子空間類超分辨算法并行化研究.pdf

1、對空間譜估計技術進行研究的主要目的是提高空間信源方位角的估計精度以及分辨力，在眾多的超分辨算法中，子空間類算法由于其得天獨厚的優(yōu)勢：明確的物理概念和良好的估計性能而得到了更多的關注和應用。其中最具代表性也是最常用的兩種方法為：多重信號分類算法(MUSIC)和旋轉不變子空間算法(ESPRIT)。
　　將子空間類算法在應用于實際中會發(fā)現(xiàn)存在著計算量大的缺陷，而在雷達信號處理中，對算法的實時性又有著較高的要求，雖然有著較好的估計性能，但

2、難以進行實時處理制約了子空間類算法應用和發(fā)展。本文從并行處理的角度出發(fā)，對子空間類超分辨算法進行高效化進行。然而并行化的實現(xiàn)是并不是簡單的將算法分割，而是要依賴于對算法本身的理解和實現(xiàn)步驟的劃分。
　　本文從經(jīng)典的MUSIC算法入手，分析其性能和計算復雜度，對運算量主要集中的環(huán)節(jié)——特征分解提出改進算法。該方法針對MUSIC算法的計算復數(shù)域上運行，運算量大、不易于特征分解的缺陷，選擇一種實值化預處理方法，該方法不僅可以在不影響算法

3、性能的前提下將協(xié)方差矩陣化為實對稱矩陣，有利于并行化算法的選取，而且處理本身即會減少算法的計算量。之后通過對比分析選取了兩種適合并行化處理的特征分解方法，并對其原理進行了分析。
　　在得到理論依據(jù)后，對MUSIC算法進行并行化實現(xiàn)：在構造協(xié)方差矩陣、特征分解和譜峰搜索三個階段分別對其進行并行化改進，從而大大提高算法的實時性。其中在特征分解階段，分別采用之前所分析的Jacobi方法和QR方法并對其進行并行化改進。通過仿真分析驗證了并

4、行算法的有效性，同時通過與經(jīng)典的MUSIC算法的性能比較，對比分析這兩種方法在估計性能及運算量方面的性能。
　　在得到并行的MUSIC算法之后，本文將此方法推廣到ESPRIT算法中。針對ESPRIT算法與MUSIC算法主要的不同之處，即在特征分解階段ESPRIT算法涉及到對非對稱矩陣進行廣義特征分解，本文在QR方法的基礎上進行改進，采用了Lanczos方法和帶原點位移的QR方法，提出了一種適合 ESPRIT算法的并行運算方法，通過