论文部分内容阅读
阵列信号处理是信号处理领域的一个重要分支，目前广泛应用于雷达、声纳、无线传感网、无线通信和射电天文等领域。本文从无线传感网定位跟踪系统的背景出发，基于传感器阵列，研究超分辨率的波达方向估计技术，致力于解决两个相隔很近的目标难以分辨的问题，重点研究基于稀布阵列和基于稀疏恢复算法两方面的波达方向估计算法。具体研究内容如下: 首先，稀布阵列方面，在使用Khatri-Rao(KR)积构建差分阵的基础上，提出了两种构造四阶差分阵的方法，并以此实现了波达方向估计。第一种算法为两级KR积子空间算法，该算法仅通过KR积和二阶统计量，构造了四阶差分阵。基于四级嵌套阵列，该算法能得到一个高自由度的虚拟均匀线阵，实现了信号的欠定估计。该算法不需要使用高阶累积量，因此可以运用于包括高斯信号在内的任意信号的情况，和已有的算法相比，该算法具有更高的分辨率。第二种算法为联合KR积和直接增广协方差矩阵的波达方向估计算法。该算法首先通过KR积的使用，基于四级嵌套阵，得到其差分阵列，再借用直接增广协方差矩阵的波达方向估计方法，将得到的差分阵列扩展成为一个原始阵列的半个四阶差分阵，最终实现波达方向估计。该算法虽然只具有半个四阶差分阵的自由度，但依然能实现自由度的较大提升。该算法的优点也包括只使用了二阶统计量，所以能用于任何信号。通过仿真表明，和基于嵌套阵列的多重信号分类算法相比，该算法具有更高的分辨率。 其次，在稀疏恢复方面，本文首先基于四阶累积量的稀疏表示提出了一种新的波达方向估计算法，将稀疏复原方法首次运用于高阶累积量。该算法首先将阵列信号的四阶累积量按一定规律构成一个矩阵，这个矩阵等价于其差分阵的接收信号的协方差矩阵，然后通过将此矩阵稀疏表示，通过L1范数优化的方法寻求到稀疏解作为算法空间谱估计。同时，该算法给出了一种正则化参数的选取方法，并使得噪声在一定程度上得到了抑制。之后通过仿真表明了该算法的欠定估计和高分辨率能力。虽然该算法具有上述的优点，但是却是以较大的计算量为代价的。然后本文在该算法的基础上，接着通过推导得出了阵列观测信号的四阶累积量具有冗余性的结论，通过去掉冗余值，将剩下的非冗余值按规律排列成一个向量，并将其稀疏表示，最后通过数值软件包求得稀疏解作为空间谱估计。虽然该算法从降低计算量的角度被提出，但是该算法还具有以下优点，它不需要预先知道信号源的数目，具有较高的分辨率，在高斯色噪声环境下具有更好的性能。我们通过数值仿真对算法的性能进行了验证。