如何确定最优噪声子空间？

Kaijie Xu

如何确定最优噪声子空间？

信号处理 2021-06-16 v1 系统与控制系统与控制

作者: Kaijie Xu

摘要

基于信号子空间与噪声子空间正交性的多重信号分类 (MUSIC) 算法是波达方向 (DOA) 估计中最常用的方法之一，其 DOA 估计性能主要取决于噪声子空间的精度。在绝大多数现有研究中，噪声子空间由阵列输出协方差矩阵所有小特征值对应的特征向量构成（定义为）。然而，我们发现通过传统构成方式的噪声子空间进行 DOA 估计在几乎所有情况下均非最优，而使用部分噪声子空间总能获得最优估计结果。换言之，由部分小特征值对应特征向量张成的子空间更能代表噪声子空间。我们通过大量实验证明了这一结论。因此，应选择哪些及多少个特征向量来构成部分噪声子空间似乎是一个有趣的问题。此外，本研究提出了一个更一般的问题：如何选取特征向量以确定最优噪声子空间？

关键词

MUSIC 算法波达方向噪声子空间特征向量阵列输出协方差最优估计

引用

@article{arxiv.2106.08201,
  title  = {How to Determine an Optimal Noise Subspace?},
  author = {Kaijie Xu},
  journal= {arXiv preprint arXiv:2106.08201},
  year   = {2021}
}

如何确定最优噪声子空间？

摘要

关键词

引用

相关论文