以均匀直线阵和四阶累积量为基础,提出了一种新的空间特征盲估计算法。该算法首先利用阵列输出四阶累积量构造了一种空间特征矩阵,对其作特征分解可以得到各用户的空间特征估计。然后,在空间特征估计基础上,结合前向/共轭后向空间平滑...以均匀直线阵和四阶累积量为基础,提出了一种新的空间特征盲估计算法。该算法首先利用阵列输出四阶累积量构造了一种空间特征矩阵,对其作特征分解可以得到各用户的空间特征估计。然后,在空间特征估计基础上,结合前向/共轭后向空间平滑技术进行了多径波达方向(Direction of Arrival,DOA)估计。该方法突破了传统MUSIC、ESPRIT等算法的局限,可以利用M阵元估计2M2/3个DOA,且各DOA与信源自动配对。该算法不依赖于信号具体特征,适用于任意加性高斯噪声(如有色噪声)环境。理论分析和仿真结果说明了算法的有效性和鲁棒性。展开更多
提出了一种针对空间非相关窄带信号源的中心频率、方位角和俯仰角三维参数的同时估计方法。该方法通过对均匀双平行线阵时域采样构造虚拟阵元,然后结合空域采样数据构造时空DOA 矩阵,对 DOA 矩阵进行特征分解,利用分解得到的特征值和特...提出了一种针对空间非相关窄带信号源的中心频率、方位角和俯仰角三维参数的同时估计方法。该方法通过对均匀双平行线阵时域采样构造虚拟阵元,然后结合空域采样数据构造时空DOA 矩阵,对 DOA 矩阵进行特征分解,利用分解得到的特征值和特征向量估计出信号源的三维参数。该方法不需要进行谱峰搜索,运算量小,能实现频率、方位角和俯仰角的同时估计与自动配对,具有较高的分辨率,且能估计出比阵元数多的信号源的参数,给出的计算机仿真结果证明了该方法的有效性。展开更多
大型阵列采用子阵级处理方法可以用小的代价获得较好的处理性能。本文提出一种均匀线阵(Uniform linear array,ULA)子阵级处理方法,该方法综合考虑子阵划分及子阵级幅度权矢量对阵列输出性能的影响,运用粒子群算法(Particle swarm optim...大型阵列采用子阵级处理方法可以用小的代价获得较好的处理性能。本文提出一种均匀线阵(Uniform linear array,ULA)子阵级处理方法,该方法综合考虑子阵划分及子阵级幅度权矢量对阵列输出性能的影响,运用粒子群算法(Particle swarm optimization,PSO)将子阵划分方式及子阵级幅度权值进行联合优化。通过仿真发现,该联合优化方法可以充分利用阵列划分方式的自由度,在已知阵列输出性能的前提下,准确地提供一组阵列划分方式及子阵级幅度权值。与常规方法相比,联合优化方法降低了阵列设计的计算量及阵列设计周期,并且可以得到性能更有针对性的方向图。本文方法也为大型阵列进行子阵划分提供了理论依据。展开更多
文摘以均匀直线阵和四阶累积量为基础,提出了一种新的空间特征盲估计算法。该算法首先利用阵列输出四阶累积量构造了一种空间特征矩阵,对其作特征分解可以得到各用户的空间特征估计。然后,在空间特征估计基础上,结合前向/共轭后向空间平滑技术进行了多径波达方向(Direction of Arrival,DOA)估计。该方法突破了传统MUSIC、ESPRIT等算法的局限,可以利用M阵元估计2M2/3个DOA,且各DOA与信源自动配对。该算法不依赖于信号具体特征,适用于任意加性高斯噪声(如有色噪声)环境。理论分析和仿真结果说明了算法的有效性和鲁棒性。
文摘提出了一种针对空间非相关窄带信号源的中心频率、方位角和俯仰角三维参数的同时估计方法。该方法通过对均匀双平行线阵时域采样构造虚拟阵元,然后结合空域采样数据构造时空DOA 矩阵,对 DOA 矩阵进行特征分解,利用分解得到的特征值和特征向量估计出信号源的三维参数。该方法不需要进行谱峰搜索,运算量小,能实现频率、方位角和俯仰角的同时估计与自动配对,具有较高的分辨率,且能估计出比阵元数多的信号源的参数,给出的计算机仿真结果证明了该方法的有效性。
文摘大型阵列采用子阵级处理方法可以用小的代价获得较好的处理性能。本文提出一种均匀线阵(Uniform linear array,ULA)子阵级处理方法,该方法综合考虑子阵划分及子阵级幅度权矢量对阵列输出性能的影响,运用粒子群算法(Particle swarm optimization,PSO)将子阵划分方式及子阵级幅度权值进行联合优化。通过仿真发现,该联合优化方法可以充分利用阵列划分方式的自由度,在已知阵列输出性能的前提下,准确地提供一组阵列划分方式及子阵级幅度权值。与常规方法相比,联合优化方法降低了阵列设计的计算量及阵列设计周期,并且可以得到性能更有针对性的方向图。本文方法也为大型阵列进行子阵划分提供了理论依据。
