基于陣列信號處理的近場源多參數(shù)估計.pdf

1、早期的空間信源定位研究主要集中于遠場源的DOA(Direction of Arrival)估計，然而當(dāng)信源靠近陣列而處于陣列的Fresnel區(qū)（近場區(qū)）時，波前的固有彎曲不能忽略，即遠場平面波前的假設(shè)不再成立，此時需要用球面波來精確描述，從而引入了近場源問題。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，近場源參數(shù)估計就成了頻率、距離和DOA的聯(lián)合估計問題。近場源定位在語音增強、聲

2、源定位、雷達、聲納、電子監(jiān)測和地震監(jiān)測等領(lǐng)域中具有廣泛的應(yīng)用。本文以近場源參數(shù)估計為重點，對遠場源、近場源、近場和遠場源混合場景下DOA、頻率、距離等參數(shù)的聯(lián)合估計問題進行了研究。
　　本研究分為五個部分：第一章分析了課題研究的背景和意義，介紹了國內(nèi)外在近場和遠場波達參數(shù)估計方面的研究現(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場源數(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，對比了遠場窄帶信號

3、DOA估計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算法計算量較小，實時性占優(yōu)，更接近于實際應(yīng)用系統(tǒng)的指標(biāo)要求。第三章引出近場源定位問題，建立了近

4、場源數(shù)據(jù)模型并進行分析，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)合估計頻率、距離和DOA等參數(shù)，由于方法利用了陣列的對稱性，具有2N個陣元的均勻線陣最多只能估計N個信源，陣元利用率較低。第四章借鑒了盲源估計中的JADE(joint approximate diagnalization)算法原理，提出了一種基于矩陣聯(lián)合對角化的近場源多參數(shù)聯(lián)合估計方法，該方法通過一組高

5、階累積量矩陣的聯(lián)合近似對角化來實現(xiàn)信源分離的同時得到陣列流型矩陣的估計，該方法只要求陣元數(shù)多于源信號數(shù)，提高了陣元利用率，而且估計性能優(yōu)于傳統(tǒng)的基于高階累積量的ESPRIT-like方法。第五章考慮到在實際情況中經(jīng)常存在多近遠場信號源混合的場景，此時原有的近場源和遠場源定位方法都不再適用，針對當(dāng)下大部分混合信源參數(shù)估計方法存在的計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，利用非中心對稱的十