量、阵列流形设N 元阵接收p 个信源，则其信号模型为：()()()()1piiii x t s t a N t θ==+∑，其中矢量()i ia θ称为导向矢量，当改变空间角θ，使其在空间扫描，所形成的矩阵称为阵列流形，用符号A 表示，即(){|(0,2)}a A θθπ=∈波束形成波束形成（空域滤波）技术与时间滤波相类似，是对采样数据作加权求和,以增强特定方向信号的功率，即()()()()HHy t W X t s t W a θ==，通过加权系数W 实现对θ的选择。
最大似然已知一组服从某概率模型()f X θ的样本集12,,,N X X X ，其中θ为参数集合，使条件概率()12,,,N f X X X θ最大的参数θ估计称为最大似然估计。
不同几何形态的阵列的阵列流形矢量计算问题假设有P 个信源，N 元阵列，则先建立阵列的几何模型求第i 个信源的导向矢量()i i a θ 选择阵元中的一个作为第一阵元，其导向矢量()1[1]i a θ=然后根据阵列的几何模型求得其他各阵元与第一阵元之间的波程差n ∆，则确定其导向矢量()2jn i a eπλθ∆=最后形成N 元阵的阵列流形矢量()11221N j j N Pe A e πλπλθ-∆∆⨯⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦ 例如各向同性的NxM 元矩形阵，阵元间隔为半个波长，当信源与阵列共面时：首先建立阵列几何模型：对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为(1)sin()(1)cos()mn i i n d m d θθ∆=---故：()1122(sin()cos())22((1)sin()(1)cos())11N j j d j j d N M NM P NM Pe e A e e ππθθλλππθθλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦而当信源与阵列不共面时： 首先将信源投影到阵列平面然后建立阵列模型对于第m 行、第n 列的阵元，其与第1行、第1列阵元之间的波程差为[(1)sin()(1)cos()]sin()mn i i i n d m d θθϕ∆=-+-故：()1122(sin()cos())cos()22((1)sin()(1)cos())cos()11N j j d j j d N M NM P NM Pe e A e e ππθθϕλλππθθϕλλθ-∆-∆---⨯⨯⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦线性约束最小方差准则（LCMV ）的自适应波束形成算法： 对于信号模型：()()()0X t s t a J N θ=++， 波束形成输出：()()()()0()H H H yt W X t s t W a W J N θ==++LCMV 准则实际上是使()0HW a θ为一个固定值的条件下，求取使得()HWJ N +方差最小的W 作为最有权值，即：()0min .H X W HW R Ws t W a Fθ⎧⎪⎨⎪=⎩，其中F 为常数利用拉格朗日乘子法可解得：()10X opt W R a μθ-=当取1F =时，则()()11H X a R a μθθ-=，μ的取值不影响SNR 和方向图。
第四章 阵列信号处理
通常信号的频带B比载波 ω 小很多，即s(t)变化 相对 ω 缓慢，则延时
1 c
r α <<
T
1 B
则可以认为 s (t − r α ) ≈ s (t ) 即信号包络 在各阵元上差异可忽略——窄带信号。
4.2 等距线阵与均匀圆阵
一、等距线阵 M个阵元等距排成一直线，阵元间距为d，到达波 的方向角定义为与阵列法线的夹角 θ ，称为波 达方向（DOA）。 在三维空间中还可以 θ θ 确定信源方位角 ψ
d
5
4
y
ψ
2
1
x
等距线阵（ULA）的方向向量
aULA (θ ) = [1, e = [1, e
−j 2π − j k d sin θ −j
,L, e
2π
− j k ( M −1) d sin θ T
]
λ
d sin θ
,L, e
λ
( M −1) d sin θ
]T
若有多个信源(p个),波达方向分别为 θ i (i − 1, L, p) 方向矩阵为
A = [a(θ1 ), a(θ 2 ),L, a(θ p )] = 1 ⎡ ⎢ e − j 2λπ d sin θ1 =⎢ ⎢ L ⎢ − j 2λπ ( M −1) d sin θ1 ⎣e ⎤ π − j 2λ d sin θ p ⎥ L e ⎥ ⎥ L L π − j 2λ ( M −1) d sin θ p ⎥ L e ⎦ L 1
θ
d sin θ
Vandermonde矩阵
阵列结构不允许其方向向量和空间角之间模糊， 等距线阵阵元间距不能大于 λ ，则可以保证 2 方向矩阵中各个列向量线性独立。 二、等距线阵的阵列响应与方向图 在单个信源情况下，阵列输出为各阵元信号的加 权和（不考虑噪声），
阵列接收信号处理流程
阵列接收信号处理流程一、信号接收阵列接收信号处理的第一步是信号接收。
在阵列中，有多个接收器同时接收信号。
这些接收器可以是天线、传感器或其他接收设备。
每个接收器都可以独立地接收到信号，并将信号传输到后续的信号处理单元。
二、信号预处理接收到的信号可能会受到噪声、干扰或其他不完美因素的影响，因此需要进行信号预处理。
信号预处理的目的是提高信号的质量和准确性。
常见的信号预处理方法包括滤波、增益控制、噪声消除和时序校正等。
滤波是信号预处理的一种常用方法。
通过滤波可以去除信号中的噪声和干扰，提高信号的清晰度和可辨识度。
常见的滤波方法有低通滤波、高通滤波和带通滤波等。
增益控制是调整信号强度的方法。
通过增益控制可以使信号的强度达到最佳状态，避免信号过强或过弱的问题。
噪声消除是去除信号中噪声成分的方法。
噪声是信号中的不完美因素，可能会干扰信号的质量和准确性。
通过噪声消除可以提高信号的清晰度和准确性。
时序校正是调整信号的时序关系的方法。
在多个接收器同时接收信号时，由于信号传输路径的不同，信号到达各个接收器的时间可能存在微小的差异。
通过时序校正可以使信号的时序关系达到一致，提高信号的同步性和准确性。
三、信号合并经过信号预处理后，接收到的信号可以进行合并。
信号合并是将多个接收器接收到的信号进行综合和整合的过程。
通过信号合并可以提高信号的强度和准确性，增加信号的可靠性和鲁棒性。
常见的信号合并方法有加权平均法、最大比例合并法和最大比例合并法等。
加权平均法是将每个接收器接收到的信号按照一定的权重进行加权平均，得到综合的信号。
最大比例合并法是选择接收到信号强度最大的接收器的信号作为综合的信号。
最大比例合并法是根据接收到信号的强度比例进行综合，提高信号的强度和准确性。
四、信号解调和解码信号合并后，接下来需要进行信号的解调和解码。
信号解调是将调制信号转化为原始信号的过程。
常见的调制方式有频率调制、相位调制和振幅调制等。
通过信号解调可以恢复出原始信号的特征和信息。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
宽带信号中的三种二维平面阵DOA估计
宽带信号中的三种二维平面阵DOA 估计
一． 背景
目前关于阵列窄带信号的高分辨算法已比较成熟，但是随着信号处理技术的发展，信号环境日趋复杂，信号形式多样，信号密度日渐增大，窄带阵列探测系统的确定逐渐显示出来。
由于宽带信号具有目标回波携带的信息量大，有利于目标探测、参量估计和目标特征提取等特点，在有源探测系统中越来越多地得到应用。
而在无源探测系统中，利用目标辐射的宽带连续谱进行目标检测是有效发现目标的一种重要手段。
ISM 方法把宽带信号在频域分解为J 个窄带分量，然后在每一个子带上直接进行窄带处理。
因为信号为调频信号，所以信号在时域的分段实际上就是频域的分段。
将信号分解为窄带信号后，我们就可以利用窄带算法进行处理，最后将各个结果进行加权综合，即可得到最终的结果。
二维DOA 估计是阵列信号处理中的重要内容，通过二维DOA 估计可以得到信号源在平面中的角度信息。
一般采用L 型、面阵和平行阵或矢量传感器实现二维参数的估计，多数有效的二维DOA 估计算法是在一维DOA 估计的基础上，直接针对空间二维谱提出的，如二维MUSIC 算法以及二维CAPON 算法等。
这两种算法可以产生渐进无偏估计，但要在二维参数空间搜索谱峰，计算量相当大。
而采用二维ROOT MUSIC 算法可以减小计算量，但是需要付出精度下降的代价。
本次报告将结合宽带信号和二维DOA 估计算法，进行相关的算法介绍和仿真。
二． 算法介绍
1. 接收信号模型：
图 1 平面阵列示意图
如图1所示，设平面阵元数为M ×N ，信源数为K 。
信源的波达方向为11(,),,(,)k k θφθφ ，
第i 个阵元与参考阵元之间的波程差为：
2(cos sin sin sin cos )/i i i x y z βπφθφθθλ=++
设子阵1沿x 轴的方向矩阵为x A ，而子阵2的每个阵元相对于参考阵元的波程差就等于子阵1的阵元的波程差加上2sin sin /d πφθλ，所以接收信号为
121()()()y x y x y M x A D A A D A X S N A D A -⎡⎤⎢⎥⎢⎥=+⎢⎥⎢⎥⎢⎥⎣⎦
协方差矩阵为
H H H s s s n n n R XX E D E E D E ==+
其中，s D 代表由最大的K 个特征值构成的一个K ×K 对角阵，n D 代表由MN-k 个较小的特征值构成的对角矩阵, s E 和n E 分别代表由s D 和n D 对应的特征值构成的特征矢量。
沿x 轴的方向矩阵可以表示为：
`11`11`11
`112cos sin /2cos sin /2(1)cos sin /2(1)cos sin /11j d j d x j N d j N d e e A e e πφθλπφθλπφθλπφθλ------⎡⎤
⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦
沿y 轴的方向矩阵可以表示为：
`11`11`11
`112sin sin /2sin sin /2(1)sin sin /2(1)sin sin /11j d j d y j N d j N d e e A e e πφθλπφθλπφθλπφθλ------⎡⎤
⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦
2. 二维MUSIC 算法
2.1 原理介绍
阵列协方差矩阵通过奇异分解，可以划分为噪声子空间和信号子空间，即
H H s s s N N N R U U U U =∑+∑
因为方向矩阵A 中的各个列向量与噪声子空间正交，所以当方向矩阵中的角度为波达
方向时两者相乘的值会很小，根据这个性质，得到该阵列空间谱函数为
1
()()()()()MUSIC H
H
y x N N y x P a a E E a a θθφθφθφθφ=
⎡⎤⎡⎤⊗⊗⎣⎦⎣⎦
，，，，
通过变化角度，找到的波峰位置就是估计的信源的二维角度。
2.2 算法流程
2.3算法仿真
快拍数L=100，目标数K=3，8×8的方阵，假设源信号的仰角为10°，25，方位角为35°，45°，信噪比为20dB，宽带信号为基带频率为80Hz，带宽为40Hz的信号。
并将该信号在时域上均分为5段。
二维宽带MUSIC第1段
图 2 二维MUSIC第一段信号
图 3 二维MUSIC 第二段信号
图 4 二维MUSIC 第三段信号
图 5 二维MUSIC 第四段信号
二维宽带MUSIC 第3
段
二维宽带MUSIC 第4段
图 6 二维MUSIC 第五段信号
图 7 二维MUSIC 平均值
3. 二维Capon 算法
3.1 原理介绍
二维Capon 的算法类似于二维MUSIC 算法，只是他们的空间谱函数有所不同，二维Capon 的空间谱函数为：
1
1
()()()()()MUSIC H
y x y x P a a R a a θθφθφθφθφ-=
⎡⎤⎡⎤⊗⊗⎣⎦⎣⎦
，，，，
相比于二维MUSIC 算法，二维Capon 的空间谱函数的分母是信号协方差矩阵的逆矩阵，
而不是噪声子空间矩阵。
3.2 算法流程
二维宽带MUSIC 平均值
3.3仿真参数
快拍数L=100，目标数K=3，8×8的方阵，假设源信号的仰角为10°，25，方位角为35°，45°，信噪比为20dB，宽带信号为基带频率为80Hz，带宽为40Hz的信号。
并将该信号在时域上均分为5段。
二维宽带CAPON第1段
图8 二维Capon第一段
图 9二维Capon 第二段
图 10二维Capon 第三段
图 11二维Capon 第四段
二维宽带CAPON 第3
段
二维宽带CAPON 第4段
图 12二维Capon 第五段
图 13 二维Capon 平均值
4. 二维求根MUSIC 算法
4.1 原理介绍
先将二维阵列看成是沿x 轴方向的一维阵列，对于空间理想的白噪声，且噪声功率为σ^2，频率fi 处对应的接收数据协方差矩阵可以表示为：
2()()()()()()()()()()()()()()()H
x i i i H H H
i i i i i i H
i s i i N i i s i R f E X f X f A f E S f S f A f E N f N f A f R f A f R f A f R f I
σ⎡⎤=⎣⎦
⎡⎤⎡⎤=+⎣⎦⎣⎦
=+=+
对上式进行特征值分解，可以得到噪声子空间Un ，令H n n C U U =，第j 个子带对应的矩阵C 为Cj ，由于对于一个阵元间距为d 的均匀线性阵列，第j 个子频带的方向矢量的第m
个元素（m=1~M ）,
二维宽带Capon 平均值
()exp(2cos sin )i
m i f a f i md
c
πφθ=- 定义如下多项式
1
1
1
()M j jl l M D z C z --=-+=
∑
其中，Cjl 即矩阵Cj 中第l 条对角线的元素之和，求出该多项式的根，在没有噪声的理想情况下，多项式的零点落在单位圆上，位置由波达方向决定，所以应该找出在单位圆内，最接近单位圆的K 个根。
11[cos sin ,,cos sin ]x k k r φθφθ=
同理，将矩阵沿y 轴方向再处理一次，得到
11[sin sin ,,sin sin ]y k k r φθφθ=
联立求解
11[,]arcsin
[,,]arctan(/)
k k y x r r θθφφ==
4.2 算法流程
4.3 算法仿真
快拍数L=100，目标数K=3，8×8的方阵，假设源信号的仰角为10°，25，方位角为35°，45°，信噪比为10dB ，宽带信号为基带频率为80Hz ，带宽为40Hz 的信号。
并将该信号在时域上均分为5段。
图 14 二维ROOT-MUSIC 仿真
图 15二维求根MUSIC 仰角性能
5
10
15
2025
30
35
101520253035
404550仰角
方位角
二维ROOT-MUSIC
蒙特卡洛仿真
-5
510
00.10.20.30.40.5
0.60.70.8
仰角 rmse
snr
r m s e °
图 16二维求根MUSIC 方位角性能
三． 总结
二维MUSIC 和二维Capon 是渐进无偏估计，他们的结果很精确，但是要进行二维谱峰搜索，所需的计算量很大。
而求根MUSIC 需要的计算量较小，但是该算法在低信噪比的情况下，结果很不乐观，所以实际运用时，需要根据实际情况和工程所需，选择合适的方法来进行二维DOA 估计。
-5
510
02
4
6
8
10
12
方位角 rmse
snr
r m s e °。