Page 202 - 201805

784 2018 年 9 月

3.2 分辨性能对比 数分别取 70、80、90、100、110、120。图 3 为 MUSIC
3.2.1 快拍数不同时的方位分辨性能对比 与GMUSIC算法在不同快拍时的方位估计对比。
由图 3(a) 可知，MUSIC 算法需要快拍数达到
在仿真中，假设采用一个半波长分布的 20 元 110 才能清晰分辨 16 、20 这两个相邻目标，而由
◦
◦
均匀线阵，入射的信号为 3 个远场窄带信号，频率 图 3(b) 可知，GMUSIC 算法可以在快拍数达到 80
分别为 6.25 kHz、6.245 kHz、6.253 kHz，采样频率 时就可以清晰分辨这两个目标，说明与 MUSIC 算
50 kHz，3个信号的入射角分别为−40 、16 、20 ，信 法相比，GMUSIC算法在较少快拍的情况下就可实
◦
◦
◦
噪比 SNR 皆为 20 dB，噪声为复高斯白噪声，快拍 现方位估计，但对快拍数的变化较敏感。
0 0
L/ L/
L/ L/
-5 -5
L/ L/
ቇᫎவͯ៨/dB -10 L/ ቇᫎவͯ៨/dB -10 L/
L/
L/
L/
L/
-15
-15
-20 -20
-25 -25
-100 -50 0 50 100 -100 -50 0 50 100
К࠱ᝈ/(O) К࠱ᝈ/(O)
(a) MUSICካข (b) GMUSICካข
图 3 MUSIC 与 GMUSIC 算法在不同快拍时的方位估计对比
Fig. 3 Comparison of MUSIC and GMUSIC algorithms in different snapshots

3.2.2 估计均方根误差与成功概率对比 计所得角度与目标真实角度相差小于1 。
◦
在仿真中，假设采用一个半波长分布的20元均 由图 4∼ 图 6 可知，对于不同的快拍数，随着信
匀线阵，入射的信号为两个远场窄带信号，频率分 噪比的提高，GMUSIC算法的均方根误差都比MU-
别为6.25 kHz、6.245 kHz，采样频率50 kHz，两个信
SIC 算法的小，且 GMUSIC 算法的 DOA 估计成功
号的入射角分别为 16 、20 ，信噪比 SNR 的范围皆
◦
◦
概率要比 MUSIC 算法的大，直至到 SNR 为 12 dB，
为8 dB∼20 dB，噪声为复高斯白噪声，快拍数分别
这是由于此时噪声太小二者基本没有差异。由图 5
取 150、250、350。图 4∼ 图 6 为 GMUSIC 与 MUSIC
与图 6 比较可知，当快拍数增大到一定数量之后，
算法在不同快拍下，方位估计均方根误差与 DOA
估计成功概率随信噪比 SNR 变化的对比结果，估 GMUSIC或MUSIC 在不同快拍时的性能曲线已经
计成功概率是指角度估计成功的次数占总共Monte 变化不大，这是由于此时的样本协方差矩阵估计已
Carlo 试验次数的比例，此处角度估计成功是指估 经接近稳定。

25 1.0
GMUSIC 0.9 GMUSIC
20 MUSIC 0.8 MUSIC
RMSE/(O) 15 DOAͥᝠੇҪഐဋ 0.7
0.6
10

5 0.5
0.4
0 0.3
8 10 12 14 16 18 20 8 10 12 14 16 18 20
η٪උ/dB η٪උ/dB
(a) کவಪឨࣀࠫඋ (b)வͯͥᝠੇҪഐဋࠫඋ
图 4 GMUSIC 与 MUSIC 算法在 150 快拍时的方位估计性能对比
Fig. 4 Comparison of DOA estimation performance between GMUSIC and MUSIC algorithm at 150 snapshots