排序方式: 共有14条查询结果,搜索用时 515 毫秒
1.
由长电偶极子或大磁环组成的大尺寸电磁矢量传感器(ElectroMagnetic Vector Sensor,EMVS)比小尺寸EMVS辐射效率更高,研究其参数估计算法有助于推动EMVS的实装化应用.该文针对分离式长电偶极子稀疏阵列相干目标参数估计问题,提出高精度无模糊的多维参数闭式解算法.首先利用空域旋转不变性和单个矢量传感器内部属性得到方向余弦的高精度周期性模糊估计值,然后借助单个矢量传感器导向矢量推导出2维波达方向粗估计值,最后通过解模糊得到高精度无模糊的多维参数估计值.该方法规避了传统极化平滑算法的极化信息损失和迭代搜索过程,且能实现参数自动配对.计算机仿真结果表明了所提算法在分离式长电偶极子线阵中解相干的有效性. 相似文献
2.
针对现有分离式电磁矢量传感器阵列的两维波达方向(Direction of Arrival,DOA)估计存在的两个问题:其一,当入射信号在时域上不具有旋转不变性时,现有算法失效;其二,无法实现阵列的两维孔径扩展导致两维DOA估计精度较差,提出了一种改进的分离式电磁矢量传感器阵列结构.首先利用所提阵列的空域旋转不变性代替时域旋转不变性得到其中一维方向余弦的高精度估计;其次结合矢量叉乘法与相位干涉法得到另一维的方向余弦高精度估计;最后对两维方向余弦进行三角操作得到目标的两维DOA估计.本文算法摆脱了对入射信号形式的依赖,实现了阵列的两维孔径扩展,使得两维DOA估计精度大大提高.仿真结果证明了本文算法的有效性. 相似文献
3.
米波雷达具有很好的反隐身性能。多输入多输出(MIMO)雷达的波形分集具有高自由度特点,使MIMO雷达在检测和参数估计等方面具有更多优势,故米波MIMO雷达受到广泛研究。而测高是米波MIMO雷达最重要的问题之一。针对米波MIMO雷达测高问题,最大似然和广义多重信号分类方法是米波MIMO阵列雷达测高方法行之有效的算法,但其计算量大,工程中难以接受。该文提出一种基于块正交匹配追踪(BOMP)预处理的方法来降低计算量。首先对MIMO阵列接收数据稀疏化处理,然后通过数学操作将其变形至适合于BOMP算法的信号模型,然后利用粗栅格得到角度粗估计。并以此为初始值中心,取MIMO雷达波束宽度作为搜索范围。仿真结果表明该算法能有效降低搜索类测高算法的计算量。 相似文献
4.
针对常规矢量传感器MIMO雷达没有利用发射极化信息导致波达方向(DOA)估计精度较差的问题,该文提出一种克拉美罗界(CRB)最小化的发射极化优化算法。首先建立矢量传感器MIMO雷达的接收信号模型;然后分析固定发射极化矢量传感器MIMO雷达DOA估计算法的不足;接着推导任意发射极化状态下的CRB,计算最小CRB对应的极化状态;最后利用该优化极化状态采用固定极化DOA估计算法得到DOA估计。该算法的DOA估计精度高于固定极化DOA估计算法。且该算法的2维DOA估计可自动配对,发射电磁矢量传感天线位置可任意。仿真结果证明了该算法的有效性。 相似文献
5.
6.
游致远胡国平周豪郑桂妹 《现代雷达》2022,(5):45-50
针对互质阵列形成的差分共阵(DCA)存在空洞导致虚拟阵列不连续的问题,提出了一种基于阵列内插形成无孔互质阵的双基地多输入多输出雷达测向方法。首先,推导阵列内插的位置与形成的DCA填补空洞的位置,并推导出自由度闭合式;其次,分别在发射阵列和接收阵列将子阵列内插,形成连续的虚拟发射阵列和虚拟接收阵列;然后,利用选择矩阵使等效虚拟信号向量在虚拟发射阵列和虚拟接收阵列中平滑移动得到空间平滑矩阵;最后,利用空间平滑矩阵进行空间谱估计,并通过多重信号分类算法实现角度自动匹配。 相似文献
7.
基于时间反转(Time Reversal, TR)技术的米波多输入多输出(Multiple Input Multiple Output, MIMO)雷达能够有效利用反射波能量,较大地提升信噪比,但由于多径效应的存在,其采用均匀线阵信号模型时仍面临超低空目标测高精度下降以及测高误差随俯仰角变化起伏剧烈的问题。本文以降低多径效应的影响为目的,从阵列结构和算法实现两个方面出发,将稀疏阵列应用于米波TR MIMO雷达的低空目标测高。首先,本文建立了基于稀疏阵列的单基地米波TR MIMO雷达镜面反射信号模型,然后结合广义多重信号分类算法和最大似然算法,提出了适用于该模型的低空目标测高方法。最后,仿真实验表明,本文所提出的基于稀疏阵列的米波TR MIMO雷达低空目标测高方法具有更显著的结构优越性和更优的低空目标测高性能。 相似文献
8.
9.
米波雷达在探测低空目标时存在严重的多径效应,直达波和反射波相当于距离较近的两个强相干点源,目标回波信号协方差矩阵存在噪声子空间与信号子空间相互渗透的问题,经典的超分辨物理算法仰角估计精度会急剧变差。为解决上述问题,文中基于米波雷达经典镜像多径反射模型,利用深度神经网络和全连接网络构造了一个深度学习网络用于低仰角目标波达方向(DOA)估计,将子空间相互渗透的原始协方差矩阵数据实部、虚部及相位特征作为深度学习网络输入,利用智能学习方法解决了多径反射条件下DOA估计问题。相比于基于子空间分解或信号拟合类的超分辨估计方法,文中所提方法仰角估计精度更高且计算量更小。仿真实验验证了新方法的优越性和有效性。 相似文献
10.
该文结合干涉测量理论与简化矢量传感器多输入多输出(MIMO)雷达,提出一种干涉式矢量传感器MIMO雷达的发射方位角(DOD)、接收方位角(DOA)和极化联合估计方法。利用干涉发射阵列的长、短基线空间平移不变性采用多分辨ESPRIT算法获取DOD高精度估计值;同理,利用矢量接收阵的多分辨特性得到高精度DOA估计值;利用与阵列结构无关的极化域旋转不变性求取极化辅角和极化相位差。最后给出随机信号源模型下的闭式克拉美罗界推导。该干涉矢量MIMO阵列,可同时获取MIMO雷达的波形分集和矢量传感器的极化分集,且在不增加阵元数和硬件复杂度情况下大大扩展有效孔径,提高了角度估计精度。另外简化矢量传感器减少了传统矢量传感器的互耦效应更有利于工程实现。仿真结果证明了该文多参量估计算法的有效性。 相似文献