一、阵列信号处理简介
1、阵列信号处理的研究内容:检测、估计、滤波、成像等。
2、阵列信号处理的研究对象:空间传播波携带信号(空域滤波)
3、阵列信号处理方法:统计与自适应信号处理技术(如谱估计、最优与自适应、滤波)
4、阵列信号处理的目的:①滤波:增强信噪比从而检测出目标;②获取信号特征:信号源数目;③传输方向(定位)及波形;④分辨多个信号源
二、定义:传感器(天线)——能感应空间传播信号(电磁波)并且能以某种形式传输的功能装置
传感器(天线)阵列(sensors array)——由一组传感器分布于空间不同的位置构成
由于空间传播波携带信号是空间位置和时间的四维函数,所以:
三、波束形成的基本概念
2、波束形成(空域滤波)
波束形成(空域滤波)技术与时间滤波相类似,
也是对采样数据作加权求和,输出为:
目的是:增强特定方向信号的功率。
对于X(t)实际上是空域采样信号,波束形成实现了对方向角θ的选择,即实现空域滤波。
天线阵元个数越多,主瓣越窄,频率分辨率越高
四、自适应波束形成技术
1、普通波束形成的优缺点
优点:是一个匹配滤波器,在主瓣方向信号相干积累,实现简单,在白噪声背景下它是最优的,在色噪声背景下,维纳滤波是最优的。
缺点:
1)波束宽度限制了方向角的分辨。
2)存在旁瓣,强干扰信号可以从旁瓣进入。
3)加窗处理可以降低旁瓣,但同时也会展宽主瓣。
总之,普通波束形成依赖于阵列几何结构和波达方向角,而与信号环境无关,且固定不变,抑制干扰能力差。
2、自适应波束形成
3、最优波束形成
4、三个最优准则的比较
五、SMI(采样协方差矩阵求逆)算法
同样可以采用对角加载技术来加速收敛速度。在用理论相关矩阵计算时,只有p个大特征值和特征矢量参与计算,而N-p个小特征值和特征矢量对没有贡献,但是用计算时,所有特征值和特征矢量都参与计算。通过对角加载可以减弱N-p个小特征值及其特征矢量对计算的贡献。
在对角加载情况下,可得当M>N时,性能损失不超过3dB。
参考视频:
版权归原作者 清泉_流响 所有, 如有侵权,请联系我们删除。