Page 170 - 《应用声学》2025年第2期

430 2025 年 3 月

时，RSS方法中的方位预估计与实际方位存在偏差， 1.0
0.9 ISSM
导致 RSS 方法的 DOA 估计性能下降。为了更好地 0.8 RSS
MD-SBL
展示两个目标靠近的情况，选取第 40帧的各算法归 0.7 BF-FRI
一化方位谱如图 4 所示。可以看到，MD-SBL 方法 کவಪឨࣀ/(°) 0.6
和BF-FRI 方法在两个目标接近时仍能有效分辨出 0.5
两个目标，具有较好的方位分辨性能。 0.4

0 0.3
ISSM
0 20 40 60 80 100
RSS
ঌથ஝
-5 MD-SBL (a) SNR˞20 dB
ॆʷӑᑟ᧚/(dB) -10 1.0 ISSM
BF-FRI
0.9
RSS
0.8
MD-SBL
کவಪឨࣀ/(°) 0.7 BF-FRI
-15
0.6
0.5
-20
0 60 120 180 0.4
வͯᝈ/(°)
0.3
图 4 第 40 帧各算法 DOA 估计的归一化方位谱对比
0 20 40 60 80 100
Fig. 4 Comparison of normalized azimuth spec-
ঌથ஝
tra obtained by DOA estimation algorithms at the (b) SNR˞10 dB
40th frame 2.0
ISSM
1.5
为了评估不同快拍数对各算法 DOA 估计性 RSS
MD-SBL
能的影响，第四个仿真保持目标方位角、目标频 1.0 BF-FRI
率和角度间隔与第二个仿真一致，将快拍数设定 کவಪឨࣀ/(°)
在 1∼100 的范围内。采用均方根误差 (Root mean
0.5
square error, RMSE) 作为性能评估指标, 进行 200
次Monte-Carlo试验。在20 dB、10 dB和0 dB三种
不同 SNR 环境下，各算法的 DOA 估计精度与快拍 0 20 40 60 80 100
ঌથ஝
数的关系如图5所示。从图5可以看到，在低SNR环 (c) SNR˞0 dB
境中，各算法的DOA估计精度较低。随着快拍数增
图 5 各算法 DOA 估计结果与快拍数的关系
加，精度逐渐提高，其中 MD-SBL 方法在低 SNR 环
Fig. 5 The relationship between azimuth estima-
境下的 DOA 估计精度优于 BF-FRI 方法，BF-FRI
tion results and the number of snapshots
方法的 DOA 估计精度介于 ISSM 和 RSS 之间。在
高SNR环境中，随着快拍数的增加，BF-FRI方法的 2.5 ISSM
RSS
DOA 估计精度相较 MD-SBL 方法更高。该仿真验 2.0 MD-SBL
证了在多快拍条件下，BF-FRI 方法具有较高的方 1.5 BF-FRI
位分辨性能，但在低 SNR环境下，其DOA估计精度 کவಪឨࣀ/(°) 1.0
低于MD-SBL和ISSM方法。
0.5
为了验证不同SNR对各算法DOA估计性能的
影响，第五个仿真设定了 SNR 范围为 −5 ∼ 19 dB。 0 -5 0 5 10 15
采用 RMSE 作为性能评估指标，并进行了 200 次 η٪උ/dB
Monte-Carlo 试验。图 6 展示了各方法在不同 SNR 图 6 各算法 DOA 估计结果与 SNR 的关系
下的性能表现。可以看出，在较高 SNR 环境下时， Fig. 6 The relationship between azimuth estima-
BF-FRI方法的RMSE低于其他算法。然而，随着 tion results and SNR