研究了复杂微细导线电容矩阵提取边界元法(boundary element method,BEM)的边界离散问题以及增强计算精度和数值稳定性的有效措施,分析了开阔边界尺寸、开阔边界离散、导线离散对计算精度的影响以及伪解、矩阵奇异性问题,提出了基于导...研究了复杂微细导线电容矩阵提取边界元法(boundary element method,BEM)的边界离散问题以及增强计算精度和数值稳定性的有效措施,分析了开阔边界尺寸、开阔边界离散、导线离散对计算精度的影响以及伪解、矩阵奇异性问题,提出了基于导线离散迭代和开阔边界迭代两阶段自动迭代边界元算法(automatic iterative boundary element method,AIBEM),并结合实例阐述了全域法和区域分解法两种多层介质问题系数矩阵生成方法。研究结果表明,边界环内生成的系数矩阵存在误差均衡协调问题,对复杂模型需合理选择各线段离散单元数及开阔边界尺寸,通过AIBEM可以获得经济的离散参数,有效避免矩阵奇异性,并提高收敛稳定性。将计算结果与有限元法、解析法、传输线法、矩量法进行了对比分析,证实了算法的可靠性。展开更多
单主用户信号的出现主要引起多天线接收信号取样协方差矩阵中极值特征值的变化,而多主用户信号的出现则会同时扰动取样协方差矩阵极值特征值和其他特征值,此时,经典的极值特征值检测算法则会表现出次佳的检测性能。针对这一问题,本研究...单主用户信号的出现主要引起多天线接收信号取样协方差矩阵中极值特征值的变化,而多主用户信号的出现则会同时扰动取样协方差矩阵极值特征值和其他特征值,此时,经典的极值特征值检测算法则会表现出次佳的检测性能。针对这一问题,本研究设计了一种基于极值特征值差与特征值几何平均(difference of extreme eigenvalues and geometric average of eigenvalues,DEEGAE)的多主用户信号检测判决规则;提出了一种基于Wishart矩阵特征值统计分布理论的感知判决门限的闭式求解方法。该算法在频谱感知过程中直接利用认知用户的多天线接收数据构造判决规则并实施感知判决,具有全盲检测的优点;通过融合2种极限特征值门限分析结果,提高了非渐近感知条件下感知结果的准确性。Monte-Carlo仿真试验表明,新算法具有比经典的最大最小特征值之比算法和协方差绝对值检测算法更优的多主用户信号检测性能,同时能获得比传统基于最大最小特征值之差及其改进算法更为可靠的检测结果;与此同时,新算法的检测性能随着样本数目以及天线数目的增大而显著提升。展开更多
针对传统波达方向(Direction of Arrival,DOA)估计方法在低信噪比、少快拍数条件下表现性能差甚至失效的问题,提出了一种基于重构频域协方差矩阵的波达方位估计方法。该方法根据转化的频域信号进行共轭反向修正实现对噪声的抑制,构造出...针对传统波达方向(Direction of Arrival,DOA)估计方法在低信噪比、少快拍数条件下表现性能差甚至失效的问题,提出了一种基于重构频域协方差矩阵的波达方位估计方法。该方法根据转化的频域信号进行共轭反向修正实现对噪声的抑制,构造出了新的频域协方差矩阵,利用平均噪声子空间建立空间谱估计函数,通过谱峰搜索估计出信源的方位角。经仿真对比分析,所提改进方法可以识别多个相干信号,并且在低信噪比、少快拍数条件下仍然获得较好的方位估计性能,估计误差较传统算法降低2%~25%。展开更多
基金国家自然科学基金(62272077,72301050)重庆市教委科技重大项目(KJZD-M202400604)资助+1 种基金the Natural ScienceFoundation of Chongqing,China(No.cstc2021jcyj msxmX0557)the MOE Layout Foundation of Humanities and Social Sciences,China(No.20YJAZH102).
文摘研究了复杂微细导线电容矩阵提取边界元法(boundary element method,BEM)的边界离散问题以及增强计算精度和数值稳定性的有效措施,分析了开阔边界尺寸、开阔边界离散、导线离散对计算精度的影响以及伪解、矩阵奇异性问题,提出了基于导线离散迭代和开阔边界迭代两阶段自动迭代边界元算法(automatic iterative boundary element method,AIBEM),并结合实例阐述了全域法和区域分解法两种多层介质问题系数矩阵生成方法。研究结果表明,边界环内生成的系数矩阵存在误差均衡协调问题,对复杂模型需合理选择各线段离散单元数及开阔边界尺寸,通过AIBEM可以获得经济的离散参数,有效避免矩阵奇异性,并提高收敛稳定性。将计算结果与有限元法、解析法、传输线法、矩量法进行了对比分析,证实了算法的可靠性。
文摘单主用户信号的出现主要引起多天线接收信号取样协方差矩阵中极值特征值的变化,而多主用户信号的出现则会同时扰动取样协方差矩阵极值特征值和其他特征值,此时,经典的极值特征值检测算法则会表现出次佳的检测性能。针对这一问题,本研究设计了一种基于极值特征值差与特征值几何平均(difference of extreme eigenvalues and geometric average of eigenvalues,DEEGAE)的多主用户信号检测判决规则;提出了一种基于Wishart矩阵特征值统计分布理论的感知判决门限的闭式求解方法。该算法在频谱感知过程中直接利用认知用户的多天线接收数据构造判决规则并实施感知判决,具有全盲检测的优点;通过融合2种极限特征值门限分析结果,提高了非渐近感知条件下感知结果的准确性。Monte-Carlo仿真试验表明,新算法具有比经典的最大最小特征值之比算法和协方差绝对值检测算法更优的多主用户信号检测性能,同时能获得比传统基于最大最小特征值之差及其改进算法更为可靠的检测结果;与此同时,新算法的检测性能随着样本数目以及天线数目的增大而显著提升。
文摘针对传统波达方向(Direction of Arrival,DOA)估计方法在低信噪比、少快拍数条件下表现性能差甚至失效的问题,提出了一种基于重构频域协方差矩阵的波达方位估计方法。该方法根据转化的频域信号进行共轭反向修正实现对噪声的抑制,构造出了新的频域协方差矩阵,利用平均噪声子空间建立空间谱估计函数,通过谱峰搜索估计出信源的方位角。经仿真对比分析,所提改进方法可以识别多个相干信号,并且在低信噪比、少快拍数条件下仍然获得较好的方位估计性能,估计误差较传统算法降低2%~25%。
