在进行目标方位(direction of arrival,DOA)估计时,背景噪声通常被假定为高斯噪声,但在水声环境中,噪声的概率密度函数存在非高斯分布情况,这会造成DOA估计出现伪峰及背景噪声增大等问题。文章将不服从高斯分布的水下噪声建模为α稳定分...在进行目标方位(direction of arrival,DOA)估计时,背景噪声通常被假定为高斯噪声,但在水声环境中,噪声的概率密度函数存在非高斯分布情况,这会造成DOA估计出现伪峰及背景噪声增大等问题。文章将不服从高斯分布的水下噪声建模为α稳定分布,采用数据加权的方法对信号进行预处理,随后在互质阵列中应用压缩感知方法对宽带信号进行目标DOA估计。对8元互质阵列使用改进算法进行仿真,结果表明该方法可以准确做出DOA估计,同时减少了伪峰数量。湖试数据的处理结果表明,在互质阵列中基于数据加权的压缩感知DOA估计能够减少伪峰,增强目标检测能力,具有更好的检测效果及实用性。展开更多
文摘多数地理定位算法只用信号的到达时间差(Time Difference of Arrival,TDOA)估计发射机位置,而TDOA数据中的外部噪声降低估计精度。为此,提出基于迭代双重扩展的Kalman的有源目标估计(Iterated dual-extended Kalman Fiter,ID-EKF)算法。ID-EFK算法测量TDOA和到达频率差(Frequency Difference of Arrival,FDOA)信号。先建立相关位置和速度的状态等式和相关TDOA和FDOA信号的测量等式。然后,再用迭代双重扩展Kalman滤波补偿非线性测量误差。仿真结果表明,提出的ID-EKF算法降低了估计误差。
文摘在进行目标方位(direction of arrival,DOA)估计时,背景噪声通常被假定为高斯噪声,但在水声环境中,噪声的概率密度函数存在非高斯分布情况,这会造成DOA估计出现伪峰及背景噪声增大等问题。文章将不服从高斯分布的水下噪声建模为α稳定分布,采用数据加权的方法对信号进行预处理,随后在互质阵列中应用压缩感知方法对宽带信号进行目标DOA估计。对8元互质阵列使用改进算法进行仿真,结果表明该方法可以准确做出DOA估计,同时减少了伪峰数量。湖试数据的处理结果表明,在互质阵列中基于数据加权的压缩感知DOA估计能够减少伪峰,增强目标检测能力,具有更好的检测效果及实用性。
