空间平滑算法详解

一去不复返的通信er

已于 2023-05-25 11:25:01 修改

阅读量6.4k

点赞数 15

分类专栏： Wi-Fi Sensing 文章标签： MUSIC算法空间平滑相干信号协方差矩阵天线阵列

于 2022-03-10 10:39:39 首次发布

本文链接：https://blog.csdn.net/qq_42980908/article/details/123394262

版权

Wi-Fi Sensing 专栏收录该内容

15 篇文章 68 订阅

订阅专栏

引入

MUSIC算法能有效运行的前提是矩阵 $R_S$ 是非奇异的，即各条传播路径不相干。如果Ｌ路到达信号中存在Q路相干信号（Ｑ≤Ｌ），则通过MUSIC算法能被检测到的信号数量为Ｌ-Q+1，能被解出的信号数量为Ｌ-Ｑ。

信号 $s (t)$ 的协方差矩阵 $R_S$ 的非奇异性是 MUSIC 算法有效运行的关键。为了在存在相干信号的情况下保证 $R_S$ 的非奇异性, 解决 MUSIC 算法失效的问题,需要使用空间平滑算法。

空间平滑算法

如图所示, 首先, 将由 $M$ 根接收天线构成的线性天线阵列划分为多个相互重叠的子阵列, 假设每个子阵列中包含的天线数量为 $P$ , 则子阵列的数量为 $M - P + 1$ , 其中第一个子阵列包含的天线子集为 $\{1,2, \ldots, P\}$ , 第二个子阵列包含的天线子集为 $\{2,3, \ldots, P+1\}$ 等, 直到第 $M - P + 1$ 个子阵列包含的天线子集为 ${M-P, M-$ $\ldots, M\}_{\circ}$
在这里插入图片描述
第 $p$ 个子阵列的接收信号向量 $r_{p}(t)$ :
$r_{p}(t)=A_{p} s(t)+N_{p}(t)$
其中 $A_{p}$ 是第 $p$ 个阵列的方向矩阵, $N_{p}(t)$ 是第 $p$ 个子阵列的噪声向量, $s (t)$ 为 $L$ 路信号。为了体现子阵列之间的关系, 推导出空间平滑算法, 构建对角线矩阵 $D$ :
$D=\operatorname{diag}\left\{e^{-j 2 \pi f_{0} d \cdot \sin \theta_{1} / c}, e^{-j 2 \pi f_{0} d \cdot \sin \theta_{2} / c}, \ldots, e^{-j 2 \pi f_{0} d \cdot \sin \theta_{L} / c}\right\}$
则 $A_{p}=A_{1} D^{(p-1)}$ , 其中 $A_{1}$ 为第一个子阵列的方向矩阵, $D^{(p-1) \text { 为: }}$
$D^{(p-1)}=\operatorname{diag}\left\{e^{-j 2 \pi f_{0}(p-1) d \cdot \sin \theta_{1} / c}, e^{-j 2 \pi f_{0}(p-1) d \cdot \sin \theta_{2} / c}, \ldots, e^{-j 2 \pi f_{0}(p-1) d \cdot \sin \theta_{L} / c}\right\}$
此时 $r_{p}(t)$ 可以改写为:
$r_{p}(t)=A_{1} D^{(p-1)} s(t)+N_{p}(t) \qquad (1)$
从(1)式可以看出, 每一个子阵列的接收信号向量均可写成同一方向矩阵的线性组合。第 $p$ 个子阵列的接收信号 $r_{p}(t)$ 的协方差矩阵可以推导出来：
$R_{p}=A_{1} D^{(p-1)} S D^{H(p-1)} A_{1}^{H}+\sigma^{2} I \qquad (2)$
其中 $D^{H^{(p-1)}}$ 和 $A_{1}^{H}$ 分别为 $D^{(p-1)}$ 和 $A_{1}$ 的共轭转置矩阵。

计算出每个子阵列的协方差矩阵后, 定义空间平滑协方差矩阵 $\bar{R}$ 为所有子阵列协方差矩阵的平均值:
$\bar{R}=\frac{1}{M-P+1} \sum_{p=1}^{M-P+1} R_{p} \qquad (3)$
将公式(2)带入公式 (3) 后可得:
$\bar{R}=A_{1}\left(\frac{1}{M-P+1} \sum_{p=1}^{M-P+1} D^{(p-1)} S D^{H(p-1)}\right) A_{1}^{H}+\sigma^{2} I=A_{1} \bar{S} A_{1}^{H}+\sigma^{2} I$
其中:
$\bar{S}=\frac{1}{M-P+1} \sum_{p=1}^{M-P+1} D^{(p-1)} S D^{H(p-1)}$