為了解決多陣列中子空間數(shù)據(jù)融合(Subspace data fusion,SDF)算法自由度受限于實際陣元數(shù)與定位精度低的問題,本文利用非圓(Non-circular,NC)信號特性并結合降維(Reduced-dimension,RD)搜索思想提出了一種基于降維搜索的子空間數(shù)據(jù)融合的非圓信號直接定位算法(Reduced-dimension subspace data fusion,RD-SDF)。該算法首先利用輻射源信號的NC特性擴展空間信息,以獲得增大的虛擬陣列孔徑,與更多的可識別信源數(shù)。但是由于NC相位導致的高維搜索大大增加了算法求解時的復雜度,本文引入RD搜索思想,通過數(shù)據(jù)重構消除NC相位導致的高維搜索復雜度問題,并結合SDF構造RD融合搜索譜函數(shù)。仿真結果表明,相比于傳統(tǒng)SDF算法,本文RD-SDF算法具有更高的空間自由度和定位精度。此外,RD-SDF算法在保證估計性能的同時顯著降低了算法復雜度。

【文章頁數(shù)】：11 頁

【部分圖文】：

圖1 多陣列聯(lián)合定位場景圖

假設信號包絡變化為慢起伏，則各信號到達觀測站時的信號包絡近似相等。于是第l(l=1,2,?,L)個觀測站接收到的第k(k=1,2,?,K)個采樣快拍時刻對應的接收信號復包絡rl(k)可以表示為[14]式中:sl,q(k)表示第q個信號源在第l個觀測站的第k個采樣快拍時刻的信....

圖3 所提算法估計性能

仿真3探究快拍數(shù)變化對本文RD?SDF算法、文獻[21]中傳統(tǒng)SDF算法、文獻[23]中Capon算法和傳統(tǒng)二步定位算法定位性能的影響。仿真過程中，陣元數(shù)M=6，信噪比SNR=10dB，快拍數(shù)從50以間隔50步進至300。圖5仿真結果顯示，快拍數(shù)增加可以提升算法的估計性能，該....

圖4 所提算法與現(xiàn)有算法性能對比(改變信噪比)

圖3所提算法估計性能圖5所提算法與現(xiàn)有算法性能對比(改變快拍數(shù))

圖5 所提算法與現(xiàn)有算法性能對比(改變快拍數(shù))

圖4所提算法與現(xiàn)有算法性能對比(改變信噪比)仿真4探究陣元數(shù)變化對本文RD?SDF算法、文獻[21]中傳統(tǒng)SDF算法、文獻[23]中Capon算法和傳統(tǒng)二步定位算法性能的影響。仿真實驗中，陣元數(shù)M分別為3、5、7和9，采樣快拍數(shù)K=100,SNR=5dB。圖6仿真結果顯示，....

本文編號：4016481