MUSIC 算法综述 姓名：罗 涛 学号：06010120510 导师：张守宏 1．引 言 在阵列信号处理的许多应用中,需要准确估计空间信号源的方向及空间分布,通常称为“空间谱”。传统的处理方法是利用天线波束作空域扫描,其缺点是分辨能力受到由阵列孔径大小决定的所谓瑞利限的限制。一旦两个信号源处于波束之内时便无法分辨。后来提出“超角分辨”技术,即可以突破瑞利限的限制,实现对处于同一波束内的信号源的分离。在这些方法中,比较典型的有基于空间协方差矩阵特征值分解的一类算法,如Ｓｃｈｍｉｄｔ提出的多重信号分类(ＭＵＳＩＣ)法[1]、ｍｉｎ ｎｏｒｍ法以及Ｒｏｙ提出的基于旋转不变技术的信号参数估计方法(ＥＳＰＲＩＴ)[2]等。它们利用空间协方差矩阵的特征向量来构造信号子空间与噪声子空间,由于它们相互正交或信号矢量经旋转后空间参数不变,因此可确定信号的波达方向。但是,这些方法都是建立在不相干信号模型基础之上的。对于有相干信号存在的情况,信号矢量将有可能落入噪声子空间中,导致空间协方差矩阵发生秩亏损,因此在这种情况下,基于空间协方差矩阵特征值分解的方法将会失效。而多径相干信号在雷达、通信、声纳信号处理的应用中是很常见的。如在雷达测高或低角跟踪的应用中,目标直接回波与地面反射波是强相关的;类似的例子还有通信中基站与移动台之间的信号传输,因此,在多径信号存在的情况下,如何进行高分辨处理是一个重要的研究课题。目前已提出不少方法来解决这一问题[3～5,7]。但这些方法大多是基于空间平滑技术来纠正协方差矩阵,然后应用ＭＵＳＩＣ等正交化方法进行处理。当然高分辨技术还有最大似然(ＭＬ)方法等,但其运算量过大,难以实时实现,故这里不作考虑。综上所述,上述方法都是基于空间协方差矩阵的特征值分解来构造信号子空间与噪声子空间的,只不过是采用空间平滑或降维等措施来解决空间协方差矩阵的秩亏损问题。针对以上情况,本文也从另一个角度出发,寻求另一种矩阵,这种矩阵同样具有空间谱的特征,但却不受信号相关性的影响,从而可对多径相关信号作出正确的分离。 2 . ＭＵＳＩＣ算法原理 ＭＵＳＩＣ(Mu ltiple Signal Classification)算法是针对多元天线阵测向问题提出的。假定Ｍ元的均匀线阵,阵元间距为ｄ,信号的工作波长为λ 。空间信号源共有Ｄ个,各信号不相关,各阵元的噪声( )mnt ,ｍ=1,2,„,Ｍ互不相关,噪声和信号 Sｋ(t),ｋ=1,2,„,Ｄ也不相关。因此,第ｍ个阵元的输出为 (1)1( )( )( )kDj mmkmkxtS...
VIP
