0


现代信号处理——阵列信号处理(空域滤波原理及其算法)

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R_{n}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W_{opt}没有贡献,但是用R_{n}(M)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W_{opt}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:

https://www.bilibili.com/video/BV1wS4y1D7ng/?p=13&spm_id_from=pageDriver&vd_source=77c874a500ef21df351103560dada737

标签: 算法 人工智能

本文转载自: https://blog.csdn.net/qq_42233059/article/details/127153565
版权归原作者 清泉_流响 所有, 如有侵权,请联系我们删除。

“现代信号处理——阵列信号处理(空域滤波原理及其算法)”的评论:

还没有评论