第 24 卷 第 2 期 海 军 航 空 工 程 学 院 学 报 Vol. 24 No.2
2009 年 3 月 Journal of Naval Aeronautical and Astronautical University Mar. 2009
文章编号:1673−1522(2009)02-0191−04
DOA 估计算法性能分析及仿真
陈小龙,关 键,黄 勇
(海军航空工程学院 电子信息工程系,山东 烟台 264001)
摘 要:分析了几种常见空间谱估计算法的结构,提出了一种未知信源数的高分辨 DOA 估计算法。该算法继承
了求根 MUSIC 算法优越的性能,直接利用阵列接收数据的协方差矩阵,无须预判信源个数和进行特征值分解,
实现高分辨谱估计,同时在信噪比较小时,仍能保持较高的角度分辨力。最后通过大量的计算机仿真实验比较
了各种算法的性能,证明了新算法理论的正确性和有效性。
关键词:空间谱估计;方位超分辨;多重信号分类法;信源数估计;特征值分解
中图分类号:TN951
文献标志码:A
0 引言
空间谱估计也称信号波达方向(DOA)估计[1],
由于其优越的空域参数(如方位角)估计性能,正
得到越来越广泛的应用。最早的基于阵列的 DOA
算法为常规波束形成(CBF[2]),这种方法是传统时
域傅里叶估计方法中的一种空域简单扩展形式,但
该方法受到阵列物理孔径限(瑞利限)的限制,分
辨能力很有限[2]。时域非线性信号处理技术应用在
空域谱估计,产生了一般的高分辨算法,以 Capon
的最小方差法(MVM[3])和 Burg 的最大熵(MEM[3])
法最为典型。MUSIC 阵列信号处理算法和技术的应
用,实现了向现代超分辨测向技术的飞跃,此类算
法将阵列接收数据分解为正交的信号子空间与噪声
子空间,并利用其正交特性构造出“针状”空间谱峰,
从而大大提高了分辨力,但 MUSIC 算法需要预先
估计信源个数,在低信噪比情况下估计偏差也较大。
本文在分析了 CBF 算法、Capon 算法、MUSIC
算法及 Root-MUSIC[4]算法结构的基础上,提出一种
超分辨 DOA 算法,避免了信源个数的判断和协方
差矩阵的特征分解。
1 阵列信号模型
假设空间阵由 M 个阵元组成均匀线阵,阵元间
距为 d , D 个信源以平行波的形式到达基阵的各个
阵元上,则第 k 次快拍得到的接收数据向量表示为
, (1)
)]
为流型矩阵,
)(1 k
A
S
k
)(
)(
+
= θ
a
a
(
),
([
),
θθ
式中:
2
1
D×S
其中 )(θa 是导向矢量;
)(1 k
为噪声矢量。
N
k
)(
a
(,
θ
D
为信号矢量;
X
)(
θ
k
)(
=
A
DM
M ×N
×
S
N
H
(
k
)]
=
=
R
X
E
[
X
R
k
)(
AAR
接收数据矢量的协方差矩阵为
H
+
, (2)
式中: SR 为信号协方差矩阵; NR 为噪声协方差矩
阵,对 R 进行特征分解可得它的 M 个特征值,从大
到小排列为
,
对应大特征值组成的特征向量为信号子空间 SU ,对
应小特征值的为噪声子空间 NU 。
2 常见 DOA 估计算法原理
2
σλ
λλ
D
λλ
2
1
≥
D
=
1
+
≥
=
=
M
≥
≥
2.1 常规波束形成算法
CBF 算法的目的在于选取一个适当的加权矢量
)(θw 以补偿各个阵元的传播延时,从而使某一期望
方向上到达基阵的信号在求和之间是同相的,进而
在该方向上产生一个主瓣波束,其空间谱函数为
ˆ)(
wR
)(
θθ
H
)(
θ
w=
P
CBF
。 (3)
算法的缺点是当观测空间存在多个源时算法失
效[5],此算法易于实现,并且对恶劣环境有较好的
适应能力。
收稿日期:2008-06-16; 修回日期:2008-11-23
基金项目:教育部新世纪优秀人才支持计划资助(NCET-05-0912);国家自然科学基金资助(60672140)
作者简介:陈小龙(1985−),男,硕士生;关 键(1968−),男,教授,博导,博士。
·192·
海 军 航 空 工 程 学 院 学 报 第 24 卷
2.2 Capon 算法
该方法基于最小方差技术,使用一些自由度在
期望观测方向形成一个波束,同时利用剩余的自由
度在干扰信号方向形成零陷,使干扰信号的输出功
率最小,同时增益在观测方向保持为常数,其空间
谱函数为
P
capon
)(
θ
=
1
ˆ)(
aR
1
−
θ
H
a
)(
θ
。 (4)
算法受到阵列孔径的限制,角度分辨力较低,
优点在于无须先验已知或估计信源数目,其采样数
据长度的门限比较低。
2.3 MUSIC 算法
MUSIC 算法是利用信号子空间 SU 和噪声子空
间 NU 的 正交 性来 构 造空 间扫 描 谱, 实现 信 号的
DOA 估计。其空间谱函数为
1
。 (5)
P
C
MUSI
)(
θ
=
H
a
)(
θ
aUU
H
NN
)(
θ
MUSIC 算法可以超分辨地估计各个信号的波
达方向。但是算法必须正确估计信源数目,否则出
现信号漏报或虚警。
2.4 Root-MUSIC 算法
求根 MUSIC 算法是 MUSIC 算法的多项式求根
形式,构造 z 的多项式
p−
T1
Mz
zf
)(
1[
=
z
=
z
M
z
)(
p
式中:
,1 正好分布在单位圆上,且
Nz
z
,
对应的θ即为估计的波达方向:
z
(
T1]
−
z
)(
H
NN
pU)U
, (6)
,多项式根中有 N 个根
, iz
)
j
ω
i
exp(
iz
=
θ
i
=
arcsin
⎛
⎜
⎝
λ
d
π2
arg{
z
}
i
⎞
⎟
⎠
。 (7)
求根 MUSIC 算法用式(7)这样一个关于 z 的矢
量来代替导向矢量,从而用求根过程代替谱峰搜索
过程,大大减少了计算量。
3 MRoot-MUSIC 算法
改进 的求根 MUSIC 算法——MRoot-MUSIC
(Modified Root-MUSIC)算法,不需要预判信源数
和特征值分解。
将式(2)进行特征分解有
UU
Η
2
, (8)
∑
nσ+
S
ΝΝ
Mλλλ
,{
}
,
为大特征值构成的对
1
UR
=
diag
=∑
U
,
H
S
S
2
式中:
S
角矩阵。
将式(8)变形整理得
σ
2
n
λ
i
,因此
n λσ
diag
第 2 期 陈小龙等:DOA 估计算法性能分析及仿真
·193·
由图 1 可以看出高分辨算法比常规波束形成法
的精度要高很多,采用 CBF 算法得到的空间方位谱
由于受到阵列孔径的限制,不能正确区分入射角度
间距较小的两个目标,峰值较低,分辨力较低;
Capon 算法对目标的方位分辨能力明显优于 CBF 算
法,当入射信号的功率发生变化时,空间方位谱的
谱峰高度也相应发生变化,但在信噪比较低时仍不
能区分两个角度间距较近的目标;MUSIC 算法对目
标的方位分辨能力非常好,主要表现在给出的目标
方位谱估计中有尖锐的峰和平坦且稳定的背景[6]。
2)Capon 及 MUSIC 算法与信噪比的关系
实验采用 8 阵元均匀线阵,快拍数为 100,2
,
,阵元间距为半波长。图 2 为均方根误差与
个独立窄带远场信号,信号方向分别为
2θ
信噪比之间的关系。
°−= 10
°= 0
1θ
由图 3 可知,在低信噪比情况下 Root-MUSIC
算法的估计偏差比 MUSIC 算法的低,估计角度较
精 确 , 在 高 信 噪 比 情 况 下 两 者 性 能 接 近 ;
MRoot-MUSIC 算法延续了 Root-MUSIC 算法的优
点,随着 k 值增加,算法性能接近 Root-MUSIC 算
法的性能。
,
,
3θ
1θ
= 20
°
°−= 30
λ/2=d
2θ
2)在未知信源数条件下的性能分析
实验采用 8 阵元均匀线阵,快拍数为 200,信
,4 个不相关入
号方向分别为:阵元间距
°−= 5
射信号的方位分别为
,
,信噪比固定为 20 dB,MRoot-MUSIC 算
4θ
法的 k 值分别取 2 和 4。图 4 为 MUSIC 算法在估计
信源数分别为 3 和 4 时的空间方位谱,图 5 为
Root-MUSIC 算法在估计信源数为 3 和 4 时的极坐
标方位图和 MRoot-MUSIC 算法在 k 分别取 2 和 4
时的极坐标方位图。
°= 0
图 2 均方根误差与信噪比的关系
由图 2 可知 Capon 算法和 MUSIC 算法的估计
精度都随信噪比的增加而相应提高,但在相同信噪
比条件下,Capon 算法的估计偏差较大,估计精度
不如 MUSIC 算法,其优点在于算法运算量较小。
4.2 MUSIC,Root-MUSIC,MRoot-MUSIC 算
法比较
1)与信噪比的关系
实验采用 8 阵元均匀线阵,快拍数为 200,信
,SNR=[-10,10]
号方向为
dB,MRoot-MUSIC 算法的 k 值分别取 2 和 4。图 3
为估计标准差与信噪比的关系。
,阵元间距
λ/2=d
= 10θ
°
图 3 均方根误差与信噪比的关系
估计信源数为 3 估计信源数为 4
图 4 MUSIC 空间方位谱与信源数的关系
图 5 Root-MUSIC 算法
与 MRoot-MUSIC 算法极坐标方位图
由图 4、5 可以看出 MUSIC 算法和 Root-MUSIC
算 法 需 要 预 先 估 计 信 源 数 目 , 而 改 进 的
MRoot-MUSIC 算法直接利用接收数据的相关矩阵
进行 DOA 估计,不须预判信源个数,并且当 k 取值
较大时,可以达到超分辨估计的效果。
°−= 3θ
3)与阵元数的关系
实验采用均匀线阵,快拍数为 200,信号方向
,信噪比固定为
分别为
10 dB,MRoot-MUSIC 算法的 k 分别取 2 和 4。图 6
为均方差与阵元数的关系。由图 6 可知在固定信噪
比条件下,3 种算法的估计精度都随子阵数目的增
,阵元间距
λ/2=d
·194·
海 军 航 空 工 程 学 院 学 报 第 24 卷
加而相应提高,相比之下,MUSIC 算法对阵元数的
要求较高。
5 结束语
图 6 估计均方差与阵元数的关系
4)随相邻信号角度间距变化情况
实验采用 8 阵元均匀线阵,快拍数为 200,存
1θ
,
在两个非相干信号,其入射角度分别为
λ/2=d
θθθ
,
,阵元间距
信噪比固定为 20 dB,MRoot-MUSIC 算法的 k 分别
取 2 和 4。图 7 为均方差与角度间隔的关系。
]10,10
°
°−
=15
°
= 1
Δ+
,
Δθ
=∈
[
2
图 7 估计均方差与角度间隔的关系
由 图 7 可 知 , Root-MUSIC 算 法 和 MRoot-
MUSIC 算法虽然在角度间隔减小时,估计偏差增
大,但算法突破“瑞利限”的制约,对小间隔信号估
计性能可以达到实际需要的要求。
本文首先分析了常见的空间谱估计算法结构,
在此基础上,提出了一种超分辨的 DOA 估计算法,
此算法不需要预判信源个数和进行特征值分解。仿
真表明,以 MUSIC 为代表的子空间类算法,性能
优于常规算法;与 MUSIC 算法相比求根 MUSIC 算
法 具 有 更 低 的 分 辨 力 门 限 和 估 计 偏 差 ; MRoot-
MUSIC 算法能在未知信源数时能较好的估计波达
方向,在信噪比较低的情况下,仍保持较高的分辨
能力,继承了 Root-MUSIC 算法的优点。
参考文献:
[1] 王永良, 陈辉, 彭应宁, 等. 空间谱估计理论与算法
[M]. 北京.清华大学出版社, 2004:1-3.
[2] JOHNSON D H. The application of spectral estimation
to bearing estimation problems[C]//Proc IEEE, 1982,
70:1018-1028.
[3] KRIM H, VIBERG M. Two decades of array signal
IEEE Signal Processing
research[J].
processing
Magazine, 1996,13(4):67-94.
[4] SLIVERSTEIN S D, ZOLTOWSKI M D. The
mathematical basis for element and fourier beam space
MUSIC and Root-MUSIC algorithms[J]. Elsevier
Digital signal processing, 1991,1(4):1-15.
[5] 孙超. 水下多传感器阵列信号处理[M]. 西安: 西北
工业大学出版社, 2007:234-235.
[6] 丁善荣, 马强, 李炳荣. 谱估计测向的 MUSIC 算法研
究[J]. 海军航空工程学院学报, 2007, 22(5):535-537.
Performance Analysis and Simulation of DOA Estimation Algorithm
CHEN Xiao-long,GUAN Jian,HUANG Yong
(Department of Electronic and Information Engineering,NAAU,Yantai Shandong 264001,China)
Abstract: In this paper, some common spatial spectrum estimation algorithms were analyzed and a
high-resolution DOA estimation algorithm without number of signal estimation was presented. It might be
viewed as a succession of Root-MUSIC method with superior performance, using directly the covariance
matrix of receiving data. High-resolution spectrum estimation was achieved, which not only avoided number of
signal estimation and EVD, but also could still maintain a relatively high angle resolution at lower SNR.
Finally, the performances of various DOA estimation algorithms were shown and the correctness and
effectiveness of the new algorithm were tested by a large number of computer simulations.
Key words: spatial spectrum estimation; azimuth super-resolution; multiple signal classification; number of
signal estimation; EVD