基于改进CFASTICA的ULA阵列互耦误差盲估计

摘要

本文的工作是：将获取信号矢量参考值算法的复杂度从硬件转移到软件上，通过利用现代高速处理机来实现阵列校正矩阵盲估计的高效性。因此，本文采用一种广泛应用于信号分析领域上的盲源分离算法：独立分量分析法(ICA)来对接收信号源进行分离从而来获得足够多的信号矢量参考值。
　　 本文研究主要内容包括以下三部分：
　　 首先回顾了空间谱估计的主要算法，通过仿真比较得知MUSIC算法在SNR=20dB,snapshots=1000时，分辨能力可以达到3°，所以确定了MUSIC算法作为本论文空间谱估计算法。
　　 然后介绍了现有的盲源分离算法，首先对实数域Fast-ICA算法分离一组混叠信号进行仿真，通过在样本数在450和9000抽样结果进行比较，抽样数越多，抽样效果越好，然后对复数域Fast-ICA算法分离一组复信号仿真，平均迭代次数为8，收敛效果好，最终确定了CFastICA作为本论文盲源分离算法。
　　 最后通过matlab仿真，在分离四元和六元阵列接收信号过程中，基于改进CFastICA算法与传统算法相比，迭代次数都减少了在10％以上，收敛速度得到一定的提升。在4×1,4×4, 6×2校正源中，CFastICA收敛次数和校正矩阵迭代算法平均收敛次数大约为6和50左右，校正矩阵与互耦矩阵之差的平均范数分别为0.0277, 0.00886, 0.0064。可以知道：校正源数目越多，校正矩阵与互耦误差矩阵越接近，信号的方位角也影响校正效果，在15°时误差是最大的。