本文關(guān)鍵詞：陣列雷達(dá)波束內(nèi)雙目標(biāo)的極大似然角度估計方法

  更多相關(guān)文章： 單波束內(nèi)雙目標(biāo) 極大似然估計 LM算法

【摘要】：單波束內(nèi)目標(biāo)往往相距較近,采用傳統(tǒng)角度分辨技術(shù)難以將其分辨,從而給目標(biāo)跟蹤和識別帶來較大困難。于是提出基于LM算法的極大似然角度估計方法,實現(xiàn)波束內(nèi)雙目標(biāo)的分辨。該方法在陣列雷達(dá)的基礎(chǔ)上建立雙目標(biāo)回波模型,推導(dǎo)極大似然角度估計算法�？紤]到求解算法直接影響極大似然角度估計的收斂速度和估計精度,利用LM算法實現(xiàn)了極大似然估計的求解,從而得到目標(biāo)角度的精確估計。該方法避免了多次脈沖相干積累,具有計算量小的特點。仿真結(jié)果驗證了方法的有效性。
【作者單位】： 國防科技大學(xué)電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國家重點實驗室;北京跟蹤與通信技術(shù)研究所;
【關(guān)鍵詞】： 單波束內(nèi)雙目標(biāo) 極大似然估計 LM算法
【基金】：國家自然科學(xué)基金資助項目(61401488;61490694) 國家863計劃資助項目(2013AA122202)
【分類號】：TN957.51
【正文快照】： 傳統(tǒng)的角度測量方法(如單脈沖法)主要針對波束內(nèi)存在單個目標(biāo)的情況,當(dāng)兩個或多個目標(biāo)出現(xiàn)在同一波束內(nèi)時,傳統(tǒng)方法將不能對目標(biāo)進(jìn)行有效分辨,其角度估計結(jié)果往往與真實值差異較大。除引起角度測量誤差外,不可分辨目標(biāo)還會使得目標(biāo)檢測概率下降[1]。為解決這一問題,有關(guān)學(xué)者在

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 蘇衛(wèi)民,顧紅,倪晉麟,劉國歲,張光義;通道幅相誤差條件下MUSIC空域譜的統(tǒng)計性能[J];電子學(xué)報;2000年06期

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳佳妮;陳永光;徐振海;熊子源;王雪松;;陣列雷達(dá)波束內(nèi)雙目標(biāo)的極大似然角度估計方法[J];國防科技大學(xué)學(xué)報;2016年06期

2 杜政東;魏平;尹文祿;張政;孫亦平;;幅相不一致對沃森-瓦特測向的影響及解決方法[J];電波科學(xué)學(xué)報;2015年05期

3 魯祖坤;高鷹;肖劍;石宇;;基于均勻圓陣的幅相誤差自校正算法[J];火控雷達(dá)技術(shù);2013年01期

4 魯祖坤;石宇;李吉民;劉揚;;基于Y型陣列的幅相誤差校正算法研究[J];通信對抗;2012年04期

5 劉浩波;;無人水下航行器聲自導(dǎo)技術(shù)研究[J];科技廣場;2012年07期

6 梁國龍;張鍇;范展;張光普;劉凱;;單矢量傳感器MUSIC算法的DOA估計及性能評價[J];哈爾濱工程大學(xué)學(xué)報;2012年01期

7 李新潮;沈堤;郭藝奪;;陣列互耦條件下相干信源DOA估計算法研究[J];艦船電子對抗;2010年06期

8 劉云;金貝利;;矢量陣一種簡單的相位誤差校正方法[J];計算機(jī)仿真;2010年08期

9 王鼎;吳瑛;;模型誤差條件下MUSIC算法的測向成功概率[J];應(yīng)用科學(xué)學(xué)報;2010年03期

10 王鼎;王超;吳瑛;;幅相誤差對MUSIC算法空域譜及分辨性能影響的分析[J];通信學(xué)報;2010年04期

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 張江濤;周毅;;滑動平均模型的極大似然辨識方法[J];科學(xué)技術(shù)與工程;2009年15期

2 王建宏;;丟失數(shù)據(jù)下的條件極大似然辨識[J];控制與決策;2014年02期

3 閆小喜;李戰(zhàn)明;陳若珠;;拓展目標(biāo)混合分量刪減算法[J];蘭州理工大學(xué)學(xué)報;2014年04期

4 牛婷婷;楊益新;;基于加權(quán)極大似然近場寬帶目標(biāo)定位技術(shù)研究[J];計算機(jī)仿真;2011年02期

5 ;[J];;年期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李俊紅;極大似然辨識方法的研究[D];江南大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 張瑋;Hammerstein模型的極大似然辨識方法的研究[D];青島大學(xué);2016年

2 王偉;方程誤差類模型的極大似然最小二乘估計[D];江南大學(xué);2012年

3 張磊;隨機(jī)波動率模型參數(shù)估計：貝葉斯和極大似然方法[D];清華大學(xué);2013年

4 方正華;神經(jīng)元集群編碼與解碼模型研究[D];合肥工業(yè)大學(xué);2009年

，

本文編號：1084551