常规波束形成主瓣随频率和指向变化,为了实现频率方向二维主瓣恒定,本文基于约束优化的方法,提出了一种宽带频率-方向不变恒定主瓣波束形成算法,并将之应用到宽带信号到达角(Direction of arrival,DOA)估计中。首先在参考频率上约束方...常规波束形成主瓣随频率和指向变化,为了实现频率方向二维主瓣恒定,本文基于约束优化的方法,提出了一种宽带频率-方向不变恒定主瓣波束形成算法,并将之应用到宽带信号到达角(Direction of arrival,DOA)估计中。首先在参考频率上约束方向不变主瓣恒定,然后在不同指向上约束频率不变主瓣恒定,并将约束问题表示为标准的二阶锥规划形式,运用SeDuMi求解最优权向量。仿真实验表明,本文提出的算法能够实现不同频率不同指向上波束主瓣恒定,与频率不变波束相比,采用频率-方向不变波束的DOA估计方法降低了信噪比分辨门限,提高了估计精度。展开更多
提出一种在低空场景下基于接收信号强度(Rcecived Signal Strength,RSS)与到达角度(Angle of Arrival,AOA)信息融合的单站无源定位算法。该算法采用单架无人机设备虚拟多站设备接收无线电辐射源信号,融合RSS估计的距离信息与AOA方向角信...提出一种在低空场景下基于接收信号强度(Rcecived Signal Strength,RSS)与到达角度(Angle of Arrival,AOA)信息融合的单站无源定位算法。该算法采用单架无人机设备虚拟多站设备接收无线电辐射源信号,融合RSS估计的距离信息与AOA方向角信息,依据最小二乘准则(LS)构造算法的优化目标函数,采用凸松弛技术将目标函数等价为二阶锥规划(SOCP)问题并通过内点法求解。实验结果表明,该算法的定位精度在2 km范围内可达20 m,其定位性能优于单站无源定位算法,且由于采用单架无人机采集信号,其设备复杂度相较于多站无源定位较低。展开更多
许多无线定位应用通过旋转方向天线推测无线信号的到达角度(angle of arrival,AOA),但该类方法在稀疏抽样和复杂环境中定位精度不高。方向天线波瓣曲线的还原实验表明,最大接收信号强度(received signal strength,RSS)附近的波瓣曲线与...许多无线定位应用通过旋转方向天线推测无线信号的到达角度(angle of arrival,AOA),但该类方法在稀疏抽样和复杂环境中定位精度不高。方向天线波瓣曲线的还原实验表明,最大接收信号强度(received signal strength,RSS)附近的波瓣曲线与二次曲线近似。根据这一事实,提出了一种基于RSS二次曲线拟合的AOA定位算法。该算法利用最大RSS附近的数据拟合出二次曲线方程,通过曲线方程的最值点估测AOA。实验结果表明,该算法能够在稀疏抽样和复杂环境中保持良好的定位精度;真实环境实验的平均角度和定位误差分别为2.5°和0.28 m;相比RAL定位算法,其角度和定位精度均提高了70%。展开更多
文摘常规波束形成主瓣随频率和指向变化,为了实现频率方向二维主瓣恒定,本文基于约束优化的方法,提出了一种宽带频率-方向不变恒定主瓣波束形成算法,并将之应用到宽带信号到达角(Direction of arrival,DOA)估计中。首先在参考频率上约束方向不变主瓣恒定,然后在不同指向上约束频率不变主瓣恒定,并将约束问题表示为标准的二阶锥规划形式,运用SeDuMi求解最优权向量。仿真实验表明,本文提出的算法能够实现不同频率不同指向上波束主瓣恒定,与频率不变波束相比,采用频率-方向不变波束的DOA估计方法降低了信噪比分辨门限,提高了估计精度。
文摘提出一种在低空场景下基于接收信号强度(Rcecived Signal Strength,RSS)与到达角度(Angle of Arrival,AOA)信息融合的单站无源定位算法。该算法采用单架无人机设备虚拟多站设备接收无线电辐射源信号,融合RSS估计的距离信息与AOA方向角信息,依据最小二乘准则(LS)构造算法的优化目标函数,采用凸松弛技术将目标函数等价为二阶锥规划(SOCP)问题并通过内点法求解。实验结果表明,该算法的定位精度在2 km范围内可达20 m,其定位性能优于单站无源定位算法,且由于采用单架无人机采集信号,其设备复杂度相较于多站无源定位较低。
文摘许多无线定位应用通过旋转方向天线推测无线信号的到达角度(angle of arrival,AOA),但该类方法在稀疏抽样和复杂环境中定位精度不高。方向天线波瓣曲线的还原实验表明,最大接收信号强度(received signal strength,RSS)附近的波瓣曲线与二次曲线近似。根据这一事实,提出了一种基于RSS二次曲线拟合的AOA定位算法。该算法利用最大RSS附近的数据拟合出二次曲线方程,通过曲线方程的最值点估测AOA。实验结果表明,该算法能够在稀疏抽样和复杂环境中保持良好的定位精度;真实环境实验的平均角度和定位误差分别为2.5°和0.28 m;相比RAL定位算法,其角度和定位精度均提高了70%。
