声矢量传感器阵列的DOA估计

论文摘要

矢量传感器阵列是具备新型体制和新型信号处理的阵列系统,将其和超分辨率方位估计等现代信号处理技术结合,不仅为阵列处理技术带来了新的推动力,同时对于新型声纳系统和雷达系统的研制具备重要意义。自其提出以来,基于矢量传感器的测量系统和矢量传感器阵列越来越多的得到研究和应用,阵列的信号到达角的估计算法也不断涌现。本文在已有算法原理的基础上,对声矢量传感器阵的波达方向（Direction Of Arrival,DOA ）的估计进行了进一步的研究,希望可以得到精度更高、性能更好的估计算法。全文的主要工作包括以下几个方面:系统的阐述了阵列信号处理的基本理论,声矢量传感器阵的现况、发展和应用;建立阵列信号处理的模型,分析了背景噪声等条件,同时对几种常用的阵列模型做了综述。研究了声矢量传感器均匀线阵情况下的两种DOA估计算法:旋转不变信号参数估计技术（Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT）算法和多不变多重信号分类（Multi-invariance MUltiple SIgnal Clasification,MI-MUSIC）算法。前者构成两个相同的平移子阵,利用信号旋转不变性对阵列的到达角进行估计;后者充分利用了数组的结构不变性,且只需要简单的一维搜索便可估计出阵列的到达角。同时,通过仿真对两个算法的性能进行了比较。仿真结果表明:在相同参数情况下,MI-MUSIC算法的DOA估计性能比ESPRIT算法更为优越。针对不规则阵型的声矢量传感器阵,研究了信号的二维DOA估计算法。其中包括基本的ESPRIT算法和平行因子（PARAllel FACtor,PARAFAC）算法。前者将声压子阵旋转后,分别变成各振速子阵,利用各子阵之间的旋转因子与目标信号的方向信息有关,而与矢量传感器的空间位置无关的特性,在无需预先知道阵元的空间位置的情况下对信号的到达角进行了估计;后者将三线性分解方法延用于任意阵型的声矢量传感器阵,利用三线性分解的唯一性和可辨识性,对阵列的信号到达角进行了角度估计,该算法是迭代算法,只需很少的迭代次数就能收敛。相比较而言,PARAFAC算法性能优于经典的子空间算法,较之ESPRIT算法不需要对互谱矩阵进行特征值分解（Eigen Value Decomposition,EVD）或对接收信号进行奇异值分解（Singular Value Decomposition,SVD）,且也不需要对配对。此外,PARAFAC算法可以支持小样本。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 研究背景和意义
• 1.3 矢量传感器阵DOA 估计的现状与发展
• 1.4 课题研究的主要工作和任务
• 第二章 阵列信号处理基础
• 2.1 引言
• 2.2 基础概念
• 2.3 阵列信号的数字模型
• 2.3.1 窄带信号模型
• 2.3.2 噪声模型
• 2.3.3 阵列信号模型
• 2.4 常用的阵列模型
• 2.4.1 均匀线阵
• 2.4.2 L 型阵列
• 2.4.3 均匀面阵
• 2.4.4 任意阵
• 2.5 本章小结
• 第三章 声矢量传感器均匀线阵的DOA 估计
• 3.1 引言
• 3.2 基于ESPRIT 算法的声矢量传感器阵的DOA 估计
• 3.2.1 数据模型
• 3.2.2 算法原理
• 3.2.3 仿真结果
• 3.3 基于多不变MUSIC 算法的声矢量传感器阵的DOA 估计
• 3.3.1 数据模型
• 3.3.2 算法原理
• 3.3.3 仿真结果
• 3.4 本章小结
• 第四章 任意声矢量传感器阵的DOA 估计
• 4.1 引言
• 4.2 基于ESPRIT 算法的任意阵形矢量传感器阵的DOA 估计
• 4.2.1 数据模型
• 4.2.2 算法原理
• 4.2.3 仿真结果
• 4.3 基于三线性分解的任意矢量传感器阵的DOA 估计
• 4.3.1 数据模型
• 4.3.2 三线性分解
• 4.3.3 可辨识性和唯一性
• 4.3.4 算法原理
• 4.3.5 仿真结果
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 工作总结
• 5.2 后续的研究和发展
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文