智能天线相关信号DOA估计算法研究

论文摘要

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。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 智能天线技术
• 1.1.1 智能天线发展概况
• 1.1.2 智能天线的基本结构及工作原理
• 1.2 DOA 估计算法研究现状
• 1.2.1 传统 DOA 估计算法
• 1.2.2 高阶累积量 DOA 估计算法
• 1.3 相关信号 DOA 估计算法研究现状
• 1.3.1 降维处理类算法
• 1.3.2 非降维类处理算法
• 1.4 论文的研究内容及研究成果
• 第二章 DOA 估计算法
• 2.1 非相关信号数学模型
• 2.2 非相关信号 DOA 估计算法
• 2.2.1 Capon 算法
• 2.2.2 MUSIC 算法
• 2.2.3 ESPRIT 算法
• 2.3 相关信号数学模型
• 2.4 相关信号 DOA 估计算法
• 2.4.1 前向空间平滑算法
• 2.4.2 前后向空间平滑算法
• 2.5 本章小结
• 第三章 基于 Toeplitz 矩阵重构的 DOA 估计
• 3.1 Toeplitz 矩阵性质
• 3.2 基于 Toeplitz 矩阵重构的 ESPRIT-Like 算法
• 3.3 改进的 Toeplitz 矩阵重构 DOA 估计算法
• 3.3.1 改进的 Toeplitz 矩阵重构
• 3.3.2 酉 ESPRIT 解相关 DOA 估计
• 3.4 仿真实验及结果分析
• 3.5 本章小结
• 第四章 基于高阶累积量的 DOA 估计
• 4.1 高阶累积量特性
• 4.2 基于高阶累积量的 DOA 估计算法
• 4.2.1 MUSIC-Like 算法
• 4.2.2 Virtual-ESPRIT 算法
• 4.3 基于 2q 阶累积量的解相关 DOA 估计算法
• 4.3.1 2q 阶累积量构造
• 4.3.2 基于 2q 阶累积量的解相关 DOA 估计
• 4.4 仿真实验及结果分析
• 4.5 本章小结
• 第五章 基于空间差分矩阵的 DOA 估计
• 5.1 空间差分矩阵构造
• 5.2 空间差分矩阵平滑算法
• 5.3 基于空间差分矩阵特征值矢量的 DOA 估计算法
• 5.3.1 非相关信号 DOA 估计
• 5.3.2 相关信号 DOA 估计
• 5.4 仿真实验及结果分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 发表论文和科研情况说明
• 致谢