阵列信号处理
文章平均质量分 93
DOA、波束形成
YHCANDOU
这个作者很懒,什么都没留下…
展开
-
基于线性积分的波束形成方法原理介绍及MATLAB实现
原理介绍基于线性积分重构干扰加噪声协方差矩阵是首次利用重构的协方差矩阵进行波束形成的,其性能较之前的波束形成方法有了很大的改进。线性积分重构的原理就是在不包含期望信号的角度内进行积分重构干扰加噪声协方差矩阵,利用重构后的协方差矩阵进行加权系数的计算。协方差矩阵重构Capon功率谱为P(θ)=1aˉH(θ)R^x−1aˉ(θ)P\left( \theta \right)=\frac{1}{{{{\mathbf{\bar{a}}}}^{H}}\left( \theta \right)\mathbf原创 2021-12-23 16:00:09 · 1850 阅读 · 1 评论 -
非高斯和非圆信号介绍
非高斯和非圆信号原创 2021-12-20 17:02:01 · 6014 阅读 · 0 评论 -
基于不确定集的波束形成算法原理介绍及MATLAB实现
原理介绍该算法是通过将期望信号的导向矢量约束在一个不确定集上面,通过优化找到一个比名义导向矢量更加准确的导向矢量来提高波束形成器的稳健性。其中最具有代表性的是稳健Capon波束形成算法,其主要思想是在一定不确定区域内寻找使得阵列输出功率最大的那个导向矢量作为最佳估计值,以球形不确定集为例Sa={a∣∥aˉ0−a∥2<ε}{{S}_{a}}=\left\{ a|{{\left\| {{{\bar{a}}}_{0}}-a \right\|}_{2}}<\varepsilon \right\}S原创 2021-07-01 07:32:28 · 3082 阅读 · 19 评论 -
LCMV波束形成和GSC波束形成算法原理介绍及MATLAB实现
LCMV波束形成线性约束最小方差波束形成算法(Linearly constrained minimum variance,LCMV)为了消除阵列方向图在期望信号出现零陷,采取多个线性约束的方式来强制接收期望信号,即{minw wHR^ws.t. CHw=f\left\{ \begin{aligned} & \underset{w}{\mathop{\min }}\,\ {{w}^{H}}\hat{R}w \\ & s.t.\ \ {{C}^{原创 2021-07-01 07:31:40 · 13585 阅读 · 28 评论 -
基于广义线性组合的Capon波束形成原理介绍及MATLAB实现
原理介绍在小快拍的情况下,采样协方差矩阵R^x{{\mathbf{\hat{R}}}_{x}}R^x和理想协方差矩阵之间有较大的差距。为了能够提高采样协方差矩阵估计的准确性,研究学者提出了一种基于协方差矩阵的广义线性组合(General-Linear-Combination,GLC)方法。考虑组合后的协方差矩阵R~x{{\mathbf{\tilde{R}}}_{x}}R~xR~x=αI+βR^x{{\mathbf{\tilde{R}}}_{x}}\text{=}\alpha \mathbf{I}+原创 2021-06-30 08:32:39 · 2647 阅读 · 15 评论 -
基于特征子空间的波束形成算法原理介绍及MATLAB实现
原理介绍期望信号的导向矢量属于导向矢量张成的子空间,因此可以将有误差的名义导向矢量向该子空间投影来修正导向矢量,进而减小误差。对接收数据的协方差矩阵进行特征分解可以得到R^=∑m=1MλmumumH\hat{R}=\sum\limits_{m=1}^{M}{{{\lambda }_{m}}{{u}_{m}}u_{m}^{H}}R^=m=1∑MλmumumH其中,λm{{\lambda }_{m}}λm为其特征值,um{{u}_{m}}um为λm{{\lambda }_{m}}λm对应的原创 2021-06-30 08:32:11 · 3123 阅读 · 14 评论 -
最差性能最优波束形成算法原理介绍及MATLAB实现
原理介绍标准的Capon波束形成是最小化阵列输出功率,并且对期望信号无失真接收来达到最大化输出信干噪比的目的。但是当真实导向矢量未知且存在一个不确定集中时,为了对真实导向矢量设置无失真响应约束,最差情况性能最优算法通过对不确定集合中所有可能的导向矢量进行无失真响应约束来确保对期望信号的无失真接收,可以表示为{minw wHR^ws.t. ∣wHa∣≥1,a∈Sa\left\{ \begin{aligned} & \underset{w}{\ma原创 2021-06-30 08:31:45 · 3779 阅读 · 13 评论 -
SMI波束形成和LSMI波束形成算法原理介绍及MATLAB实现
SMI波束形成为了最大化输出信噪比,Capon等人提出了在保证对期望信号响应一定的条件下最小化阵列输出功率的方法,可以表示为{minw wHRws.t. wHa0=1\left\{ \begin{aligned} & \underset{w}{\mathop{\min }}\,\ {{w}^{H}}Rw \\ & s.t.\ \ \ {{w}^{H}}{{a}_{0}}=1 \\ \end{aligned} \right.⎩⎨⎧原创 2021-06-30 08:30:57 · 7840 阅读 · 31 评论 -
宽带波束形成-----恒定波束宽度设计
波束宽度窄带波束形成器的3dB波束宽度(半功率波束宽度)为BW3dB≈0.886λMd=0.886cMdf\text{B}{{\text{W}}_{3dB}}\approx \frac{0.886\lambda }{Md}\text{=}\frac{0.886c}{Mdf}BW3dB≈Md0.886λ=Mdf0.886c其中,MMM为阵元数,ddd为阵元间距。但是对于宽带波束形成来说,每个子带对应的频率不一样,导致波束宽度不一致,即频率越高,波束宽度越窄,这就是宽带波束形成器频率偏移性。下面原创 2021-06-29 08:15:05 · 8778 阅读 · 37 评论 -
宽带波束形成及MATLAB实现
宽带波束形成原创 2021-06-28 08:30:19 · 16321 阅读 · 51 评论 -
FLOM-MUSIC算法介绍
FLOM-MUSIC算法 从ROC-MUSIC推导过程中可以看出,该算法要求信号和噪声都是服从SαSS\alpha SSαS分布,但实际的情况却很难满足这些条件,因此考虑用一般的信号来代替ROC-MUSIC中的SαSS\alpha SSαS信号,则阵列接收数据的FLOM矩阵可以定义为[Cik]=E{xi(t)∣xk(t)∣p−2xk∗(t)} 1<p<α≤2\left[ {{\mathbf{C}}_{ik}} \right]=E\left原创 2021-05-28 08:28:11 · 1099 阅读 · 6 评论 -
ROC-MUSIC算法介绍
背景介绍 在信号处理领域内,高斯分布假设一直占据着主导地位,因为其概率密度函数可以仅由均值和方差两个变量描述,这给信号的理论分析提供了极大的方便;而且基于高斯假设条件下的信号处理方法通常是线性的并且一般可以得到闭式最优解。然而,实际环境中存在许多非高斯特性的冲击噪声,如通信线路上的瞬间尖峰、由大气放电而引起的大气噪声以及雷达产生的部分杂波等。相比于高斯噪声,这类冲击噪声在时域上出现大量显著的尖峰脉冲特性,在概率密度上具有更加厚重的拖尾现象。Shao 和 Nikias 发现这种带有冲击性质的非高斯噪原创 2021-05-28 08:27:05 · 838 阅读 · 9 评论 -
MUSIC算法与基于四阶累积量的MUSIC算法效果对比
高阶累积量可以消除加性高斯噪声的影响,同时还可以扩展阵元,即可以测得来波方向大于等于阵元数的信号,较传统的二阶累积量有更好的效果,这里将传统的MUSIC算法与基于四阶累积量的MUSIC算法进行对比,本次仿真用的是均匀线阵,具体参数在下文中会有总结。关于MUSIC算法的原理这里不再叙述,可以参考网上的一些文章,它的主要思想是对接收信号的自相关函数进行特征分解,大的特征值对应的是信号加噪声,小的特征值对应的噪声,分别得到信号子空间和噪声子空间,利用信号子空间和噪声子空间的正交性来进行区分信号,通过谱峰搜索测出原创 2020-06-01 17:54:51 · 4278 阅读 · 9 评论 -
SPICE算法与基于四阶累积量的SPICE算法
SPICE(协方差稀疏迭代估)算法介绍假设有KKK个远场窄带信号,入射到由 M(M>K)M\left( M>K \right)M(M>K)个阵元组成的均匀线上,同时信号和噪声互不相关,令 Ω\OmegaΩ表示信源可能的方向, {θk=1Q}\left\{ \theta _{k=1}^{Q} \right\}{θk=1Q}是包含Ω\OmegaΩ 的集合,并且Q≫KQ\gg KQ≫K,即真实的信源方向包含在QQQ 中,那么阵列的输出信号可以表示为Y(t)=∑k=1Qa(θk)sk(t)+原创 2020-10-31 16:52:58 · 3918 阅读 · 10 评论 -
基于四阶累积量的MUSIC算法与MUSIC-like算法(DOA估计)
DOA估计是阵列信号处理中的一个重要分支,MSUIC(Multiple Signal Classification,多重信号分类)算法是相对比较经典的算法。在这里简单介绍下MUSIC算法以及基于四阶累积量的MUSIC的算法。原创 2020-08-29 20:55:47 · 9604 阅读 · 40 评论 -
关于Capon最优加权系数和MVDR加权系数等价的证明
首先给出Capon的功率谱,主要思想是最大化输出信噪比,即保证阵列对期望信号方向相应一定时,最小化输出功率,可以形成下面的优化问题minwwHRw s.t. wHa0=1\min _{\mathbf{w}} \mathbf{w}^{\mathbf{H}} \mathbf{R} \mathbf{w} \text { s.t. } \mathbf{w}^{\mathrm{H}} \mathbf{a}_{0}=1wminwHRw s.t. wHa0=1为了求解原创 2020-08-28 09:02:30 · 1642 阅读 · 0 评论