该文将特征向量信息与假设检验法相结合,提出了一种基于峰均功率比门限(Peak-to-Average Power Ratio Threshold,PAPRT)的信源个数检测新方法。该方法利用特征向量对接收数据进行加权,然后计算其峰均功率比,利用峰均功率比值与特征值在...该文将特征向量信息与假设检验法相结合,提出了一种基于峰均功率比门限(Peak-to-Average Power Ratio Threshold,PAPRT)的信源个数检测新方法。该方法利用特征向量对接收数据进行加权,然后计算其峰均功率比,利用峰均功率比值与特征值在区分信号和噪声方面的一致性,通过引入一个二元假设检验过程,检测信号源个数。仿真结果表明,PAPRT方法在低信噪比下,对等强双目标的检测性能优于特征值门限(Eigen Threshold,ET)方法,且不受目标强度差的影响,对不等强多目标也具有优良的检测性能。展开更多
"峰值能量比"因其物理意义清晰、计算简单而在目标识别中被广泛使用,是常用的鉴别算子之一。不过关于该算子参数设置、使用方法和失效风险等相关问题的论述并不多见。针对这些问题,笔者首先对多幅不同杂波背景及目标的实测切..."峰值能量比"因其物理意义清晰、计算简单而在目标识别中被广泛使用,是常用的鉴别算子之一。不过关于该算子参数设置、使用方法和失效风险等相关问题的论述并不多见。针对这些问题,笔者首先对多幅不同杂波背景及目标的实测切片样本进行计算、比较、分析。综合考虑计算效果和计算效率后,给出一些参数设置的指导性准则。继而,提出一种PPR(Peak Power Ratio)使用方法,即通过多次迭代使用PPR算子使得杂波剔除能力得以提高。笔者最后指出,PPR算子的使用具有一定局限性,并不是所有的情况都可以或需要使用,当PPR计算结果不可区分时,则表明PPR算子失效。展开更多
针对无人水下航行器工作环境复杂迫切需要提高其对多目标的检测能力的问题,提出了一种采用盖尔圆半径修正峰均功率比的信息论方法(PGAIC,An Information Cri-terion using Peak-to-average Power Ratio Modified by Gerschgorin Radii)...针对无人水下航行器工作环境复杂迫切需要提高其对多目标的检测能力的问题,提出了一种采用盖尔圆半径修正峰均功率比的信息论方法(PGAIC,An Information Cri-terion using Peak-to-average Power Ratio Modified by Gerschgorin Radii).该方法首先用采样协方差矩阵的特征向量对接收数据进行加权,计算其峰均功率比,然后对采样协方差矩阵用转换矩阵进行盖尔圆变换,用盖尔圆半径修正对应的峰均功率比值,并将修正后的峰均功率比值应用于新的信息论方法得到PGAIC判源准则.仿真结果表明,PGAIC方法低信噪比下检测性能优于传统的AIC(Akaike Information Criterion)和MDL(Minimum Description Length)等方法,且不受目标强度差的影响.展开更多
针对低信噪比下盖氏圆估计(Gerschgorin disk estimator,GDE)方法难以有效估计信号源数目的情况,通过将峰均功率比(peak-to-average power ratio,PAR)与盖氏圆半径相结合,提出基于峰均功率比的盖氏圆估计(Gerschgorin disk estimator ba...针对低信噪比下盖氏圆估计(Gerschgorin disk estimator,GDE)方法难以有效估计信号源数目的情况,通过将峰均功率比(peak-to-average power ratio,PAR)与盖氏圆半径相结合,提出基于峰均功率比的盖氏圆估计(Gerschgorin disk estimator based on peak-to-average power ratio,GDE-PAR)方法.从阵元接收数据中提取出特征向量,再用特征向量加权接收数据,得到峰均功率比用于修正对应的盖氏圆半径,用GDE方法判定信号源数目.在不同信噪比条件下对修正前后的盖氏圆半径进行Matlab仿真,并使用蒙特卡罗方法对不同信噪比、等强双目标与不等强双目标和等强3目标与不等强3目标情况下,Akaike信息论准则(Akaike information criterion,AIC)、最小描述长度(minimum description length,MDL)准则、PAR方法和GDE-PAR方法进行信号源估计.结果表明,在低信噪比及不等强多目标条件下,GDE-PAR方法成功检测到信源的概率均比AIC、MDL准则和PAR方法大.展开更多
文摘该文将特征向量信息与假设检验法相结合,提出了一种基于峰均功率比门限(Peak-to-Average Power Ratio Threshold,PAPRT)的信源个数检测新方法。该方法利用特征向量对接收数据进行加权,然后计算其峰均功率比,利用峰均功率比值与特征值在区分信号和噪声方面的一致性,通过引入一个二元假设检验过程,检测信号源个数。仿真结果表明,PAPRT方法在低信噪比下,对等强双目标的检测性能优于特征值门限(Eigen Threshold,ET)方法,且不受目标强度差的影响,对不等强多目标也具有优良的检测性能。
文摘"峰值能量比"因其物理意义清晰、计算简单而在目标识别中被广泛使用,是常用的鉴别算子之一。不过关于该算子参数设置、使用方法和失效风险等相关问题的论述并不多见。针对这些问题,笔者首先对多幅不同杂波背景及目标的实测切片样本进行计算、比较、分析。综合考虑计算效果和计算效率后,给出一些参数设置的指导性准则。继而,提出一种PPR(Peak Power Ratio)使用方法,即通过多次迭代使用PPR算子使得杂波剔除能力得以提高。笔者最后指出,PPR算子的使用具有一定局限性,并不是所有的情况都可以或需要使用,当PPR计算结果不可区分时,则表明PPR算子失效。
文摘针对无人水下航行器工作环境复杂迫切需要提高其对多目标的检测能力的问题,提出了一种采用盖尔圆半径修正峰均功率比的信息论方法(PGAIC,An Information Cri-terion using Peak-to-average Power Ratio Modified by Gerschgorin Radii).该方法首先用采样协方差矩阵的特征向量对接收数据进行加权,计算其峰均功率比,然后对采样协方差矩阵用转换矩阵进行盖尔圆变换,用盖尔圆半径修正对应的峰均功率比值,并将修正后的峰均功率比值应用于新的信息论方法得到PGAIC判源准则.仿真结果表明,PGAIC方法低信噪比下检测性能优于传统的AIC(Akaike Information Criterion)和MDL(Minimum Description Length)等方法,且不受目标强度差的影响.
文摘针对低信噪比下盖氏圆估计(Gerschgorin disk estimator,GDE)方法难以有效估计信号源数目的情况,通过将峰均功率比(peak-to-average power ratio,PAR)与盖氏圆半径相结合,提出基于峰均功率比的盖氏圆估计(Gerschgorin disk estimator based on peak-to-average power ratio,GDE-PAR)方法.从阵元接收数据中提取出特征向量,再用特征向量加权接收数据,得到峰均功率比用于修正对应的盖氏圆半径,用GDE方法判定信号源数目.在不同信噪比条件下对修正前后的盖氏圆半径进行Matlab仿真,并使用蒙特卡罗方法对不同信噪比、等强双目标与不等强双目标和等强3目标与不等强3目标情况下,Akaike信息论准则(Akaike information criterion,AIC)、最小描述长度(minimum description length,MDL)准则、PAR方法和GDE-PAR方法进行信号源估计.结果表明,在低信噪比及不等强多目标条件下,GDE-PAR方法成功检测到信源的概率均比AIC、MDL准则和PAR方法大.