資源描述：
《低信噪比下陣列信號(hào)源數(shù)目估計(jì)算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)：TN911.7單位代碼：10183研究生學(xué)號(hào)：2013522012X密級(jí)：公開(kāi)吉林大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）低信噪比下陣列信號(hào)源數(shù)目估計(jì)算法研究ResearchonArraySourceEnumerationAlgorithmforLowSignal-to-NoiseRatio作者姓名：姜畔專業(yè)：通信與信息系統(tǒng)研究方向：陣列信號(hào)處理指導(dǎo)教師：張海蓉副教授培養(yǎng)單位：通信工程學(xué)院2016年6月未經(jīng)本論女作者的書(shū)面授權(quán)，依法收存和保管本論文書(shū)面版本、電子版本的任何單位和個(gè)人，均不得對(duì)本論文的全部或部分
2、內(nèi)容進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者著作權(quán)的商業(yè)性使用（但純學(xué)術(shù)性使用不在此限）。否則，應(yīng)承擔(dān)侵權(quán)的法律責(zé)任。吉林大學(xué)碩±學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的作品成果。對(duì)本文的研巧做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名；日期：三０／作／月Ｘ自
3、———————————————————————————————低信噪比下陣列信號(hào)源數(shù)目估計(jì)算法研究———————————————————————————————ResearchonArraySourceEnumerationAlgorithmforLowSignal-to-NoiseRatio——————————————————————————————————作者姓名：姜畔專業(yè)名稱：通信與信息系統(tǒng)指導(dǎo)教師：張海蓉副教授學(xué)位類別：工學(xué)碩士答辯日期：2016年6月5日低信噪比下陣列信號(hào)源數(shù)目估計(jì)算法研究摘要陣列信號(hào)
4、處理中大部分高分辨算法均以信號(hào)源數(shù)目已知或預(yù)估計(jì)為前提，然而在實(shí)際應(yīng)用中，信號(hào)源數(shù)目往往未知，其與真實(shí)信號(hào)數(shù)目之間的誤差會(huì)導(dǎo)致許多高分辨率波達(dá)方向估計(jì)算法的性能急劇惡化，同時(shí)現(xiàn)有的大部分信號(hào)源數(shù)目估計(jì)算法在高信噪下具有良好的估計(jì)性能，而在低信噪比環(huán)境中往往失效。因此，本文圍繞低信噪比下信號(hào)源數(shù)目估計(jì)算法進(jìn)行深入研究。首先，本文介紹了陣列信號(hào)基礎(chǔ)知識(shí)，研究了窄帶信號(hào)源數(shù)目估計(jì)的經(jīng)典算法，包括特征值分解方法，信息論方法，平滑秩序列方法和蓋氏圓方法，對(duì)各個(gè)算法進(jìn)行理論分析，并對(duì)算法性能進(jìn)行比較和仿真。其次，從均勻線性陣
5、列差分時(shí)延特征出發(fā)，詳細(xì)介紹了基于接收信號(hào)空間互協(xié)方差函數(shù)的Hankel矩陣的構(gòu)成和性質(zhì)，并在此基礎(chǔ)上提出了基于Hankel矩陣奇異向量的低信噪比信號(hào)源數(shù)目估計(jì)算法，采用導(dǎo)向矩陣和Hankel矩陣左奇異值向量的內(nèi)積的Euclidean范數(shù)估計(jì)信號(hào)源數(shù)目，利用盲波束成形技術(shù)估計(jì)導(dǎo)向矩陣，通過(guò)前向空間平滑思想解決導(dǎo)向矩陣和Hankel矩陣左奇異值向量維數(shù)不匹配問(wèn)題。仿真結(jié)果表明新算法在低信噪比環(huán)境中信號(hào)源數(shù)目估計(jì)能力有很大提高，并且同時(shí)適用于非相干信號(hào)源和相干信號(hào)源情況，具有漸進(jìn)一致性和較好的穩(wěn)定性。最后，本文分析了
6、寬帶信號(hào)源數(shù)目估計(jì)經(jīng)典算法，對(duì)非相干信號(hào)子空間ISM算法中基于噪聲特征值統(tǒng)計(jì)特性的信號(hào)源數(shù)目估計(jì)算法和相干信號(hào)子空間CSM算法中雙邊相關(guān)變換TCT算法的基礎(chǔ)和原理進(jìn)行介紹。在ISM算法的基礎(chǔ)上，結(jié)合基于互協(xié)方差函數(shù)的Hankel矩陣，提出了新的寬帶信號(hào)源數(shù)目估計(jì)算法。仿真表明該方法可以實(shí)現(xiàn)寬帶信號(hào)源數(shù)目的估計(jì)，在低信噪比環(huán)境中表現(xiàn)出較好的魯棒性，并具有良好的解相干能力。關(guān)鍵詞：陣列信號(hào)處理，信號(hào)源數(shù)目估計(jì)，低信噪比，Hankel矩陣，奇異值分解1ResearchonArraySourceEnumerationAl
7、gorithmforLowSignal-to-noiseRatioABSTRACTMostoftheexistinghigh-resolutionarraysignalprocessingalgorithmshavethepremisethatthesourcenumberhasbeenknownorpre-estimated,which,however,isunknowninreality.Andthedeviationbetweenactualsourcenumberandestimatedsourcenum
8、bermaymaketheperformanceofmanydirection-of-arrivalestimationalgorithmsdeterioraterapidly.Mostexistingsourceenumerationtechniquesinsensor-basedstudieshaveasatisfactoryperformanceinhighormi
