宽带信号的DOA估计学习笔记(三):宽带信号阵列接收模型

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/weixin_38452468/article/details/89214253

在宽带阵列信号处理中,阵列接收到的信号包络不再恒定,相位延迟和时延不再是简单的线性关系。

宽带时域模型

M M 个阵元组成的阵列,接收空间中 P P 个宽带信号,入射角度分别为 θ 1 , θ 2 ,   , θ P \theta_1,\theta_2,\cdots,\theta_P ,则第 k k 个阵元接收到的信号可表示为 x k ( t ) = i = 1 P s i [ t + τ k ( θ i ) ] + n k ( t ) x_k(t)=\sum_{i=1}^P s_i[t+\tau_k(\theta_i)]+n_k(t)

宽带频域模型

傅里叶变换的时延定理:信号时延后的傅里叶变换等于信号傅里叶变换的相位延迟
如果 s ( t ) s(t) 的傅里叶变换为 s ( f ) s(f) ,即
F T [ s ( t ) ] = s ( f ) FT[s(t)]=s(f)
那么 F T [ s ( t + τ ) ] = s ( f ) e j 2 π τ FT[s(t+\tau)]=s(f)e^{j2\pi\tau}

把第k个阵元接收到的信号,两边做傅里叶变换得到
x k ( f ) = i = 1 P s i ( f ) e j 2 π f τ k ( θ i ) + n k ( f ) x_k(f)=\sum_{i=1}^P {s_i(f)}e^{j2\pi f\tau_k(\theta_i)}+n_k(f)
写成矩阵形式
X f = A ( f , θ ) S ( f ) + N ( f ) \mathbf{X}_f=\mathbf{A}(f,\theta)\mathbf{S}(f)+\mathbf{N}(f)

其中方向矩阵为
A ( f , θ ) = [ e j 2 π f τ 1 ( θ 1 ) e j 2 π f τ 1 ( θ 2 ) e j 2 π f τ 1 ( θ P ) e j 2 π f τ 2 ( θ 1 ) e j 2 π f τ 2 ( θ 2 ) e j 2 π f τ 2 ( θ P ) e j 2 π f τ M ( θ 1 ) e j 2 π f τ M ( θ 2 ) e j 2 π f τ M ( θ P ) ] \mathbf{A}(f,\mathbf{\theta})= \left[ \begin{matrix} e^{j2\pi f\tau_1(\theta_1)} & e^{j2\pi f\tau_1(\theta_2)} &\cdots &e^{j2\pi f\tau_1(\theta_P)} \\e^{j2\pi f\tau_2(\theta_1)} & e^{j2\pi f\tau_2(\theta_2)} &\cdots &e^{j2\pi f\tau_2(\theta_P)} \\ \vdots &\vdots &\ddots &\vdots \\e^{j2\pi f\tau_M(\theta_1)} & e^{j2\pi f\tau_M(\theta_2)} &\cdots &e^{j2\pi f\tau_M(\theta_P)} \end{matrix} \right]

与窄带信号的方向矩阵不同的是,窄带模型中的频率为固定的单值,这里的频率为信号的整个频带。

当对数字信号进行 J J 点离散傅里叶变换时,频率点也为 J J 个离散点,那么
X ( f j ) = A ( f j , θ ) S ( f j ) + N ( f j ) ( j = 0 , 1 ,   , J ) \mathbf{X}{(f_j)}=\mathbf{A}{(f_j,\mathbf{\theta})} \mathbf{S}{(f_j)}+\mathbf{N}{(f_j)}(j=0,1,\cdots,J)
其中,方向矩阵为
A ( f j , θ ) = [ e j 2 π f j τ 1 ( θ 1 ) e j 2 π f j τ 1 ( θ 2 ) e j 2 π f j τ 1 ( θ P ) e j 2 π f j τ 2 ( θ 1 ) e j 2 π f j τ 2 ( θ 2 ) e j 2 π f j τ 2 ( θ P ) e j 2 π f j τ M ( θ 1 ) e j 2 π f j τ M ( θ 2 ) e j 2 π f j τ M ( θ P ) ] = [ a ( θ 1 , f j ) a ( θ 2 , f j ) a ( θ P , f j ) ] ( j = 0 , 1 , 2 ,   , J ) \begin{aligned} \mathbf{A}(f_j,\mathbf{\theta})&= \left[ \begin{matrix} e^{j2\pi f_j\tau_1(\theta_1)} & e^{j2\pi f_j\tau_1(\theta_2)} &\cdots &e^{j2\pi f_j\tau_1(\theta_P)} \\e^{j2\pi f_j\tau_2(\theta_1)} & e^{j2\pi f_j\tau_2(\theta_2)} &\cdots &e^{j2\pi f_j\tau_2(\theta_P)} \\ \vdots &\vdots &\ddots &\vdots \\e^{j2\pi f_j\tau_M(\theta_1)} & e^{j2\pi f_j\tau_M(\theta_2)} &\cdots &e^{j2\pi f_j\tau_M(\theta_P)} \end{matrix} \right]\\ &=[\mathbf{a}(\theta_1,f_j)\qquad \mathbf{a}(\theta_2,f_j)\qquad \cdots \qquad \mathbf{a}(\theta_P,f_j)](j=0,1,2,\cdots,J) \end{aligned}

如果再将观察时间 T 0 T_0 内的阵列接收数据分为 L L 个子段,每段时间为 T d T_d ,然后对观察数据进行 J J 点离散傅里叶变换,只要子段 T d T_d 相比噪声的相关时间较长(保证DFT后的数据不相关),宽带模型就变为
X l ( f j ) = A ( f j , θ ) S l ( f j ) + N l ( f j ) \mathbf{X}_l(f_j)=\mathbf{A}(f_j,\theta)\mathbf{S}_l(f_j)+\mathbf{N}_l(f_j)

其中, J J 是指将带宽 B B 的宽带信号划分为 J J 个子带的个数,对于子带对应的不同频率点 f 1 , f 2 ,   , f J f_1,f_2,\cdots,f_J ,均成立。

猜你喜欢

转载自blog.csdn.net/weixin_38452468/article/details/89214253
今日推荐