论文部分内容阅读
在移动通信环境中，信号的传输会经历时延不同、损耗各异的多条路径，这些多径传播形成大量相关信号，使传统DOA估计算法失效。目前，解相关算法已成为智能天线DOA估计的一个研究热点。本文主要针对智能天线DOA估计中相关信号的解相关算法展开了研究，主要工作概述如下：1.为了提高Toeplitz矩阵重构算法的估计性能，提出了一种改进的酉ESPRIT解相关DOA估计算法。该算法利用接收数据协方差矩阵的行、列分别构造Toeplitz矩阵并求取均值，来改变协方差矩阵的数据结构，使协方差矩阵的秩得到有效恢复，并采用酉变换将其转换为实数矩阵，完成相关信号的DOA估计。改进的算法充分利用了协方差矩阵的行、列信息，减少了阵元误差对DOA估计的影响，提高了算法的估计性能，且由于采用了酉ESPRIT算法，较之同条件下的ESPRIT-Like算法计算量降低。2.为了在高斯色噪声背景下实现解相关DOA估计，提出了一种基于2q-MUSIC的解相关DOA估计算法。该算法利用2q-MUSIC算法构造2q阶累积量矩阵，结合空间平滑技术对2q阶累积量矩阵进行空间平滑预处理，使2q阶累积量矩阵恢复满秩，实现解相关。仿真结果表明，该算法在高斯色噪声环境下，可以准确地估计出信号入射角度，处理多于2(M-1)的信号（M为阵元数目），且阶数越高，估计性能越好。3.为了对相关信号进行分组DOA估计，提出了一种基于空间差分特征矢量的解相关DOA估计算法。该算法利用Toeplitz矩阵性质，构造只包含相关信号的空间差分矩阵，并对其进行特征值分解得到特征值矢量，每个特征值矢量对应一组相关信号，由于特征矢量包含该组信号所有信息，分别使用各相关信号组的特征矢量进行Toeplitz矩阵重构，解决相关信号带来的矩阵亏秩，实现相关信号部分的DOA估计。在阵元数目相同情况下，改进算法最多可估计M-1个相关信号，增加了可估计信号数目，提高了阵元处理能力，特别是当信噪比小于零时，仍具有较好的估计性能，且不必对阵列进行子阵划分，不会造成阵列孔径减小。