【技术实现步骤摘要】
本专利技术涉及对称稳定分布噪声下波达方向角估计新方法,属于电子通信
技术介绍
DOA(DirectionofArrival)估计是阵列信号处理中的基本问题之一,广泛应用于雷达、声呐以及无线电通信等领域。多重信号分类[2](MultipleSignalClassification,MUSIC)算法能够实现DOA的超分辨率估计,但是传统算法多假设背景噪声服从高斯分布[1-3]。实际上,由于受到自然因素(如大气噪声、海杂波等)以及人为因素(如电动机等电磁设备)的影响,噪声可能呈现较强的脉冲性,此时利用Alpha稳定分布进行描述更加合适。与高斯分布随机变量不同,Alpha稳定分布随机变量不具有有限二阶矩,传统MUSIC方法不再适用[4,5]。近年来,相关熵作为一种新的随机变量局部相似性的度量,受到广泛关注[6,7]。Principe等证明相关熵可以诱导一个距离测度(CIM,CorrentropyInducedMetric),并据此提出最大相关熵准则(MCC,MaximumCorrentropyCriterion)。不同于传统的MSE准则,最大化相关熵具有很好的抑制脉冲噪声的作用。与分数低阶相关或者共变相比,相关熵诱导的相关函数具有正定对称性,可以和普通相关一样定义功率谱,因此,利用相关熵研究Alpha稳定分布信号处理具有很好的前景。Principe将MCC准则应用于冲激噪声环境下的信道盲均衡问题。宋爱民利用MCC准则解决稳定分布噪声下的时间延迟估计问题[8]。张金凤将MCC准则应用到投影近似子空间跟踪算法中。仿真实验表明上述算法对冲激噪声环境的适应性[ ...
【技术保护点】
对称稳定分布噪声下波达方向角估计新方法,其特征在于:基于FCAS的有界矩阵其i行j列元素表示为:Ri×j(p)=E[exp(-|xi(t)-xj(t)|22σ2)xi(t)xj(t)<p-1>],---(9)]]>其中xi和xj分别表示接受信号矢量的第i个和第j个信号,步骤1以时间平均替代统计平均,依据式(9)计算N点数据的估计值,构造矩阵步骤2对矩阵做奇异值分解,得到由小特征值对应的特征矢量张成的子空间UN,步骤3按照式(10)计算FCAS‑MUSIC谱PFCAS-MUSIC(θ)=1aH(θ)UNUNHa(θ),---(10)]]>式中aH(θ)=[1 … ej2πsinθ(m‑1)d/λ … ej2πsinθ(M‑1)d/λ]T为M*1维线性阵列方向矢量,步骤4对P(θ)进行谱峰搜索,其P个局部峰值作为波达方向角估计值。
【技术特征摘要】
1.对称稳定分布噪声下波达方向角估计新方法,其特征在于:基于FCAS的有界矩阵其i行j列元素表示为:Ri×j(p)=E[exp(-|xi(t)-xj(t)|22σ2)xi(t)xj(t)<p-1>],---(9)]]>其中xi和xj分别表示接受信号矢量的第i个和第j个信号,步骤1以时间平均替代统计平均,依据式(9)计算N点数据的估计值,构造矩阵步骤2对矩阵...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。