基于非对称幅度插值的二维来波方位估计

幅度插值方位估计法通过对少数几个波束采样插值得到来波方位,避免了密集的方位搜索,在工程中有广泛的应用。目前该方法大多基于一维,且使用对称函数进行插值,估计误差较高。本文通过解耦的方式将该方法由一维推广至二维任意阵,并考虑真实方位谱在偏离0°后左右波束不对称的情况,利用左右波束斜率比作为求解条件,使用非对称函数进行幅度插值。进一步,针对二维非对称插值中出现的角度失配问题,提出了迭代插值的解决方法。最后仿真分析了插值方法、迭代插值以及信噪比对插值精度的影响,所提出方法的插值精度优于传统对称插值方法;且通过千岛湖实验数据验证,所提方法以10°间隔插值得到的估计精度可以比拟常规波束形成以0.01°进行密集扫描的估计精度。所提方法能够在满足一些工程应用中对实时性要求的同时达到较高的方位估计精度。

基于改进LS-SVM的来波方位估计

提取已知方位信号的协方差矩阵的上三角部分作为样本特征,构建方位估计模型。针对最小二乘支持向量机最优参数难以选定的问题,采用实值编码的启发式遗传算法,以模型的来波方位估计性能为目标,实现基于高斯核函数的SVM参数优化,提高了来波方位估计精度。实验结果表明,该方法估计精度较高、实时性好,在无线电测向领域具有广阔应用前景。

基于延时相关的稀疏恢复高分辨来波方位估计

针对MUSIC算法和基于四阶累积量的MUSIC-like算法在高斯色噪声背景下测向精度不理想的问题,提出基于延时相关的稀疏恢复高分辨来波方位估计算法。该算法利用蕴含在接收数据延时相关函数中的角度信息,采用所有阵元接收数据的延时相关函数构造新的阵列输出矩阵,进而构造新的协方差矩阵,并进行奇异值分解,建立稀疏表示模型,使用l1范数法对稀疏模型进行求解实现色噪声环境下高分辨DOA估计。仿真实验表明,基于延时相关的稀疏表示模型的测向分辨率好于基于传统子空间的MUSIC算法和基于四阶累积量的MUSIC-like算法,能降低协方差构造的复杂度,增强色噪声抑制能力。

一种基于小波变换的双信道比幅测向法

本文提出一种利用小波分析进行双信道比幅测向的方法,该法具有较强的频率捕获能力,能够有效地消除由于多信号交叠和噪声混杂所造成的比幅测向误差,得到比基于常规FFT的双信道比幅测向方法更高的准确度。文中还列举了计算机模拟实例,给出在非噪声、噪声背景下对双正弦信号的测向结果。

研究短波测向定位方法 提升短波台站值勤能力

1短波测向与定位概念无线电短波测向与定位是短波监测工作的重要内容,是对短波信号进行识别、分类的重要依据。短波测向是利用无线电测量设备测定目标无线电信号的来波方位。短波测向是短波信号定位的基础,短波定位则是利用单站测向方位角和来波仰角计算信号源位置或用多站测向结果进行图上交会确定信号源位置的过程。

基于联合条件概率判决NLOS的数据融合定位算法

针对蜂窝移动通信定位技术中常见的非视距传播(NLOS)问题,提出了一种利用来波信号强度和来波方位角测量值的联合条件概率判决NLOS的算法(JCPDS-RA,joint conditional probability decision scheme with RSS and AOA),并将其与数据融合定位技术相结合,提高定位精度。推导了NLOS环境下RSS和AOA的条件概率密度模型,给出了JCPDS-RA算法和数据融合流程图,并进行了仿真实验,结果表明,该算法有效地提高了定位精度并有一定的普适性。

协方差矩阵输入的DOA估计方法

利用支持向量回归机对非线性函数的拟合能力,将波达方向(DOA)估计问题转化为样本的智能学习问题。提取已知信号的协方差矩阵上三角部分作为样本输入特征,构建波达方向估计模型,获取复杂函数的拟合能力,达到对未知信号波达方向估计的目的。仿真实验表明该方法具有很高的估计精度和速度,在低信噪比和通道存在相位误差的情况下具有较强的适应能力,性能优于RBF神经网络法,具有较大的工程应用价值。

互耦条件下宽带信号盲校正DOA估计

结合均匀线阵的窄带互耦模型和宽带信号的频率分集思想,分析并推导互耦条件下的宽带数据接收模型,在该模型的基础上,提出一种基于辅助阵元的宽带接收信号预处理算法。经过预处理后,在利用基于相干信号的处理方法构造聚焦矩阵时,无需考虑互耦效应,即可在互耦系数未知的情况下,直接进行聚焦运算和宽带信号来波方位估计。仿真结果表明,该算法不仅能明显降低计算复杂度,且预处理后的角度估计精度在信噪比大于10 dB时,接近于互耦系数精确已知条件下的估计精度。

基于特征矢量相角的RBF神经网络DOA估计

为进一步提高神经网络模型的方向估计精度,提出利用特征矢量相角作为方向特征来构建模型。该方法首先通过协方差矩阵特征分解得到不易受噪声干扰的信号特征矢量;再对该矢量提取相角,信号的方向信息就包含在该相角中,以该相角作为输入矢量来训练模型。仿真结果证明了该方法具有抗噪能力强、模型估计精度高等特点,因此具有较高的工程应用价值。

一种改进的RBF神经网络DOA估计方法

提出一种优化径向基函数神经网络来波方位(DOA)估计模型结构和参数的方法。利用误差准则函数的收敛性,合理确定模型的隐层神经元数目,根据阵列信号相位差特征的空间分布特点,选择具有代表性的隐层神经元的中心,构建的RBF神经网络更能反映阵列的测向能力。相比于目前的径向基函数神经网络测向模型的构建方法,改进的DOA估计模型具有更好的泛化性能,能够提高测向精度。实验结果验证了该方法的有效性。

基于空间锥角的RBF神经网络二维DoA估计

提出一种有效的RBF神经网络二维DoA降维训练方法.利用空间锥角分别对L阵列的两条直线阵进行RBF神经网络模型训练,通过已构建的两个模型对未知来波的空间锥角进行估计,两个空间锥角对应的两个空间半锥面形成的相交线就是来波入射路径.仿真实验结果表明所提方法能有效缩减训练样本集,并能极大降低模型构建的复杂度,而且具备很高的二维来波估计精度,具有广阔的工程应用前景.

SAGE算法的TD-SCDMA空时分组多用户检测算法

针对时分同步码分多址(TD-SCDMA)上行失步以及强多址干扰的情况,提出了一种基于SAGE算法的空时分组多用户检测算法。该算法以各用户上行信号的DOA信息为基础,对接入用户的上行多径信号进行最大比合并,在空域进行分组,在每个组内进行多用户检测,最后利用SAGE算法进行迭代干扰消除。仿真结果表明,上行失步和强多址干扰情况下,该算法的误码率性能较传统的匹配滤波,联合检测以及解相关算法有较大的提升。

PDA窄带互相关的快速定向算法

水下目标探测通过对包含目标辐射噪声的声波进行信号分析和处理来确定目标的存在,而水下定向则在此基础上确定来波方位。当前进行水下定向主要通过潜艇、UUV、鱼雷、水雷和浮标,测向方法主要有匹配场技术,波束形成方法,高精度定向算法、时延估计方法等。匹配场技术和高精度定向算法由于依赖精确的声场、声源先验知识,在实际复杂环境下应用较少。波束形成技术作为常用方法,其计算速度快、复杂度低,但是其精确度依赖于较大的基阵孔径。