DOA估计方法研究.pdfVIP

摘要

作为阵列信号处理的重要研究内容，波达方向（DirectionofArrival，DOA）

估计在军用的电子对抗系统以及民用的移动通讯系统中均有广泛应用，现有的

DOA估计技术不能充分满足现实应用中高质量和低复杂性的需求，并且随着场景

的复杂多变，往往会出现因为相干信号源的存在而无法精确定位的情况。针对上

述问题，本文对DOA估计方法进行了研究，主要研究的内容如下：

1.本文首先研究了阵元数、快拍数、信噪比和入射角度差等因素对MUSIC算

法和ESPRIT算法性能的影响。之后针对传统MUSIC算法复杂度过高的问题，本

文提出了一种基于MUSIC算法的低复杂度测向算法。该算法利用比幅法得到角度

的粗估计，从而减少空间谱有哪些信誉好的足球投注网站范围；同时采用协方差的逆代替原噪声子空间来

构建空间谱函数，从而降低了算法的复杂度。该算法兼具了比幅法测向算法的低

复杂度和MUSIC测向算法的高精度特点，可以实现俯仰角和方位角的二维角度估

计，满足实际的测向需求。

2.对于相干信源，本文深入研究了空间平滑算法、矢量奇异值算法、矩阵分

解算法、Toeplitz四种解相干算法。并在此基础上提出了一种基于改进空间平滑

（ImprovedSpatialSmoothing,ISS）的均匀圆阵的解相干算法。该算法采用模式空

间变换，将均匀圆阵转变为虚拟线阵，再通过ISS算法加强协方差矩阵主对角线

上的元素对空间平滑矩阵的作用，进而充分利用接收数据来解相干。实验表明：

该算法可以准确地估计入射角度接近的相干信源的来波方向，分辨角度相距较近

的相干信源的方向的能力更强，DOA估计准确性更高。

3.本文使用神经网络提升DOA估计性能。首先，本文利用卷积神经网络的分

类思想进行DOA估计：CNN学习接收数据的协方差矩阵的特征，在输出层将空

间中不同的角度作为分类类别，将DOA估计问题转化为数据分类问题。实验表

明：在准确率和实时性上，CNN算法优于传统的MUSIC算法。但当测向精度要

求较高时，该方法分类数较多，复杂度相应提升。为了解决该问题，本文利用全

连接网络的拟合策略对信号进行DOA估计，将接收数据和该数据对应的真实来波

角度进行拟合。理论上，这种方法可以无限接近真实的到达角，这能有效解决主

流分类策略中关于估计精度和分类准确率难以平衡的问题。实验表明：拟合的模

型效果较好，测向精度和实时性得以保证。

关键词：DOA估计，MUSIC算法，实时性，解相干，神经网络

ABSTRACT

EstimatingDirectionofArrivalisasignificantareaofresearchintherealmofarray

signalprocessing,whichhasbeenextensivelyemployedinbothmilitaryelectronic

countermeasuresandcivilmobilecommunication.Unfortunately,currentalgorithmsare

notabletosatisfythedemandsforhighaccuracyandminimalintricacywhenapplied

practically.Atthesametime,duetothecomplexandchangeableenvironment,the

problemofinaccuratepositioningoftenoccursduetotheexistenceofcoherentsignal

sources.Thesishasconductedpertinentresearchinresponsetothecurrentissues,with

itsprimaryfocusandcreativitybeingasfollows:

1.Thesisinvestigatestheinfluenceofelements,snaps,sign