|
信号ＤＯＡ和极化参数的自适应估计.doc信号DOA和极化参数的自适应估计摘要:运用ESPRIT算法进行信号参数的估计,关键是对信号子空间的估计。在实际运用中,接收到的信号的参数往往是随时间变化的,因此要得到信号参数的实时估计值就需要根据阵列的接收数据对信号子空间进行更新。分析了如何运用ESPRIT算法得到信号的DOA和极化参数,并在矩阵扰动理论的基础上,利用矩阵特征分解一阶修正方法更新特征值和特征向量,从而使得ESPRIT算法能够自适应地估计信号DOA和极化参数。最后通过Matlab仿真验证了该方法的有效性。关键词:ESPRIT;DOA;极化参数;信号子空间中图分类号:TN911-7文献标识码:B 文章编号:1004373X(2008)0505103 AdaptiveEstimationofSignalDOAandPolarizationParameter XUJianping,ZHANGYang (ElectronicEngineeringCollege,UniversityofElectronicScience&TechnologyofChina,Chengdu,610054,China) Abstract:,-timeestimationoftheparameter,,theestimationofsignalDOAandpolarizationparameterthroughESPRITisfirstproposed,thenbasedonthematrixperturbationtheory,positionandeigenvectorsisproposed,,overifythealgorithm. Keywords:ESPRIT;DOA;polarizationparameter;signalsubspace 1引言 ESPRIT方法[1]现在已经成为信号DOA和极化参数估计的重要方法,与经典的MUSIC算法相比,ESPRIT算法不需要进行谱峰搜索,所以大大降低了计算和存储的代价。ESPRIT算法的关键是对接收数据的协方差矩阵进行特征分解,进而估计出信号的参数。然而在实际运用中,信号的参数往往是时变的,因此必须对协方差矩阵进行实时更新,但若对每一个样本都进行特征分解,所需运算量太大,难以实现。 Liu等人提出的自适应ESPRIT算法[2]是建立在秩显URV分解[3]的基础上的,使得运算量大大减少,且可以有效地并行实现,王雪松等人提出的极化域-空域联合谱估计[4]较传统的MUSIC方法运算量大大减少,但是仍需进行谱峰搜索。本文在信号序贯处理的基础上,提出了信号相关矩阵的递推估计,并且根据矩阵扰动理论,利
信号ＤＯＡ和极化参数的自适应估计 来自淘豆网www.taodocs.com转载请标明出处.
|