彻底理解宽带信号在频域分解为窄带信号

1.    ISM方法

ISM（incoherent signal method）方法，即非相干信号子空间方法是最早出现的宽带DOA方法，该方法将宽带信号在频域内分解成J 个窄带分量，然后再每个子带上直接进行窄带处理，即对每个子带的谱密度矩阵进行特征分解，根据信号子空间和噪声子空间的正交性构造空间谱，对所有子带的空间谱进行平均，最后得到宽带信号空间谱估计。

2.    如何理解宽带变成窄带的过程

 

这个过程确实不好理解。首先要理解时域和频域两个概念。

频域frequency domain 是描述信号在频率方面特性时用到的一种坐标系。

频域（频率域）——自变量是频率，即横轴是频率，纵轴是该频率信号的幅度，也就是通常说的频谱图。频谱图描述了信号的频率结构及频率与该频率信号幅度的关系。

对信号进行时域分析时，有时一些信号的时域参数相同，但并不能说明信号就完全相同。因为信号不仅随时间变化，还与频率、相位等信息有关，这就需要进一步分析信号的频率结构，并在频率域中对信号进行描述。

时域：时域是描述数学函数或物理信号对时间的关系。例如一个信号的时域波形可以表达信号随着时间的变化。

若考虑离散时间，时域中的函数或信号，在各个离散时间点的数值均为已知。若考虑连续时间，则函数或信号在任意时间的数值均为已知。

 

现在就根据实际经验来说说FFT结果的具体物理意义。一个模拟信号，经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍，这些我就不在此啰嗦了。
    采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。
    假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。第一个点表示直流分量（即0Hz），而最后一个点N的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后）则表示采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率依次增加。例如某点n所表示的频率为：Fn=(n-1)*Fs/N。由上面的公式可以看出，Fn所能分辨到频率为为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析到1Hz，如果采样2秒时间的信号并做FFT，则结果可以分析到0.5Hz。如果要提高频率分辨力，则必须增加采样点数，也即采样时间。频率分辨率和采样时间是倒数关系。

 

关键部分：比如我们现在对麦克风阵列信号的采样频率是Fs=64000,傅立叶变换点数是1024，那么对每个子间隔进行J点的离散傅立叶变换，就得到了宽带内J个不相重叠的子带。所以我们得到了宽带内1024个不重叠的子带。每个窄带的频带宽度是64000/1024=62.5Hz；因为语音信号频率主要集中在300～3000Hz之间，而且某点n所表示的频率为：Fn=(n-1)*Fs/N，所以我们选取的测试数据主要集中在5～49个频点之间，超过或者小于这个范围测试的话一般会出现测试偏差，或者出现旁瓣，影响主瓣峰值位置的判断。

就这样，300～3000Hz之间的宽带信号被分解成了45个窄带，每个窄带的宽度是62.5Hz；考虑到实际接收到的数据矩阵是有限长度的，即数据协方差矩阵的最大似然估计是

                                                                                 

其中L是快拍数，快拍数可大可小，当L取很小的时候也可以估计出角度，不过误差比较大，一般取5～10之间。