针对传统双基地嵌套多输入多输出(multiple input multiple output,MIMO)雷达进行目标参数估计时精度差、角度分辨率低和自由度低等问题,提出了一种基于利用虚拟冗余阵元的重建Toeplitz矩阵算法对目标的波离方向角(direction of departu...针对传统双基地嵌套多输入多输出(multiple input multiple output,MIMO)雷达进行目标参数估计时精度差、角度分辨率低和自由度低等问题,提出了一种基于利用虚拟冗余阵元的重建Toeplitz矩阵算法对目标的波离方向角(direction of departure,DOD)和波达方向角(direction of arrival,DOA)开展参数估计的方法。首先,将两个嵌套阵列空间分置后分别形成双基地MIMO雷达的接收阵列和发射阵列,阵列经处理后的虚拟接收信号存在大量冗余虚拟阵元。其次,将冗余虚拟阵元对应的协方差数值进行平均处理替代原值,形成新的虚拟接收信号。然后,通过利用两个选择矩阵在虚拟接收阵列和虚拟发射阵列中分别构建空间平滑子阵的方法重构Toeplitz矩阵,来重组虚拟接收信号。最后,利用常规子空间类算法对等效虚拟信号开展空间谱估计,实现DOD和DOA的相互匹配,所提算法在估计性能和自由度性能方面与其他算法对比效果更好。展开更多
文章研究了多用户上行传输过程毫米波大规模多输入多输出(multi-input and multi-output,MIMO)系统的波束选择问题,提出了一种基于深度学习的波束选择方法。针对使用透镜的多用户毫米波大规模MIMO上行传输过程,提出一种面向波束选择的...文章研究了多用户上行传输过程毫米波大规模多输入多输出(multi-input and multi-output,MIMO)系统的波束选择问题,提出了一种基于深度学习的波束选择方法。针对使用透镜的多用户毫米波大规模MIMO上行传输过程,提出一种面向波束选择的深度学习框架,通过信道数据预先对神经网络进行离线训练,然后将实测信号输入训练好的神经网络在线预测信道直达径对应的波束,从而实现波束选择;基于该深度学习框架制定了具体的训练细则,采用柔性最大值交叉熵函数作为损失函数,使用自适应矩估计优化器优化神经网络参数。仿真结果表明,该文提出的基于深度学习的波束选择方法优于现有的正交匹配追踪方法。展开更多
文摘针对传统双基地嵌套多输入多输出(multiple input multiple output,MIMO)雷达进行目标参数估计时精度差、角度分辨率低和自由度低等问题,提出了一种基于利用虚拟冗余阵元的重建Toeplitz矩阵算法对目标的波离方向角(direction of departure,DOD)和波达方向角(direction of arrival,DOA)开展参数估计的方法。首先,将两个嵌套阵列空间分置后分别形成双基地MIMO雷达的接收阵列和发射阵列,阵列经处理后的虚拟接收信号存在大量冗余虚拟阵元。其次,将冗余虚拟阵元对应的协方差数值进行平均处理替代原值,形成新的虚拟接收信号。然后,通过利用两个选择矩阵在虚拟接收阵列和虚拟发射阵列中分别构建空间平滑子阵的方法重构Toeplitz矩阵,来重组虚拟接收信号。最后,利用常规子空间类算法对等效虚拟信号开展空间谱估计,实现DOD和DOA的相互匹配,所提算法在估计性能和自由度性能方面与其他算法对比效果更好。
文摘文章研究了多用户上行传输过程毫米波大规模多输入多输出(multi-input and multi-output,MIMO)系统的波束选择问题,提出了一种基于深度学习的波束选择方法。针对使用透镜的多用户毫米波大规模MIMO上行传输过程,提出一种面向波束选择的深度学习框架,通过信道数据预先对神经网络进行离线训练,然后将实测信号输入训练好的神经网络在线预测信道直达径对应的波束,从而实现波束选择;基于该深度学习框架制定了具体的训练细则,采用柔性最大值交叉熵函数作为损失函数,使用自适应矩估计优化器优化神经网络参数。仿真结果表明,该文提出的基于深度学习的波束选择方法优于现有的正交匹配追踪方法。
