分布式信源低復雜度參數(shù)估計算法研究.pdf

1、分布式信源廣泛存在于雷達、聲納和移動通信等領域。例如，在城區(qū)密集環(huán)境中，建筑物、道路和車輛等物體易引起多徑傳播現(xiàn)象，從而導致信號的能量發(fā)生一定程度的空間擴散。對于分布式信源，基于點源假設的傳統(tǒng)參數(shù)估計算法已不再適用。為此，眾多學者提出了一些分布源模型和相應的參數(shù)估計算法。然而，這些算法大多需要進行多維非線性優(yōu)化或者多維譜搜索，計算復雜程度很高，不利于實時處理和工程實現(xiàn)。此外，現(xiàn)有的算法幾乎都假設分布源是靜止的，而不能對移動分布源的中心波

2、達方向（DOA）進行實時跟蹤估計。
　　針對上述問題，本文在對現(xiàn)有分布源模型和參數(shù)估計算法進行全面分析的基礎上，重點對分布源的低復雜度參數(shù)估計和中心DOA的快速跟蹤問題做了深入系統(tǒng)的研究，并取得了若干具有創(chuàng)新性的研究成果。論文的主要工作和創(chuàng)新點可概括如下：
　　1.在深入研究相干、非相干分布源模型及現(xiàn)有空時分布源模型的基礎上，提出了兩種新的分布源模型：角度相干時延相干分布源和角度非相干時延非相干分布源，并推導了相應的陣列接收

3、矢量的表達式或陣列協(xié)方差矩陣的表達式。
　　2.提出了一種相干分布源的低復雜度參數(shù)估計算法。該算法利用了均勻線陣的平移子陣間的近似旋轉不變性質和傳播算子方法，能夠實現(xiàn)中心DOA和角度擴展參數(shù)的解耦估計。由于避免了二維搜索和樣本協(xié)方差矩陣的特征分解，該算法比現(xiàn)有算法有更少的計算花費，并且在低信噪比下的估計性能良好。
　　3.提出了兩種低復雜度的相干分布源二維中心DOA估計算法。第一種算法利用了特殊的雙平行線陣中存在的兩個近似旋

4、轉不變關系，由總體最小二乘法求得兩個對應的旋轉不變矩陣，進而估計出分布源的中心方位角和中心俯仰角。第二種算法利用了特殊的三平行線陣中存在的三個近似旋轉不變關系，由傳播算子法求得對應的三個旋轉不變矩陣，進而估計出分布源的二維中心DOA。與傳統(tǒng)算法相比，上述兩種算法無需譜搜索，計算復雜度更低，且能用于具有不同角分布的多源場合。
　　4.提出了兩種非相干分布源的低復雜度參數(shù)估計算法。第一種算法利用了樣本協(xié)方差矩陣次對角線元素的相位信息和

5、無噪聲協(xié)方差矩陣的首列矢量，能夠實現(xiàn)中心DOA和角度擴展參數(shù)的解耦估計。該算法無需對樣本協(xié)方差矩陣做特征分解，估計單個分布源的兩個參數(shù)時僅需完成一次一維搜索，因而，計算復雜度較低。第二種算法基于空間靠得很近的兩個平移線陣近似滿足的旋轉不變性質，由傳播算子求得對應的旋轉不變矩陣，進而利用旋轉不變矩陣的特征值加權估計出分布源的中心DOA。該算法無需譜搜索和對樣本協(xié)方差矩陣做特征分解，與現(xiàn)有算法相比，計算上更具優(yōu)勢，并且對模型誤差穩(wěn)健。

6、>　　5.提出了兩種二維非相干分布源的低復雜度參數(shù)估計算法。第一種算法利用L型陣列構造了兩類空間互相關函數(shù)，并在小角度擴展假設下，由空間互相關函數(shù)的相位信息估計出分布源的中心方位角和中心俯仰角。該算法無需任何搜索和矩陣的特征分解運算，計算復雜度非常低，且對分布源的角分布形式不敏感。第二種算法首先利用空間靠得很近的兩個平行線陣獲得中心俯仰角的初始估計，然后由中心俯仰角初值將一個四維參數(shù)優(yōu)化問題轉化兩個一維參數(shù)優(yōu)化問題和一個二維參數(shù)優(yōu)化問題