臺灣博碩士論文加值系統

在陣列天線信號處理領域中的信號入射方向估測，多利用均勻線性陣列處理，以高解析特徵性質結構的方法來求解[2] [3] [4] [9] [10] [11] [12]，而這篇論文中我們提出的方法是藉由中心厄米特矩陣（centro-Hermitian matrix）結構[1]的方法，使複數的資料矩陣轉化成實數的矩陣再利用特徵性質結構的特性來進行入射方向以及信號向量的估測，且比Unitary ESPRIT的運算量來的低，又因為合併資料的前向和後向平均，所以效能又比轉換子空間旋轉法[2]，ESPRIT[3]來的更準確。而這個方法不只可以應用在ㄧ維空間上的方向估測，也可以推廣到二維空間的估測上[7]。此外，更可以套用空間平滑技術[6]到ㄧ維空間和二維空間的么正轉換子空間旋轉法上來解決同調信號相關矩陣秩不足的問題。

Unitary Transform Subspace Rotation method is a high resolution and computation efficiency array signal processing. By using the centro-Hermitian matrix technique[1], TSR[2] can be performed in terms of real-valued processed. It can be applicable to many problems such as steering vector and its corresponding signal estimation. Unitary TSR contains forward-backward data averaged, that is the reason leading to an improved performance compared to ESPRIT and TSR. In this parper , Unitary TSR can be successfully applied in one and two-dimensional[7]. Besides, Spatial-smoothing Unitary TSR method is applied in the coherent signal’s direction-of-arrival’s (DOA) estimation.

中文摘要 I
英文摘要 II
致謝 III
目錄 IV
表目錄 V
圖目錄 VI
一、緒論 1
二、矩陣的介紹 3
三、一維空間的么正轉換子空間旋轉法 6
3.1 ㄧ維空間的信號模型 6
3.2 么正轉換子空間旋轉法應用於ㄧ維空間的方向估測 7
3.3 么正轉換子空間旋轉法應用於ㄧ維空間的信號估測 11
3.4 運用空間平滑技術到一維空間的么正轉換子空間旋轉法 12
3.5 運算量的比較 15
3.6 一維的模擬一 17
3.7 一維的模擬二 19
3.8 一維的模擬三 21
四、二維空間的么正轉換子空間旋轉法 25
4.1 二維空間的信號模型 25
4.2 么正轉換子空間旋轉法應用於ㄧ維空間的方向估測 28
4.3 么正轉換子空間旋轉法應用於ㄧ維空間的信號估測 33
4.4 運用空間平滑技術到一維空間的么正轉換子空間旋轉法 34
4.5 二維的模擬一 37
4.6 二維的模擬二 43
五、結論 46
六、附錄 47
附錄一 47
附錄二 48
參考文獻 50

表目錄
表3-1　 16
表3-2　 20
表3-3　 23
表3-4　 24
表4-1　 39
表4-2　 39
表4-3　 40
表4-4　 40
表4-5　 42
表4-6　 44
表4-7　 44

圖目錄
圖3-1　 13
圖3-2　 18
圖3-3　 18
圖3-4　 19
圖3-5　 21
圖4-1　 25
圖4-2　 28
圖4-3　 35
圖4-4　 41
圖4-5　 41
圖4-6　 43
圖4-7　 45

[1] A. Lee，“Centrohermitian and skew- centrohermitian matrices,” Linear Algebra and its Applications , vol. 29 ,pp.205-210, 1980
[2] Yuh-Huu Chang , Shih-Hao Tung and Pel-Wen Hung “Transform Subspace Rotation Approach to Signal Parameter Estimation” CHUNG YUAN JOURNAL ,Vol. 30, No. 1, March, 2002
[3] R. Roy and T. Kailath. “ESPRIT- Estimation of Signal Parameters via Rotational Invariance Techniques.” IEEE Trans. Acoust., Speech, Signal Process., vol.ASSP-37, pp. 984-995, July 1989.
[4] M. Haardt and JA. Nossek. “Unitary ESPRIT：How to Obtain Increased Estimation Accuracy with a Reduced Computational Burden.” IEEE Trans. On Signal Processing, Vol. 43, No.5 pp. 1232-1242 May 1995
[5] G. H. Golub and C. F. Van Loan . Matrix computations. Baltimore. MD：Johns Hopkins University Press. 1984
[6] T. J. Shan, M. Wax, and T. Kailath. “On Spatial Smoothing for Direction-of-Arrival Estimation of Coherent Signals” IEEE Trans. Acoust., Speech, Signal Process., vol.ASSP-33. pp. 806-811, Aug 1985.
[7] M. Haardt ，M. D. Zoltowski ，C. P. Methews and JA. Nossek “2D Unitary ESPRIT for Efficient 2D Parameter Estimation.” IEEE Trans. Acoust., Speech, Signal Process Vol. 3, pp. 2096-2099, May 1995
[8] Krekel, P. F. C.；Deprettere, E. F. “A two-dimensional version of the matrix pencil method to solve the DOA problem,” European Conference on Circuit Theory and Design, 1989,435-439
[9] A.Paulraj, R. Roy and T. Kailath. “Extensions to the subspace invariance approach to signal parameter estimation,” In Proc. Int. Conf. On Acoustics, Speech and Sig. Proc, Japan,1986.
[10] A. Paulraj, R. Roy and T. Kailath, “A subspace rotation approach to signal parameter estimation”IEEE Proceedings , vol. 74, No.7, July 1986.
[11]G. Xu, S. Sliverstein, R. Roy and T. Kailath, “Beamspace ESPRIT,’IEEE Transactions on Signal Processing, vol. 42, Feb. 1994, 349-356.
[12]M. Viberg, B. Ottersten, “Sensor array processing based on subspace fitting”, IEEE Trans. Acoust., Speech, Signal Processing, vol.39, May 1991, 1110-1121.