共查询到10条相似文献,搜索用时 78 毫秒
1.
2.
针对冲击噪声下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达阵列诊断失效问题,对基于二阶矩的传统匹配滤波器进行改进以适应非高斯噪声,并提出一种基于张量分解和K-means聚类的阵列诊断方法.该方法利用MIMO雷达各接收阵元回波信号的高斯核函数值来自适应地调整匹配滤波器的系数,以有效形成虚拟阵列.为挖掘正常和故障阵元的匹配滤波输出数据的多维特征,将虚拟阵列协方差矩阵构建成三阶平行因子(PARAllel FAC-tor,PARAFAC)张量,并通过COMFAC(COMplex parallel FACtor analysis)算法分解获得收发阵列流形矩阵,使用欧式距离度量其相似性,确定两个簇类数据的聚类中心并划分出异常簇类,以完成故障阵元位置的诊断.仿真结果验证了所提算法的有效性. 相似文献
3.
在非高斯相关杂波背景、参数随机或未知的情况下,通常难以甚至无法建立统计检测模型。针对此问题,基于粒子滤波方法,根据未知参数的概率分布函数抽取粒子,将复杂积分运算转化为求和运算求取似然函数,给出了一种雷达目标似然比检测的通用模型,较好地解决了非高斯相关杂波条件下无法得到检测统计量的问题。此外,以复SG-Alpha稳定分布作为非高斯相关杂波分布模型,给出了基于粒子滤波的检测统计模型,并对本文方法与传统的检测方法在高斯相关杂波和非高斯相关杂波背景下的检测性能进行了仿真比较,验证了算法的有效性。 相似文献
4.
针对传统共变算法在对称α稳定分布(SαS)噪声中方差趋于无穷,实际应用效果不佳的缺点,本文提出了一种基于预处理的共变时差估计算法,该算法将接收信号通过任意满足奇对称单调增的有界函数进行预处理后,再使用共变算法,理论证明了改进算法方差降为了有限值,从而提高了时差估计精度及算法实际应用价值。最后提出了两种满足上述条件的预处理函数,并对其和已有的反正切函数进行仿真,验证了本文算法在SαS分布噪声环境下提高算法估计精度的有效性和在高斯噪声环境下的适用性。 相似文献
5.
6.
7.
8.
9.