波達(dá)方向（Direction of Arrival,DOA）估計(jì)是陣列信號(hào)處理的一個(gè)重要分支,在無(wú)線通信、雷達(dá)等領(lǐng)域具有廣泛的應(yīng)用。近年來(lái),大陣列系統(tǒng)的DOA估計(jì)已成為陣列信號(hào)處理領(lǐng)域的一個(gè)重要發(fā)展趨勢(shì),由于其在提高波束分辨力、改善系統(tǒng)容量等方面的巨大潛力,越來(lái)越受到國(guó)內(nèi)外學(xué)者的極大關(guān)注。DOA估計(jì)的經(jīng)典方法是子空間算法,然而,在大陣列情況下,陣元數(shù)多達(dá)幾十甚至上百個(gè),與樣本數(shù)接近,子空間算法會(huì)面臨如下問(wèn)題需要解決:（1）接收信號(hào)樣本協(xié)方差矩陣產(chǎn)生畸變,不能替代統(tǒng)計(jì)協(xié)方差矩陣,導(dǎo)致傳統(tǒng)基于子空間的DOA估計(jì)算法估計(jì)性能下降;（2）大陣列的引入給傳統(tǒng)子空間方法帶來(lái)巨大的運(yùn)算量,甚至無(wú)法運(yùn)行;（3）傳統(tǒng)基于子空間的DOA估計(jì)算法對(duì)實(shí)際應(yīng)用環(huán)境的適應(yīng)性差,尤其在低信噪比情況下,其估計(jì)性能?chē)?yán)重下降。機(jī)器學(xué)習(xí)可以實(shí)現(xiàn)大數(shù)據(jù)分析和處理,且受噪聲影響小,運(yùn)算速度快,為大陣列DOA估計(jì)提供了有力工具。然而,大陣列情況下,機(jī)器學(xué)習(xí)訓(xùn)練和測(cè)試過(guò)程中輸入數(shù)據(jù)的數(shù)量和維度也會(huì)增大,影響分類(lèi)性能,導(dǎo)致估計(jì)性能下降。本文利用大維隨機(jī)矩陣?yán)碚撝械臐u近譜理論對(duì)機(jī)器學(xué)習(xí)進(jìn)行修正,使機(jī)器學(xué)習(xí)方法能夠更準(zhǔn)確、高效地處理大陣... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

單隱層神經(jīng)網(wǎng)絡(luò)示意圖

第2章基礎(chǔ)知識(shí)15xb0······································(2.23)其中，表示超平面法向量，b表示超平面位移量。假設(shè)超平面滿(mǎn)足間隔最大化條件，并且能正確分類(lèi)訓(xùn)練樣本，即訓(xùn)練樣本(,)iixy滿(mǎn)足公式()1iiyxb···································(2.24)圖2.2清晰地展示了支持向量機(jī)的超平面，“支持向量”即是距離超平面最近的樣本點(diǎn)，滿(mǎn)足()1iiyxb。圖2.2中兩條虛線即為邊界，虛線之間距離即是間隔（margin）。圖2.2支持向量機(jī)超平面圖SVM的主要目的是最大化間隔，即,2max,..()1(1,2,,)iibstyxbimK···················(2.25)最大化2相當(dāng)于最小化，因此，式（2.25）也可以表示為2,1min,..()1(1,2,,)2iibstyxbimK·················(2.26)利用拉格朗日乘子法對(duì)式（2.26）進(jìn)行求解，可得到其對(duì)偶問(wèn)題，從而確定超平面參數(shù)，實(shí)現(xiàn)二分類(lèi)問(wèn)題。對(duì)于非線性問(wèn)題，線性支持向量機(jī)表現(xiàn)性能欠佳，由此引入非線性模型以提高支持向量機(jī)性能。非線性模型是將訓(xùn)練樣本映射到高維空間，使得訓(xùn)練樣本在

第3章基于支持向量機(jī)的DOA估計(jì)方法19第3章基于支持向量機(jī)的DOA估計(jì)方法傳統(tǒng)DOA估計(jì)算法是利用陣列觀測(cè)信號(hào)的協(xié)方差矩陣進(jìn)行有效的信息提齲但是，隨著信噪比降低，傳統(tǒng)算法性能會(huì)受到影響，且子空間方法運(yùn)算速度較慢，因此本章將以機(jī)器學(xué)習(xí)為工具，實(shí)現(xiàn)基于支持向量機(jī)的DOA估計(jì)方法，提高估計(jì)性能。本章首先介紹DOA估計(jì)的信號(hào)模型，并簡(jiǎn)單闡述幾種傳統(tǒng)的DOA估計(jì)算法，如Capon，MUSIC等。之后，研究基于支持向量機(jī)的DOA估計(jì)方法，分別考慮RBF和linear兩種核函數(shù)，并通過(guò)MATLAB在低信噪比條件下對(duì)二分類(lèi)器和多分類(lèi)器情況進(jìn)行仿真。為體現(xiàn)該算法性能的優(yōu)越性，與Capon和MUSIC算法進(jìn)行了對(duì)比。3.1陣列空間信號(hào)模型首先給出經(jīng)典DOA估計(jì)的觀測(cè)信號(hào)陣列模型，其結(jié)構(gòu)如圖3.1所示。圖3.1DOA估計(jì)觀測(cè)信號(hào)模型假設(shè)信源信號(hào)距離陣列較遠(yuǎn)，可以視為遠(yuǎn)場(chǎng)目標(biāo)，因此，到達(dá)陣元的信號(hào)相當(dāng)于平行波�？紤]一個(gè)共由M個(gè)傳感器構(gòu)成的陣元間距為d的天線陣列，接收信號(hào)為窄帶信號(hào)。已知有P個(gè)信源信號(hào)，則第m個(gè)陣元的接收信號(hào)模型可以表示為(1)sin11()()()()()()iPPjmmimimimiiytstentstnta··················(3.1)其中，()ist是第i個(gè)信源信號(hào)，()mnt是第m個(gè)陣元的噪聲，i是第i個(gè)信源的DOA值，(1)sin=ijmmiea。則可以得到第t個(gè)時(shí)刻的接收信號(hào)模型為

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)可控功率響應(yīng)的MUSIC-DOA估計(jì)方法[J]. 郭業(yè)才,王超.  南京理工大學(xué)學(xué)報(bào). 2019(02)
[2]基于加權(quán)極速學(xué)習(xí)機(jī)室內(nèi)高動(dòng)態(tài)環(huán)境的定位算法[J]. 周世悅,張靜.  上海師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[3]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的DOA估計(jì)方法[J]. 孟非,王旭.  電訊技術(shù). 2012(05)
[4]基于模擬退火方法BP神經(jīng)網(wǎng)絡(luò)的測(cè)向定位方法[J]. 趙曉萌,劉李楠.  安陽(yáng)工學(xué)院學(xué)報(bào). 2012(02)
[5]基于互相關(guān)函數(shù)相角特征的RBF神經(jīng)網(wǎng)絡(luò)來(lái)波方位估計(jì)[J]. 張旻,李鵬飛.  電子與信息學(xué)報(bào). 2009(12)
[6]基于RMT的協(xié)作MIMO頻譜感知[J]. 王磊,鄭寶玉.  解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(06)
[7]支持向量機(jī)多類(lèi)分類(lèi)方法[J]. 茍博,黃賢武.  數(shù)據(jù)采集與處理. 2006(03)
[8]支撐向量機(jī)的多類(lèi)分類(lèi)方法[J]. 徐勛華,王繼成.  微電子學(xué)與計(jì)算機(jī). 2004(10)
[9]機(jī)器學(xué)習(xí)研究[J]. 王玨,石純一.  廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2003(02)
[10]基于神經(jīng)網(wǎng)絡(luò)的寬帶相干DOA估計(jì)方法的改進(jìn)[J]. 雷中定,黃繡坤,張樹(shù)京.  自動(dòng)化學(xué)報(bào). 1998(02)

博士論文
[1]基于支持向量機(jī)的多用戶(hù)檢測(cè)算法、功率控制算法和波達(dá)方向估計(jì)算法[D]. 趙宇.中國(guó)科學(xué)技術(shù)大學(xué) 2006
[2]大維隨機(jī)矩陣譜分布的極限理論研究及其應(yīng)用[D]. 金百鎖.中國(guó)科學(xué)技術(shù)大學(xué) 2006

碩士論文
[1]神經(jīng)網(wǎng)絡(luò)在來(lái)波到達(dá)角估計(jì)中的應(yīng)用研究[D]. 王旭.江蘇科技大學(xué) 2012



本文編號(hào)：2948289