论文部分内容阅读
作为第三代移动通信的关键技术,智能天线近年来受到了广泛的关注。智能天线技术为解决频率资源不足、提高移动通信系统容量和系统服务质量、抗干扰和抗多径提供了有效的解决途径。其中波达方向(DOA,Direction of Arrival)估计是智能天线研究的一个重要方面,无论是上行多用户信号的分离,还是下行选择性发射,对用户信号DOA的测定,都成为智能天线实现指向性发射的必要前提。在对信号DOA估计的算法中,作为超分辨空间谱估计技术的MUSIC(Multiple Signal Classification)算法是最经典的算法之一。算法在假设前提下并满足适应条件时可以精确地估计出信号的DOA,具有很高的分辨力和估计精度。但是当系统样本数、天线阵元数有限,信噪比较低以及入射信号为相关或相干信号时,算法性能急剧下降甚至失效。针对算法的此局限性,本文提出了两种改进方法:基于一维噪声子空间方法的空间谱估计算法和改进MUSIC算法。基于一维噪声子空间方法始终认定只有信号协方差矩阵的最小特征值才是噪声特征值,其对应的特征向量才是真正的噪声向量,并构成一维噪声子空间。通过MATLAB仿真,该改进方法不仅可以在理想情况下取得和传统MUSIC算法一样的分辨力,而且在所谓的信号特征值泄露的非理想情况下可以取得传统MUSIC算法不能达到的分辨力和估计精度,同时一定程度上减小了运算量。改进MUSIC算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解后得到的信号子空间与噪声子空间能够正交。通过计算机仿真,证实了该方法可以分辨出传统MUSIC算法无法估计出的相干信号的DOA。同时,在对普通环境下信号DOA估计时,改进MUSIC算法估计出来的谱图有更高的谱峰,更容易区别出信号的DOA,从而更有利于信号的分辨;对于角度相隔较近的小信噪比信号,传统MUSIC算法己经失去了分辨力,而改进MUSIC算法则可以区别这些信号的DOA。