針對(duì)米波雷達(dá)低仰角目標(biāo)的DOA估計(jì)問(wèn)題,該文提出一種新的基于多幀相位特征增強(qiáng)方法,所提方法可以有效解決低仰角條件下陣列接收信號(hào)中直達(dá)信號(hào)相位特征模糊問(wèn)題,進(jìn)而提高DOA估計(jì)精度。通過(guò)學(xué)習(xí)多幀原始數(shù)據(jù)的相位分布特征與理想環(huán)境下直達(dá)波信號(hào)的相位分布特征之間的復(fù)雜映射關(guān)系,有效削弱多徑信號(hào)引起的相位誤差,將增強(qiáng)后的相位信息與原始的幅度信息進(jìn)行數(shù)據(jù)重組,并利用已有的超分辨算法進(jìn)行DOA估計(jì)。通過(guò)計(jì)算機(jī)仿真實(shí)驗(yàn)和實(shí)測(cè)數(shù)據(jù)驗(yàn)證,該文所提方法在DOA估計(jì)性能以及泛化能力上優(yōu)于基于物理驅(qū)動(dòng)的MUSIC算法以及數(shù)據(jù)驅(qū)動(dòng)的基于特征反演和基于支持向量回歸的兩種估計(jì)方法。

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖1信號(hào)模型

此外，已有的物理驅(qū)動(dòng)的超分辨DOA估計(jì)算法中，DBF算法、MUSIC和ML算法的估計(jì)公式可總結(jié)為圖2幅相敏感度分析

圖2幅相敏感度分析

圖1信號(hào)模型其中，UN為噪聲子空間，PA(θ)為投影到導(dǎo)向矢量矩陣A(θ)的列向量張成空間的投影算子，tr[·]表示矩陣的跡。通過(guò)搜索仰角θ，實(shí)現(xiàn)對(duì)目標(biāo)仰角的估計(jì)。分析搜索仰角的過(guò)程，由于搜索仰角僅影響導(dǎo)向矢量的相位，導(dǎo)向矢量的幅度特征并不受仰角的影響，因此搜索仰角的過(guò)程，實(shí)....

圖3相位增強(qiáng)系統(tǒng)框圖

本文提出的相位增強(qiáng)方法系統(tǒng)框圖如圖3所示。其中，訓(xùn)練部分主要完成原始數(shù)據(jù)相位特征的提取、預(yù)處理以及DNN和CNN的訓(xùn)練；增強(qiáng)部分則將預(yù)處理后的相位特征作為訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的輸入，增強(qiáng)后的相位特征與原始的幅度特征重構(gòu)出新的數(shù)據(jù)協(xié)方差矩陣，并采用經(jīng)典的物理驅(qū)動(dòng)的超分辨算法進(jìn)行DOA估....

圖4深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

其中，f(i)(x)=g(Wi·x+bi)。經(jīng)典的非線性激活函數(shù)g(·)包括Sigmoid函數(shù)和ReLU函數(shù)，分別表示為圖5深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

本文編號(hào)：3941411