一种低复杂度的ESPRIT新算法—电子与信息学报—最终版.docVIP

一种低复杂度的ESPRIT新算法 包志强 吴顺君 张林让 (西安电子科技大学雷达信号处理国家重点实验室,。 阵列信号处理 ESPRIT Method Bao Zhi-qiang Wu Shun-jun Zhang Lin-rang (National Lab of Radar Signal Processing, Xidian University, Xi’an 710071, China) In this paper, a low complexity ESPRIT algorithm based on power method and QR decomposition is presented for direction finding, which doesnt require the priori knowledge of sources number and the predetermined threshold in separation of the signal and noise eigen-values. Firstly, the estimation of noise subspace is obtained by the power of covariance matrix and a novel source number detection method without eigen-decomposition is proposed based on QR decomposition. Furthermore, the eigen-vectors of signal subspace can be determined according to Q matrix, and then the directions of signals could be computed by the ESPRIT algorithm. In determining the source-number and subspace, the proposed algorithm has a substantial computational saving with the approximation performance compared with the Single-Vector-Decomposition (SVD) based algorithm. The simulation results demonstrate its effectiveness and robustness. Array signal processing, ESPRIT, Direction Of Arrival(DOA), Source number detection 引 言 Direction of Arrive，DOA)估计是阵列信号处理中的一个重要问题。目前基于子空间结构的超分辨DOA估计如Minimum Norm，MUSIC和ESPRIT等，由于其高分辨的性能而得到了广泛的应用。然而，这些算法需要估计协方差矩阵并作特征分解或奇异值分解。由于协方差矩阵估计和特征值分解计算复杂度较高，不利于实时的信号处理；尤其当阵元维数较大时会带来严重的计算负担。为了降低计算复杂度，诸多学者提出了许多无需特征分解的快速算法[1-4]。传播算子法(PA)[1]采用线性算子从阵列接收数据中提取噪声子空间。线性预测法[2]是通过解线性最小均方问题从而获得信号子空间的基。文献[4]从自相关矩阵的DFT变换中提取信号子空间的特征向量。文献[5-8] 使用采样协方差矩阵的幂近似噪声子空间。在文献[5，6]中作者提出的方法需要信源个数的先验知识以及分离噪声和信号特征值的门限 ，这两个参数的确定限制了算法的应用。而在文献[7，8]中， Hasan 给出了不需门限的方法确定噪声子空间的估计，但是仍然需要信源个数的预估计，而文中却并未指出信源个数估计的方法。这些方法与基于特征分解的算法相比明显的降低了计算的复杂度，便于算法的实时处理。但是，需要的先验知识较多，大大限制了算法的延展性。 对于基于采样协方差矩阵幂的方法(Power方法)来说，它们给出的子空间估计是一种近似，对于低信噪比时，用于波达方向估计依然有效，并且可以达到任意精度的近似[8]。因此Power方法对于子空间的应用非常有效。然而上述两个参数(门限和信源个数)在许多应用场合下未知，因此对于无参数算法的研究是非常必要且迫切的。本文在文献[7，8]的基础上，提出了一种低复杂度的QP-ESPRIT算法，首先对得到的噪声子空间进行QR分解，给出了使用R矩阵无特征分解的信源个数检测新算法(S