参数估计 β ( θ ) \beta(\theta) β(θ)
the least-squares (LS) method
β ^ L S ( θ ) = b T ( θ ) Y ∗ a ( θ ) N ∥ b ( θ ) ∥ 2 [ a ∗ ( θ ) R ^ x x a ( θ ) ] \hat{\beta}_{\mathrm{LS}}(\theta)=\frac{\mathbf{b}^{T}(\theta) \mathbf{Y}^{*} \mathbf{a}(\theta)}{N\|\mathbf{b}(\theta)\|^{2}\left[\mathbf{a}^{*}(\theta) \hat{\mathbf{R}}_{x \mathbf{x}} \mathbf{a}(\theta)\right]} β^LS(θ)=N∥b(θ)∥2[a∗(θ)R^xxa(θ)]bT(θ)Y∗a(θ)
从上一节我们了解到
Y = b c ( θ ) β ( θ ) a ∗ ( θ ) X + Z \mathbf{Y}=\mathbf{b}^{c}(\theta) \beta(\theta) \mathbf{a}^{*}(\theta) \mathbf{X}+\mathbf{Z} Y=bc(θ)β(θ)a∗(θ)X+Z
我对这个式子的理解就是虽然是最小二乘但是是通过奇异值分解求出来的。由于其具有存在高旁瓣和低分辨率的缺点,所以后面介绍其他方法。
Capon估计器
(1)Capon波束形成
(2)LS估计
波束形成器的公式如下
min w w ∗ R ^ y y w \min _{\mathbf{w}} \mathbf{w}^{*} \hat{\mathbf{R}}_{y y} \mathbf{w} \quad minww∗R^yyw subject to w ∗ b c ( θ ) = 1 \quad \mathbf{w}^{*} \mathbf{b}^{c}(\theta)=1 w∗bc(θ)=1
其中 w ∈ C M r × 1 \mathbf{w} \in C^{M_{r} \times 1} w∈CMr×1 用来保证信号不受干扰,噪声的影响(不是很懂);
参考文献是这个High resolution frequency-wavenumber spectrum analysis
R ^ y y = 1 N Y Y ∗ \hat{\mathbf{R}}_{y y}=\frac{1}{N} \mathbf{Y} \mathbf{Y}^{*} R^yy=N1YY∗把接收到的数据也拿来做参数估计。这样可以提升分辨率。
从上面的式子解出来的w系数如下:
w ^ Capon = R ^ y y − 1 b c ( θ ) b T ( θ ) R ^ y y − 1 b c ( θ )