4 .1 ROC-ESPRIT 算法  18

4 . 1.1 ROC-ESPRIT 算法的基本原理  18

4 . 1.2 ROC-ESPRIT 算法计算步骤  19

4.1.3 ROC-ESPRIT 算法仿真分析  20

4.2 FLOM-ESPRIT 算法  21

4.2.1 FLOM-ESPRIT 算法的基本原理  21

4 . 2.2 FLOM-ESPRIT 算法计算步骤  22

4.2.3 FLOM-ESPRIT 算法仿真分析  22

4.3 INF-ESPRIT 算法  23

4.3.1 INF-ESPRIT 算法的基本原理  23

4 . 3.2 INF-ESPRIT 算法计算步骤  24

4.3.3 INF-ESPRIT 算法仿真分析  25

5 性能分析与对比  25

5.1 ESPRIT 算法 、 FLOM-ESPRIT 算法性能对比  2 5

5 . 2 ROC 、 FLOM 、 INF 的 ESPRIT 算法性能对比  26

5.2.1 信噪比变化性能对比  26

5.2.2 快拍数变化性能对比  27

5.2.3 噪声冲击性程度变化性能对比  28

结论  30

致谢  31

参考文献  32
本科毕业设计说明书（论文）1 1 1 1 绪论绪论绪论绪论1 1 1 1 ． ． ． ． 1 1 1 1 选题背景和意义 选题背景和意义 选题背景和意义 选题背景和意义DOA 估计又称为方向识 别（ Direction Finding ）或方向估计（ BearingEstimation ） ，波达方向估计的基本问题是确定在某一空间区域内同时存在的多个感兴趣的信号来自什么方向（多个信号到达阵列参考阵元的方向角，简称波达方向 ） 。阵列信号处理技术的关键在于利用按照一定方式布置在空间不同位置的天线所组成的传感器阵列 ， 接收多个不同方向的空间信号源信号得到观测数据 。 DOA 估计是阵列信号处理的一个重要研究领域 [10] ， 在无源探测 、 雷达 、 声纳 、 通信等领域具有广泛的应用。经过数十年的发展 ， DOA 估计理论已经比较完善 。 传统的 DOA 估计算法大都是基于高斯模型假设的 ， 即假设信号和噪声均服从高斯分布 ， 在这种假设下 ， 利用阵列信号的二阶矩或高阶矩累积量可获得较理想的结果 。 然而 ， 大量的实验数据表明 ： 许多实际应用中的噪声都是非高斯分布的 。 在语音恢复 、 雷达 、 声纳 、 电话学 、 卫星通信等领域，大量实际问题中的噪声通常是非高斯的冲击噪声。如放电引起的大气噪声 、海下动物引起的水下声学噪声 、 无线信道噪声 、 图像噪声 、 人为噪声等 [11] 。 这些噪声的共同点 是 具有冲击性，即它们比高斯噪声更为频繁地出现大幅度的数据突变 ， 因此，这些噪声不适用于高斯分布来描述，这些噪声模型更适合用 S S α 过程来表示 ； 但这类信号模型不存在二阶矩及以上矩 ， 这就使得基于二阶矩或高阶矩累积量的分析方法失效 。 因此 ， 研究针对冲击噪声背景下的 DOA 估计算法具有重要的理论意义和工程实用价值。
1.2 1.2 1.2 1.2 国内外研究现状 国内外研究现状 国内外研究现状 国内外研究现状八十年代以后，学术界提出了一类基于矩阵特征值分解谱估计方法。其中 以Schmidt 等人提出的 MUSIC （ Multiple signal Classification ）方法和 Roy 等人提出 的 ESPRIT （ Estimation signal Parameter via Rotational InvarianceTechniques ） 方法为代表 。 他们分别基于信号子空间与噪声子空间的正交性和信号子空间的旋转不变性。以 MUSIC 为代表的特征构造分析法，具有很好的角度分辨能力[18.19.20.21.22.23.24.25]，但运算量偏大。 ESPRIT 算法及其改进算法，都有较好的分辨率，更本科毕业设计说明书（论文）重要的是此类方法避免了运算量极大的谱搜索过程，大大加快了波达方向估计的速度 ， 但是它需要通过特殊的阵列结构才能实现波达方向估计 ， 因而适用范围相对较窄[26.27]。针对冲击噪声环境下 的 DO A 估计问题 ， 文献 [12] 给出了最优的最大似 然 DO A 算法 ，源]自=优尔-^论-文"网·www.youerw.com/ 这是一种最优的算法，但算法由于需要多维搜索，计算量大限制了它的实际应用。Tsakalides 和 Nikias[13] 提出采用共变矩阵代替 MUSIC 算法中的相关矩阵，得 到ROC-MUSIC 算法，它是一种基于两个 S S α 过程的共变的次优算法，与最大似然算法相比， ROC-MUSIC 算法降低了计算量。 T.h.Liu[14] 在文献 [13] 基础上，定义了阵列信号的分数低阶矩，构造了一个阵列接收的 FLOM 矩阵，在 2001 年提出 FLOM-MUSIC 算法，给出了一种冲击噪声环境下 DOA 估计的基本框架，并通过仿真发现 FLOM-MUSI C算法与 ROC-MUSIC 算法具有相同的性能 。 在中国也有一些专家学者针对冲击噪声条件进行了 DOA 估计研究，他们对 FLOM 的以及基于共变的 TLS-ESPRIT 算法进行了分析 ，发现它们在冲击噪声强度较小的时候 ， 性能较好 ； 当冲击噪声强度较大的时候 ， 以上算法的性能会 急剧 下降。吕泽均 [3] 等人也采用类似的方法得到基于分数低阶矩统计量的 TLS-ESPRIT 算法。邱天爽、何劲等人提出了分数低阶矩基础上的空间时频分布的 MUSIC 算法（ FLOM-MUSIC ） 。