基于张量子空间的信号参数估计算法

《基于张量子空间的信号参数估计算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第32卷第11期宇航学报Vo1．32No．112011年l1月JournalofAstronauticsNovember201l基于张量子空间的信号参数估计算法韩峰，周新鹏，魏国华，吴嗣亮(北京理工大学信息与电子学院，北京100081)摘要：针对低信噪比条件下多通道信号特征参数估计问题，提出了两种基于张量子空间的信号参数估计算法，分别是基于矩阵堆叠的张量分解算法和基于张量矩阵因子的联合算法。通过研究参数化信号模型、信号子空间旋转不变性和张量范德蒙分解原理，分析了多通道数据的三维张量数据模型的构建

2、；矩阵堆叠的张量分解算法验证了张量高阶奇异值分解是矩阵奇异值分解的推广，矩阵因子联合算法进一步提高了低信噪比条件下的信号参数估计精度。仿真以信号频率和初相位的估计精度为衡量指标，验证了低信噪比的条件下，张量子空间信号参数估计算法要优于传统的矩阵子空间信号参数估计算法。关键词：参数估计；奇异值分解；高阶奇异值分解；张量；信号子空间中图分类号：TN911文献标识码：A文章编号：1000．1328(2011)11—2425．07DOI：10．3873／j．issn．1000—1328．2011．11．

3、018ParameterEstimationAlgorithmBasedonTensorSubspaceHANFeng，ZHOUXin-peng，WEIGuo-hua，WUSi—liang(SchoolofInformationandElectronics，BeijingInstituteofTechnology，Beijing100081，China)Abstract：Twomethodsofparameterestimationalgorithmbasedontensorsubspacear

4、eproposedtOimprovetheaccuracyofsignalparameterestimationinlowsignal—to—noiseratio，whicharethehighordersingularvaluedecompositionalgorithmbasedonmatrixstackandthealgorithmbasedontensordecompositionfactor．Accordingtotheparametricsignalmodel，theshiftinv

5、arianceprope~yofthesignalsubspaceandtheprincipleoftensorVandermondedecomposition，theconstructionformsoftensormodelarediscussed．Thehighordersingularvaluedecompositionalgorithmbasedonmatrixstackverifiesthatthetensorhighordersingularvaluedecompositionis

6、basedonthematrixsingularvaluedecomposition．Thealgorithmoftensordecompositionfactormayfurtherimprovetheaccuracyofsignalparameterinthecaseoflowsignal—to—noiseratio．Theaccuraciesof~equencyandphasemayserveasanindexofthealgorithms．Thesimulationsverifythat

7、thealgorithmbasedontensordecompositionissuperiortotraditionalmatrix-baseddecompositionalgorithminlowsignal-to-noiseratio．Keywords：Parameterestimation；Highordersingularvaluedecomposition；Tensor；Signalsubspace只有在高信噪比的条件下，才可以获得较高的参数0引言估计精度；而在低信噪比条件下，参数的

8、估计精度会随着多传感器技术、阵列天线技术在空间定位迅速下降，甚至无法得到有效的估计结果。为克中的应用¨，如何从多通道数据中获取信号的特征服该问题，通过引入信号的张量模型和高阶奇异值参数已成为信号处理领域的热点研究问题之一。基分解(HOSVD)，提出了两种基于张量子空间的信号于矩阵子空间法的ESPRIT和MUSIC等现代谱估计参数估计算法。基于张量子空间的信号参数估计算算法，因具有多信号处理能力和良好的自适应性，已法是在矩阵奇异值分解(SVD)的子空间信号方法基在信号参数估计中得到广泛的应用，但是