一種稀疏重構(gòu)的相關(guān)干涉儀測向算法
發(fā)布時(shí)間:2021-03-07 02:16
針對基于凸優(yōu)化模型的相關(guān)干涉儀測向算法計(jì)算量過大的問題,提出了一種基于稀疏度自適應(yīng)匹配追蹤算法的相關(guān)干涉儀測向算法。該算法首先根據(jù)壓縮感知原理利用傳統(tǒng)相關(guān)干涉儀算法的測向數(shù)據(jù)庫作為基底將入射信號稀疏表示;接著,根據(jù)貪婪算法對信號進(jìn)行重構(gòu),估計(jì)入射信號的方位。該算法的優(yōu)點(diǎn)在于在迭代過程中引入回溯思想,自動(dòng)調(diào)整估計(jì)步長,實(shí)現(xiàn)計(jì)算復(fù)雜度和估計(jì)精度的平衡。仿真結(jié)果表明,相比基于凸優(yōu)化模型的相關(guān)算法,該算法的計(jì)算量大大降低,測向速度提升24.6%,特別在多入射信號情況下具有明顯優(yōu)勢。
【文章來源】:電訊技術(shù). 2020,60(05)北大核心
【文章頁數(shù)】:6 頁
【部分圖文】:
M陣元圓陣列天線
(1)實(shí)驗(yàn)1:以頻點(diǎn)500 MHz、信噪比為20 dB、入射角為150°的一個(gè)信號為例,比較經(jīng)典方法與本文方法的測向結(jié)果。從圖2可知,在只有一個(gè)入射信號時(shí),本文算法和經(jīng)典算法都能對入射信號進(jìn)行高精度測向。(2)實(shí)驗(yàn)2:以頻點(diǎn)500 MHz、信噪比均為20 d B的4個(gè)入射信號為例,入射角分別為50°、100°、200°、300°,比較經(jīng)典方法與本文方法。從圖3可知,當(dāng)有多個(gè)未知信號源入射時(shí),經(jīng)典算法已經(jīng)失效,而本文算法能夠精確測量出四個(gè)同頻信號的入射方位,突破了經(jīng)典算法只能對單一信號測向的局限性。
(2)實(shí)驗(yàn)2:以頻點(diǎn)500 MHz、信噪比均為20 d B的4個(gè)入射信號為例,入射角分別為50°、100°、200°、300°,比較經(jīng)典方法與本文方法。從圖3可知,當(dāng)有多個(gè)未知信號源入射時(shí),經(jīng)典算法已經(jīng)失效,而本文算法能夠精確測量出四個(gè)同頻信號的入射方位,突破了經(jīng)典算法只能對單一信號測向的局限性。(3)實(shí)驗(yàn)3:以頻點(diǎn)為500 MHz、信噪比為20 dB的信號為例,在相同個(gè)數(shù)入射信號情況下,本文方法迭代步長s分別選用2、4、6、8,重構(gòu)信號進(jìn)行測向與凸優(yōu)化方法進(jìn)行比較測向準(zhǔn)確度,每一組不同入射信號個(gè)數(shù)下的實(shí)驗(yàn)進(jìn)行100次并據(jù)此計(jì)算測向均方誤差根。根據(jù)圖4的仿真結(jié)果可知,在迭代步長s=4時(shí),本文方法與凸優(yōu)化方法有相當(dāng)?shù)臏y向準(zhǔn)確度。
【參考文獻(xiàn)】:
期刊論文
[1]基于壓縮感知的相關(guān)干涉儀測向算法[J]. 茍曉鳴,孫中森,唐懷玉,單中堯,李永慶. 電波科學(xué)學(xué)報(bào). 2018(05)
[2]壓縮感知重構(gòu)SAMP的改進(jìn)算法[J]. 楊韌,張興敢. 南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2018(03)
[3]采用局部搜索的二維DOA估計(jì)[J]. 黃英,景小榮. 電訊技術(shù). 2017(02)
[4]A Reducing Iteration Orthogonal Matching Pursuit Algorithm for Compressive Sensing[J]. Rui Wang,Jinglei Zhang,Suli Ren,Qingjuan Li. Tsinghua Science and Technology. 2016(01)
[5]一種快速二維相關(guān)干涉儀測向算法[J]. 杜政東,魏平,尹文祿,張政,楊慎謙. 電波科學(xué)學(xué)報(bào). 2014(06)
[6]Direction finding of coexisted independent and coherent signals using electromagnetic vector sensor[J]. Ming Diao and Chunlian An * College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, P. R. China. Journal of Systems Engineering and Electronics. 2012(04)
[7]壓縮感知理論及其研究進(jìn)展[J]. 石光明,劉丹華,高大化,劉哲,林杰,王良君. 電子學(xué)報(bào). 2009(05)
本文編號:3068224
【文章來源】:電訊技術(shù). 2020,60(05)北大核心
【文章頁數(shù)】:6 頁
【部分圖文】:
M陣元圓陣列天線
(1)實(shí)驗(yàn)1:以頻點(diǎn)500 MHz、信噪比為20 dB、入射角為150°的一個(gè)信號為例,比較經(jīng)典方法與本文方法的測向結(jié)果。從圖2可知,在只有一個(gè)入射信號時(shí),本文算法和經(jīng)典算法都能對入射信號進(jìn)行高精度測向。(2)實(shí)驗(yàn)2:以頻點(diǎn)500 MHz、信噪比均為20 d B的4個(gè)入射信號為例,入射角分別為50°、100°、200°、300°,比較經(jīng)典方法與本文方法。從圖3可知,當(dāng)有多個(gè)未知信號源入射時(shí),經(jīng)典算法已經(jīng)失效,而本文算法能夠精確測量出四個(gè)同頻信號的入射方位,突破了經(jīng)典算法只能對單一信號測向的局限性。
(2)實(shí)驗(yàn)2:以頻點(diǎn)500 MHz、信噪比均為20 d B的4個(gè)入射信號為例,入射角分別為50°、100°、200°、300°,比較經(jīng)典方法與本文方法。從圖3可知,當(dāng)有多個(gè)未知信號源入射時(shí),經(jīng)典算法已經(jīng)失效,而本文算法能夠精確測量出四個(gè)同頻信號的入射方位,突破了經(jīng)典算法只能對單一信號測向的局限性。(3)實(shí)驗(yàn)3:以頻點(diǎn)為500 MHz、信噪比為20 dB的信號為例,在相同個(gè)數(shù)入射信號情況下,本文方法迭代步長s分別選用2、4、6、8,重構(gòu)信號進(jìn)行測向與凸優(yōu)化方法進(jìn)行比較測向準(zhǔn)確度,每一組不同入射信號個(gè)數(shù)下的實(shí)驗(yàn)進(jìn)行100次并據(jù)此計(jì)算測向均方誤差根。根據(jù)圖4的仿真結(jié)果可知,在迭代步長s=4時(shí),本文方法與凸優(yōu)化方法有相當(dāng)?shù)臏y向準(zhǔn)確度。
【參考文獻(xiàn)】:
期刊論文
[1]基于壓縮感知的相關(guān)干涉儀測向算法[J]. 茍曉鳴,孫中森,唐懷玉,單中堯,李永慶. 電波科學(xué)學(xué)報(bào). 2018(05)
[2]壓縮感知重構(gòu)SAMP的改進(jìn)算法[J]. 楊韌,張興敢. 南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2018(03)
[3]采用局部搜索的二維DOA估計(jì)[J]. 黃英,景小榮. 電訊技術(shù). 2017(02)
[4]A Reducing Iteration Orthogonal Matching Pursuit Algorithm for Compressive Sensing[J]. Rui Wang,Jinglei Zhang,Suli Ren,Qingjuan Li. Tsinghua Science and Technology. 2016(01)
[5]一種快速二維相關(guān)干涉儀測向算法[J]. 杜政東,魏平,尹文祿,張政,楊慎謙. 電波科學(xué)學(xué)報(bào). 2014(06)
[6]Direction finding of coexisted independent and coherent signals using electromagnetic vector sensor[J]. Ming Diao and Chunlian An * College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, P. R. China. Journal of Systems Engineering and Electronics. 2012(04)
[7]壓縮感知理論及其研究進(jìn)展[J]. 石光明,劉丹華,高大化,劉哲,林杰,王良君. 電子學(xué)報(bào). 2009(05)
本文編號:3068224
本文鏈接:http://www.sikaile.net/kejilunwen/xinxigongchenglunwen/3068224.html
最近更新
教材專著