基于迭代超分辨的单快拍DOA估计方法
超分辨率DOA估计算法及其无源探测的应用
84电子技术Electronic Technology电子技术与软件工程Electronic Technology & Software Engineering常规的到达角测量方法对外部信号环境通常会作一定较为理想的设定，在此设定的基础上再利用信号的高阶累积量得到高分辨阵列的系列测向算法[1][2]。
然而当电磁环境变得复杂密集时，建立在理想模型下的测向算法往往失配，使得算法的性能下降，不能满足实际需求。
在此情况下，阵列信号空间谱分析方法被认为是解决该问题的有效途径。
其基本原理是将发生在时域的采样处理衍变至空间采样，变换思路将时域信号处理方法借鉴至空域来解决空间信号的测角等问题。
如果将发生于时域的“频率谱”对应于空间域的不同阵列信号，则可以称之为“空间谱”，时域处理中的“系统响应”对应于不同阵列信号处理中，则可以称之为“方向图”。
阵列信号处理中典型的算法有ROOT-MUSIC 算法、ESPRIT 算法和空间平滑MUSIC 算法。
1 ROOT-MUSIC算法MUSIC(Multiple Signal Classification)算法 [4] 是利用阵列信号来处理和解决超分辨角度DOA 估计的常规算法，其算法原理是通过特征式分解运算解出阵列输出结果的协方差矩阵的特征值和特征向量，在获取到信号子空间及与其相正交噪声子空间后，进一步得到空间谱函数，完成谱峰搜索后检测出辐射源的到达角（DOA ）。
假设P 个信号入射至阵列M 个天线单元中，且有P ≤M ，阵列信号的协方差矩阵的谱分解式表示为：若入射的P 个信号互不相关，则上式中的矩阵APA H 为满秩矩阵；同样，对角矩阵中就有P 个较大的特征值；U s 是阵列协方差矩阵的信号特征向量子矩阵；U n 是阵列协方差矩阵的噪声特征向量子矩阵。
U=[U s , U n ]为酉矩阵，不同特征值所对应的多个特征向量之间相互正交，存在：U s U n =0由其构造的空间谱估计关系式表示为：式中分母包含有信号向量及与其可能存在正交性的噪声矩阵，当二者正交成立时，分母的内积式取值为零。
基于可分离替代函数算法的DOA估计方法
基于可分离替代函数算法的DOA估计方法
郑文康;魏志晴;白艳萍;黄嘉俊;禹秀梅;谭秀辉;王鹏
【期刊名称】《陕西科技大学学报》
【年(卷),期】2024(42)1
【摘要】针对现有波达方向估计(Direction of Arrival, DOA)算法在低信噪比、多信源条件下估计精度不足、效率低等问题,提出了一种基于可分离替代函数算法的
矢量水听器阵列多快拍DOA估计方法.首先对空域等角度均匀划分,构造出超完备
冗余字典,建立信号多快拍数据在空域的稀疏表示模型,然后采用可分离替代函数算
法思想解决稀疏重构问题,求解出信号在空域的稀疏系数矩阵,最后将稀疏矩阵中行
向量的范数映射到空域网格上,得到DOA估计值.仿真实验表明:该方法在低信噪比、多信源条件下拥有比子空间类算法、贪婪类算法以及现有凸优化类估计算法更高的DOA估计精度和更强的鲁棒性,与同类算法相比执行效率更高.
【总页数】9页(P197-205)
【作者】郑文康;魏志晴;白艳萍;黄嘉俊;禹秀梅;谭秀辉;王鹏
【作者单位】中北大学数学学院
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.一种基于余弦函数的相位干涉仪阵列DOA估计算法
2.一种基于Bessel函数的
宽带DOA估计方法3.最大似然-可分离抛物面替代函数双能CT重建算法4.基于
MT-BCS的可分离DOA估计算法5.基于最大期望算法的多时变信号DOA估计方法
因版权原因，仅展示原文概要，查看原文内容请购买。
低快拍下单基地MIMO雷达DOA估计方法
低快拍下单基地MIMO雷达DOA估计方法
李晓龙;陈客松;朱盼
【期刊名称】《科学技术与工程》
【年(卷),期】2013(013)032
【摘要】针对单基地多输入多输出(MIMO)雷达低快拍数下DOA估计分辨力下降的问题,提出一种基于稀疏信号表示的DOA估计方法.利用目标在空域的稀疏性,将DOA估计问题转化为稀疏信号恢复问题.建立了MIMO雷达阵列流形的过完备字典,同时利用MIMO雷达接收方向向量与发射方向向量Kronecker乘积的特点,对接收数据进行降维预处理;然后再采用一种非参数的迭代算法完成DOA估计.在低快拍情形下,方法比降维Capon算法有更高的分辨力.仿真实验验证了所提方法的有效性.
【总页数】5页(P9526-9530)
【作者】李晓龙;陈客松;朱盼
【作者单位】电子科技大学电子工程学院,成都611731;电子科技大学电子工程学院,成都611731;中国民用航空总局第二研究所,成都610041
【正文语种】中文
【中图分类】TN953.3
【相关文献】
1.基于单次快拍的双基地MIMO雷达多目标角度估计方法 [J], 洪升;万显荣;易建新;柯亨玉
2.波形相关矩阵未知情况下单基地MIMO雷达中一种改进MUSIC的DOA估计算法 [J], 陈晨;张小飞;李建峰
3.α稳态分布噪声下单基MIMO雷达DOA估计 [J], 宫健;楼顺天;郭艺夺
4.单快拍数下双基地MIMO雷达的角度估计 [J], 郑志东;牛朝阳;张剑云
5.基于迭代连续匹配追踪的高频地波雷达单次快拍DOA估计方法 [J], 姚迪;张鑫;吴小川;杨强;董英凝;邓维波
因版权原因，仅展示原文概要，查看原文内容请购买。
一种新的高分辨率DOA估计方法
一种新的高分辨率DOA估计方法
黄蕾;张曙
【期刊名称】《弹箭与制导学报》
【年(卷),期】2007(027)004
【摘要】文中在入射到阵列的信号数M已知的条件下,提出了一种新的高分辨率的DOA估计算法FPMA.FPMA通过使用协方差矩阵R的数据来直接构造投影矩阵Vq的方式,对信号的DOA进行估计.计算量为O(N2M),比已有高分辨率算法要小.文中证明了通过计算Vq.FPMA可以得到对信号DOA的良好估计;计算机仿真也进一步证实,在相同条件下,当q≥2时.FPMA的DOA估计性能要优于Capon算法,且与MU-SIC算法一致.
【总页数】3页(P302-304)
【作者】黄蕾;张曙
【作者单位】哈尔滨工程大学信息与通信工程学院,哈尔滨,150001;哈尔滨工程大学信息与通信工程学院,哈尔滨,150001
【正文语种】中文
【中图分类】TN713
【相关文献】
1.一种鲁棒的压缩感知高分辨率DOA估计方法 [J], 王超宇;朱晓华;李洪涛;顾陈
2.一种新的特征矢量稀疏重构的DOA估计方法 [J], 韩树楠;李东生;王骁
3.一种新的基于稀疏表示的宽带信号DOA估计方法 [J], 赵永红;张林让;刘楠;解虎
4.一种新的DOA估计的高分辨率算法 [J], 徐豫西;潘翔;宫先仪
5.一种快速高分辨率的DOA估计方法——FFT-BMUSIC法 [J], 袁国靖;丁君;郭陈江
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于单快拍的DOA估计算法
一种基于单快拍的DOA估计算法
马永阳;李春晓;杨杰
【期刊名称】《杭州电子科技大学学报》
【年(卷),期】2012(032)005
【摘要】传播算子方法不需要对数据协方差矩阵进行特征值分解或奇异值分解,较之于传统子空间类算法有更低的运算复杂度.由于传播算子方法要求较大的快拍数,该文提出了一种新的改进方法,在快拍数为1的情况下,构建Toeplitz Hermitian数据矩阵,并将传播算子方法与求根MUSIC算法相结合,很好的实现了信号解相干,具有较好的实时性.仿真结果表明,在一定信噪比下,该算法与前向空间平滑算法相比有略好的性能,能很好的实现信号解相干,同时大大减少运算的复杂度.
【总页数】4页(P45-48)
【作者】马永阳;李春晓;杨杰
【作者单位】浙江工业大学信息工程学院,浙江杭州310023;浙江工业大学信息工程学院,浙江杭州310023;浙江工业大学信息工程学院,浙江杭州310023
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.一种高机动场景下的单快拍DOA估计算法 [J], 刘正堂;程彦杰;马辉;杨正洪
2.一种基于阵列接收信号重排的单快拍DOA估计方法 [J], 蒋柏峰;吕晓德;向茂生
3.基于单快拍数据的嵌套阵列DOA估计算法 [J], 韩佳辉;毕大平;陈璐
4.基于加权空间平滑的单次快拍DOA估计算法 [J], 刘小强;王超;王亚飞
5.基于不完全重合信号的单快拍DOA估计算法研究 [J], 曲明超;司伟建;袁雅芝因版权原因，仅展示原文概要，查看原文内容请购买。
DOA估计算法综述
指导老师： 日 期： 2016.1.8
摘要： 阵列信号处理是信号处理领域内的一个重要分支， 在雷达、 通信、 声纳、地震勘测、射电天文等领域都获得了广泛应用与迅速发展。波达方向 （Direction of Arrival，DOA）估计是阵列信号处理中最为重要的问题之一， 不仅能对目标进行空间定位，还为接收过程中的信号增强提供技术上的支 持。本文首先介绍了 DOA 估计的研究背景及意义，接着回顾了 DOA 估计 的国内外发展状况以及空间谱估计基础和 DOA 估计模型，最后介绍 DOA 估计的发展前景。 关键词：阵列信号处理；波达方向估计；空间谱 Abstract ： Array signal processing is an important branch of the field of signal processing ， in recent years it has been developing rapidly.It has found wide applications in radar，communication，sonar，seismology radio astronomy and other fields. Direction of Arrival (DOA) estimation is one of the most important issues in the array signal processing ， not only giving the spatial positioning of the target ， and also providing the technical support for the signal enhancement in receiving. This paper introduces the research background and meaning of DOA estimation at the first. And then reviewed the development process and the present situation. Next is the basis of the spatial spectrum estimation and to the model of DOA estimation. Finally introduces its prospects. Keywords ： Array signal processing ； Direction of arrival estimation ； Spatial spectrum
基于单快拍信号到达角估计算法的室内入侵检测
2021⁃04⁃10计算机应用,Journal of Computer Applications2021,41(4):1153-1159ISSN 1001⁃9081CODEN JYIIDU http ：//基于单快拍信号到达角估计算法的室内入侵检测任晓奎，刘鹏飞*，陶志勇，刘影，白立春（辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛125105）（∗通信作者电子邮箱550625590@ ）摘要：针对基于信道状态信息（CSI ）的入侵检测方法易受环境布局及噪声干扰的影响从而导致检测率下降的问题，提出一种基于单快拍信号到达角（DOA ）估计算法的室内入侵检测方法。
首先，结合无线信号空间选择性衰落的特点对天线阵列接收到的CSI 数据进行数学分解，并将未知的DOA 估计问题转化为一个过完备表示的问题。
然后，利用l 1范数对稀疏信号的稀疏性进行约束，通过求解稀疏正则优化问题得到准确的DOA 信息，由此在数据层面为最终检测结果提供了可靠的特征参数。
最后，根据前后时刻的DOA 变化评估出室内安全指数（ISIN ），进而实现室内入侵检测。
在实验中，利用真实的室内场景对检测方法进行验证，并与传统的主成分分析和离散小波变换的数据预处理方法进行对比。
实验结果表明：该方法能够在不同的复杂室内环境下准确检测出入侵行为的发生，平均检测率达到98%以上，且在鲁棒性上明显优于对比算法。
关键词：到达角估计；入侵检测；信道状态信息；稀疏表示；WiFi 中图分类号：TP391.4文献标志码：AIndoor intrusion detection based ondirection -of -arrival estimation algorithm for single snapshotREN Xiaokui ，LIU Pengfei *，TAO Zhiyong ，LIU Ying ，BAI Lichun（School of Electronics and Information Engineering ，Liaoning Technical University ，Huludao Liaoning 125105，China ）Abstract:Intrusion detection methods based on Channel State Information （CSI ）are vulnerable to environment layoutand noise interference ，resulting in low detection rate.To solve this problem ，an indoor intrusion detection method based onthe algorithm of Direction -Of -Arrival （DOA ）estimation for single snapshot was proposed.Firstly ，the CSI data received by the antenna array was mathematically decomposed by combining the feature of spatial selective fading of the wireless signals ，and the unknown DOA estimation problem was transformed into an over -complete representation problem.Secondly ，thesparsity of the sparse signal was constrained by l1norm ，and the accurate DOA information was obtained by solving the sparse regularized optimization problem ，so as to provide the reliable feature parameters for the final detection results at data level.Finally ，the Indoor Safety Index Number （ISIN ）was evaluated according to the DOA changes before and after the moments ，and then indoor intrusion detection was realized.In the experiment ，the method was verified by real indoor scenes and compared with traditional data preprocessing methods of principal component analysis and discrete wavelet transform.Experimental results show that the proposed method can accurately detect the occurrence of intrusion in different complexindoor environments ，with an average detection rate of more than 98%，and has better performance in robustness comparedto comparison algorithms.Key words:Direction -Of -Arrival (DOA)estimation;intrusion detection;Channel State Information (CSI);sparserepresentation;WiFi引言入侵检测技术能够实时地对特定区域进行监控，通过对计算机采集的数据进行分析来检测是否有非法入侵的情况发生，如果存在异常情况就会发出警报通知。
采用单次快拍数据实现信源DOA估计
采用单次快拍数据实现信源DOA估计梁浩;李小波;王磊【期刊名称】《数据采集与处理》【年(卷),期】2013(028)001【摘要】A new algorithm based on one single snapshot is proposed for the instant and decor-relation problems among direction-of-arrival (DOA) estimation of signals on ULA. A Toeplitz matrix is reconstructed using the correlation processed data vector. It is proved that the rank of the Toeplitz matrix is not related to the coherency of signals. Then accurate signal subspace and noise subspace can be acquired by performing eigenvalue decomposition of the matrix and the DOA of coherent and incoherent signals can be estimated combining with the subspace kind algorithms such as MUSIC and ESPRIT. Without reducing the aperture of array, the algorithm enhances the performances of instant and anti-interference of noise, which has a better ability of estimation under low SNR conditions. Simulation results verify that the proposed algorithm is effective.%针对均匀线性阵列DOA估计中的实时性和解相干问题,提出了一种基于单次快拍数据的估计算法,通过对阵列接收的单次快拍数据进行相关处理后重构Toeplitz矩阵,并证明该矩阵的秩不受信号相干性的影响.通过特征值分解,得到对应的信号子空间和噪声子空间,结合MUSIC,ESPRIT等子空间类算法实现了对相干和非相干信号的DOA 估计.算法不损失阵列孔径,具有更好的实时性和抗噪声干扰的能力；在低信噪比条件下,仍具有较好的估计性能.最后计算机仿真结果证实了算法的有效性和可行性.【总页数】6页(P58-63)【作者】梁浩;李小波;王磊【作者单位】电子工程学院305教研室,合肥,230037;电子工程学院305教研室,合肥,230037;电子工程学院305教研室,合肥,230037【正文语种】中文【中图分类】TN911.7【相关文献】1.采用单次快拍数据实现相干信号DOA估计 [J], 谢鑫;李国林;刘华文2.采用单次快拍数据实现MIMO雷达目标角度估计 [J], 陈群;宁宁3.单快拍虚拟阵列Toeplitz矩阵重构的相干信源DOA估计 [J], 朱进勇;王立冬;孟亚峰4.采用单次快拍数据实现MIMO雷达目标角度估计 [J], 陈群;宁宁;5.基于加权空间平滑的单次快拍DOA估计算法 [J], 刘小强;王超;王亚飞因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
基于迭代超分辨的单快拍DOA估计方法陈宝欣;黄勇;陈小龙;关键【摘要】单快拍DOA估计方法可解决短时突发信号和相干信源背景下传统方法面临的秩亏损问题.本文提出一种基于迭代超分辨的单快拍DOA估计方法,利用迭代超分辨技术估计阵列的协方差矩阵,然后采用求根MUSIC算法实现对DOA的估计.该方法无需谱峰搜索,可在不损失阵列孔径的同时实现单快拍DOA估计.论文推导了基于最小方差无畸变响应原则的迭代超分辨技术,仿真分析了空间角度划分、迭代次数、信噪比等参数对DOA分辨的正确率和估计精度的影响,与已有方法的对比结果验证了本文方法的有效性.【期刊名称】《信号处理》【年(卷),期】2019(035)005【总页数】6页(P775-780)【关键词】DOA估计;单快拍;迭代超分辨;协方差矩阵重构【作者】陈宝欣;黄勇;陈小龙;关键【作者单位】海军航空大学,山东烟台264001;海军航空大学,山东烟台264001;海军航空大学,山东烟台264001;海军航空大学,山东烟台264001【正文语种】中文【中图分类】TN911.721 引言波达方向(direction of arrival,DOA)估计是雷达、声呐、无线通信等领域的一个重要研究内容,有着非常广泛的应用[1]。
基于常规波束形成的DOA估计方法,分辨性能较差,不能突破瑞利限。
以多重信号分类(multiple signal classification,MUSIC)和ESPRIT(estimation of signal parameters by rotational invariance techniques)为代表的子空间方法,不受常规分辨率的限制,极大地推动了DOA估计方法的发展和应用。
这类基于子空间的方法一般利用了信号的二阶统计特性,即接收数据的协方差矩阵。
协方差矩阵的估计至少需要2M(M为阵元数)个独立同分布的快拍数据才能保证损失小于3 dB。
然而,在高速、高机动等短时突发信号环境下,难以获得足够的独立同分布快拍数据。
同时,由于受多径效应和敌方相干源干扰等的影响,估计的协方差矩阵会产生秩亏损,导致一般的子空间方法不能有效分辨目标信号。
为此,直接采用单快拍进行DOA估计成为一种解决方法。
国内外学者提出了许多单快拍DOA估计方法,主要包括伪协方差矩阵构造方法[2-6]、空间平滑类方法[7-9]、稀疏表示[10-13]等。
文献[4]证明了直接采用单快拍数据构造的Toeplitz型伪协方差矩阵满足秩等于信源个数,可直接应用子空间类方法估计DOA,但其需要入射信号的初始相位为零。
文献[2]和文献[3]分别采用对称阵和对单快拍数据做互相关处理的方式消除了对信号类型的限定,但是前者损失了一半的阵列孔径。
文献[5]构造的伪协方差矩阵同样存在阵列孔径损失的缺点。
空间平滑类算法也可用于估计协方差矩阵,但是在较少阵元数量时,协方差矩阵的秩不能有效恢复,且同样存在阵列孔径的损失。
近年来,基于稀疏表示的DOA估计方法得到了很多关注,然而稀疏表示类方法面临着原子之间相关性与字典大小的矛盾,即DOA估计精度和计算量受空间角度划分的影响。
文献[14]提出了一种迭代超分辨(reiterative super-resolution,RISR)的空间谱估计方法,相对于传统的Capon或MUSIC等谱估计方法而言,可以处理单快拍数据,具有很高的分辨能力和估计精度。
然而其DOA估计是通过空间谱峰搜索实现的,因此估计精度和运算量受空间角度划分的影响。
迭代超分辨技术是基于迭代最小均方误差(reiterative minimum mean-square error,RMMSE)框架推导的,文献[15]基于加权最小二乘准则得到的迭代自适应方法与文献[14]的方法在本质上是相同的。
本文基于最小方差无畸变响应原则重新推导了RISR算法,然后采用RISR估计阵列接收信号的协方差矩阵,并用无需空间谱峰搜索的求根MUSIC算法实现了对DOA 的估计。
仿真分析了空间角度划分、迭代次数、信噪比等参数对DOA分辨成功率和估计精度的影响。
相比已有的方法,信源角度相距越近,本文方法的分辨能力越有优势。
2 离散信号模型考虑包含M个全向阵元的等距线阵,阵元间距为半波长宽度。
整个阵列在时刻t接收到的K(K<M)个方向的远场窄带信号,经AD采样后可表示为,(1)其中si(t)和a(θi)=[1 ejpsin θi … ejp(M-1)sin θi]T分别为θi方向的信号和导向矢量,n(t)为零均值的复高斯随机噪声。
基于空间搜索的方法在式(1)基础上,将整个观测空间划分为N(N>M)份。
假设每个方向上都有潜在的信号,则式(1)可进一步表示为x(t)=As(t)+n(t)(2)其中A=[a(θ1) a(θ2) … a(θN)]为N个方向的阵列流型矩阵,s(t)=[s1(t) s2(t) … sN(t)]T为信号向量。
假设噪声与信号不相关,则阵列接收数据的协方差矩阵可写为, R=E{x(t)xH(t)}=ARs(t)AH+Rn(3)其中E{·}表示统计期望,(·)H为共轭转置运算,Rs(t)=E{s(t)sH(t)}和Rn分别为信号和噪声协方差矩阵。
基于子空间的方法需要估计接收数据的协方差矩阵R,一般通过下式估计,(4)然而在实际中,当独立同分布的快拍数不足或存在相干源时,的估计会有较大误差或者产生秩亏损,从而导致DOA的估计和分辨性能变差。
3 基于迭代超分辨的单快拍DOA估计方法针对上述问题,本文提出基于迭代超分辨的单快拍DOA估计方法,通过迭代估计接收数据的协方差矩阵,然后通过求根MUSIC和ESPRIT实现对DOA的估计。
3.1 基于迭代超分辨技术的协方差矩阵重构本文基于最小方差无畸变响应原则重新推导了RISR。
首先构造如下代价函数,J(t)=E{‖s(t)-WH(t)x(t)‖2}s.t.diag{WH(t)A}=1N×1(5)其中W(t)M×N为各个方向的滤波器权重。
最小化式(5)可得,(6)式中diag{·}表示对角化运算,l为拉格朗日因子矢量。
假设信号之间不相关,则(6)可简化为(7)根据diag{WH(t)A}=1N×1可求得l,带入上式后可得,W(t)=R-1Adiag{1N×N./(AHR-1A)}(8)其中./表示元素点除运算。
式(8)即为基于最小方差无畸变响应原则的RISR滤波器,虽然与文献[14]中的表达式有所不同,但其本质是相同的。
由于接收数据的协方差矩阵R未知,因此需要通过式(3)迭代估计。
信号协方差矩阵Rs(t)的初始值可通过常规波束形成得到,即噪声协方差矩阵Rn可看作为对角加载项。
通过上述推导可知,RISR每次迭代都需要估计阵列的协方差矩阵,因此可对多次迭代后的协方差矩阵应用求根MUSIC等无需谱峰搜索的DOA估计方法。
3.2 DOA估计基于空间谱峰搜索的DOA估计方法的运算量与空间角度划分程度密切相关,更精细的角度划分可带来更高的估计精度和分辨能力,伴随而来的问题是更大的计算量。
为避免谱峰搜索带来的高运算量,本文采用求根MUSIC算法实现DOA估计。
求根MUSIC的理论基础是Pisarenko分解[7],MUSIC算法是搜索下式的峰值来估计DOA,(9)其中Un为噪声子空间。
定义p(z)=[1 z … zM-1]H,则位于单位圆上的零点即对应信源的DOA。
令pT(z-1)=pH(z),对式(9)变换可得,(10)求取式(10)中最接近单位圆的K个根即可得到信号的DOA,(11)4 仿真分析由上述推导可知,最终的DOA分辨性能和估计精度与RISR的网格划分程度、迭代次数和信噪比等参数相关。
本节通过仿真分析各个参数对DOA分辨和估计性能的影响,以及将本文方法与文献[8]的空间平滑(forward-backward spatial smoothing,FBSS)方法、文献[5]的协方差重构(covariance matrix reconstruction,CMRC)和基于FOCUSS的稀疏表示DOA估计方法做了对比。
阵列基本参数为M=13个阵元,阵元间距为半波长宽度,对应零点波束宽度为BW0=2asin(2/M)≈17.70°,或半功率点波束宽度BW0.5≈101.53/M=7.81°。
假设两个信源的角度分别为θ1和θ2,若被估计的角度误差最大不超过(θ1-θ2)/2,则称这两个信源被成功分辨。
对于FOCUSS算法而言,还需要信源个数估计正确才算一次成功的分辨。
对于成功分辨的目标,通过下式计算其均方根误差,(12)其中表示第p次分辨成功时的第k个DOA的估计值,P为分辨成功的次数。
每种情况下的蒙特卡洛仿真实验次数为500。
为了防止正确率太低时,RMSE统计失效,只计算P>100时的RMSE。
4.1 迭代次数对分辨性能和估计精度的影响首先考虑两个目标分为位于0°和2.21°方向,即相隔1/8的零点波束宽度。
固定网格划分间隔为0.1°,设置RISR迭代次数r以步长2从0至10变化,其中的0次迭代表示采用匹配滤波(matched filter,MF)估计协方差,信噪比以步长2从-5 dB至30 dB变化。
仿真结果如图1所示,实线表示分辨正确率,点划线表示均方根误差。
从图1可以看出,直接匹配滤波构造协方差矩阵的性能最差,而通过增加迭代次数可以提高分辨能力和估计精度,但是迭代6次之后,分辨正确率和RMSE逐渐收敛。
图1 迭代次数对分辨性能和估计精度的影响Fig.1 Effect of iterations number on resolution performance and estimation accuracy4.2 网格划分对分辨性能和估计精度的影响固定迭代次数为5次,角度划分间隔为从2°至0.05°递减5次,其余设置同上,仿真结果如图2所示。
可以看出,当角度划分Δθ=2°时,划分的刻度与信源角度最接近,此时模型失配程度最低,因此分辨正确率和估计精度都是最好的。
当Δθ与信源角度差差别较大时,Δθ越小,分辨性能和估计精度越高,这同样是因为越小的网格划分对应着越低的模型失配。
图2 网格划分对分辨性能和估计精度的影响Fig.2 Effect of spatial partition on resolution performance and estimation accuracy4.3 方法对比分析图3 两目标相距1/8零点波束宽度时的性能Fig.3 Performance of two targetsat a distance of 1/8 BW0.5本小节对比分析本文方法与相关文献方法的性能。