本文關(guān)鍵詞：高分辨陣列測(cè)向技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：現(xiàn)如今電子戰(zhàn)中對(duì)定位測(cè)向系統(tǒng)性能的要求越來(lái)越高,空間譜估計(jì)算法由于具有高分辨率、高精度和高穩(wěn)定性特點(diǎn),受到了相關(guān)領(lǐng)域?qū)＜覍W(xué)者的熱捧。雖然關(guān)于該算法的研究已經(jīng)有了大量的成果或者論文,然而該算法離大規(guī)模的實(shí)際應(yīng)用仍然有一定距離。本文主要針對(duì)傳統(tǒng)高分辨測(cè)向中的信號(hào)源數(shù)估計(jì)算法不能滿足復(fù)雜多變的電磁環(huán)境以及在非理想環(huán)境(低信噪比和小快拍數(shù)環(huán)境)下空間譜估計(jì)算法分辨率下降的問(wèn)題進(jìn)行討論,研究更加適應(yīng)工程應(yīng)用環(huán)境的空間譜估計(jì)算法和信號(hào)源數(shù)估計(jì)算法。本論文的主要研究?jī)?nèi)容如下:本文先結(jié)合MUSIC(Multiple Signal Classification)算法接收單元和信號(hào)特點(diǎn)建立陣列接收信號(hào)模型;深入了解現(xiàn)有的信號(hào)源估計(jì)算法,并且結(jié)合已有文獻(xiàn)和仿真實(shí)驗(yàn)分析現(xiàn)有算法的優(yōu)缺點(diǎn),獲得了現(xiàn)有算法在非白噪聲條件下性能急劇下降的原因。針對(duì)現(xiàn)有信號(hào)源數(shù)估計(jì)算法的缺點(diǎn),本文結(jié)合信息論準(zhǔn)則信號(hào)源數(shù)估計(jì)方法和加載的原理,采用了特征值校正的方法來(lái)平滑噪聲特征值,通過(guò)加入了校正因子來(lái)保證校正量既不會(huì)過(guò)大也不會(huì)偏小。由于校正因子會(huì)隨著估計(jì)的噪聲特征值的發(fā)散程度來(lái)自動(dòng)調(diào)整大小,所以該算法在不同的環(huán)境下都表現(xiàn)出了良好的性能。仿真實(shí)現(xiàn)結(jié)果表明,本文的算法相對(duì)于傳統(tǒng)算法具有更強(qiáng)的適應(yīng)性,能夠在更低的信噪比和快拍數(shù)時(shí)滿足估計(jì)準(zhǔn)確度要求。本文分析了在非理想條件下引起算法性能下降的原因——空間譜峰的完全混疊,在此基礎(chǔ)上提出了一種能夠從完全混疊譜峰中分離出兩個(gè)譜峰的方法,同時(shí)給出了譜峰分離的定義,通過(guò)原有的MUSIC空間譜函數(shù)與子空間譜函數(shù)的差值獲得新的空間譜函數(shù),該方法叫做基于譜峰分離的MUSIC算法。仿真結(jié)果表明在較低的信噪比和較小的快拍數(shù)情況下,基于譜峰分離的MUSIC算法在擁有較低的均方根誤差同時(shí)能夠?qū)蓚�(gè)入射角度相隔很近的信號(hào)保持很高的分辨成功率。本論文提出的自適應(yīng)信號(hào)源數(shù)估計(jì)方法有效地改善了大多數(shù)信號(hào)源數(shù)估計(jì)算法適應(yīng)性不強(qiáng)的問(wèn)題,該算法能夠應(yīng)用在均勻線陣、圓陣中,而且背景噪聲不再局限于空間白噪聲�；谧V峰分離的MUSIC算法主要應(yīng)用在信噪比較低、而且采用快拍數(shù)較小的情況下,用來(lái)提高對(duì)小入射角度差相鄰信號(hào)的分辨成功率。
【關(guān)鍵詞】：信號(hào)源數(shù)估計(jì) 譜峰分離 校正因子 MUSIC算法
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN97
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-17
• 1.1 研究背景與意義10-13
• 1.1.1 研究背景10-11
• 1.1.2 研究意義11-13
• 1.2 發(fā)展歷史及研究現(xiàn)狀13-15
• 1.2.1 發(fā)展歷史13-14
• 1.2.2 研究現(xiàn)狀14-15
• 1.3 論文主要研究?jī)?nèi)容及研究目標(biāo)15-17
• 1.3.1 研究目標(biāo)15-16
• 1.3.2 論文的主要內(nèi)容16-17
• 第二章 空間譜估計(jì)測(cè)向理論與技術(shù)17-31
• 2.1 測(cè)向陣列的基本結(jié)構(gòu)17-18
• 2.2 陣列接收信號(hào)模型18-21
• 2.3 MUSIC空間譜估計(jì)算法21-25
• 2.4 信號(hào)源數(shù)估計(jì)方法25-30
• 2.4.1 基于信息論準(zhǔn)則的信號(hào)源估計(jì)方法25-28
• 2.4.2 基于蓋氏圓準(zhǔn)則的信號(hào)源個(gè)數(shù)估計(jì)方法28-30
• 2.5 本章小結(jié)30-31
• 第三章 自適應(yīng)信號(hào)源數(shù)估計(jì)算法研究31-45
• 3.1 信號(hào)源數(shù)的過(guò)估計(jì)和欠估計(jì)31-33
• 3.2 在不同噪聲背景下的信號(hào)源數(shù)估計(jì)33-39
• 3.2.1 白噪聲條件下的信號(hào)源數(shù)估計(jì)33-34
• 3.2.2 有色噪聲背景下的信號(hào)源數(shù)估計(jì)34-39
• 3.3 自適應(yīng)信號(hào)源數(shù)估計(jì)算法研究39-43
• 3.3.1 特征值校正40-41
• 3.3.2 自適應(yīng)特征值校正41-42
• 3.3.3 自適應(yīng)信號(hào)源估計(jì)算法42-43
• 3.4 本章小結(jié)43-45
• 第四章 基于譜峰分離的MUSIC算法研究45-59
• 4.1 引言45
• 4.2 MUSIC算法分辨率分析45-48
• 4.2.1 空間譜估計(jì)算法分辨率含義45-46
• 4.2.2 MUSIC算法估計(jì)分辨率46-48
• 4.3 混疊譜峰分離技術(shù)研究48-55
• 4.3.1 空間譜峰混疊50-51
• 4.3.2 分離混疊譜峰51-55
• 4.4 基于譜峰分離的MUSIC算法55-57
• 4.5 本章小結(jié)57-59
• 第五章 算法仿真驗(yàn)證及結(jié)果分析59-76
• 5.1 AMDL算法仿真驗(yàn)證及結(jié)果分析59-68
• 5.1.1 AMDL算法仿真驗(yàn)證59-68
• 5.1.2 AMDL算法仿真結(jié)果分析68
• 5.2 基于譜峰分離的MUSIC算法仿真驗(yàn)證及結(jié)果分析68-75
• 5.2.1 基于譜峰分離MUSIC算法仿真驗(yàn)證69-74
• 5.2.2 基于譜峰分離的MUSIC算法結(jié)果分析74-75
• 5.3 本章小結(jié)75-76
• 第六章 總結(jié)與展望76-78
• 6.1 總結(jié)76-77
• 6.2 展望77-78
• 致謝78-79
• 參考文獻(xiàn)79-83
• 攻讀碩士學(xué)位期間取得的成果83-84

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 郭藝奪;童寧寧;宮健;;適于非均勻線陣解相干的DOA估計(jì)算法[J];彈箭與制導(dǎo)學(xué)報(bào);2009年01期

2 李仁和;;基于小波分析與MUSIC法的聯(lián)合算法對(duì)信號(hào)DOA的估計(jì)[J];通信技術(shù);2008年09期

3 薛先嶺;劉慶華;何寧;;空間任意陣的多寬帶信源定位算法性能研究[J];信號(hào)處理;2014年10期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 李軍;極大似然和MUSIC算法用于DOA估計(jì)的DSP實(shí)現(xiàn)[D];電子科技大學(xué);2005年

  本文關(guān)鍵詞：高分辨陣列測(cè)向技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：410232