微信公众号：EW Frontier

关注可了解更多的雷达、通信、人工智能相关代码。问题或建议，请公众号留言;

如果你觉得EW Frontier对你有帮助，欢迎加入我的知识星球或面包多，更多代码等你来学

知识星球：https://wx.zsxq.com/dweb2/index/group/15552518881412

面包多：https://mbd.pub/o/author-a2mYl2tsbA==/work

QQ交流群：734060765

课题背景

阵列信号处理具有波束控制灵活、信号增益高、空间分辨率高以及干扰抑制能力强等优点，自提出以来得到了快速发展和广泛应用。其基本原理是将多个传感器放置在空间中不同位置构成一个传感器阵列，由传感器阵列对空间电磁或者声学信号进行空域并行采样，然后再通过处理器进行信号处理，从中得到信号有用信息的理论和技术。阵列信号处理包括两方面内容，一方面是自适应信号处理，利用信号的空域特性增强有用信号方向上的能量，对其它方向上的干扰和噪声信号进行抑制。另一方面则是空间谱估计技术，也称为波达方向估计（Direction Of Arrival，DOA）、角度估计、方向估计或测向等。

最早基于阵列的空间谱估计方法是常规波束形成（Conventional Beamforming，CBF）法，该方法本质上是时域傅里叶谱估计方法向空域的简单扩展，原理简单，但分辨能力有限，会受到阵列瑞利限的限制。要提高对目标的分辨能力，就需要实现超分辨，这是空间谱估计中的重要研究方向。最典型的超分辨谱估计方法是多重信号分类（Multiple Signal Classification，MUSIC）方法以及旋转不变子空间（Estimation of Signal Parameters via Rotational Invariance Technique，ESPRIT）方法，这两种方法基于信号子空间，利用信号子空间的性质，实现了超分辨测向。这两类算法均需要较多独立同分布的快拍数据，一般要求快拍数几倍于阵元数，不足之处是要有目标数量的先验信息。

本次作业主要实现对几种谱估计算法的仿真，包括CBF 算法、Capon 算法、MUSIC 算法、ESPRIT 算法、OMP 算法、SBL 算法以及CNN 算法。对七种算法的性能进行对比。