分布式信源参数估计算法的研究

论文摘要

传统波达方向估计算法一般都基于目标为点信源的假设,信号在传播过程中存在视距传输。然而实际应用环境中,存在着丰富的散射和多径,直射波的假设并不存在,导致了传统波达方向估计算法性能严重恶化。分布式信源信号模型由于引入多个参数可更好的描述信号的实际传播特性,在移动通信定位系统、雷达低仰角跟踪系统、声源定位系统以及声纳系统中有广泛的应用。因此,分布式信源环境下参数估计算法的研究引起了国内外学者的广泛关注。本文从分布式信源产生背景、参数估计算法研究现状以及关键问题入手,详细的介绍了分布式信源的信号模型及特征,深入研究了分布式信源参数估计基本算法。针对现实应用中存在的样本有限问题,提出一种基于支持向量回归的分布式信源参数估计算法,为有效的样本范围内低信噪比情况下分布式信源参数估计问题提供了有效的解决方案。将基于统计学理论的支持向量回归应用于阵列信号处理技术,使用粒子群优化算法选取回归参数,选取对样本自相关矩阵处理后的向量和分布式信源中心波达方向估计作为训练样本集合,利用训练好的回归函数估计分布式信源的中心波达方向。算法得到参数估计值的过程仅是求解回归函数值的过程,与传统算法相比,降低了运算复杂度且易于实现。仿真实验表明,在有效的样本范围内和低信噪比情况下基于支持向量回归的分布式信源参数估计算法能够有效的解决分布式信源中心波达方向估计问题。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 分布式信源参数估计的研究现状
• 1.3 分布式信源参数估计的关键问题
• 1.4 本文的主要内容及结构安排
• 第2章 分布式信源参数估计的理论基础
• 2.1 信号模型
• 2.1.1 点信源信号模型
• 2.1.2 分布式信源信号模型
• 2.2 支持向量回归
• 2.2.1 统计学习理论
• 2.2.2 支持向量机
• 2.2.3 支持向量回归
• 2.3 粒子群优化算法
• 2.4 本章小结
• 第3章 分布式信源参数估计的基本算法
• 3.1 基于特征子空间的算法
• 3.1.1 矢量化MUSIC（VEC-MUSIC）算法
• 3.1.2 低复杂度的Root-MUSIC算法
• 3.2 基于波束形成的算法
• 3.2.1 基于Cholesky分解的波束形成算法
• 3.2.2 鲁棒Capon波束形成
• 3.3 自相关矩阵拟合算法
• 3.4 本章小结
• 第4章 基于支持向量回归的分布式信源参数估计算法
• 4.1 信号模型
• 4.2 基于支持向量回归的分布式信源参数估计算法
• 4.2.1 求取回归函数
• 4.2.2 构建训练样本集合
• 4.2.3 回归参数选取
• 4.2.4 基于支持向量回归的分布式信源参数估计
• 4.3 仿真实验及结果分析
• 4.4 本章小结
• 第5章 结论
• 参考文献
• 致谢