现代信号谱估计算法在空间谱估计中的应用(附件)【字数：10447】
摘 要摘 要传统的波束形成算法可以应用于大部分空间信号的分辨，但是传统的波束形成算法也存在一定的不足，当信号的来波方向过于接近时，如果分辨率不够，则无法在空域上将信号准确地分辨出来，为了解决这一问题，引入了现代信号谱估计算法，如MUSIC算法、Capon算法、MNM算法等，本文从理论分析和计算机仿真两个角度对几种算法及其估计性能进行了探讨，通过实验仿真分析对以上算法进行了对比，发现现代信号谱估计算法的分辨率要明显高于传统波束形成算法的分辨率，所以现代信号谱估计算法在空间谱估计中的应用上有着重要的意义。在现代空间谱估计技术继续发展和深入的过程中，空间谱估计的理论一定会更加成熟，并且应用范围越来越广泛。本文主要分析了讨论了现代信号谱估计算法在空间谱估计中的应用，探讨了本课题研究的背景及意义；对空间谱估计的发展现状进行了阐述；介绍了数字阵列雷达和波束形成的概念和原理；写出了一维均匀线阵接收信号的数学模型和一维均匀线阵波束形成的原理；对空间谱基本理论和知识，MUSIC算法、Capon算法、MNM算法进行了介绍，也通过Matlab软件进行了仿真。并且对仿真的结果进行了分析和讨论。关键词超分辨；波束形成；MUSIC算法；Capon算法；
目 录
第一章 绪论 4
1.1 课题研究背景及意义 4
1.2 空间谱估计的发展现状 5
1.3 主要研究内容 5
第二章 数字阵列雷达的波束形成技术 7
2.1 数字阵列概述 7
2.2 波束形成 8
2.3 一维均匀线阵接收信号的数学模型 8
2.4 一维均匀线阵波束形成原理 9
第三章 超分辨空间谱估计技术 11
3.1 空间谱估计基础 11
3.2 MUSIC 算法 12
3.2.1 MUSIC算法原理 12
3.2.2 MUSIC算法的主要步骤 14
3.3 CAPON算法 15
3.4 MNM算法 15
第四章 仿真实现 18
4.1 DBF算法的仿真 18
4.2 MUSIC算法的仿真 19
4.3 CAPON算法的仿真 21
*好棒文|www.hbsrm.com +Q: #351916072#
/> 4.4 MNM算法的仿真 23
4.5 算法对比 24
结论 25
致谢 26
参考文献 27
第一章 绪论
1.1课题研究背景及意义
阵列信号处理属于信号处理的领域，也是其中的一个重要分支。阵列信号的发展十分迅速，尤其是在过去的30年里。应用在众多领域比如军事领域和国民经济领域[1]。阵列信号处理把几个传感器放在空间中不一样的位置然后组成传感器的阵列，利用这个传感器阵列接受并且处理空间信号场（通常是多点并行采样），这么做是为了提取从阵列中接受的信号和信号的特征信息，并抑制干扰、噪声、不感兴趣的信息。阵列信号的处理方式和一般的信号处理方式不一样，按照指定的方式将传感器组放置在空间中不一样的位置，然后通过信号的空域特性增强信号，同时捕捉信号空域的信息，这是阵列信号的处理方式。波束的控制比较灵活、抗干扰、增益高、分辨力高，这是阵列信号处理的优点，正是由于这些优点，很多人都非常关注阵列信号处理，对它越来越深入的研究并且应用在各种领域。随着现代技术的快速发展，阵列信号处理的理论和应用一定也会更快地发展。
空间谱估计技术(或者说波达方向估计)是在过去的30年里发展壮大的，它是一个新兴的空域信号处理技术[2]。它的发展基于波束成形技术、零点形成技术、时域谱估计技术，并且是阵列信号处理的重要分支之一。它可以很好的估计空域参数，比如方位角，所以有大量学者对它进行着研究，在雷达、勘探、声纳、地震等等这些领域，空间谱估计技术都拥有非常广泛的应用前景。提高空间信号角度的分辨力是空间谱技术的主要目标。
雷达要进行方位测量的主要目的有以下5点：(1)信号的分选和识别。在雷达系统进行侦查工作时，大量的辐射源都可能存在在周边的环境中，区分彼此的重要条件是各个辐射源的所在方向。所以辐射源的所在方向是在雷达侦查中进行分选和识别信号的重要参数。（2）指引干扰的方向，测出威胁雷达方向，应用干扰发射机的能量，集中进行干扰。（3）帮助武器系统更好地攻击，测出威胁雷达的方向，使用导弹等武器，攻击敌对雷达目标。（4）测出威胁的方向，通知作战人员，及时采取战略战术。(5)辅助实现辐射源的定位。利用所测得的威胁雷达方向等，确定威胁雷达的位置。只有要求雷达、声纳、电子战的侦收、弹载制导等系统拥有很好的角度分辨力，并且准确快速的识别敌方目标，才能实现有效攻击的目标[3]。
常规波束形成算法也就是传统的测量方法，是在相控阵雷达中非常的经典的一种算法，常规波束形成算法是传统的时域傅里叶谱估计算法里的空域简单扩展形式之一，也就是利用空间里各个阵元接收到的数据代替传统时域处理中的数据[4]。但是这种方法一旦扩展到空间域，阵列的角度分辨力就会受到限制，称为傅立叶限的限制，也就是瑞利限。在过去的二十几年里，超分辨谱估计技术发展非常迅速。由于受到瑞利限的限制，一般DOA估计方法中所提到的阵列分辨率很难分辨出超过瑞利限的空间目标的位置[5]。但是超分辨DOA估计方法例如MUSIC算法可以有效的突破瑞利限的限制，获得极高的分辨率。MUSIC算法是超分辨算法的一种，它可以对空间里多个信号源进行测向，MUSIC算法拥有很好的空间分辨力，旁瓣也是很低。正是因为现代空间谱估计算法的超分辨能力，所以在其它的信号估计领域也被广泛的应用着[6]。
1.2 空间谱估计的发展现状
正是由于从上世纪70年代末提出了MUSIC算法，才实现了现代超分辨测向的技术快速发展，算法的分辨力大大的提高了[7]。MUSIC算法不仅已经拥有分辨率高、稳健性好的性能，还在实际应用中取得了一定的成果。所以说MUSIC算法广泛的出现在各种应用中，例如估计信道测量中的多径时间弥散参量、频域室内几何定位、通信卫星干扰源定位从而确保通信卫星的安全等。从上世纪七十年代末，MUSIC算法发表了以来，人们一直非常重视它。现代社会中，在空间谱估计的研究上，大多数方向还是特征结构类算法，其中MUSIC算法是代表[8]。
上世纪70年代末，MUSIC算法在被提出之后就一直被人们广泛的重视着，直到现在，空间谱估计研究的主流方向仍是以MUSIC算法为代表的各种算法。在接下来对空间谱估计技术更深入的研究中，空间谱估计理论会不断发展，不断地成熟，应用会越来越广泛[9]。
1.3 主要研究内容
这次毕设首先进行了研究和分析数字阵列雷达的波束形成技术，并在此基础上更深入和系统的介绍了超分辨空间谱估计技术。通过学习空间谱估计以及现代信号谱估计算法的基本概念，了解空间谱估计的经典实现方法，掌握三种现代谱估计算法，分别为MUSIC算法、Capon算法、MNM算法，并与传统的空间谱估计算法(DBF)进行试验仿真比较。本毕设使用Matlab2013a软件对这四种算法应用于空间谱估计的计算当中，通过实验进行仿真，并且通过仿真结果对空间谱估计中的经典算法与现代谱估计算法进行比较，分析算法的优缺点。其中传统的空间谱DBF估计算法对于信号的分辨率较低，当信号的来波方向比较接近时，DBF算法无法将其准确的分辨出来，会导致信号的叠加失真。MUSIC算法的全称是多重信号分类算法。MUSIC算法拥有很好的空间分辨力，旁瓣也是很低，稳定性高，可以对多个信号同时进行测向，如果采用高速处理技术之后还可以进行实时处理。其对信号的分辨能力明显优于传统的DBF算法，但它也存在着对相干信号处理的不理想、抗多径的能力较弱、当信号源的数量大于阵元的数量时会失效等一系列问题。基于MUSIC的存在的这些问题，MNM算法和Capon算法在此基础上做出了相应的改进。MNM算法解决了MUSIC算法无法准确应用于相干信号的问题，也提高了信号的分辨率。Capon算法是一种基于最小方差的算法，但它不能很好的区分期望信号和其相关信号，会在处理时合并其它无关信号造成失真，并且运算相对复杂。其分辨率相对于MUSIC算法有一定的提高。
目 录
第一章 绪论 4
1.1 课题研究背景及意义 4
1.2 空间谱估计的发展现状 5
1.3 主要研究内容 5
第二章 数字阵列雷达的波束形成技术 7
2.1 数字阵列概述 7
2.2 波束形成 8
2.3 一维均匀线阵接收信号的数学模型 8
2.4 一维均匀线阵波束形成原理 9
第三章 超分辨空间谱估计技术 11
3.1 空间谱估计基础 11
3.2 MUSIC 算法 12
3.2.1 MUSIC算法原理 12
3.2.2 MUSIC算法的主要步骤 14
3.3 CAPON算法 15
3.4 MNM算法 15
第四章 仿真实现 18
4.1 DBF算法的仿真 18
4.2 MUSIC算法的仿真 19
4.3 CAPON算法的仿真 21
*好棒文|www.hbsrm.com +Q: #351916072#
/> 4.4 MNM算法的仿真 23
4.5 算法对比 24
结论 25
致谢 26
参考文献 27
第一章 绪论
1.1课题研究背景及意义
阵列信号处理属于信号处理的领域，也是其中的一个重要分支。阵列信号的发展十分迅速，尤其是在过去的30年里。应用在众多领域比如军事领域和国民经济领域[1]。阵列信号处理把几个传感器放在空间中不一样的位置然后组成传感器的阵列，利用这个传感器阵列接受并且处理空间信号场（通常是多点并行采样），这么做是为了提取从阵列中接受的信号和信号的特征信息，并抑制干扰、噪声、不感兴趣的信息。阵列信号的处理方式和一般的信号处理方式不一样，按照指定的方式将传感器组放置在空间中不一样的位置，然后通过信号的空域特性增强信号，同时捕捉信号空域的信息，这是阵列信号的处理方式。波束的控制比较灵活、抗干扰、增益高、分辨力高，这是阵列信号处理的优点，正是由于这些优点，很多人都非常关注阵列信号处理，对它越来越深入的研究并且应用在各种领域。随着现代技术的快速发展，阵列信号处理的理论和应用一定也会更快地发展。
空间谱估计技术(或者说波达方向估计)是在过去的30年里发展壮大的，它是一个新兴的空域信号处理技术[2]。它的发展基于波束成形技术、零点形成技术、时域谱估计技术，并且是阵列信号处理的重要分支之一。它可以很好的估计空域参数，比如方位角，所以有大量学者对它进行着研究，在雷达、勘探、声纳、地震等等这些领域，空间谱估计技术都拥有非常广泛的应用前景。提高空间信号角度的分辨力是空间谱技术的主要目标。
雷达要进行方位测量的主要目的有以下5点：(1)信号的分选和识别。在雷达系统进行侦查工作时，大量的辐射源都可能存在在周边的环境中，区分彼此的重要条件是各个辐射源的所在方向。所以辐射源的所在方向是在雷达侦查中进行分选和识别信号的重要参数。（2）指引干扰的方向，测出威胁雷达方向，应用干扰发射机的能量，集中进行干扰。（3）帮助武器系统更好地攻击，测出威胁雷达的方向，使用导弹等武器，攻击敌对雷达目标。（4）测出威胁的方向，通知作战人员，及时采取战略战术。(5)辅助实现辐射源的定位。利用所测得的威胁雷达方向等，确定威胁雷达的位置。只有要求雷达、声纳、电子战的侦收、弹载制导等系统拥有很好的角度分辨力，并且准确快速的识别敌方目标，才能实现有效攻击的目标[3]。
常规波束形成算法也就是传统的测量方法，是在相控阵雷达中非常的经典的一种算法，常规波束形成算法是传统的时域傅里叶谱估计算法里的空域简单扩展形式之一，也就是利用空间里各个阵元接收到的数据代替传统时域处理中的数据[4]。但是这种方法一旦扩展到空间域，阵列的角度分辨力就会受到限制，称为傅立叶限的限制，也就是瑞利限。在过去的二十几年里，超分辨谱估计技术发展非常迅速。由于受到瑞利限的限制，一般DOA估计方法中所提到的阵列分辨率很难分辨出超过瑞利限的空间目标的位置[5]。但是超分辨DOA估计方法例如MUSIC算法可以有效的突破瑞利限的限制，获得极高的分辨率。MUSIC算法是超分辨算法的一种，它可以对空间里多个信号源进行测向，MUSIC算法拥有很好的空间分辨力，旁瓣也是很低。正是因为现代空间谱估计算法的超分辨能力，所以在其它的信号估计领域也被广泛的应用着[6]。
1.2 空间谱估计的发展现状
正是由于从上世纪70年代末提出了MUSIC算法，才实现了现代超分辨测向的技术快速发展，算法的分辨力大大的提高了[7]。MUSIC算法不仅已经拥有分辨率高、稳健性好的性能，还在实际应用中取得了一定的成果。所以说MUSIC算法广泛的出现在各种应用中，例如估计信道测量中的多径时间弥散参量、频域室内几何定位、通信卫星干扰源定位从而确保通信卫星的安全等。从上世纪七十年代末，MUSIC算法发表了以来，人们一直非常重视它。现代社会中，在空间谱估计的研究上，大多数方向还是特征结构类算法，其中MUSIC算法是代表[8]。
上世纪70年代末，MUSIC算法在被提出之后就一直被人们广泛的重视着，直到现在，空间谱估计研究的主流方向仍是以MUSIC算法为代表的各种算法。在接下来对空间谱估计技术更深入的研究中，空间谱估计理论会不断发展，不断地成熟，应用会越来越广泛[9]。
1.3 主要研究内容
这次毕设首先进行了研究和分析数字阵列雷达的波束形成技术，并在此基础上更深入和系统的介绍了超分辨空间谱估计技术。通过学习空间谱估计以及现代信号谱估计算法的基本概念，了解空间谱估计的经典实现方法，掌握三种现代谱估计算法，分别为MUSIC算法、Capon算法、MNM算法，并与传统的空间谱估计算法(DBF)进行试验仿真比较。本毕设使用Matlab2013a软件对这四种算法应用于空间谱估计的计算当中，通过实验进行仿真，并且通过仿真结果对空间谱估计中的经典算法与现代谱估计算法进行比较，分析算法的优缺点。其中传统的空间谱DBF估计算法对于信号的分辨率较低，当信号的来波方向比较接近时，DBF算法无法将其准确的分辨出来，会导致信号的叠加失真。MUSIC算法的全称是多重信号分类算法。MUSIC算法拥有很好的空间分辨力，旁瓣也是很低，稳定性高，可以对多个信号同时进行测向，如果采用高速处理技术之后还可以进行实时处理。其对信号的分辨能力明显优于传统的DBF算法，但它也存在着对相干信号处理的不理想、抗多径的能力较弱、当信号源的数量大于阵元的数量时会失效等一系列问题。基于MUSIC的存在的这些问题，MNM算法和Capon算法在此基础上做出了相应的改进。MNM算法解决了MUSIC算法无法准确应用于相干信号的问题，也提高了信号的分辨率。Capon算法是一种基于最小方差的算法，但它不能很好的区分期望信号和其相关信号，会在处理时合并其它无关信号造成失真，并且运算相对复杂。其分辨率相对于MUSIC算法有一定的提高。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/1033.html
