📦 FOC-MUSIC与MUSIC算法的稳健性对比分析 - 免费下载

1引言

在阵列信号处理中，基于特征分解的高分辨阵列处理技术，因其高分辨性能和相对较低的计算量而受到极高的重视。在波达方向估计问题中最典型的是以MUSIC方法为代表的特征结构法。这些估计的高性能是在阵列信号满足模型假设的理想条件下得到的。但实际中阵元特性不可能精确得到，因而与理想模型有偏差。而这些很小的偏差可能会使这类方法的估计性能急剧下降。近几年来，高分辨技术对模型扰动的灵敏性分析及其校正已经成为阵列信号处理的研究热点之一。Frieda ndel讨论了建模误差对MUSIC算法的影响"。

近20年来，由于高斯信号的高阶累积量为零[21，因此在协方差阵未知的高斯噪声背景下，应用高阶累积量可以抑制高斯噪声，改善信号波达方向估计的性能。因此，利用高阶累积量的高分辨阵列处理技术引起了研究者们的极大关注。同时，当信号源统计独立时，累计量具有阵列扩展功能，能估计出比阵元数更多的信号源数，从而增加了有效孔径的长度，提高了估计性能。但是，基于四阶累积量的高分辨方法同样会受到阵元误差的影响，廖桂生等人讨论了基于四阶累积量的MU2

SIC算法对阵元误差的稳健性分析"1。对于理想阵元情况下，基于四阶累积量的算法和基于协方差的算法的统计性能，文献[4]作了详尽的比较、讨论和仿真。

点击标签查看更多相关资源：