高分辨的信號(hào)多維參數(shù)估計(jì)及其快速算法研究.pdf

1、信號(hào)多維參數(shù)估計(jì)是現(xiàn)代信號(hào)處理中的重要研究領(lǐng)域,近幾十年來(lái)發(fā)展迅速。其應(yīng)用涉及陣列信號(hào)處理、無(wú)損檢測(cè)、生物醫(yī)學(xué)等方面。本文主要研究在高斯白噪聲環(huán)境下信號(hào)多維參數(shù)的估計(jì)問(wèn)題,主要工作總結(jié)如下:
　　1.在第二章中,介紹了信號(hào)參數(shù)估計(jì)相關(guān)的背景知識(shí)及一些現(xiàn)有的信號(hào)多維參數(shù)估計(jì)算法,并對(duì)算法性能進(jìn)行了計(jì)算機(jī)仿真。
　　2.在第三章中,提出一種基于子空間方法的信號(hào)多維參數(shù)估計(jì)算法。該算法將多維采樣數(shù)據(jù)陣列進(jìn)行切片,把多維采樣陣列重排

2、為一個(gè)二維切片矩陣列,從而達(dá)到了對(duì)多維數(shù)據(jù)進(jìn)行降維的目的。然后利用降維之后得到的切片矩陣構(gòu)造協(xié)方差矩陣,將構(gòu)造的協(xié)方差矩陣奇異值分解之后運(yùn)用PUMA算法估計(jì)出信號(hào)頻率和衰減因子,之后可通過(guò)現(xiàn)有的配對(duì)算法對(duì)估計(jì)出的多維頻率進(jìn)行配對(duì)。在信號(hào)參數(shù)估計(jì)過(guò)程中,算法運(yùn)算量很小,復(fù)雜度也較低。最后,進(jìn)行了計(jì)算機(jī)仿真,仿真數(shù)據(jù)采用三維數(shù)據(jù)陣列,并與IMDF算法及HOSVD算法進(jìn)行了比較,仿真結(jié)果表明所提算法性能較好。
　　3.第四章中,提出了一

3、種基于特征值和特征向量的信號(hào)多維參數(shù)估計(jì)算法。該算法利用矩陣特征值與特征向量的對(duì)應(yīng)關(guān)系構(gòu)造新的矩陣,通過(guò)特征分解估計(jì)出新構(gòu)造矩陣中包含的兩維參數(shù)的信息,由于矩陣特征值與特征向量是一一對(duì)應(yīng)的,所以該算法估計(jì)出的兩維參數(shù)是自動(dòng)配對(duì)的。最后進(jìn)行了計(jì)算機(jī)仿真,仿真數(shù)據(jù)采用三維信號(hào)數(shù)據(jù)矩陣,由實(shí)驗(yàn)結(jié)果可以看出,所提算法與IMDF及HOSVD算法相比,性能較優(yōu),且算法復(fù)雜度也較低。
　　4.第五章對(duì)本文內(nèi)容進(jìn)行了總結(jié),并對(duì)未來(lái)的研究發(fā)展進(jìn)行了