MVDR算法仿真PPT课件
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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。
.
7
基本原理
.
8
基本原理
.
9
总结
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。
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。
.
10
.
11
.
12
Thank you !
.
13
MUSIC 算法仿真
MVDR
.
1
1 2 3
.
2
MUSIC算法简介
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。
.
6
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, …xN]T,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。
.
4
步骤
(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
.
5
MVDR算法简介
MVDR（Minimum Variance Distortionless Response）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。
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。
.
3
基本原理
MUSIC算法的基本思想是将任意阵列，用特征向量构建两个正交的子空间，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。
.
7
基本原理
.
8
基本原理
.
9
总结
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。
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。
.
10
.
11
.
12
Thank you !
.
13
MUSIC 算法仿真
MVDR
.
1
1 2 3
.
2
MUSIC算法简介
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。
.
6
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, …xN]T,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。
.
4
步骤
(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
.
5
MVDR算法简介
MVDR（Minimum Variance Distortionless Response）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。
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。
.
3
基本原理
MUSIC算法的基本思想是将任意阵列，用特征向量构建两个正交的子空间，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。