基于蒙特卡羅方法的目標高分辨定向技術(shù)研究.pdf

1、長期以來，目標高分辨定向技術(shù)作為陣列信號處理的一個重要分支，是國內(nèi)外集中力量研究的重點。該項技術(shù)的突破對聲納、雷達、通訊、地質(zhì)勘探、生物醫(yī)學工程等多項國防和民用建設(shè)領(lǐng)域均具有重要意義。 目標高分辨定向技術(shù)發(fā)展至今，已出現(xiàn)了許多理論和方法。為了深入研究目標高分辨定向技術(shù)的理論體系，本文研究了最小方差法( MVM)，最大熵法(MEM)，MUSIC算法，ESPRIT算法以及基于最大似然的高分辨方法(MLE)等幾種典型高分辨方位估計方法

2、，對每種算法進行仿真實驗，對其估計精度進行了對比，并與克拉美羅界(CRB)比較。針對最大似然高分辨方位估計方法存在的計算量大、實時應用困難等問題，把蒙特卡羅方法與之相結(jié)合，研究基于蒙特卡羅方法的高分辨方位估計新方法。本文的主要研究工作如下： 1.將最小方差法(MVM)，最大熵法(MEM)，多重信號分類法(MUSIC)，旋轉(zhuǎn)不變子空間法( ESPRIT)和基于最大似然的高分辨方法(MLE)利用統(tǒng)一的仿真模型對其進行統(tǒng)計分析，并與克

3、拉美羅界(CRB)比較。結(jié)果表明：最大似然高分辨方位估計方法(MLE)性能十分優(yōu)良，性能明顯優(yōu)于上述其它方法，非常接近克拉美羅界(CRB)，尤其是在低信噪比條件下。但是因為采用多維網(wǎng)格搜索導致其計算量很大，難以在工程中實時應用，迫切需要研究它的快速算法。 2.為了解決最大似然方位估計方法由于多維搜索導致計算量過大的問題，把馬爾可夫蒙特卡羅方法中的吉布斯抽樣和最大似然估計相結(jié)合，提出了基于吉布斯抽樣的最大似然方位估計方法(Maxi

4、mum Likelihood DOA Estimator Based on Gibbs Sampling，簡稱GSMLE)。在進行理論研究的同時，對新方法的性能做了仿真實驗。結(jié)果表明：GSMLE方法不僅保持了最大似然方法的良好性能，逼近克拉美羅界，低信噪比下性能明顯優(yōu)于MUSIC方法；并且把最大似然方法的計算復雜度從O(LK)降低到O(K×J×Ns)，大大降低了計算量。 3.把馬爾可夫蒙特卡羅方法中的完美抽樣和最大似然估計相結(jié)合

5、，提出了基于完美抽樣的最大似然方位估計方法(Maximum Likelihood DOA EstimatorBased on Perfect Sampling，簡稱PSMLE)。在進行理論研究的同時，對新方法的性能做了仿真實驗。結(jié)果表明：PSMLE方法不僅保持了最大似然方法的良好性能，逼近克拉美羅界，低信噪比下性能明顯優(yōu)于MUSIC方法：并且把最大似然方法的計算復雜度從O(LK)降低到O(K×J×Np)，由于采用了融合時間判決，使得Np