基于陣列信號(hào)處理的近場(chǎng)源多參數(shù)估計(jì).pdf

1、早期的空間信源定位研究主要集中于遠(yuǎn)場(chǎng)源的DOA(Direction of Arrival)估計(jì)，然而當(dāng)信源靠近陣列而處于陣列的Fresnel區(qū)（近場(chǎng)區(qū)）時(shí)，波前的固有彎曲不能忽略，即遠(yuǎn)場(chǎng)平面波前的假設(shè)不再成立，此時(shí)需要用球面波來精確描述，從而引入了近場(chǎng)源問題。由于其球面波前形狀隨陣元位置具有非線性變化特性，需要由信源的距離和DOA聯(lián)合確定，當(dāng)信源的頻率未知時(shí)，近場(chǎng)源參數(shù)估計(jì)就成了頻率、距離和DOA的聯(lián)合估計(jì)問題。近場(chǎng)源定位在語(yǔ)音增強(qiáng)、聲

2、源定位、雷達(dá)、聲納、電子監(jiān)測(cè)和地震監(jiān)測(cè)等領(lǐng)域中具有廣泛的應(yīng)用。本文以近場(chǎng)源參數(shù)估計(jì)為重點(diǎn)，對(duì)遠(yuǎn)場(chǎng)源、近場(chǎng)源、近場(chǎng)和遠(yuǎn)場(chǎng)源混合場(chǎng)景下DOA、頻率、距離等參數(shù)的聯(lián)合估計(jì)問題進(jìn)行了研究。
　　本研究分為五個(gè)部分：第一章分析了課題研究的背景和意義，介紹了國(guó)內(nèi)外在近場(chǎng)和遠(yuǎn)場(chǎng)波達(dá)參數(shù)估計(jì)方面的研究現(xiàn)狀，然后給出本文的內(nèi)容和結(jié)構(gòu)安排。第二章介紹了基于均勻線性陣列的遠(yuǎn)場(chǎng)源數(shù)據(jù)模型。通過分析確定與空間信源位置有關(guān)的參數(shù)形式和特點(diǎn)，對(duì)比了遠(yuǎn)場(chǎng)窄帶信號(hào)

3、DOA估計(jì)的子空間類方法的兩種代表性算法：ESPRIT(Estimating Signal Parameter via Rotational Invariance Techniques)方法和MUSIC(Multiple Signal Classification)方法。從仿真結(jié)果可以看出雖然MUSIC算法性能優(yōu)于ESPRIT算法，ESPRIT算法計(jì)算量較小，實(shí)時(shí)性占優(yōu)，更接近于實(shí)際應(yīng)用系統(tǒng)的指標(biāo)要求。第三章引出近場(chǎng)源定位問題，建立了近

4、場(chǎng)源數(shù)據(jù)模型并進(jìn)行分析，著重分析了當(dāng)前應(yīng)用廣泛的基于四階累積量的ESPRIT-like估計(jì)算法，該方法無需搜索或迭代等操作，可以較好的聯(lián)合估計(jì)頻率、距離和DOA等參數(shù)，由于方法利用了陣列的對(duì)稱性，具有2N個(gè)陣元的均勻線陣最多只能估計(jì)N個(gè)信源，陣元利用率較低。第四章借鑒了盲源估計(jì)中的JADE(joint approximate diagnalization)算法原理，提出了一種基于矩陣聯(lián)合對(duì)角化的近場(chǎng)源多參數(shù)聯(lián)合估計(jì)方法，該方法通過一組高

5、階累積量矩陣的聯(lián)合近似對(duì)角化來實(shí)現(xiàn)信源分離的同時(shí)得到陣列流型矩陣的估計(jì)，該方法只要求陣元數(shù)多于源信號(hào)數(shù)，提高了陣元利用率，而且估計(jì)性能優(yōu)于傳統(tǒng)的基于高階累積量的ESPRIT-like方法。第五章考慮到在實(shí)際情況中經(jīng)常存在多近遠(yuǎn)場(chǎng)信號(hào)源混合的場(chǎng)景，此時(shí)原有的近場(chǎng)源和遠(yuǎn)場(chǎng)源定位方法都不再適用，針對(duì)當(dāng)下大部分混合信源參數(shù)估計(jì)方法存在的計(jì)算量偏大和陣元利用率低等問題，本章借鑒了基于特定陣元輸出的ESPRIT-like算法原理，利用非中心對(duì)稱的十