基于RBF神经网络的引信智能天线多目标方向估计

提出了一种基于径向基函数 ( RBF)神经网络的引信智能天线多目标方向估计算法 ,对引信智能天线进行了结构和训练算法的设计。理论分析和测试结果表明 ,此算法充分利用了径向基函数神经网络的结构简单、自学习能力强、运算速度快、模式分类能力强等特点 。

多目标水声信号的稀疏重构反卷积测向算法

针对浅海复杂定位环境下信噪比低、多信源目标方位估计分辨能力低的问题,文章提出了多目标水声信号的离格稀疏贝叶斯学习重构反卷积测向算法。首先,该算法利用维纳滤波反卷积算法对阵元接收的信号进行“去噪”处理,然后对信号数据进行奇异值分解,从而降低噪声和信号重构过程的计算量;再建立离格稀疏信号模型,通过贝叶斯学习算法得到最大后验概率;最后求出多个目标信源的波达方向估计值。文章所提算法通过使用维纳滤波反卷积超分辨算法,获得了更高的方位估计的分辨率,提高了对多个目标的检测性能。仿真分析和海试实验数据结果表明,与MUSIC算法和OGSBI算法相比,该方法在信噪比大于-8 dB时,方位估计的均方根误差在1°以内,并在多目标定位精度、算法鲁棒性以及运行速度上均有更优的性能,为水下多目标波达方向估计提供了参考。