共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
基于互相关和MUSIC算法的时延估计 总被引:1,自引:0,他引:1
为了避免相位干涉仪测向技术中存在的模糊问题,提高宽带信号时延估计的测量精度,把互相关和多重信号分类算法结合,引入到频域时延估计领域,研究了互相关MUSIC算法.利用互相关技术可消除非相关噪声,检测概率增加,减小了运算量.仿真结果表明,该算法具有较高的估计精度,较强的抗噪性和较强的鲁棒性,适用于电子对抗领域中的时延估计. 相似文献
5.
由于单个声压水听器无指向性,不能用来估计目标的方位,因此提出了一种基于单个矢量水听器的高分辨MUSIC算法。该矢量水听器由3个空间轴向垂直的振速水听器和1个声压水听器构成,充分利用矢量水听器的阵列流形特性,按照阵列信号处理的原理对其输出的标量场和矢量场信息进行联合处理,构造了单矢量水听器MUSIC算法。仿真结果显示,将MUSIC算法应用于单矢量水听器可以得到比Capon算法更尖锐的指向性波束,更低的旁瓣,大大提高了对目标的分辨能力,在高信噪比条件下能实现对目标高分辨的方位估计。 相似文献
6.
针对时间反转MIMO雷达多重信号分类算法计算量庞大的问题,提出一种基于降维子空间旋转变换技术的多目标波达角估计算法。首先,通过采用降维思想对TR MIMO回波信号进行降维处理,来减少计算量; 然后,为构造旋转变换矩阵,对噪声子空间按行分块并取其逆矩阵; 最后,利用该逆矩阵对噪声子空间矩阵旋转变换,得到低维子空间矩阵,对比导向矢量构造谱函数估计目标的角度信息。相对于传统的MUSIC算法,该算法降低了噪声子空间的维度,大大降低了计算量,而且具有更高的目标分辨率。 相似文献
7.
近年来,基于稀疏表示的DOA估计方法已经被广泛提出,这些方法都需预设离散的网格点,而实际信号来波方向在空间域内具有随机性,任何来波方向都是等概率出现,很有可能信号的来波方向不在网格上,因而会存在网格误差,使DOA估计结果产生较大偏差。为提高DOA估计精度,本文提出了非网格的DOA估计模型。同时,为提高测向自由度,本文应用由两个均匀线阵组成的互质阵列,并且将两个均匀线阵平行放置在同一平面。通过将两均匀线阵的互协方差矩阵向量化成互协方差矢量,可得到一维虚拟扩展的接收数据矢量,并且在稀疏表示框架下应用相应的稀疏恢复算法恢复出跟DOA参数相关的向量,从该向量中得到唯一的并且自动配对的二维DOA估计参数。仿真实验结果验证了本文算法较传统算法具有更好的DOA估计性能。 相似文献
8.
9.
利用极大似然(ML)方法对远场目标的DOA进行估计,并将多个阵列的DOA估计进行交叉定位,从而实现远场目标的精确定位.同时针对单目标和多目标以及目标信号已知和未知时的CR下界进行分析;特别推导了时间同步误差的CR下界,认为时间同步误差的CR下界与时间同步方差、阵列几何关系和方位角有关;但与频率无关.在给出多DOA交叉定位算法的基础上,利用真实试验数据,分别使用基于时延估计的DOA算法和基于ML的DOA算法对远场目标进行交叉定位,结果表明,MLDOA的定位精度要高于时延估计DOA的定位精度. 相似文献
10.
文中在建立了相干信号源数学模型的基础上,利用虚拟阵列变换思想和修正MUSIC算法实现了对相干信号源的方位估计.经计算机仿真,证明了该方法的有效性. 相似文献
11.
12.
13.
针对非均匀白噪声背景下窄带信号的DOA估计,提出了一种新型DOA估计算法。首先构造出包含待估信号和噪声各种参数的最大似然函数,然后推导出极值条件进行寻优,得出待估计参数的估计值。同时还给出了一种新的噪声参数估计方法——逆迭代参数估计。理论分析和仿真实验表明,新型算法的性能优于非均匀噪声背景下传统的最大似然估计算法,且算法复杂度不大。 相似文献
14.
15.
16.
互质阵列具有灵活的天线摆放形式,相比于均匀阵列,有更大的阵列孔径,可以获得更高的自由度从而减少硬件资源成本,因此受到广泛的关注。本文针对基于互质阵列的空间平滑MUSIC算法(互质SS-MUSIC算法)估计精度低、计算量较大的问题,提出两种基于Toeplitz矩阵重构的互质阵列DOA估计算法。两种算法均利用扩展互质阵列构造虚拟阵列,然后进行协方差矩阵重构,重构后的矩阵是Toeplitz矩阵,对其进行划分,对划分后的矩阵进行特征值分解,求出信号子空间和噪声子空间,从而得到信号的入射角度。仿真实验结果表明,两种算法均能够实现信号的欠定DOA估计,与互质SS-MUSIC算法相比,两种算法在低信噪比-5 dB时的测向误差分别减少1.1°和0.5°,具有更高的估计精度;在相同条件下,运行时间分别减少45.9%和69.1%,具有更低的计算复杂度。 相似文献
17.
在雷达导引头末制导阶段,低信噪比(Signal to Noise Ratio,SNR)导致对目标的检测和定位性能恶化.为此,本文提出一种基于随机有限集的联合检测与DOA(Direction of Arrival)估计算法.该算法在单目标伯努利滤波器框架下,基于点目标扩展函数对经过低门限判决后的数据构建目标观测方程,在天线和视线混合坐标系下建立状态变量描述,求解状态向量微分方程并对其离散化得到离散时间差分方程,经过状态误差分析得到状态转移模型,再经过粒子递归实现联合检测与状态估计.通过仿真实验,验证了该算法的有效性.与传统跟踪前检测方法对比,该算法能在低信噪比下提高检测性能和DOA估计精度. 相似文献
18.
19.