到达角估计的仿真设计与实现(附件)【字数：14192】
摘 要摘 要高速信息化时代催生了各种各样的技术，典型代表就是智能天线技术。其中，信号到达角估计是智能天线核心技术之一，其在无线通信研究领域中占有极大地位。智能天线通过空分多址技术可以将频率信息相同的、最小时间间隔相同的用户信号区别开来，也可以使得通信容量得到成倍的扩展。当智能天线技术同他通信技术相结合可以显著提高频率资源的利用率。智能天线技术在通信系统涉及的技术中发挥重要作用，它可以通过准确得到用户信号到达角(Angles-of-Arrivals, AOA)信息来增强无线通信系统中的测向(Direction-finding, DF)技术。本文主要研究智能天线的核心技术——到达角估计技术。首先，通过绪论章节介绍信号到达角估计技术的历史背景、发展现状。其次，简要介绍智能天线技术的相关知识，并在此基础上详细介绍到达角估计技术的基本工作原理。然后，主要研究了信号到达角估计算法，包括四种经典算法巴特利特到达角估计、Capon到达角估计、线性预测到达角估计和经典MUSIC到达角估计。最后，对经典MUSIC算法、ROOT-MUSIC算法和空间平滑算法进行了深入研究和仿真实验。由仿真实验结果分析可知，与经典MUSIC算法相比，ROOT-MUSIC算法的计算量较低。在信号源相干的情况下，空间平滑MUSIC算法可以有效的实现信号源的解相干。关键字:智能天线，到达角估计（DOA），经典MUSIC算法，ROOT-MUSIC算法，空间平滑MUSIC算法
目录
第一章 绪论 1
1.1 引言 1
1.2 DOA估计历史背景 2
1.3 DOA估计发展现状 2
1.4 本文主要内容 3
第二章 智能天线和到达角估计的基本工作原理 4
2.1引言 4
2.2 智能天线 4
2.3天线阵相关 6
2.4信号源数估计 7
2.4.1信息论方法 7
2.4.2平滑秩序法 9
2.5到达角估计 10
2.6本章小结 12
第三章 DOA估计经典算法 13
3.1引言 13
3.2 巴特利特到达角估计 13
3.3 Capon到达角估计 1 *好棒文|www.hbsrm.com +Q: ^351916072#
5
3.4线性预测到达角估计 16
3.5 MUSIC到达角估计 20
3.6本章小结 21
第四章 多重信号类算法及其仿真实验 22
4.1引言 22
4.2 经典MUSIC算法 22
4.2.1经典MUSIC算法的理论分析 22
4.2.2经典MUSIC算法的仿真实验 25
4.3求根MUSIC算法 27
4.3.1 求根MUSIC算法的理论分析 27
4.3.2求根MUSIC算法的仿真实验 29
4.4基于解相干的MUSIC算法 30
4.4.1空间平滑算法的理论知识 31
4.4.2空间平滑算法仿真实验 36
4.5仿真分析小结 37
结语 38
参考文献 39
致谢 41
第一章 绪论
1.1 引言
当代社会是一个高速信息化时代，信息的传递交流方式快速发展。近些年，信息通讯工具不断普及，移动通信技术不断深入人们的日常生活中。从20世纪70年代中期诞生的蜂窝移动通信到强调灵活性的个人通信服务再到雷达等各种通过电磁波信号在空间自由传播的无线通信系统，智能天线技术均在其中发挥着重要的作用。随着社会市场需求的日益提高提高，不断的刺激通信技术的发展。同样随着通信技术的发展，半导体、集成电路技术的不断进步，也催生了巨大的社会市场价值。
通信技术的不断发展，虽然带来了巨大的市场价值，但也面临着巨大的挑战。全球通讯业务的不断拓展，用户数量数量基数增长过快，频谱资源日趋匮乏。紧接而来的通信容量的不足，通信质量的下降越发需要解决。在军事方面，要克服复杂的战时电子环境中多径衰落、时延扩展和多址干扰，特别是敌方恶意干扰这些困难。这些通信技术上的困难都需要更高效的智能移动通信技术来解决。智能移动通信技术就包括智能天线，智能传输，智能接收和智能通信协议。
智能天线采用空分多址(space division multiple access, SDMA)技术，利用信号在空间传输方向上差异，从信号方位角信息以及信号强度等特征性，将相同频率的、同时隙的信号分辨出来[1]。智能天线系统(smart antenna system, SAS)致力于空间资源利用，能够识别信号的到达方向(direction of arrivals, DOA)，是一条解决上述问题的有效途径。
根据划分标准的不同，智能天线大致上被分为三类：第一类是可以减少信道影响、降低信号传输误码率的空间分集接收，第二类是可以减少其他信号对所期望信号的干扰、提高系统性能的波束切换天线，第三类是可以准确得到用户信号方位信息的自适应天线阵。其中第三类自适应天线阵复杂程度比较高，相应的性能也是最好的，而且本文讨论的主要是自适应天线阵。实际上不管是多波束天线还是自适应天线，都要识别用户信号的到达方向，也就是本文所要介绍的信号到达角估计。
阵列信号处理在通信、雷达、天文甚至生物医学等研究领域均有广泛的技术应用。前期的信号处理集中在信号的频谱分析和谱估计上，后来随着技术的发展，又发展到二维信号处理和多维信号处理。阵列信号处理的主要内容分为波束形成技术、空间谱估计技术等几个方面，这些技术都是对空间信号进行采样分析处理，因此这些技术相互关联。其中本文所介绍的空间谱估计就是处理空间信号到达方向问题。
1.2 DOA估计历史背景
波达方向(DOA)估计是智能天线重要的技术之一，而且也是智能天线中另外一个重要技术波束形成(BeamForming，BF)技术的基石[2]。
早期的基于阵列DOA估计算法是常规波束形成(Conventional Beamforming，CBF)法，这种方法是传统时域傅里叶谱估计方法在空域中简单拓展形式。许多时域谱分析估计方法都被推广成为空域谱估计方法。例如：Pisarenko的谐波分析法，Burg的最大熵法(The Maximum Entropy Method, MEM)，Capon的最小方差法(Minimum Variance algorithm, MVM)等[36]。早期的DOA估计由于受阵元数目、阵列孔径的限制，分辨力比较低下。即使是Capon法、最大熵法也只是在一定程度上突破这些限制。
在70年代末，空间谱估计研究又进入一个新的台阶，以多重信号分类(Multiple Signal Classification, MUSIC)算法为代表，现代超分辨领域测向技术得到快速发展[7]。MUSIC估计算法由R.O.Schmit提出，该算法最大限度突破阵列孔径对传统算法估计限制，极大提高DOA估计分辨力，成为研究历史上的一个重要的里程碑。不仅如此，MUSIC算法也促进了子空间分解类算法的兴起。除MUSIC算法外，基于子空间算法的形成还主要得益于Roy等提出的借助旋转不变技术的信号参数估计(Estimating Signal Parameter via Rotational Invariance Techniques, ESPRIT)算法和Kumaresan、Tufts提出的最小范数法[8,9]。
目录
第一章 绪论 1
1.1 引言 1
1.2 DOA估计历史背景 2
1.3 DOA估计发展现状 2
1.4 本文主要内容 3
第二章 智能天线和到达角估计的基本工作原理 4
2.1引言 4
2.2 智能天线 4
2.3天线阵相关 6
2.4信号源数估计 7
2.4.1信息论方法 7
2.4.2平滑秩序法 9
2.5到达角估计 10
2.6本章小结 12
第三章 DOA估计经典算法 13
3.1引言 13
3.2 巴特利特到达角估计 13
3.3 Capon到达角估计 1 *好棒文|www.hbsrm.com +Q: ^351916072#
5
3.4线性预测到达角估计 16
3.5 MUSIC到达角估计 20
3.6本章小结 21
第四章 多重信号类算法及其仿真实验 22
4.1引言 22
4.2 经典MUSIC算法 22
4.2.1经典MUSIC算法的理论分析 22
4.2.2经典MUSIC算法的仿真实验 25
4.3求根MUSIC算法 27
4.3.1 求根MUSIC算法的理论分析 27
4.3.2求根MUSIC算法的仿真实验 29
4.4基于解相干的MUSIC算法 30
4.4.1空间平滑算法的理论知识 31
4.4.2空间平滑算法仿真实验 36
4.5仿真分析小结 37
结语 38
参考文献 39
致谢 41
第一章 绪论
1.1 引言
当代社会是一个高速信息化时代，信息的传递交流方式快速发展。近些年，信息通讯工具不断普及，移动通信技术不断深入人们的日常生活中。从20世纪70年代中期诞生的蜂窝移动通信到强调灵活性的个人通信服务再到雷达等各种通过电磁波信号在空间自由传播的无线通信系统，智能天线技术均在其中发挥着重要的作用。随着社会市场需求的日益提高提高，不断的刺激通信技术的发展。同样随着通信技术的发展，半导体、集成电路技术的不断进步，也催生了巨大的社会市场价值。
通信技术的不断发展，虽然带来了巨大的市场价值，但也面临着巨大的挑战。全球通讯业务的不断拓展，用户数量数量基数增长过快，频谱资源日趋匮乏。紧接而来的通信容量的不足，通信质量的下降越发需要解决。在军事方面，要克服复杂的战时电子环境中多径衰落、时延扩展和多址干扰，特别是敌方恶意干扰这些困难。这些通信技术上的困难都需要更高效的智能移动通信技术来解决。智能移动通信技术就包括智能天线，智能传输，智能接收和智能通信协议。
智能天线采用空分多址(space division multiple access, SDMA)技术，利用信号在空间传输方向上差异，从信号方位角信息以及信号强度等特征性，将相同频率的、同时隙的信号分辨出来[1]。智能天线系统(smart antenna system, SAS)致力于空间资源利用，能够识别信号的到达方向(direction of arrivals, DOA)，是一条解决上述问题的有效途径。
根据划分标准的不同，智能天线大致上被分为三类：第一类是可以减少信道影响、降低信号传输误码率的空间分集接收，第二类是可以减少其他信号对所期望信号的干扰、提高系统性能的波束切换天线，第三类是可以准确得到用户信号方位信息的自适应天线阵。其中第三类自适应天线阵复杂程度比较高，相应的性能也是最好的，而且本文讨论的主要是自适应天线阵。实际上不管是多波束天线还是自适应天线，都要识别用户信号的到达方向，也就是本文所要介绍的信号到达角估计。
阵列信号处理在通信、雷达、天文甚至生物医学等研究领域均有广泛的技术应用。前期的信号处理集中在信号的频谱分析和谱估计上，后来随着技术的发展，又发展到二维信号处理和多维信号处理。阵列信号处理的主要内容分为波束形成技术、空间谱估计技术等几个方面，这些技术都是对空间信号进行采样分析处理，因此这些技术相互关联。其中本文所介绍的空间谱估计就是处理空间信号到达方向问题。
1.2 DOA估计历史背景
波达方向(DOA)估计是智能天线重要的技术之一，而且也是智能天线中另外一个重要技术波束形成(BeamForming，BF)技术的基石[2]。
早期的基于阵列DOA估计算法是常规波束形成(Conventional Beamforming，CBF)法，这种方法是传统时域傅里叶谱估计方法在空域中简单拓展形式。许多时域谱分析估计方法都被推广成为空域谱估计方法。例如：Pisarenko的谐波分析法，Burg的最大熵法(The Maximum Entropy Method, MEM)，Capon的最小方差法(Minimum Variance algorithm, MVM)等[36]。早期的DOA估计由于受阵元数目、阵列孔径的限制，分辨力比较低下。即使是Capon法、最大熵法也只是在一定程度上突破这些限制。
在70年代末，空间谱估计研究又进入一个新的台阶，以多重信号分类(Multiple Signal Classification, MUSIC)算法为代表，现代超分辨领域测向技术得到快速发展[7]。MUSIC估计算法由R.O.Schmit提出，该算法最大限度突破阵列孔径对传统算法估计限制，极大提高DOA估计分辨力，成为研究历史上的一个重要的里程碑。不仅如此，MUSIC算法也促进了子空间分解类算法的兴起。除MUSIC算法外，基于子空间算法的形成还主要得益于Roy等提出的借助旋转不变技术的信号参数估计(Estimating Signal Parameter via Rotational Invariance Techniques, ESPRIT)算法和Kumaresan、Tufts提出的最小范数法[8,9]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/1009.html
