|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：针对小样本甚至单个样本情况下，大部分高分辨 DOA 估计方法性能下降，不能对临近目标有效分辨的问: h! i2 C4 _' N( M6 q
题，该文提出一种新的基于直接数据域技术的 DOA 估计方法，基本思想是通过损失空域自由度达到提高时域样本+ v" ^# a/ X ^) f# M, f/ g
的目的。首先对阵列进行划分，构造多个新的低维数据矢量，其次利用远场窄带信号的复包络在阵列的各个阵元上
9 @; E! w1 ~8 @% M J的幅度响应是近似相同的特点，构造新的约束。实验表明，在小样本下该文算法 DOA 的分辨能力优于传统直接数5 Y# Z+ x# M. y$ e
据域方法。' v8 J' s) d w9 i8 g& o
关键词：DOA 估计；小样本；高分辨；子阵平滑；直接数据域方法(D3)2 U$ }! m: i! F0 C8 f- j& o
1 引言
5 q2 r- d6 w" f6 d4 U; nDOA 估计问题[1]是阵列信号处理中的基本问
( @8 g3 @5 j, a# `- X% N题，一直以来都是学者们的研究热点。DOA 估计的
' {" I1 |! w1 t7 v* K主要目标是在噪声环境下，分辨两个在方位向非常1 ~. C9 H' m7 e- V# t5 Y
接近的目标，在雷达、声呐、通信、地震监测等领
" G& S( ]- C. Z& G域有着广泛的应用。常用的 DOA 估计方法分为两1 Z/ E$ V; X0 q/ d, L" m& h
类，即参数化估计和非参数化估计。对于非参数估/ K6 c8 h# d4 r5 Q7 ?" w7 n/ q
计方法，主要有波束形成(BF)法，基于子空间方法
3 j& W+ d P8 f3 {的 MUSIC 和 CAPON 法等。基于最大似然的参数
- m+ u' _0 Z2 R- z; ^化估计方法分为：确定最大似然和统计最大似然。
& N! v' w1 S3 W6 ], Z6 h, N K& [总的来说 DOA 估计面临两大挑战：阵列流形失配: k W. a/ a3 }8 K
问题和快变环境下样本较少问题。对于大多数的高
3 v- F/ b5 d5 ]$ f% h分辨 DOA 估计方法而言，例如：MUSIC, CAPON" V. `. G: \% |) Z0 j
" d7 K$ @# w* e8 Q" t6 J$ |! i& h1 K" O1 p
5 R0 d! I/ F2 n8 _' d" y# q
2 K4 _8 L& g+ f& O( N
附件下载：
0 A' b# a% R6 _" b8 a/ o- y
! C' p3 J( M1 O$ J Q$ a |
|
/1 
发表于 2021-3-11 13:13
收藏
淘帖
支持！
反对！