MVDR算法仿真_第1页
MVDR算法仿真_第2页
MVDR算法仿真_第3页
MVDR算法仿真_第4页
MVDR算法仿真_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、 Music算法仿真总 结MVDR算法仿真 多重信号分类（multiple signal classification, MUSIC）空间谱，它是Schmidt ,Bienvenu 和Kopp于1979年分别在学术会议上独立提出的。后来,Schmidt 于1986在IEEE天线传播汇刊上重新发表了他的论文。 MUSIC空间谱估计已经成为信号处理的一种代表性方法，获得了广泛的应用。空间谱是利用噪声子空间GGH定义的,MUSIC 方法是一种噪声子空间方法。MUSIC算法简介算法简介MUSIC算法的基本思想是将任意阵列输出数据的协方差进行奇异值分解，求出特征值和特征向量，用特征向量构建两个正交的子空

2、间，即信号子空间和噪声子空间。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。利用信号子空间和噪声子空间的正交性，构造空间谱函数，通过谱峰搜索，检测信号的DOA波达方向。基本原理基本原理(1)由阵列的接收数据得到数据协方差矩阵R；(2)对R进行特征分解；(3)由R的特征值进行信号源数的判断；(4)确定信号子空间与与噪声子空间；(5)根据信号参数的范围进行谱峰搜索；(6)找出极大值点对应的角度就是信号入射方向步骤步骤 MVDR（Minimum Variance DistortionlessResponse）

3、是Capon于1967年提出的一种自适应的空间波数谱估计算法。通过MVDR算法得到的权系数可以使在期望方向上的阵列输出功率最小，同时信干噪比最大。MVDR是一种基于最大信干噪比（SINR）准则的自适应波束形成算法。将其应用于空间波数谱估计上可以在很大程度上提高分辨率和噪声抑制性能。MVDR算法简介算法简介 基本原理基本原理MVDR权矢量 加权后的阵列输出可以表示为： Y=WHX 其中，Y为阵列的输出幅值，W=w1,w2, wn, 为权矢量,X=x1,x2, xNT,为N个阵元的输出矢量。在一般情况下，阵元输出矢量 被认为是入射信号和噪声加方向性干扰的叠加。因此， X =S+N 其中S为入射信号矢量，N为噪声加干扰矢量。 为了使输出能量的平均值最小，权向量将只抽取期望信号，而拒绝其它干扰信号。基本原理基本原理基本原理基本原理 MUSIC MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率，同时适应于任意形状的天线阵列，但是原型MUSIC算法要求来波信号是不相干的。总结总结MVDR通过MVDR算法得到的权系数可以使在期望方向上的阵列输出功率最小，同时信干噪比最大。MVDR是一种基于最大信干噪比（SINR）准则的自适应波束形

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论