基于粒子滤波器的波达方向估计的研究

论文摘要

随着移动通信的迅速发展,频谱已经成为越来越宝贵的资源。智能天线能够有效地解决频谱资源匮乏问题,成为近年来移动通信领域中的一个研究热点,智能天线的核心技术之一就是对信号波达方向(DOA)的估计。本文对基于粒子滤波器的DOA估计进行研究。首先详细地介绍DOA估计的子空间算法和基于非线性卡尔曼滤波器的DOA估计,并对各种算法进行分析和比较。然后本文重点介绍一种在非高斯、非线性条件下具有良好估计性能的粒子滤波器。通过研究基于粒子滤波器的DOA估计算法,本文在采样重要性再采样粒子滤波器的基础上设计一种近似最佳的重要密度函数,并结合可逆跳转马尔可夫链蒙特卡罗(RJMCMC)方法提出一种基于粒子滤波器的未知信号源个数的DOA估计算法。该算法具有较高的精确度,特别是在强非高斯、非线性环境下具有明显的优势,有很好的应用前景。

论文目录

• 内容提要
• 第一章 绪论
• 1.1 波达方向估计的目的和意义
• 1.2 波达方向估计的背景和发展现状
• 1.3 论文的组织结构
• 第二章 DOA 估计的子空间算法
• 2.1 DOA 估计的数学模型
• 2.2 多重信号分类算法（MUSIC）
• 2.2.1 MUSIC 算法
• 2.2.2 修正MUSIC 算法
• 2.3 旋转不变子空间算法（ESPRIT）
• 2.4 DOA 矩阵算法及其改进
• 2.4.1 DOA 矩阵算法
• 2.4.2 时空DOA 矩阵算法
• 2.5 仿真结果及分析
• 2.6 本章小结
• 第三章 基于非线性卡尔曼滤波器的DOA 估计
• 3.1 扩展卡尔曼滤波器（EKF）
• 3.1.1 贝叶斯估计
• 3.1.2 扩展卡尔曼滤波器
• 3.2 无迹卡尔曼滤波器（UKF）
• 3.3 基于非线性卡尔曼滤波器的DOA 估计
• 3.3.1 基于非线性卡尔曼滤波器的DOA 估计状态空间模型
• 3.3.2 基于扩展卡尔曼滤波器的DOA 估计
• 3.3.3 基于无迹卡尔曼滤波器的DOA 估计
• 3.4 仿真结果及分析
• 3.5 本章小结
• 第四章 基于粒子滤波器的DOA 估计
• 4.1 蒙特卡罗积分
• 4.2 粒子滤波器
• 4.2.1 粒子滤波器的意义和发展现状
• 4.2.2 序贯重要性采样粒子滤波器
• 4.2.3 退化现象
• 4.2.4 采样重要性再采样粒子滤波器
• 4.3 基于SIR 粒子滤波器的DOA 估计
• 4.3.1 基于SIR 粒子滤波器的DOA 估计状态空间模型
• 4.3.2 基于SIR 粒子滤波器的DOA 估计
• 4.4 基于无迹粒子滤波器的DOA 估计
• 4.5 仿真结果及分析
• 4.6 本章小结
• 第五章 基于粒子滤波器的未知信号源个数的DOA 估计
• 5.1 未知信号源个数的DOA 估计状态空间模型
• 5.2 未知信号源个数的DOA 估计粒子滤波器设计
• 5.3 可逆跳转马尔可夫链蒙特卡罗方法
• 5.4 基于粒子滤波器的未知信号源个数的DOA 估计
• 5.5 仿真结果及分析
• 5.6 本章小结
• 第六章 结束语
• 6.1 本论文工作总结
• 6.2 远景与展望
• 参考文献
• 附录：硕士期间发表的论文
• 摘要
• Abstract
• 致谢