一種奇異值分解與子空間加權聯合的改進MUSIC 算法*

石依山，尚 尚，喬鐵柱，劉 強，祝 健

（江蘇科技大學海洋學院，江蘇 鎮江 212003）

0 引言

作為雷達信號處理的重要分支，波達方向（DOA）估計在近年得到了迅速的發展［1］，并廣泛應用于軍事、醫學、通信等領域［2-3］。近些年來，超分辨算法逐漸成為主流，其中，最廣為人知的是Schmidt 等人在1979 年提出的多重信號分類（MUSIC）算法［4］。

MUSIC 算法的提出推動了超分辨算法的高速發展。在實際應用中，由于通信環境錯綜復雜，經常存在接收端收到的噪聲幅度較大導致信噪比較低或者快拍數不足的情況，此時傳統算法的分辨率會有所降低。當存在2 個到達角相近的信源時，兩者的譜峰會逐漸相互融合，以至于無法分辨出2 個目標的來波方向［5］。一些學者針對這一問題進行了改進。文獻［6］通過對傳統算法中的譜函數求導二次之后能在原始波達方向上生成負峰值的特點，利用搜索二階導數的最小值確定來波方向，而當原譜函數圖像并不具有準確的凹凸性時，算法的性能失效。文獻［7］將智能優化算法與DOA 估計算法相結合，在可以估計到多個目標的同時降低了搜索時間，但對鄰近目標的分辨率不高。文獻［8-9］將優化的神經網絡運用到DOA 估計中，具有很高的估計精度，但實時性有所欠缺。

本文針對低信噪比、小快拍數情況下傳統MUSIC 算法估計性能失效這一問題，提出了一種將最大利用互協方差信息構建矩陣并進行奇異值分解和對改進的子空間進行加權處理相結合的改進MUSIC 算法。相比于常規DOA 估計算法，該算法在基本不提升計算復雜度的基礎上，在低信噪比以及小快拍數的條件下對靠近的目標具有較高的分辨概率，在陣元數較少的情況下相較于傳統算法分辨概率也有很大提升，具有較高的現實應用價值。……