DFT在二维DOA估计的MUSIC法中的应用

波达方向DOA估计(Direction Of Arrival)广泛应用于各种空间滤波系统中,而MUSIC算法是DOA估计中的经典和实用的算法.但由于算法中需要进行各种矩阵运算,其计算量相当大.笔者提出了在阵元数为2i的均匀圆阵中,利用数据的循环特性,采用DFT(Discrete Fourier Transform)的计算方法,完成MUSIC法的空间谱函数二维谱峰搜索.同时,分析了该方法相对于传统MUSIC法谱峰搜索时计算量的改进,给出了仿真结果.改进后的MUSIC算法计算量可以减少到传统算法计算量的一半.     

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。     

阵列信号处理中多重信号分类算法的仿真研究

波达方向（DOA）估计是阵列信号处理研究的重要内容之一,多重信号分类（MUSIC）算法是一种经典有效的DOA方法。概述了阵列信号处理研究的主要内容,详细介绍了多重信号分类算法的原理,并用MATLAB进行仿真实现该算法,研究了MUSIC算法的性能。     

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。     

基于频率不变性的改进MUSIC算法的DOA估计

针对传统的波达方向估计（DOA）精度较低的问题，文章提出了一种基于频率不变性的改进多重信号分类方法（Multiple Signal Classification,MUSIC）的算法。该算法利用均匀同心圆阵列先将阵列接收到的数据进行预处理，再使用本文中所提出的改进的MUSIC算法来估计波达方向。改进MUSIC算法是在传统MUSIC算法的原噪声子空间的基础上，依次向信号子空间多取一个特征向量，形成一系列的子空间，加入原来的空间谱估计公式当中，构成新的空间谱估计公式。仿真结果表明，使用改进的MUSIC算法得到的空间谱图的波峰值比传统MUSIC算法增大了85.47 dB，提高了系统的分辨率。     

基于改进MUSIC算法的宽带DOA估计

经典MUSIC算法的统计特性主要建立在阵元数固定且快拍数趋于无穷的情况下,在有限样本中,当快拍数无法满足远大于阵元数的条件时,DOA估计会产生偏差.对于宽带信号的DOA估计,利用相干信号子空间(Coherent Signal-subspace Method,CMS)方法,构造聚焦矩阵使不同频率的信号子空间映射到同一参考频率上,用聚焦后的频域窄带模型进行DOA估计,并针对在实际应用中,阵列的阵元数较大且快拍数受限时经典MUSIC算法估计精度不高的情况,利用改进后的MUSIC算法-Spike-MUSIC算法,提高DOA估计精度.在不同信噪比下,分别对DOA估计的误差进行了MonteCarlo仿真实验,仿真结果表明,相对于普通的CSM方法,基于Spike-MUSIC算法改进的CSM方法在宽带DOA估计中具有更高的精度.     

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。     

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MUSIC算法的圆柱共形阵DOA估计

柱面共形阵由于其载体曲率的影响,导致在利用经典MUSIC(Multiple Signal Classification)算法进行DOA(Direction-of-Arrival)估计时,导向矢量与噪声子空间不正交,算法性能严重下降甚至失效。在考虑载体遮挡效应的同时,结合阵元的方向性,通过对导向矢量进行重构,解决了导向矢量与噪声子空间不正交这一问题。对比子阵分割MUSIC算法,进行了Monte Carlo仿真验证,分析了有向阵元MUSIC算法的估计性能。最后以多层圆柱阵为例对4个从不同方向入射的信源进行了DOA估计仿真验证。仿真结果表明：该方法具有分辨力高,估计精度高的优点,证明了该方法的有效性和高估计性能。     

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.     

基于支持向量机可控功率响应的MUSIC-DOA估计方法

针对MUSIC归一化算法在低信噪比时波达方位(DOA)估计性能下降的问题,提出了基于支持向量机(SVM)可控功率响应的MUSIC-DOA算法。该算法首先对宽带信号进行快速傅里叶变换,然后用MUSIC算法进行DOA估计,最后通过SVM对每个子带信号的DOA估计结果进行分类,选择分类后DOA估计结果较为准确的子带信号进行融合,得到宽带信号的DOA估计。该文方法有效解决了MUSIC归一化算法在低信噪比时定位精度不高的问题,提高了定位系统的稳定性。     

阵列信号处理中DOA估计的误差分析

多重信号分类法(即MUSIC算法)具有很高的分辨力、估计精度及稳定性,在阵列信号处理中对DOA(direction of arrival)的估计也一直是人们研究的热点。通过对MUSIC算法中影响DOA估计的误差因素进行分析和研究,讨论MUSIC算法的估计性能。理论分析和仿真结果表明,对非相关或相干信号,MUSIC算法是一种有效的测量目标方位角的方法。     

用感知机学习算法改善MUSIC测算法的分辨率

文中指出了通过计算机仿真了解到的影响MUSIC测向算法分辨率的一些因素，分析了造成MUSIC测向算法计算机仿真的分辨率较低的原因，并提出了一种用人工神经网络中的感知机学习算法改善MUSIC测向算法计算机仿真分辨率的方法。     

阵列超分辨算法模拟研究

当前,阵列信号处理已经成为通信信号处理中的一大热点。而其中利用超分辨算法对空间的多个信号进行波达方向（DOA）估计更是引人注目。以超分辨波达方向估计中非常重要的子空间理论为重点讲解了两种经典的超分辨算法（ESPRIR和MUSIC）的原理及实现方法。此外,还利用MATLAB对这两种算法进行了计算机仿真,通过计算机仿真,把这两种超分辨算法和传统的算法进行比较,包括利用ESPRIT与利用FFT进行频率估计的比较和用ESPRIT进行波达方向估计和MUSIC的比较。     

利用求根MUSIC算法进行快速波达方向估计

针对经典波达方向(direction of arrival,Do A)估计算法复杂度高的问题,讨论了2种快速估计Do A的算法,即:传播算子求根多重信号分类(multiple signal classification,MUSIC)算法与多级维纳滤波器求根MUSIC算法.传播算子求根MUSIC算法是对协方差矩阵分块,得到传播算子构建噪声子空间,结合求根MUSIC算法估计出Do A.多级维纳滤波器不需要估计协方差矩阵,通过滤波器的前向递推,求解维纳-霍夫方程,得到信号子空间,根据正交投影原理,计算出噪声子空间与其共轭转置的乘积,结合求根MUSIC算法估计出Do A.这2种算法都不需对协方差矩阵奇异值分解和谱峰搜索,通过数学分析,复杂度明显降低.     

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。     

极化敏感阵列的DOA及极化参数降维估计算法

为解决极化MUSIC算法运算量大的问题,提出了一种适用于极化敏感阵列的秩亏损MUSIC算法。在极化MUSIC算法的基础上,通过运用矩阵秩亏损原理将谱函数进行降维优化成只与空域参数相关的二维谱函数,大大降低了谱峰搜索过程中的运算量,同时保证了波达方向(DOA)估计精度。在获得入射信号的DOA之后,通过公式可直接计算得到入射信号的极化参数,具有较低的运算量。通过仿真实验可以验证秩亏损MUSIC算法存在着较高的估计精度,并通过将其与极化MUSIC算法的计算复杂度进行对比,可以发现秩亏损MUSIC算法具有较好的实时性,在入射信号相同并含有极化信息的条件下,秩亏损MUSIC算法的计算复杂度相较于极化MUSIC算法降低了104数量级。     

基于时间反转矩阵理论的障碍物形态数据的确定

 针对经典多重信号分类法（MUSIC）算法存在图像重建包含目标信息较少的问题,引入时间反转矩阵推导建立确定散射物图像的理论方法,分析改进MUSIC 算法的定位精确性及其与阵元间距信噪比信号入射角度差间的关系。应用Ipswich 数据集,试验得出改进算法实现了较好的数据图像重建,为算法在确定障碍物形状上的优势提供依据。通过对非对称的双圆形金属柱体对比试验,得出算法在高频情况下可以较好的完成图像重建,且频率越高图像重建的特征值越小,分辨率越高。     

基于矩阵秩显QR分解的时延估计

近年来,MUSIC算法在时延估计研究中异常活跃。它获得和利用接收信号的协方至矩阵的一组与信号时延矢量正交的特征矢量．特征分解需要很大的计算量。本文基于矩阵秩显QP分解提出一种新的时延估计方法．计算机模拟结果表明此方法与MUSIC算法同样有效,而且计算量大为减小。     

基于ASW-MUSIC的电能质量扰动分析

针对MUSIC算法无法分析非平稳电能质量扰动,提出了一种基于自适应滑窗-多信号分类算法(Adaptive Sliding Win-dow-Multiple Signal Classification,ASW-MUSIC)的时频分析方法。该方法首先根据非平稳电能质量扰动信号特征,采用自适应滑窗对信号数据进行分块,然后利用MUSIC算法对每块中的数据进行处理,检测出频率和幅值信息。并联合所有窗口的分析结果,从而得到整个信号的时频率分布信息。最后对电能质量干扰的非平稳信号进行了仿真实验。实验结果表明,提出的方法适合动态电能质量扰动检测,具有实际应用前景。