论文部分内容阅读
信源参数估计是阵列信号处理领域不可或缺的组成部分,在雷达、生物医药学、无线通信及机器人学等军用及民用领域广泛渗透。信号根据带宽的不同可以分为窄带信号和宽带信号。宽带信号自身包含的信息量更大,抗干扰能力更强,因而获得了更多的关注。现有的定位参量估计算法大多基于子空间理论,但子空间理论自身固有的一些缺点限制了该类算法的实际应用。稀疏重构理论的出现,为规避子空间类方法存在的问题提供了新的思路,可以提供更高的分辨率及更强的噪声鲁棒性。现有的基于稀疏重构的信源参数估计方法主要集中于窄带信号的一维DOA估计,针对宽带信号的多参数联合估计的方法较少,且存在参数估计精度不足、阵列DOA估计的最大可分辨能力低、需要额外的参数配对过程等问题。本文以高精度的宽带信号多参数估计的理论需求为牵引,以稀疏重构方法为数学手段,在系统分析经典稀疏重构方法及宽带信号处理算法的基础上,循序渐进的对远场宽带信号的一维DOA估计、二维DOA估计及近场宽带信号的DOA和距离联合估计问题展开深入研究,旨在稀疏重构理论框架下为宽带信号的多参数联合估计问题提供新的解决方案。本文的主要贡献和创新性工作包括:（1）针对远场宽带信号的一维DOA估计问题,利用稀疏重构提出一种新的估计算法。通过对宽带信号进行预处理,避免构造多个稀疏基矩阵,降低了算法复杂度。利用加和平均变换,给出基于二阶统计量的向量稀疏表示方法,降低数据维数,集中噪声能量。借助TLP惩罚函数构建加权约束条件,增强信号稀疏性,更好的逼近0λ范数重构信号,解决传统惩罚函数存在的约束不公平的问题。该算法不仅可以实现宽带信号各子频数据之间的联合估计,还可有效提高参数估计精度及角度分辨率,尤其是在信噪比较低、快拍数不足、信源间距较小等情况,估计性能更佳。（2）针对远场宽带信号的俯仰角和方位角联合估计问题,在稀疏框架下提出一种基于互质概念的宽带信号二维DOA估计新算法。对宽带信号进行DFT变换,根据各频带之间的互质性选取不同的互质频率对儿观测模型,获取更多额外的不同位置的差协同阵虚拟阵元,提高DOA估计的自由度。利用不同频率成分协方差矩阵的向量稀疏模型的稀疏一致性,给出基于联合稀疏重构的宽带信号参数估计模型,提高定位精度的同时降低计算复杂度。借助已求得的俯仰角参数构造方位角估计模型,将其放在稀疏重构框架下进行联合估计,避免参数配对。该算法综合考虑了宽带信号各频带之间的相同信息,既能够有效的增加自由度,估计更多信源,又无需参数配对,估计性能较高。（3）针对近场宽带信号的DOA和距离联合估计问题,参考Spatial-only模型,提出一种基于稀疏重构的宽带信号DOA和距离联合估计的新算法。基于Spatial-only模型构造与宽带信号各频率分量无关,而仅与信号的DOA和距离参量相关的阵列输出。利用阵列结构的对称性,提取宽带信号阵列输出样本二阶统计量中的部分元素,构造仅包含信号角度信息的观测模型,将其放在稀疏重构框架下转换为LASSO优化问题进行角度参数求解。最后再构造只和距离参数相关的观测向量,利用稀疏重构算法求解距离参数。该算法不依赖于任何的先验参数估计结果,且无需对宽带信号进行频率分解或聚焦过程,因此也不受预估角的影响,可提高参数估计性能,且无需额外的参数配对过程。