精确无源移动目标定位是隧道、矿井巷道等复杂地下空间人员安全、灾后及时施救的关键技术之一。提出一种基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位方法。鉴于隧道巷道内静物回波信号的多径较多且衰落严重,基于特征值分解的零...精确无源移动目标定位是隧道、矿井巷道等复杂地下空间人员安全、灾后及时施救的关键技术之一。提出一种基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位方法。鉴于隧道巷道内静物回波信号的多径较多且衰落严重,基于特征值分解的零陷设计思路给出适合低信噪比条件下的最小范数强干扰抑制方法,抑制直达波和静物回波多径干扰信号,检测接收移动目标反射波;同时,为了克服隧道内的纳秒级密集多径和背景噪声,提出基于互高阶谱的RMCHS参数估计算法(Root Min-norm based on Cross High-order Specture,RMCHS),在低信噪比条件下进行高分辨率的TOA/DOA参数估计,从而实现基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位。仿真实验表明,提出的强干扰抑制方法和RMCHS算法在隧道/巷道环境下有很强的鲁棒性,显著优于比较算法,减小了噪声和纳秒级密集多径对算法性能的影响。展开更多
针对基于分数低阶矩类阵列波达方向(DOA)估计方法仅适用于独立同分布(i.i.d)SαS背景噪声的缺点,提出了一种线性极化阵列DOA和极化参数联合估计的分数低阶循环相关(FLOCC)极化参数联合估计(ESPRIT)算法。该方法首先利用入射信号的循环...针对基于分数低阶矩类阵列波达方向(DOA)估计方法仅适用于独立同分布(i.i.d)SαS背景噪声的缺点,提出了一种线性极化阵列DOA和极化参数联合估计的分数低阶循环相关(FLOCC)极化参数联合估计(ESPRIT)算法。该方法首先利用入射信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声及与信号循环频率相异的任何循环平稳干扰信号。在此基础上,利用阵列信号参数与噪声子空间的正交性,采用ESPRIT算法直接求取了信号的DOA和极化参数。该方法对于α和高斯混合噪声及与信号循环频率相异的任何循环平稳干扰信号具有很强的抑制能力。即使对于空域内靠得非常近的信源,该方法也可利用极化信息的差异进行区分。实验结果表明,在α和高斯混合信噪比(SNR)为0 d B,信干比(SIR)为3 d B时,其DOA和极化参数估计的均方根误差分别为0.23°和0.54°;并且在实测数据环境下,当SNR为10 d B时,本文算法仍然有效。展开更多
为了提高传统空间平滑算法对相干信号的估计精度,提出了一种张量域空间平滑多重信号分类(Multiple Signal Classification,MUSIC)解相干算法。首先,利用四元数的正交特性重新构造极化域导向矢量;其次,考虑阵列接收数据固有的多维结构特...为了提高传统空间平滑算法对相干信号的估计精度,提出了一种张量域空间平滑多重信号分类(Multiple Signal Classification,MUSIC)解相干算法。首先,利用四元数的正交特性重新构造极化域导向矢量;其次,考虑阵列接收数据固有的多维结构特征,构造三阶张量表示的阵列接收数据模型;接着,借鉴二维空间平滑算法的思想,在张量接收数据模型中构建三阶张量子阵块,再使该子阵块在张量域进行前向空间平滑,继而得到平滑后的张量协方差矩阵;最后,通过高阶奇异值分解(Higher-order Singular Value Decomposition,HOSVD)得到信号子空间,利用降维MUSIC算法对相干信号源的二维波达方向(Direction of Arrival,DOA)进行估计,并根据已经获得的DOA信息求解出相干信号的极化参数。仿真结果表明,在信噪比为0 dB以及快拍数为100的情况下,该算法的估计精度比空间平滑算法提高了约70%,成功分辨概率提高了约89%,且无需进行四维谱峰搜索,降低了算法的复杂度,对相干信号具有更高的估计精度和分辨能力。展开更多
文摘精确无源移动目标定位是隧道、矿井巷道等复杂地下空间人员安全、灾后及时施救的关键技术之一。提出一种基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位方法。鉴于隧道巷道内静物回波信号的多径较多且衰落严重,基于特征值分解的零陷设计思路给出适合低信噪比条件下的最小范数强干扰抑制方法,抑制直达波和静物回波多径干扰信号,检测接收移动目标反射波;同时,为了克服隧道内的纳秒级密集多径和背景噪声,提出基于互高阶谱的RMCHS参数估计算法(Root Min-norm based on Cross High-order Specture,RMCHS),在低信噪比条件下进行高分辨率的TOA/DOA参数估计,从而实现基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位。仿真实验表明,提出的强干扰抑制方法和RMCHS算法在隧道/巷道环境下有很强的鲁棒性,显著优于比较算法,减小了噪声和纳秒级密集多径对算法性能的影响。
文摘针对基于分数低阶矩类阵列波达方向(DOA)估计方法仅适用于独立同分布(i.i.d)SαS背景噪声的缺点,提出了一种线性极化阵列DOA和极化参数联合估计的分数低阶循环相关(FLOCC)极化参数联合估计(ESPRIT)算法。该方法首先利用入射信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声及与信号循环频率相异的任何循环平稳干扰信号。在此基础上,利用阵列信号参数与噪声子空间的正交性,采用ESPRIT算法直接求取了信号的DOA和极化参数。该方法对于α和高斯混合噪声及与信号循环频率相异的任何循环平稳干扰信号具有很强的抑制能力。即使对于空域内靠得非常近的信源,该方法也可利用极化信息的差异进行区分。实验结果表明,在α和高斯混合信噪比(SNR)为0 d B,信干比(SIR)为3 d B时,其DOA和极化参数估计的均方根误差分别为0.23°和0.54°;并且在实测数据环境下,当SNR为10 d B时,本文算法仍然有效。
文摘为了提高传统空间平滑算法对相干信号的估计精度,提出了一种张量域空间平滑多重信号分类(Multiple Signal Classification,MUSIC)解相干算法。首先,利用四元数的正交特性重新构造极化域导向矢量;其次,考虑阵列接收数据固有的多维结构特征,构造三阶张量表示的阵列接收数据模型;接着,借鉴二维空间平滑算法的思想,在张量接收数据模型中构建三阶张量子阵块,再使该子阵块在张量域进行前向空间平滑,继而得到平滑后的张量协方差矩阵;最后,通过高阶奇异值分解(Higher-order Singular Value Decomposition,HOSVD)得到信号子空间,利用降维MUSIC算法对相干信号源的二维波达方向(Direction of Arrival,DOA)进行估计,并根据已经获得的DOA信息求解出相干信号的极化参数。仿真结果表明,在信噪比为0 dB以及快拍数为100的情况下,该算法的估计精度比空间平滑算法提高了约70%,成功分辨概率提高了约89%,且无需进行四维谱峰搜索,降低了算法的复杂度,对相干信号具有更高的估计精度和分辨能力。
