乐兵兵，吴多龙

（广东工业大学 物理与光电工程学院，广东 广州 510006）

DOA估计[1]是智能天线中非常重要的无线定位算法，且该算法也已广泛应用于雷达等目标定位领域。经典Music算法相比传统的DOA估计算法具有分辨率高，计算量小等优点。但是经典的Music算法不能分辨相干信号，因此探索一种适用于相干环境下的目标方位估计算法显的尤为重要。基于空间的平滑技术的改进的Music算法具有比较好的去相关性能，但是它是以牺牲天线的有效阵元数为条件了，而且它将天线接收阵分成了多个子阵，也一定程度上大大增加了计算量[2-4]，并且它对小信噪比信号和DOA相隔比较近的信号分辨率较低。文中利用TOPELITZ矩阵[5]多次重构输入协方差矩阵，再与经典的Music算法相结合，得到一种新的去相关信号的DOA估计方法，该方法能有效解决信号强相关问题。

1 信号基本模型

Music算法是基于对阵列输出信号协方差进行特征分解来估计DOA[6]的。将Rx分解为D个较大的和M-D个较小的特征值，D个较大的特征值对应的特征向量生成一个信号子空间，M-D个较小的特征值对应生成噪声子空间，基于信号子空间和噪声子空间正交的特性，决定信号零点，即信号DOA。设有D个信号源入射到M个天线阵列上，则接收的信号为：

对X（t）的相关矩阵R进行特征值分解：

其中M=diag[λ0，λ1， …λM-1]，λ0≥λ1≥…λM-1为特征值，diag表示对角阵，V=[q0，q1，…qM-1]是R相应的特征向量，定义信号子空间为a（θ）={α（θ0），α（θ1），…α（θD）}，噪声子空间Vn=[qD，qD+1，…，qM-1]，则a（θ）与Vn正交，定义 Music 空间谱为：

则通过谱峰搜索便可求出DOA。

2 改进Music算法的基本原……

登录APP查看全文