MUSIC算法与基于四阶累积量的MUSIC算法效果对比
作者:互联网
高阶累积量可以消除加性高斯噪声的影响,同时还可以扩展阵元,即可以测得来波方向大于等于阵元数的信号,较传统的二阶累积量有更好的效果,这里将传统的MUSIC算法与基于四阶累积量的MUSIC算法进行对比,本次仿真用的是均匀线阵,具体参数在下文中会有总结。
关于MUSIC算法的原理这里不再叙述,可以参考网上的一些文章,它的主要思想是对接收信号的自相关函数进行特征分解,大的特征值对应的是信号加噪声,小的特征值对应的噪声,分别得到信号子空间和噪声子空间,利用信号子空间和噪声子空间的正交性来进行区分信号,通过谱峰搜索测出来波方向。
同样地,基于高阶累积量的MUSIC算法就是将接收信号的自相关矩阵换成高阶累积量,这里用的是四阶累积量,由于高阶累积量矩阵的维数得到了扩展(涉及到Kronecker积),所以最终的信号子空间和噪声子空间的维数也会发生改变,利用谱峰搜索也可以得到信号的波达方向(由于这里打公式不方便,就不再描述其具体过程,想了解具体原理的可以百度或者知网搜下相关的文章)。
这里给出实验的仿真参数:
仿真参数 | 仿真值 |
---|---|
信源数 K | 2 |
阵元间距d | 0.5λ |
信噪比 | 10dB |
快拍数 L | 512 |
阵元数M | 10 |
入射角度θ | 10、-10 |
仿真用到的噪声为高斯噪声,得到的具体结果如下
为了方便起见,将下面四幅图命名为图1、2、3、4。
图1是在该仿真参数下,传统MUSIC算法与基于四阶累积量的MUSIC算法的结果对比,从图1中可以看出,4阶MUSIC算法能够有更好的DOA估计性能,这是由于对于高斯噪声来说其3阶及以上的累积量恒为0,能够较好地改善MUSIC算法的性能。
图2和图3分别是阵元间距为0.1λ和0.9λ时的仿真结果,对比图1、2、3可以看出:当阵元间距为0.5λ时,此时算法的波达方向估计的性能最好;当阵元间距为0.1λ时,两种算法依然有效,但是性能有所下降;当阵元间距为0.9λ时,空间谱出现混叠现象,导致在非来向区域也会出现相应的信号,但是基于四阶累积量的栅瓣部分的谱峰明显得到抑制,这是由于仿真用的是高斯白噪声,高斯信号3阶以上的累积量恒为0,出现的栅瓣部分的谱峰也得到了明显抑制
图4是当阵元数目为3信源数目也为3时的两种算法的对比,从图中可以看出基于四阶累积量的MUSIC算法此时仍能分辨出信号的波达方向,但是传统的MUSIC算法已经失效,因为对于M阵元的均匀线阵来说,MUSIC算法最多只能区分出(M-1)个信号,但是高阶累积量具有扩展阵元的效果,可以区分出大于等于阵元数目的信号。
标签:累积,四阶,噪声,算法,MUSIC,信号 来源: https://blog.csdn.net/yhcwjh/article/details/106451811