针对低信噪比场景下多飞行目标波达方向(Direction of Arrival,DOA)估计精度不高,导致基于智能天线的民航地空通信抗干扰性能较差的问题,提出了一种基于航向训练模式和动态径向基神经网络(Radial Basis Function Neural Network,RBFNN)...针对低信噪比场景下多飞行目标波达方向(Direction of Arrival,DOA)估计精度不高,导致基于智能天线的民航地空通信抗干扰性能较差的问题,提出了一种基于航向训练模式和动态径向基神经网络(Radial Basis Function Neural Network,RBFNN)的多飞行目标追踪方法。首先融合二次雷达信息,建立民航飞行目标DOA变换关系;然后通过航向训练模式,粗估下一时刻各飞行目标DOA,并作为RBFNN的输入;最后构建隐含层中心动态调整的RBFNN,快速准确追踪各飞行目标DOA。实验表明,该方法可以大幅提高空中同时存在的多飞行目标DOA估计精度;结合波束形成技术,可以大幅提高民航地空通信系统的抗干扰能力,提升民航飞行安全水平;在5 dB信噪比条件下,相对基于常规智能天线的民航地空通信系统,抗干扰能力可以提升16 dB。展开更多
为实现前沿阵地和地面防空两种典型应用约束条件下到达时间差(Time Difference of Arrival,TDOA)定位的自动布站优化,分析了这两种典型约束条件下的基站长度、站点间角度等对定位精度的影响。提出了基于自适应差分进化(Differential Evo...为实现前沿阵地和地面防空两种典型应用约束条件下到达时间差(Time Difference of Arrival,TDOA)定位的自动布站优化,分析了这两种典型约束条件下的基站长度、站点间角度等对定位精度的影响。提出了基于自适应差分进化(Differential Evolution,DE)算法的TDOA自动布站优化策略。采用该算法对这两种约束条件下的自动布站优化进行了仿真分析,并对自适应DE算法计算复杂度进行了分析。结果表明,自适应DE算法的自动布站复杂度低,收敛快速,与定位误差分析一致,具有较好的全局寻优能力。展开更多
文摘针对低信噪比场景下多飞行目标波达方向(Direction of Arrival,DOA)估计精度不高,导致基于智能天线的民航地空通信抗干扰性能较差的问题,提出了一种基于航向训练模式和动态径向基神经网络(Radial Basis Function Neural Network,RBFNN)的多飞行目标追踪方法。首先融合二次雷达信息,建立民航飞行目标DOA变换关系;然后通过航向训练模式,粗估下一时刻各飞行目标DOA,并作为RBFNN的输入;最后构建隐含层中心动态调整的RBFNN,快速准确追踪各飞行目标DOA。实验表明,该方法可以大幅提高空中同时存在的多飞行目标DOA估计精度;结合波束形成技术,可以大幅提高民航地空通信系统的抗干扰能力,提升民航飞行安全水平;在5 dB信噪比条件下,相对基于常规智能天线的民航地空通信系统,抗干扰能力可以提升16 dB。
文摘为实现前沿阵地和地面防空两种典型应用约束条件下到达时间差(Time Difference of Arrival,TDOA)定位的自动布站优化,分析了这两种典型约束条件下的基站长度、站点间角度等对定位精度的影响。提出了基于自适应差分进化(Differential Evolution,DE)算法的TDOA自动布站优化策略。采用该算法对这两种约束条件下的自动布站优化进行了仿真分析,并对自适应DE算法计算复杂度进行了分析。结果表明,自适应DE算法的自动布站复杂度低,收敛快速,与定位误差分析一致,具有较好的全局寻优能力。
