《DOA估计算法.pdf》由会员分享，可在线阅读，更多相关《DOA估计算法.pdf（13页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、-阵列信号处理中的阵列信号处理中的 DOADOA 估计算法估计算法摘要：摘要：本文简要介绍了阵列信号处理的基本知识和其数学模型，并且对阵列信号处理中很重要的来波方向(DOA）估计方法进行了比较，主要包括古典谱估计方法、Capo最小方差法、多重信号分类（MUSIC）算法以及旋转不变因子空间(ESRIT）算法。通过这些算法的介绍和比较，我们可以很方便地在不同的情况下选择不同的算法去对信号的来波方向进行估计。关键词：关键词：阵列信号处理;来波方向（DOA）;MUIC；自相关矩阵；特征分解；ESPITOAOAEstimatEstimaton Algon Algrithmsrithms n Array
2、Sn Array Sgnal Pgnal PcessingcessingAbAbtratrat:t:n thi aper,e ve introuce th basickowledeand aa moel of aray sil prcessingandhaveopad mny DAesiation methods n a ia prossig,whih inlded clsialspectrm estimain metod、Caponmnim varianc metod、MIC metod ad ESRTeto。Thuhthe introducionand coario fthese algo
3、rtms，weacose difetlgorith o estiate eOA of sinl in iffeen stuain，onvienty。K K wowod ds s：ary sgnal processing;OA;MSC；selfrection matrix;igndopositon;ESPRIT.引言引言近几十年来，阵列信号处理作为信号处理的一个重要分支，在声纳、雷达、通信以及医学诊断等领域得到了相当广泛的应用和发展。阵列信号处理是指在一定大小空间的不同位置去设置传感器,组成传感器阵列，利用传感器阵列去接收空间中的信号并且通过一定的方法对接收的信号进行处理。阵列信号处理的目的是为
4、了增强有用的信号，抑制无用的干扰和噪声，并且从接收的信号中提取出有用信号的特征以及信号所包含的信息。与传统的单个定向传感相比，传感器阵列具有比较高的信号增益、灵活的波束控制、很高的空间分辨率以及极5强的干扰抑制能力。阵列信号处理研究的主要问题包括:空间谱估计对空间信号波达方向进行超分辨估计；零点形成技术使天线的零点对准干扰方向;波束形成技术使阵列方向图的主瓣指向所需的方向。其研究的三个主要方向分别在不同的时期进行了不同的主要研究,这三个阶段分别是：d11、2世纪 6年代主要集中在波束形成技术方面,如自适应相控天线、自适应波束操控天线和自适应聚束天线等，主要目的是使阵列方向图的主瓣指向所需要的方
5、向。22、0 世纪 70 年代主要集中在零点形成技术方面,如自适应置零技术、自适应调零技术、自适应杂波抑制和自适应旁瓣相消等，可以提高信号输出的信噪比(S）。33、20 世纪0 年代主要集中在空间谱估计方面，如最大似然谱估计、最大熵谱估计、子空间谱估计等，它是现代谱估计理论与自适应阵列技术结合的产物，主要是研究在阵列处理带宽内空间信号的波达方向的估计问题，这标志着阵列信号处理研究的重大变化。信号的波达方向(DOA）估计是阵列信号处理领域的一个非常重要的研究内容。信号的O估计算法大多是一种极值搜索法，即首先形成一个包含待估计参数的函数(一般是一个伪谱函数),然后通过对该函数进行峰值搜索，得到的极
6、值就是信号的波达方向。这些算法主要包括：196年 Barlett 基于波束形成的思想提出的 DOA 估计算法，但是该算法不能分辨出两个空间距离小于波束宽度的信号源。1968 年weppe 首先研究了虽大似然估计算法(ML),但是比较重要的还是后来 Capon 提出的高进度的 ML，该算法对于服从高斯分布的信源估计可以达到克劳拉美界，但是需要对接收阵列数据的自相关矩阵进行求了逆运4算，运算量相当大。979 年 Schmidt 提出了多重信号分类法(Multp ial Clssificion，MUSIC)以及各种改进的 MUSIC 算法等,它们都需要进行特征值分解运算，可以得到比较高精度的参数估计
7、，但是计算量太大。1985 年 Ry 和 Kalah 提出了一种6借助旋转不变技术的参数估计算法（Estimating Sgal Via Rtationl Ivarince echniques，ESPRIT），它是利用阵列流行的某些特性形成一个可以直接求解的函数，能够比较方便的得到所需要的估计参数。在此之后,人们以 MUSC 和 ESPI为基础,提出了各-种各样的算法,例如最小范数法、ROOT-MUSIC、TLS-ESPR 等。这些不同的算法是基于不同的理论提出的,并且建立在不同的约束条件之下,所以其特性和适用对象也会不同。892 2数据模型数据模型 2.平面波与阵列在无线通信中我们通过天线对
8、电磁波进行发射和接收。为了增加电磁波的利用率和电磁波的波束形状可控，一般采用阵列天线。在一般情况下,将一组传感器按一定的方式设置在空间不同的位置上组成传感器阵列，此传感器阵列能够接收空间的传播信号,然后对所接收到的信号经过适当的处理并提取所需的信号源和信号属性等信息,包括信号辐射源辐射信号的数目、方向、幅度等。一般来说，构成阵列的阵元可以按照任意的方式进行排列,但是通常是按照直线等距、圆周等距或平面等距排列的，并且取向相同。为了简化天线阵列的分析，10通常作如下假设：1.窄带假设：这样可以保证所有阵元几乎同时接收到该信号,即阵元接收之间的信号包络没有变化;2.信号的统计特性:假设入射到阵列的信
9、号为平稳且各态历经，这样可以用时间平均来2代替统计平均。噪声为互不相关的白噪声,方差为n。3.忽略阵元之间的互耦;4 信号的数目要小于阵元的数目，并且阵列接收到得所有信号的波达方向互不相同,信号之间互不相关；5 平面波假设：假设信源到阵列的距离远大于阵列的口径,从而所有入射到阵列的信号波前金额以近似为平面波。假设在天线阵的原唱存在D个信号源,则所有到达阵列的波前可近似为平面波。若天线阵由M个全向天线组成,将第一个阵元设为参考阵元,则到达参考阵元的第i个信号为：sit zitej0t,i 0,1,D1（1)j0t式中，zit为第i个信号的复包络,包含信号信息。e为空间信号的载波。由于信号满足窄带
10、假设条件，则zit zit,那么经过传播延迟后的信号可以表示为：sit zit ej0t site j0,i 0,1,D1（2)则理想情况下第m个阵元接收到的信号可以表示为:xmtsit minmt（3)i0D1式中,mi为第i个阵元到达第m个阵元时相对于参考阵元的时延，nmt为第m阵元上的加性噪声。根据式(2）和（3）可得,整个天线阵接收到得信号为：X XtsitaiN Nti0D1 ASAStN Nt(）式中,ai e j01i,e j02i,e j0Mi为信号i的方向向量,A A a0,a1,sD1t为信号矩阵,N Nt n1t,n2t,TT,aD1为阵列流,nMt为加T形,S St s
11、0t,s1t,性噪声矩阵，T表示矩阵转置。.2均匀线阵与均匀圆阵在实际中一般使用均匀线阵和均匀圆阵等阵列结构。（1)均匀线阵均匀线阵（L：Uniorm Liar rray）是一最简单常用的阵列形式,如图 1-所示,将M个阵元等距离排列成一直线，阵元间距为d。假定一信源位于远场,即其信号到达各阵元的波前为平面波，其波达方向(OA）定义为与阵列法线的夹角。M321图 1ULA 示意图以第一个阵元为参考阵元,则各阵元相对参考阵元的时延为:m sinm1d(5)由此可得等距线阵的方向向量为:jc0dsin jc02dsina 1,e,e,221c,e j0cM 1dsinT(6）T jdsin j2d
12、sin0,e,1,e0,eM 1 dsin j2 0当波长和阵列的几何结构确定时，该方向向量只与空间角有关，因此等距线阵的方向向量记为a,它与基准点的位置无关。若有D个信号源,其波达方向分别为i，i 1,2,D,则阵列流形矩阵为：A A a1,a2,aD1 j2dsin1e0M 1dsin1e j201eedsin j220M 1 dsin j220dsin j2D0e（7）M 1 dsin j2De01以上给出了等距线阵的方向向量的表示形式。实际使用的阵列结构要求方向向量a与空间角一一对应,不能出现模糊现象。这里需要说明的是：阵元间距d是不能任意选定的，甚至有时需要非常精确的校准。假设d很大
13、，相邻阵元的相位延迟就会超过2，此时,阵列方向向量无法在数值上分辨出具体的相位延迟,就会出现相位模糊。可见,对于等距线阵来说，为了避免方向向量和空间叫之间的模糊,其阵元间距不能大于半波长流形矩阵的各个列向量线性独立。天线阵列的输出为：M0，以保证阵列2ytstw em12*j0m1dsinm（8)其向量形式为:yk w wHX Xk-（9)式中,w w w1,w2,wM为权重向量。T(2)均匀圆阵均匀圆周阵列简称均匀圆阵(UA:Unirm CicularArray),是平面阵列,它的有效估计是二维的，能够同时确定信号的方位角和仰角。均匀圆阵由M个相同各向同性阵元均匀分布在x y平面一个半径为R
14、的圆周上,如图所示。采用球面坐标系表示入射平面波的波达方向，坐标系的原点O位于阵列的中心,即圆心。信源俯角0,是原点到信源的2连线与z轴的夹角，方向角0,2则是原点到信源的连线在x y平面上的投影与x轴之间的夹角。阵列的第m个阵元与x轴之间的夹角为m2m5，则该处的位置向量为：MpmRcosm,Rsinm,0（0)在某个时刻,原点和第m个阵元接收到得信号的复包络间的相位差为：me（11）式中，k0 2jk0Rsincosmejcosm0,k0Rsin。ejcos0jcos1 ea,jcoseM1均匀圆阵相对于波达方向为的信号的方向向量为:（2）信源Z图 2UA 示意图YX3 3DOADOA 估
15、计算法的特性比较估计算法的特性比较3.3.古典谱估计法古典谱估计法古典谱估计法是通过计算空间谱求取其局部最大值,从而估计出信号的波达方向。artett 波束形成方法是经典傅里叶分析对传感器阵列数据的一种自然推广。Brtt 方法使波束形成器的输出功率相对于某个输入信号最大。设希望来自方向的输出功率为最大,则代价函数为:-HH argmaxE w w X X n X X nw ww222H2 argmax E dtw w a anw w(w3)2在白噪声方差n一定的情况下,权重向量的范数w w不影响输出信噪比，故取权重向量的范数为 1,用拉格朗日因子的方法求得上述最大优化问题的解为：w wBFa
16、aa a（)从式(4)可以看出，阵列权重向量是使信号在各阵元上产生的延迟均衡，以便使它们各自的贡献最大限度地综合在一起。空间谱是以空间角为自变量分析到达波的空间分布，其定义为：a aHR Rxxa aPBFHa aa a(15）将所有方向向量的集合a a成为阵列流形。在实际应用中，阵列流形可以在阵列校准是确定或者利用接收的采样值计算得到。从式（)可知,利用空间谱的峰值就可以估计出信号的波达方向。当有D 1个信号存在时，对于不同的,利用式(5)计算得到不同的输出功率。最大输出功率对应的空间谱的峰值也就最大,而最大空间谱峰值对应的到的DO值即为信号波达方向的估计值。古典谱估计方法将阵列所有可利用的
17、自由度都用于在所需观测方向上形成一个波束。当只有一个信号时,这个方法是可行的。但是当存在来自多个方向的信号时,阵列的输出将包括期望信号和干扰信号,估计性能会急剧下降。而且该方法要受到波束宽度和旁瓣高度的限制，这是由于大角度范围的信号会影响观测方向的平均功率，因此，这种方法的空间分辨率比较低。我们可以通过增加天线阵列的阵元来提高分辨率,但是这样会增加系统的复杂度和算法对于空间的存储要求。.CaponCapon 最小方差法最小方差法为了解决Barlett方法的一些局限性,Capon提出了最小方差法。该方法使部分(不是全部)自由度在期望观测方向形成一个波束,同时利用剩余的自由度在干扰信号方向形成零陷
18、，可以使得输出功率最小，达到使非期望干扰的贡献最小的目的,同时增益在观测方向保持为常数，通常为1,如式所示:2EykminWWHR RXWWminww约束条件为：约束条件为：WWHa a0=1（16）H其中R RX E X X X X是接收信号X X的协方差矩阵。求解式(16）得到的权向量通常称为最小方差无畸变响应(MVD，Mhmnm Vaae DitortionesResonse)波束形成器权值，因为对于某个观测方向,它使输出信号的方差（平均功率)最小,又能使来自观测方向的信号无畸变地通过(增益为,相移为0)。这是个约束优化问题，可以利用拉格朗日乘子法求解。HHWW a a01令L WW R
19、 RXWW，L分别对WW和求偏导数可得:WWHa a0=1R RXWWa a0（1)-式（7）两端分别左乘WW得：HWWHR RXWW WWHa a0上式两端分别右乘a aH0得：a aH0 WWHR RXWWHa a0 WWHR RXH因此,1WWHa aH0R RX(18）对（18）式两端分别右乘a a0有：1Ha aH0R RXa a0 WW a a01所以,11a aH0R RXa a0(19）将式（1）带入()中,并对两边取共轭对称,最终得到:1R RXa a0WW H1a a0R RXa a0（0）利用 Capn 波束形成法得到的空间功率谱公式如下:PCapon11a aHR RX
20、a a(21）计算Cn谱并在全部范围上搜索其峰值,就可估计出D。虽然与古典谱估计法相比,Cpn法能提供更佳的分辨率，但Cpn法也有很多缺点。如果存在与感兴趣信号相关的其他信号，Cpon法就不能再起作用,因为它在减小处理器输出功率时无意中利用了这种相关性,而没有为其形成零陷。换句话说,在使输出功率达到最小的过程中,相关分量可能会恶性合并。另外,Capon法需要对矩阵求逆运算，这样会使得计算量非常大。3.33.3 USUS算法算法Msc算法是由R.Scmid于197年提出来,986年重新发表的。它是最早的也是最经典的超分辨DOA估计方法，它利用了信号子空间和噪声子空间的正交性,构造空间谱函数，通过
21、谱峰搜索，检测信号的DOA。它是建立在以下假设基础上的:(1)阵列形式为线性均匀阵，阵元间距不大于处理最高频率信号波长的二分之一;(2）处理器的噪声为加性高斯分布,不同阵元间距噪声均为平稳随机过程,且相互独立,空间平稳(各阵元噪声方差相等);()空间信号为零均值平稳随机过程，它与阵元噪声相互独立,且信号间相互独立;(4）信号源少于阵元数,信号取样数大于阵元数。在此假设基础上，usic算法对DOA的估计从理论上可以有任意高的分辨率。Music 算法原理如下:由式(4)可得接收信号的协方差矩阵为：HR RX E X X t X X tHHHHHHSSSSA A A AE SNSN E NSNSA
22、A E NNNN A AE(22）由于假设信号与噪声是不相关的，且噪声为平稳的加性高斯白噪声，因此式（2）中H2的二，三项为零，且有E NNNN NI I。则式(2）简化为式（23)：-2R RX ARARsA AHNI I(2）式（2）中的R Rs是有用信号的协方差矩阵。由于假设信号源之间互不相关，因此R Rs为满秩矩阵,其秩为D。而A A为M D维的矩阵，其秩也是D,并且ARARsA AH是ermite 半正定矩阵，其秩也是D。因此，令ARARsA AH的特征值为01D1 0，那么R RX的M个特征值为:kM D个对应小特征值。2kNk0,1,D12kD,D1,M1N它们对应的特征向量分别
23、为q q0,q q1,q qD1,q qD,q qM 1,其中前D个对应大特征值，后由此可以看出，协方差矩阵R RX经过特征值分解后可以产生D个较大的特征值和M D个较小的特征值，并且这M D个小特征值非常接近。所以当这些小特征值的重数K确定了，那么信号的个数就可以由式（2）估计出来：M KD（4)对于与M D个最小特征值对应的特征向量，有:R RXiI Iq qi0，i D,D1,即:,M 1R RX222NI Iq qiARARsA AHNI I NI Iq qi ARARsA AHq qi 0，i D,D1,因为A A满秩,R Rs非奇异，因此:,M 1A AHq qi 0或 aH0q
24、qi0H 0aq q 1i aHq q0 D1i这表明与M D个最小特征值对应的特征向量,和D个信号特征值对应的方向向量正交,即信号子空间和噪声子空间正交。因此,我们构造M M D维的噪声子空间:V VNq qD,q qD1,q qM1并定义 Msic 空间谱为:aHaPMusicHHaV VNV VNa（5)或PMusic1HaHV VNV VNa（2)由于信号子空间和噪声子空间正交,所以当等于信号的入射角时,Music 空间谱将产生极大值。因此当对 Musi空间谱搜索时,其D个峰值将对应D个信号的入射方向，这就是usic 算法。-现将sc 算法的步骤归纳如下:(1)收集信号样本X Xn，n
25、 0,1,K 1，其中P为采样点数，估计协方差函数:1P1R RXXXXXHPi0进行特征值分解：（2）对R RXV V V VR RX式 中 diag0,1,M1为 特 征 值 对 角 阵，且 从 大 到 小 顺 序 排 列V V q q0,q q1,q qM1是对应的特征向量。,并构 造噪声子 空间(3)利用最小 特征值 的重 数K,按照式（24）估计信 号数DV VNq qD,q qD1,q qM1。个峰值,得到 DOA 估计值。（4）按照式（25）搜索 Msi空间谱,找出D尽管从理论上讲,Music 算法可以达到任意精度分辨，但是也有其局限性。它在低信噪比的情况下不能分辨出较近的O，另
26、外，当阵列流行存在误差时，对Music 算法也有较大的影响。3 34 4 sicsic 算法的改进算法的改进人们对于 Mc 算法提出了各种改进,以提高分辨率，减小计算的复杂度。其中一种改进方法是 Brabll 提出的求根-MUSIC 算法8。这种方法根据多项式求根，可以提供更高的分辨能力，但是只适用于均匀线阵。ll 提出的另一种方案是利用信号空间特征向量（主特征向量）的性质,定义了具有更加分辨率的有理谱函数。he在 1989年也提出了利用信号的谱相干特性改善常规MSIC 算法性能的循环USIC 算法11。下面分别介绍。1.求根-MUSIC 算法对于阵元间距为d的均匀线阵,方向向量a a的第n个
27、元素可以表示为:d an expj2ncosn 1,7）式（26）给出的 MUSC 谱是一个全极点函数,即:,N(PMusic(28)11aHV VnV VnHaaHC Ca式中,C C V VnV VnH。利用式（27）,式（28)的分母可以写作:2md 2ndcosCmnexpjcos（9）m1 n1式中,Cmn是C C中第m行、第n列上的元素。将两个累加合并在一起,式(29）可以简化P1MusicexpjNN为:P（30）式中,Cl1Music2dClexp jlcoslN1N1mnlCmn是C C中第l条对角线上的元素之和。定义如下多项式,即:DzlN1N1Clz1-（1)则评价 MU
28、SIC 谱PMusic等价于评价单位圆上的多项式Dz，因为Dz的根靠近单位圆,则 MUSC 谱的峰值存在。在没有噪声的理想情况下,极点恰好落在单位圆上，位置由波达方向确定。换句话说，Dz在z z1 z1expjargz1处的一个极点，即在 MSI谱产生峰值的位置上，故有:cosargz12d（3)求根-MUSIC 算法比USIC 谱形式的算法具有更好的分辨率，而且在低信噪比 SNR 的情况下也能够很好的工作。该算法避免了传统 MU算法的谱峰搜索过程,大大节省了计算量,但是该算法只适用于等距线阵。2.循环 MSIC 算法循环 MSIC 算法是一种利用接收信号的谱相干性和空间相干性的信号选择性的定
29、向算法。将谱相关性和C 结合起来,在相距很近的信号中只有一个感兴趣信号(SignalfInrest，SOI）且信号间隔小于阵列阙值时,能够分辨出该期望信号。循环MIC算法还不受入射到阵列上的信号数(包括 SO和干扰)必须小于阵元数这一要求的约束。考察一个N元阵列,接收的K个信号在频率上具有谱相关性,而干扰信号（数目任意)在该频率上不具有谱相关性。一个例子是，在严重的同信道干扰环境中检测一个具有特定谱相关和多径分量数的期望信号。令sit，i 0,K1i0,K1为期望信号，n nt为入射到阵列上的噪声和干扰分量。于是接收信号向量u ut可以写作:u ut3）a astn nt AsAstn nt(
30、ii因为只有期望信号在具有谱相关性,接收信号u ut的循环自相关矩阵R Ruu定义为：R R u u t u u t exp j2t uu 2 2(34)可以表示为:HR Ruu ARARssA AH（35)式中,R Rss是期望信号的循环自相关矩阵，定义为：HR R s s t s s t exp j2t ss 2 2(36)式中 limT2TT2 dt（3)显然，矩阵R Ruu的秩为K。对于K N，R Ruu的零空间由对应于零特征值的特征向量V Vn,张成为:R RuuV Vn,0-(38）A A也满秩，由式（35）和式（38）如果信号不完全相关，则R Rss满秩,等于K。因为知,R Ru
31、u的零空间正交于期望信号的方向向量,即：V VnH,a ai0,i 0,K1（39）将式（)作为正交性的量度，式(25)的循环USIC 谱可以定义如下:aHaPCyclicMusicHaV Vn,V VnH,aa（4）对于所有的，搜索出PCyclicMusic的K个谱峰,就可以算出期望信号的波达方向。3.3.E EPRITPRIT 算法算法由于USI算法需要进行谱峰搜索,计算量很大，因此在实际的应用中对于系统的计算速度要求较高。在 MUIC 算法以后，人们开始研究各种不需要进行谱峰搜索的快速DO算法。有Roy 等人提出的旋转不变子空间(PRIT）算法是空间谱估计中的另一种经典算法。ESRIT
32、算法的基本思想是利用旋转不变因子技术来估计信号参数,它把传感器阵列分解成两个完全相同的子阵列，在两个子阵列中每两个相对应的阵元有着相同的位移，即阵列具有平移不变性,每两个位移相同的传感器配对。在实际情况下，比如等间距的直线阵列或双直线阵列都可以满足PRT 算法对于阵列天线的要求。它同MSC算法一样，也需要对阵列接收数据自相关矩阵进行特征值分解，但是两者存在明显的不同，MUSI算法利用了自相关矩阵信号子空间的正交性，而 ESP算法利用了自相关矩阵信号子空间的旋转不变特性。ESIT 算法不需要知道阵列的几何结构,因此对于阵列的校准要求比较低,现在 ESRIT 算法已经成为主要的 DO估计算法之一。
33、设由m个对偶极子组成的阵元数为K的天线阵列,两个子阵列对应元素具有相等的敏感度模式和相同的位移偏移量d,D个独立的中心频率为0的窄带信号源入射到该阵列，两个子阵列第i组对应阵元的接收信号可以表示为:xitsktaiknxitk1DD（41)uitsktej0dsinkcaiknuitk1（42)式中，k表示第k个信号源的入射方向，将每个子阵列的接收信号表示成向量形式有:x xt A AS Stn nxt(4)u ut A AS Stn nut(4)式中，x xt,u utm1是带噪声的数据向量，diag ej0dsin1c,ej0dsinDc表示两T个 阵 列 之 间 的 相 位 延 迟,也
34、称 为 旋 转 不 变 因 子，n nxt nx1t,nxmt和n nut nu1t,numt为加性噪声向量。x xtz zt ASAStn nztu u t T定义整个阵列的接收向量为z zt，用子阵列接收向量来表示：-（45)式中,n nxt A A A A,n nt z n ntA Au(4)天线阵列接收向量z zt的自相关矩阵为：2R Rzz Ez ztz zHt ARARssA AnnH(47)2设D 2m，则R Rzz,n的2m D个最小的广义特征值等于n,而与D个最大广义特征值相对应的特征向量E Es满足:RangeE Es Range A A（48)式中,Range表示由矩阵中
35、的向量张成的空间。则存在唯一的非奇异矩阵T T满足:E Es ATAT（49)利用阵列的旋转不变结构特性,E Es可以分解成为E ExmD和E EumD。E Ex ATAT E EsE EuA AT T（50)由于E Ex和E Eu共享一个列空间，E ExuE Ex|E Eu的秩为D，则：RangeE Ex RangeE Eu RangeA A（51）这表明存在一个唯一的秩为D的矩阵F F（52）定义：2DD可满足：0 E Ex|E EuF F E ExF FxE EuF Fu ATFATFxA ATFTFu F FxF Fu1（53)把式(53)带入式（52)可得:ATAT A AT T A
36、TATT T1 A A(54）如果信号的入射方向不同，则阵列流行A A是满秩的，则可以得到：T TT T1(55)显然,的特征值必然等于对角矩阵的对角元素,而T T的列向量为的特征向量。ESRIT 算法避免了大多数 DA 估计方法所固有的搜索过程，大大减小了计算量，并降低了对于硬件的存储要求。和USIC 算法不同的是,ESPRI算法不需要精确知道阵列的流行向量,因此，对阵列校正的要求不是很严格。结论结论本文对阵列信号的基本知识进行了简单的阐述和介绍。并且对阵列信号处理中很重要的OA 估计方法进行了介绍和探讨，比较了不同DA 估计方法的优缺点。特别是对于MSI-算法,给出了两种改进的 MSI算法
37、,可以增加我们对于 MISIC 算法的理解。文中还指出了在不同的条件下这些方法的不同特性,为以后学习和研究 DOA 估计方法提供了比较有价值的参考。参考文献参考文献1 psu on adptive arys,IEETrans.ntennas opga，94,vol.12.2 Secial e n adteary，IEErans.AntnasPropga.,1976,vol.24.3 Spcl isse n adapivearas，IEETrans.Antennas ropag.,986，vol.34.4Smidt R O.utple ete locaion andsgnalaramter st
38、tion.IEEETs.AnnasProaa.，1986，(3）:76-280.5 张贤达，保铮 通信信号处理.北京：国防工业出版社,000 oyR,ailath T.Esmang of siglpraeters ia rotationl invaranc techniqes.IEEETrans.o Aosic See,gnal Proesi,19，37（7):984-9957 masan,Tufts W.Estmangthe ngle-ofarril ofmltiple plnees EETras.erospe lectroni Systm，1983,19()：135-139.8 Barae
39、 AJ.Impovinthe reoluin of eig-stuturebasd dectin fndin gorihms.ASS 983,Bostn,1983,336-339.9ag X,ing.Prefilteigbase ESPRITfo estting aamtrsfsisoi in nonGsnARMA ois.IEEE Tansigna roessin，1995,4(1):349-33.0王永良，陈辉，彭应宁,万群.空间谱估计理论与算法北京:清华大学出版社,200.11 Sc V,Caabretta,GrdnerW A,eta.Cyc MI Algrtmsf Sinl Sleive DOA Esimaon,Po.of thEE nl.C.on Acoustics,peeh d Signal Pcssig,989:27-1.-M321Z信源-XY