论文部分内容阅读
传统的高分辨DOA估计算法都是基于高斯白噪声背景下的理想导向矢量,即阵列不存在误差,而背景噪声为统计特性已知的高斯白噪声。然而在实际应用中,由于天线工艺、阵列所处环境等因素的影响,阵列误差是不可避免的,而且背景噪声也很可能是统计特性未知的色噪声。因此,阵列误差校正以及色噪声下的DOA估计也是阵列信号处理中的一个研究热点。本文就阵列存在误差及非均匀噪声情况下的DOA估计方法进行了讨论。1.传统的有源幅相误差校正需要方位精确已知的辅助校正源,而基于迭代算法的自校正方法的全局收敛性又难以保证,且对于均匀线阵的信号DOA与相位误差估计不可分辨。基于此,本文提出了一种基于辅助阵元及ESPRIT算法的阵列幅相误差校正方法。该方法通过引入两个精确校正的辅助阵元,利用ESPRIT原理,通过特征分解可实现信号DOA及阵列幅相误差的联合在线估计。相对于传统的幅相误差校正方法,该方法不需要辅助校正源,也不需要进行迭代或搜索求解,因此运算量低。而且,该方法可以克服传统幅相误差中信号DOA与相位误差估计的模糊问题。计算机仿真实验表明了该方法的有效性。2.空间平滑算法是一种常用的解相干处理方法,而阵元间互耦的存在会导致空间平滑算法的失效,从而无法估计相干源DOA。针对这个问题,本文提出了一种互耦和相干源条件下的DOA估计方法。该方法基于子空间原理,利用入射信号源中的独立信号源可以有效估计出互耦矩阵,再通过估计的互耦矩阵对接收数据协方差矩阵进行互耦补偿,从而克服了互耦对空间平滑算法的影响,并且保证了相干源DOA的准确估计,仿真结果表明了该方法的有效性。3.色噪声的存在会导致传统高分辨DOA估计算法性能恶化。针对这个问题,本文提出了一种非均匀噪声环境下的DOA估计方法,该方法基于独立源的数据协方差矩阵的Toeplitz结构,可以有效估计出噪声协方差矩阵,再将噪声协方差矩阵从数据协方差矩阵中剔除后直接应用MUSIC算法,从而克服了非均匀噪声对DOA估计的影响。相对于传统的最大似然方法及预白化方法,该方法计算量低,而且具有更好的DOA估计性能。