MUSIC算法性能研究综述

智能天线的核心技术之一是波达方向(Direction of Arrival,DOA)估计,其在无线通信中具有重要作用。多重信号分类(Multiple Signal Classification,MUSIC)算法是经典的DOA估计算法,但因其对于相干及小信噪比信号无法分辨、计算量大等缺陷,故有许多改进算法被提出。该文从MUSIC算法基础分析入手,分别从阵元数目、阵元间距等参数方面、相干信号方面以及在定位应用方面等几个方面对近几年MUSIC算法的研究进展进行了综述,并对MUSIC算法的研究趋势进行展望。     

基于均匀线阵的改进MUSIC算法

在相干信源下,传统的MUSIC(MUltiple SIgnal Classification)算法不能准确地估计波达方向。为此,在对传统的MUSIC算法进行研究的基础上,提出了一种改进的MUSIC算法。该算法是将阵元接收的数据做相应的变换,从而得到新的阵列数据,再通过求互协方差等运算,得到新的数据协方差矩阵。同时,对该算法和传统的MUSIC算法进行了仿真,对其DOA(Direction of Arrival)估计性能进行比较。仿真实验表明,改进后的算法在相干信源的情况下具有很好的去相干性能,而且没有阵列孔径的损失。能精确地估计信号的波达方向。     

平面六边形天线阵列波达方向估计

分析了智能天线自适应算法波达方向估计（DOA）问题,在一维MUSIC算法的基础上讨论了二维六边形天线阵列的空间谱并进行了Matlab仿真实验;仿真结果表明,六边形天线阵列不仅可以判断波达方向的俯仰角而且可以判断方位角;同时讨论了DOA算法的分辨率,与一维MUSIC算法相似,二维条件下六边形天线阵列具有良好的角分辨率,可以满足非相干信号的工程要求。     

基于空间平滑MUSIC算法的智能天线DOA估计方法

波达方向(DOA)估计是智能天线系统中的关键技术之一,在研究基于MUSIC算法的传统DOA估计的基础上,提出了一种基于空间平滑技术MUSIC算法的DOA估计方法。仿真结果表明,对于相干信源,采用空间平滑MUSIC算法,能够得到尖锐的谱峰和较高的分辨率。     

智能天线的MUSIC算法研究

智能天线系统是具有自适应信号处理能力的天线阵列,利用数字信号处理技术对多个不同的用户产生多个空间波束,每个波束各自自动地对准不同用户的来波方向,把零陷方向对准干扰方向,从而消除多址干扰,提高移动通信系统的性能。智能天线应用的一个关键问题是对用户的入射角度进行估计,即波达方向(DOA)估计问题,MUSIC算法是DOA估计的一种,是利用输入协方差矩阵的特征结构,具有高分辩能力的多重信号分类技术。通过对MUSIC算法的仿真,验证了MUSIC算法具有稳定、高分辨、高精度和计算量较小的优点。     

基于GAPSO-MUSIC算法的矢量水听器的DOA估计

针对传统的MUSIC算法存在需要多维的非线性搜索、计算量大等问题,提出了混合粒子群遗传算法和MUSIC算法相结合的方法,对矢量水听器的波达方向(Direction of Arrival,DOA)更好的进行估计.该算法利用遗传算法的交叉算子和变异算子避免了粒子群算法早熟且易陷入局部最优,同时利用群优化算法搜索能力强的优势,更好的对波达方向进行估计.仿真实验和湖试实验表明,混合遗传粒子群算法与MUSIC算法相结合对DOA估计具有更好的性能,精度更高,具有很好的实用性.     

一种多分辨率DOA估计的小波包算法

根据MUSIC算法在信号波达方向(DOA)较近或相干时性能迅速下降的情况,提出了一种多分辨率信号波达方向估计的小波包算法基于子带分解的MUSIC算法(SB MUSIC)·算法对全带信号进行子带分解,并根据最优基选取准则选择最优叶节点,然后对每个叶节点应用MUSIC算法进行谱估计·研究表明子带分解具有提高信噪比(SNR)和放大频率间隔等优点·考虑到算法应用时只有全带频率才有意义,提出了子带频率向全带频率映射的方法·仿真证明,SB MUSIC不仅提高了特征子空间方法的分辨率,而且在子带划分适当时,具有一定的信号去相关能力,并且子带谱的估计成功率和谱平度都高于全带谱·     

基于压缩感知的智能天线 DOA 估计算法

波达方向（direction of arrival,DOA）估计是利用具有一定空间结构的天线阵元对空间信源的来波方向进行估计。为解决MUSIC算法和ESPRIT算法在智能天线DOA估计中空间谱分辨率和抗噪声性能方面的不足,依据压缩感知理论的贪婪算法思想,将匹配追踪（matching pursuit,MP）算法和子空间追踪（subspace pursuit,SP）算法应用在DOA估计中,即提出2种新的算法MP-DOA和SP-DOA。这2种算法主要包括原子库建立、信号投影、最佳匹配原子筛选及信号特征提取等过程。4种算法的仿真实验与对比分析结果表明,MP-DOA算法在低信噪比情况下较其他3种算法性能更优越,SP-DOA算法在角度分辨率和对信源数的包容方面的性能较其他3种算法优越,也验证了应用压缩感知理论的优越性。     

基于ESPRIT的ULA波达方向估计改进算法

针对MUSIC(Multiple Signal Classification)算法和ESPRIT(Estimated Signal Parameters via Rotational -Invariance- Technique)算法不能有效估计相干信源波达方向的问题, 在修正MUSIC算法（Modified MUSIC）基础上, 通过引用变换矩阵, 在考虑阵列接收数据及其相应变换矩阵的自相关和互相关信息后, 结合总体最小二乘算法TLS-ESPRITS（Total Least-Squares ESPRIT）提出了能同时适应相干和非相干信号情况的波达方向估计的改进ESPRIT算法（IM-ESPRIT: Improved ESPRIT), 并在相干信号源来波角度间隔较小和低信噪比条件下, 同常规CC-ESPRIT(Cross ESPRIT)算法进行比较。结果表明, 当相干信源角度间隔为3°且信噪比为0时, 实现波达方向估计具有较好的估计精度和分辨率。     

结合快速傅里叶变换和线性调频变换的快速波达方向估计

针对阵列信号处理中传统多重信号分类(MUSIC)算法估计信号波达方向(DOA)时运算量庞大,导致其在实时性需求较高的场合应用受限的问题,提出一种结合快速傅里叶变换和线性调频变换的快速DOA估计算法。该算法以降低MUSIC算法谱峰搜索的运算复杂度为目的,首先利用分片搜索的思想并结合快速傅里叶变换对估计的信号子空间矢量进行波束形成,近似估计信号DOA,获取其对应波束指向及该波束指向对应的空域角度范围,避免了对全空域角度范围的谱峰搜索;然后,针对已确定的空域角度范围,结合线性调频变换算法实现信号DOA的精确估计,通过将MUSIC算法中对估计的噪声子空间矢量的加权处理转化为可以快速实现的序列的圆周卷积,降低精确估计信号DOA时谱峰搜索的运算复杂度。理论分析和仿真实验表明:相比于经典的MUSIC算法,所提算法能够在保证信号DOA估计精度的前提下将MUSIC算法谱峰搜索的运算复杂度降至原复杂度的10%以下;对于阵列孔径较大和DOA估计精度要求较高的场景,所提算法的计算效率优势更为明显。