共查询到19条相似文献,搜索用时 140 毫秒
1.
2.
3.
高概率宽带相位干涉仪测向解模糊算法 总被引:1,自引:0,他引:1
先进作战飞机电子战系统采用宽带相位干涉仪对辐射源进行高精度方位测量。在相位干涉仪测向系统的常规解模糊算法基础之上,提出了一种基于加权投影空间全基线均方差最小的解算方法。理论分析和仿真计算表明,该方法可大幅度提升相位干涉仪测向的解模糊概率,拓宽了机载宽带相位干涉仪的应用条件。 相似文献
4.
文中基于传统的干涉仪测向的原理,并结合干涉仪消除测向相位模糊,实现了对跳频通信系统的无源测向方法.在此基础上,利用多单元园天线阵,实现了一种新的改进相关干涉仪方法.在仿真的基础上,对两种测向方法进行了分析比较,给出了两者测向的一些具体结果. 相似文献
5.
基于虚拟基线的干涉仪测向改进方法 总被引:1,自引:0,他引:1
复杂电磁环境下对复杂电磁信号进行测向是电子信息侦测的必要手段。并针对传统数字相位干涉仪解模糊和天线布设等技术问题,根据干涉仪测向基本原理,提出了一种基于虚拟基线的相位干涉仪方法,并利用大数判决准则对干涉仪测向估计方法进行了改进,改善和提升了测向性能。通过理论分析与仿真验证了该干涉仪设计与改进方法的有效性、可行的,同时该方法有利于工程实时实现,对实际工程应用有重要的参考意义,尤其是多长基线和多种天线阵形式的干涉仪系统。 相似文献
6.
针对传统的相位干涉仪无法进行同时信号测向的问题,提出了一种基于相位干涉仪的同时信号测向方法,在干涉仪测向中引入了数字信道化技术来解决同时信号分辨,同时采用多基线天线结构来提高测向精度。通过理论分析及仿真实验,验证了该方法可实现同时信号测向的能力。 相似文献
7.
研究了在超宽频段一种被动雷达导引头旋转式干涉仪无模糊测向方法。在2个相邻雷达脉冲到达时,干涉仪2次测量相位差变化不超过π的情况下,可用基于数字积分器解决测向模糊问题。而在干涉仪测量相位差变化超过π的情况下,基于相位连续特性,通过对数字积分器的结果作修正可实现无模糊测向。本文设计并实现了一种针对8 mm波段被动雷达导引头旋转式相位干涉仪测向系统,系统仿真和硬件测试结果证明了该算法的正确性和有效性。 相似文献
8.
相位干涉仪中均匀阵列测向精度研究 总被引:1,自引:0,他引:1
对相位干涉仪体制中所使用的两种均匀阵列进行了研究,对阵列的测向算法进行了改进,并用matlab软件进行了计算机仿真,仿真结果表明在同等条件下,虽然平面阵的算法较复杂,但是测量误差更小,测向精度更高,具有更好的性能。 相似文献
9.
基于时间调制理论,提出了一种单通道框架下的多基线相位干涉仪测向方法,其克服了传统相位干涉需要多个射频通道带来的系统复杂度高以及通道幅相不一致性问题.所提方法利用单刀多掷开关周期性接通多基线相位干涉的各天线单元,并从接收信号产生的谐波特征中同时估计多组基线产生的相位差.首先分析传统多基线相位干涉仪测向存在的局限性,然后提出基于时间调制的单通道多基线相位测量方法,最后结合2~8GHz宽带测向需求,设计四基线相位干涉仪并进行仿真.仿真结果显示,在2~8 GHz范围内,测向误差能达到0.1°以内,证明了本文方法的有效性. 相似文献
10.
提出了一种新的基于径向基(RBF)神经网络的相关干涉仪测向方法,实现了自组织学习选取中心、正交最小二乘法及基于遗传算法的进化优选算法等训练方法,经训练后的RBF神经网络可用于多源信号波达角(DOA)估计。仿真结果表明,在一定范围内,该方法对信道噪声不敏感,测向精度与传统相关干涉仪相当,且测向处理时间和测向设备的存储量大大降低。 相似文献
11.
12.
基于非均匀线阵的阵列信号模型,数字式多基线相位干涉仪和MUSIC两种测向方法均能实现测向功能。给出了两种测向方法的测向精度的计算公式,明确了测向精度的影响因素,研究并比较了两种测向方法的测向性能。以四元非均匀线阵为例,在输入只有一个信号的环境下进行仿真实验,对比了两种测向方法的测向精度和测向时间,理论分析与仿真结果都表明数字式多基线相位干涉仪具有更高的测向精度和更短的测向时间。 相似文献
13.
14.
为实现方位保持平台高精度快速反应的要求,针对方位保持平台的工作特点,提出了采用BP神经网络控制算法的三级温度控制策略。试验结果表明该温控系统及算法可有效缩短方位保持平台的反应时问,提高方位保持平台的保持精度,是一种实用而有效的温度控制方法。 相似文献
15.
改进的进化神经网络算法是采用双种群的进化规则,同时完成对权值和结构的进化,其特点是加快算法的收敛速度,在一定程度上克服了BP算法陷入局部最小点的不足。将该算法应用于入侵检测领域中,建立一个基于改进的进化神经网络入侵检测系统模型,并用KDDCUP99数据测试了该模型中改进的进化神经网络分类器引擎,与基于BP神经网络和传统的进化神经网络等相比,得到了较高的检测率。 相似文献
16.
17.
18.
19.
基于接收信号强度指示(received signal strength indication, RSSI)测距的研究和应用领域很广泛,一直是物联网研究的热点. 为降低传统基于反向传播(back propagation,BP)神经网络的RSSI测距误差,文中提出一种基于K-means聚类算法对样本数据进行预处理的BP神经网络测距算法,来解决由于RSSI值衰减程度不同引起的不同距离区间RSSI值和真实距离之间映射关系不均匀的问题. 将K-means聚类算法应用于BP神经网络模型中,对样本数据进行距离区间划分,然后将已经分类好的数据分别输入BP神经网络建立网络模型并进行实验仿真. 结果显示:传统基于BP神经网络的RSSI测距算法的均方根误差为1.425 7 m;而经过K-means算法改进后的BP神经网络测距算法的均方根误差为1.288 7 m,降低了测距误差,并优化了目标RSSI值与真实距离的映射关系. 相似文献