高頻雷達(dá)空時(shí)聯(lián)合超分辨算法研究.pdf

1、空間譜估計(jì)具有超（高）的空間信號(hào)的分辨能力，因此也常常被稱為“超（高）分辨譜估計(jì)”。本文首先討論了空間譜估計(jì)的理論模型，然后分析了三種基于特征分解的線性預(yù)測(cè)算法（包括最大熵算法，最大方差算法以及自回歸模型算法），之后對(duì)超分辨算法中最為經(jīng)典的多重信號(hào)分類算法進(jìn)行了深入研究。而這些算法都可以歸結(jié)為子空間算法中的噪聲子空間算法。
　　子空間算法中另外一類就是旋轉(zhuǎn)不變子空間算法。本文對(duì)基于最小二乘(LS)法和總體最小二乘(TLS)法的兩類

2、算法做出了在角度和成功概率等評(píng)價(jià)標(biāo)準(zhǔn)上的性能比較。
　　上述算法均是針對(duì)方位的一維信號(hào)參數(shù)的估計(jì)。而同時(shí)對(duì)角度和多普勒頻率的進(jìn)行聯(lián)合估計(jì)則更貼近實(shí)際。因此本文從一維參數(shù)估計(jì)的討論出發(fā)，討論了空域和時(shí)域處理等效性，并選用了噪聲子空間類算法做了空時(shí)聯(lián)合的擴(kuò)展分析。
　　在文中也詳細(xì)的介紹了會(huì)影響多重信號(hào)分類(MUSIC)算法性能的因素。之后論文從計(jì)算機(jī)仿真出發(fā)，分析了陣元間距以及相干源信號(hào)對(duì)MUSIC的影響，并仿真驗(yàn)證了前后向平

3、滑這種改進(jìn)算法對(duì)相干信源有著良好的分辨能力。
　　在實(shí)際海面，雜波會(huì)對(duì)超分辨算法的有效性造成很大的困擾。在文章中，特別采用高階累積量的方法對(duì)MUSIC算法進(jìn)行改進(jìn)。這種改進(jìn)不僅可以獲得比二階矩更好的性能，而且使得上述研究的超分辨算法無(wú)論在高斯白噪聲環(huán)境還是在有色高斯噪聲環(huán)境下均有很好的來(lái)波方向估計(jì)(DOA)性能。在文中，也基于這些改善，利用實(shí)測(cè)數(shù)據(jù)檢驗(yàn)了MUSIC算法的性能。
　　仿真是檢驗(yàn)算法正確性的重要方法。論文中對(duì)每一