文章目录
一、 算法简介
基于旋转不变技术的信号参数估计(Estimating Signal Parameter via Rotational Invariance Techniques,Esprit)算法,核心思想是将接收阵列天线划分为两个阵元数相等的重叠子阵A和B,这两个子阵对应的阵元之间的位置相同,因此接收信号在这两个子阵的入射角相差一个旋转因子,该旋转因子包含DOA估计信息,通过求解广义特征值方程可以得到该旋转因子的大小,进而可以求得目标的来波方向。相较于MUSIC算法,ESPRIT算法的复杂度更小,计算量更小。
均匀线阵数量为M,线阵间隔为d,且子阵A是子阵B的完全平移,如图
假设雷达在远场存在K(K<M)个非相干的窄带信号,t时刻阵列输出表达式可以写成公式
令子阵A的输出为z1(t),子阵B的输出为z2(t),可以得知z1(t)为z(t)前M-1行数据,z2(t)为x(t)后M-1行数据。设a1(Θ)表示a(Θ)前M-1行,a2(Θ)表示a(Θ)后M-1行,那么根据均匀线阵的结构可得:
对阵列信号的协方差矩阵进行特征值分解,可以得到:
其中Us表示信号子部分,Un表示噪声子部分,Us代表前K个较大特征值对应的特征向量,Un由M-K个剩余的特征向量组成,因此:
对公式上述右乘Us,并结合UsUH=1,可得:
设Us前M-1行为U1,后M-1为U2,则有
可以得到,
其中,αk表示对角矩阵D中第k个元素,∠表示取角运算。
U1、U2张成同一空间,则组合矩阵[U1 U2]的秩为K,因此有且只有一个2K*K维度的矩阵F,使得:
因为F张成[U1 U2]的零空间,因此对[U1 U2]H[U1 U2]进行特征分解之后得到的K个特征值所对应的特征向量即为F,通过F就可以得到矩阵F1、F2和E。对矩阵E进行特征值分解就可以得到对角矩阵D,从而可以得到各个信号的 DOA 估计。
利用MATLAB对MUSIC性能进行检测,仿真参数如表3.5,仿真结果如图:
可以看出,ESPRIT算法相对于DBF算法可以达到角度超分辨,能够准确分辨出相距较近的目标1和目标2。