文档介绍：第30卷第l1期2008年11月电子与信息学报JournalofElectronics&)摘要:IPCA算法,该文给出了一种低运算量的在线Music算法。它无需估计协方差矩阵和对其进行特征值分解,信号子空间的估计与快拍数据的接收是同时进行的,而且只需存储当前的快拍数据,因此大大降低了存储量及运算量的要求;并针对上述算法在小快拍情况下性能较差的缺点,利用数据复用的方法有效提高了其估计性能。最后,计算机仿真验证了该文方法的有效性。IPCA;在线Music算法:协方差矩阵;小快拍中图分类号;:A文章编号:1009—5896(2008)11—2658—04DOAEstimationBasedOilOnlineMusicAlgorithmCaoXiang—haiLiuHong-weiWuShun-jun(NationalLabofRadarSignalProcessing,XidianUinv,Xi’an710071,China)Abstract:,thismeansthesubspaceestimationandthedatareceivingissimultaneous,,thedataisusedrepetitiouslytoimprovesubspace’,;OnlineMusicalgorithm;Samplecovariancematrix;Smallsnap1引言波达方向fDOA)估计在雷达、声纳和通信领域中得到了广泛的应用,许多学者提出了性能优良的超分辨算法,其中基于子空间的Music[』类和Esprit[驯类算法比较具有代表性。然而常规的Music算法需要估计信号子空间,通常的做法是计算协方差矩阵并对其作特征值分解(EVD),所需要的运算量很大,为O(M。N+M。),其中M,Ⅳ分别为阵元数和快拍数,如果阵元数较多的话,该方法所需要的运算量是相当大的。针对这个问题,学者们提出了很多无需特征值分解的子空间快速估计算法:Xu和Kallath[驯利用Lanczos快速算法将协方差矩阵三对角化,然后对三对角矩阵特征值分解获得信号子空间的快速估计;Gershman【J基于采样协方差矩阵幂fPower)的方法给出了子空间的近似估计,并且在低信噪比时,可以达到任意精度的近似;最近,Huang[5,61在GoldsteinI『.等人研究的基