论文摘要
参数估计是信号处理中的一个重要研究领域,由于其在雷达、声纳、通信、生物医学、地震探测等领域有着广阔而重要的应用背景受到了广泛的重视,因而对各种参数估计方法的研究有着重要的理论意义和实际应用价值。本论文就宽带和超宽带阵列信号的波达方向估计（DOA）方法进行了研究。首先分析了基于非相干信号子空间（ISM）的宽带源DOA估计方法,并将基于数据阵共轭重构的修正MUSIC算法应用于ISM方法中,提高了分辨能力而且可以分辨相干信源。接下来讨论了相干信号子空间（CSM）方法的宽带相干源DOA估计,分析了聚焦矩阵及聚焦频率对DOA估计性能的影响,给出了最佳聚焦矩阵的选择标准和最佳聚焦频率的选择方法,并将空间平滑算法用在CSM算法中,用于更好的解相干,提高了CSM算法的估计精度。对于超宽带天线组成的天线阵列,因为阵元之间的互偶与频率有关,所以互偶矩阵的建立将是一件十分困难的事情,特别是超宽带的低频分量,互耦的影响是相当严重的。这个时候如果我们继续用CSM方法进行波达方向的估计,需要进行精确的互偶补偿,这将是一个非常困难的工作;有鉴于此,本文提出了把径向基函数神经网络（Radial-basis Function Neural Network, RBFNN）引进波达方向估计中来进行盲处理,从而可以避免天线阵元之间的互偶、环境温度和湿度等对测量仪器干扰的影响,成功地完成对来波方向的估计。
论文目录
相关论文文献
标签：非相干信号子空间论文; 相干信号子空间论文; 径向基函数神经网络论文;