《表1 ESPRIT算法的水池实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《低复杂度的MIMO声呐协方差矩阵重构方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

进一步缩小两目标的角度间隔，将两个目标的方向调整为θ1=5?，θ2=20?，所得到的测向结果如图9所示。与图8相比，低复杂度MUSIC算法的背景噪声幅度有所升高，约为-25 dB，但是谱峰尖锐，仍然能够准确地分辨两个目标，测向结果的角度分别为。而MUSIC算法的测向结果与图8相比基本一致，仍然存在主瓣宽、背景噪声高的特点。由此可见，低复杂度的MUSIC算法有效地抑制了噪声对算法性能的影响，在降低了计算复杂度的同时，能够对两个角度间隔较小的目标进行准确的测向。由于ESPRIT算法不需要进行谱峰搜索，因此无法绘制功率谱图。利用ESPRIT算法对水池实验所获得的数据进行处理，所得到的测向结果如表1所示。低复杂度ESPRIT算法的测向精度受两目标角度间隔的影响较小，均方根误差均达到了1?，而ESPRIT算法的测向性能，随着两目标角度间隔的减小而降低。从表1可以看出，ESPRIT算法的水池实验结果与仿真实验的结果一致，低复杂度ESPRIT算法的测向精度高于ESPRIT算法。水池实验和仿真结果都验证了低复杂度算法的有效性。