Page 70 - 《应用声学》2022年第3期

392 2022 年 5 月

采样的混叠，继而影响估计性能。需要注意到，CS 2.2 算法精度分析
算法为迭代算法，可对混叠形成的影响有一定的抑 将本文方法与 CS-DOA、MUSIC 方法进行了
制效果。从图 1 中可以看出，随着信噪比的提升，采 定位精度对比。图 2 与图 3 首先给出了单次仿真中
用 CSP-DOA 算法估计时，在 2 倍半波长的场景下 CSP-DOA 与 CS-DOA、MUSIC 方法的对比，传声
几乎可以达到与半波长场景下相同的性能。而对比 器阵列为由 8 个传声器组成的线阵，阵列孔径 1 m，
图 1 同样仿真条件下的 CS-DOA、MUSIC 方法，其 对应对信噪比分别为 5 dB 与 15 dB。设置声源数
在不同波长孔径的场景下性能差异较大，这表明，在 量为 2，角度分别设置为 30.1 与40.1 。在15 dB 信
◦
◦
低信噪比环境中，采用 CSP-DOA 算法估计可有效 噪比下，CSP-DOA 算法估计值分别为 30.0935 与
◦
地降低对阵元数量的需求。 40.0943 ，CS-DOA 算法估计值分别为 30.0817 与
◦
◦
3.5 40.0899 ，而MUSIC 方法的估计值分别为 30.0776 ◦
◦
4φӧฉ᫂
3.0 2φӧฉ᫂ 与 40.1023 ，如图 2 所示。在 5 dB 信噪比下 CSP-
◦
ӧฉ᫂
2.5 DOA 算法估计值分别为 30.0135 与 40.0312 ，CS-
◦
◦
ឨࣀ/(O) 2.0 DOA 算法估计值分别为 29.3258 与 39.4586 ，而
◦
◦
MUSIC 方法的估计值分别为 28.0119 与 39.1586 ，
◦
◦
1.5
如图 3 所示。可以看出，在高信噪比环境中，CSP-
1.0
DOA 几乎可以达到与 MUSIC 方法相同的性能；而
0.5
在低信噪比环境中，CSP-DOA 的性能明显优于
0
0 5 10 15 CS-DOA及MUSIC方法。
SNR/dB
(a) MUSIC
35
2.0 MUSIC
30
1.8 4φӧฉ᫂ CS-DOA
CSP-DOA
2φӧฉ᫂ 25
1.6
ӧฉ᫂
20
1.4
ឨࣀ/(O) 1.2 ᑵᓖ 15
10
1.0
0.8 5
0.6 0
0.4 -5
0 20 40 60 80
0.2 ᝈए/(O)
0 5 10 15
SNR/dB
(b) CS-DOA 图 2 角度谱 (15 dB)
1.6 Fig. 2 The spectrum of angle (15 dB)
4φӧฉ᫂
1.4 2φӧฉ᫂
ӧฉ᫂ 15
1.2
MUSIC
CS-DOA
ឨࣀ/(O) 1.0 10 CSP-DOA
0.8
ᑵᓖ 5
0.6
0.4
0
0.2
0 5 10 15
SNR/dB
-5
(c) CSP-DOA 0 20 40 60 80
ᝈए/(O)
图 1 不同阵元间距声源 DOA 的估计误差
Fig. 1 The estimation error of source DOA with 图 3 角度谱 (5 dB)
different inter-element space Fig. 3 The spectrum of angle (5 dB)