排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
本文提出了一种基于选择性集成径向基函数神经网络(SE-RBFNN)的来波方向(DOA)估计方法,解决单个神经网络建模进行DOA估计精度低的问题。首先利用Bagging方法训练生成一定数量的RBFNN弱分类器,其估计精度低但泛化能力强;然后提出并运用等宽分箱—投票选择性集成方法剔除估计误差大的奇异值个体,优选部分RBFNN输出结果进行平均处理,从而获得了高精度的DOA估计。仿真结果表明了算法的有效性,相对单个RBFNN建模,构建的选择性集成模型能适应方向特征的变化,算法的来波估计精度显著提高。 相似文献
2.
基于固定单站测量到达时差(TDOA)是一种有效的无源定位方法。针对现有文献缺乏对该方法定位精度的分析研究,提出一种基于几何精度衰减因子(GDOP)的定位精度分析方法。该方法首先提取影响TDOA定位精度的测量因子;然后分别以这些因子作为输入变量,根据GDOP,得到相对定位误差与影响定位结果的参数测量误差之间的变化关系以及可观测区域;最后再确定能否满足具体工程项目的定位精度和定位稳定性标准。仿真实验结果表明:该定位精度分析方法能够全面地评估方向到达时差(TDOA)的应用价值。通过该精度分析方法的验证,测量TDOA的固定单站无源定位方法具备较高的实用价值。 相似文献
1