数据缺失时窄带调频信号的DOA估计

摘要

高分辨率DOA估计是空间谱估计的一门主要技术，其广泛应用于雷达、声呐、通信以及生物领域。对于非平稳信号的DOA估计，最常用的技术是子空间分析法，例如MUSIC算法以及它的一系列扩展算法，但是这些方法由于噪声子空间的需求只适用于阵元数多于信源数的情况。
　　时频分析能够克服上述局限，在处理时频域的调频信号时，STFD方法作为阵列信号处理的一种基本方法被提出。本论文研究基于时频-MUSIC算法的窄带调频信号的DOA估计问题，重点考虑各阵元的输出数据都包含时间采样缺失的情形。数据缺失是由采样受损、遮挡以及脉冲杂波造成的，其引起的类噪声效应严重影响时频分布，使得STFD不再适用。因此本论文对STFD重组得到时频-MUSIC算法的改进算法-稀疏时频MUSIC算法，具体做了以下两点改进：
　　（1）考虑到时频分布在时频域的稀疏表示以及在多阵元平台上具有相同的普通非零支撑区，本论文经改进得到一个基于多阵元平台的自适应最优核函数，用来抑制数据缺失引起的类噪声效应以及减小时频分布中交叉项的影响。为了达到这个目的，需要用所有阵元的平均模糊函数建立最优化问题，对其进行处理得到核参数，而不是采用单个阵元的模糊函数。得到多阵元自适应最优核函数以后，利用瞬时自相关函数和时频分布的一维傅里叶转换关系代替模糊函数和时频分布之间的二维傅里叶转换关系得到相应的多阵元时频信号表示。
　　（2）本论文将基于CS技术的时频分析方法扩展到多阵元平台上来进行DOA估计。一维CS重建不仅减小了计算复杂度，并且在充分考虑各时刻局部稀疏性的情况下提高了重建性能。通过利用时频信号的连续结构，一种新的CS算法可以用来重建时频信号以及获得时频信号的普通非零支撑区。本论文考虑到平均时频分布和所有时频分布具有相同的时频结构而且更加稳固，选择利用经典的OMP算法重建稀疏时频信号。接着利用类噪声已经得到抑制的各阵元上的时频分布的稀疏观测值重建一个STFD矩阵，从而将时频-MUSIC算法推广到一个基于稀疏性的领域，被称为稀疏时频-MUSIC算法。用该算法进行数据缺失情况下窄带调频信号的DOA估计。
　　稀疏时频-MUSIC算法继承了时频-MUSIC算法的优势，例如增强信号、分离多信号以及提高DOA估计的准确性，这是因为稀疏时频-MUSIC算法抑制了类噪声效应以及重组了时频信号。仿真结果有力证实了稀疏时频-MUSIC算法的优良性能。

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1课题研究背景与意义

1.2研究历史与现状

1.3论文的主要内容与组织结构

第二章 DOA估计的基础理论

2.1阵列信号模型

2.2时频分析

2.3空间谱估计算法

2.4 CS理论

2.5本章小结

第三章 时频-MUSIC算法

3.1窄带调频信号模型

3.2 MUSIC算法推导

3.3基于时频分析的MUSIC算法

3.4时频域的瞬时频率估计

3.5性能分析

3.6本章小结

第四章 数据缺失情况下的稀疏时频-MUSIC算法

4.1类噪声效应对时频分布的影响

4.2抑制类噪声和交叉项的STFD矩阵

4.3改进的时频-MUSIC算法

4.4本章小结

第五章 仿真结果与分析

5.1多阵元自适应最优核函数的性能仿真分析

5.2稀疏时频-MUSIC算法的性能仿真分析

5.3信号源数量不同时的仿真结果分析

5.4本章小结

第六章 总结与展望

6.1本文总结

6.2工作展望

参考文献

致谢

作者简介