文 献 综 述
一．选题背景
信号是电子信息科学领域最重要的基本概念之一，信号是信息的载体和表现形式，而信息蕴含在信号的外部特征和内部特征参数之中。信号处理的目的就是为了从复杂的环境中，对信号进行某种加工或变换，对信号的特征参数进行有效的检测和准确的估计，进一步实现信号的识别、分析和诊断。
信号处理的前期研究主要集中在时域一维信号处理，并在一维信号的检测与分析方面取得了很多重要成果。随着信号处理应用领域的不断扩大，人们逐渐将时域信号处理的成果延伸至空域信号处理领域中，开辟了阵列信号处理这一新的研究领域。DOA估计是阵列信号处理的一个重要研究领域，今年来，在电子侦察、智能天线、雷达等领域利用阵列信号处理技术进行波达方向（DOA）估计已得到了广泛的重视和研究[1]。经过数十年的发展，DOA估计理论已经比较完善。但随着阵列信号处理从理论到实际工程应用的发展，人们对算法稳健性和估计精度的要求越来越高。传统的DOA估计往往假设背景噪声为高斯噪声，利用二阶或高阶累积量进行分析可以获得理想的结果。如果信号模型与实际的信号环境不匹配，则会使算法的估计性能大大下降，甚至失效。然而，在实际环境中我们遇到的噪声通常是非高斯，如海杂波噪声、大气噪声、无线信道噪声等[2]，这类信号和噪声具有尖峰或远离观测值的突发电平，它们的概率密度函数的拖尾比高斯密度函数的拖尾衰减更快，持续时间短，是一种突发的冲击现象，这种噪声就是冲击噪声[3]。稳定分布为这类信号和噪声提供了一种有用的理论工具，这些噪声的模型可表示成Salpha;S随机过程，它与高斯噪声模型失配，使得传统的基于二阶或高阶累积量的算法失效。针对这一问题，本毕业设计通过利用基于不同原理的方法对该背景下的DOA算法进行改进，降低冲击噪声对角度估计的影响。
二．国内外研究现状
2.1 传统高分辨阵列参数估计方法研究
早期的空间谱估计以波束形成算法，这类算法是传统时域傅里叶谱估计方法中的一种空域简单扩展形式，因此受到阵元数目、阵列孔径的限制，由于空间信号的方向估计与时间信号的方向计相似，因此许多时域的非线性谱估计方法被推广成为空域的谱估计方法，于是产生了所谓的高分辨估计技术。其中，以Berg 在1967年提出的最大熵估计方法和1969年Capon提出的最小方差谱估计法[4]为代表的高分辨估计算法为代表, 该类方法突破了阵列孔径的内在限制，使DOA估计得到高分辨的性能，但是这类算法没有充分利用阵列数据相关矩阵的内在结构，无法实现真正意义上的高分辨。1986年，Schimidt提出的多重信号分类法(MUSIC算法) [5]实现了向现代超分辨测向技术质的飞跃。在此基础上，人们提出了很多基于子空间分解类算法，按照算法的原理，大致可以分为两类：以MUSIC为代表的噪声子空间算法，和以旋转不变子空间(ESPRIT)[6]为代表的信号子空间算法。噪声子空间算法方面，典型的算法主要有MUSIC算法、最小内积法、求根-MUSIC法[7]和投影矩阵法等。在80年代后期，学者们提出了子空间拟合类算法，这是高分辨参数估计技术的第三次重大突破。该类算法主要包括最大似然算法(ML)[8]、多维MUSIC算法[9]和加权子空间拟合算法(WSF) [10]。1991年，J. Munier和殷勤业分别提出了传播算子算法(PM)和波达方向矩阵(DOAM)[11]算法。这两种新的算法不同于以往的子空间分解法和子空间拟合法，这两种算法无需对接收数据分解为信号子空间和噪声子空间，而是直接利用数据的协方差矩阵得到DOA估计，免去对接收数据的特征分解，大大降低了整个算法的运输量。
2.2 非理想条件DOA估计方法研究
1996年，Taskalides和Nikias基于Salpha;S过程的协变，构造了阵列信号的协变矩阵，提出了类似MUSIC算法的ROC-MUSIC算法，与最大似然算法相比，ROC-MUSIC算法降低了计算量[12]。2001年，T.h.Liu和Mendel在此基础上，定义了阵列信号的分数低阶矩，构造了一个阵列接受的FLOM矩阵，提出FLOM-MUSIC算法，给出了一种冲击噪声下DOA估计的基本框架，并通过仿真发现FLOM-MUSIC算法与ROC-MUSIC算法具有相同的性能[13]。在国内，吕泽均等人也采用类似的方法得到基于分数低阶统计量的TLS-ESPRIT算法[14]。时至今日，关于波达方向估计的基本理论和基本算法已相当成熟，但实际应用系统还比较罕见，其原因是大部分高分辨参数估计方法是建立在理想的信号和噪声模型的。而在实际应用中，理想条件难以满足，传统的DOA估计方法性能迅速下降，因此探寻在非理想条件下更稳健更有效的估计方法也是参数估计方法走向实际应用的关键。
三 冲击噪声简介
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
