子阵级宽带空间谱估计方法研究

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:speed07
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
相控阵系统是空间谱估计测向技术的一个重要的应用领域。大型相控阵系统中,阵列常常包含有数千个阵元,此时一般采用子阵结构,只能得到子阵的数字输出。随着宽带信号在雷达系统中的应用越来越多,宽带空间谱估计测向技术越来越受到重视。基于日臻完善的窄带空间谱估计技术,提出了许多有效的宽带测向方法,但它们绝大多数都需要已知所有阵元的输出,即为基于阵元级的方法。各种阵元级测向方法不再适用于相控阵雷达的子阵结构,故本文研究子阵级宽带空间谱估计算法。首先,针对窄带测向方法,研究了带宽对测向结果的影响,即频率-角度模糊问题。同时研究了子阵级非相干信号子空间法(ISSM_SL),该方法可以减小频率扩散对空间谱估计的影响,但计算量很大。其次,本文研究了子阵级相干信号子空间法(CSST_SL)和子阵级加权平均子空间法(WAVES_SL),这两种方法测向性能很好,测向精度与窄带信号测向精度相当。但是其缺陷是需要角度预估计,预估计会影响测向性能。接着,本文研究基于子阵延迟的宽带测向方法,即子阵级延迟网络的方法(STP_SL)和基于子阵级延迟线的方法(STD_SL)。STP_SL方法是基于空时二维采样的方法,其子阵输出端有延迟网络。STD_SL方法是基于延迟线的方法,这两种方法可以很好的降低带宽对测向的影响,且不需要角度预估计。然后基于解析方法和遗传方法研究两种子阵级加权网络,使子阵方向图得到优化,从而使测向性能得到改进。最后,研究了I/Q通道误差和滤波器误差对子阵级ADBF和STAP的影响。对所提出的各种方法进行了模拟仿真,并进行了分析比较,结果表明所提出的算法是有效的。
其他文献
身份验证或识别是目前计算机领域里的一个研究热点,如何可靠、方便地进行身份验证和识别己成为人们日益关心的问题。人脸识别技术早在六七十年代就引起了研究者的强烈兴趣,由于
学位
HINOC(High performance Network Over Coax)是利用有线电视同轴电缆的带外信道组建高速和高质量的多业务宽带接入网的一种新型接入技术。该技术完全利用现有有线电视网同轴
近年来,随着无线通信技术的迅速发展,人们对音频和视频等多媒体通信的需求越来越强烈。多跳的方式接入网络,可以缩短节点间距离,提高网络覆盖范围。无线多跳环境中的视频传送
空时编码将发射信号在空域和时域都引入联合相关,不仅可以同时取得分集增益和编码增益,而且能得到很高的频谱效率。比特交织编码调制方案克服了传统上编码和调制相互独立的缺
深度学习是近年来在机器学习领域出现的一个新的研究热点,其最早源于人工神经网络(ANN)的研究。它通过模仿人脑多层次的模型结构,对底层信息经过多层非线性变换,逐步提取低层特
画面的成像会受到很多因素的影响,例如因光学透镜和系统,相机传感器等性能差或者拍摄环境不理想等,从而导致得到的图像分辨率太低,致使所成的图像效果达不到要求。众所周知,提高图
随着3G市场的快速发展,电子商务、电子贸易以及互联网服务等新型业务得到迅速推广。这些新型业务对安全性要求很高,一些移动通信中的关键数据一旦被窃取,会对用户造成很大的损失
在蛋白质组学的研究中,双向凝胶电泳一直扮演着重要的角色,它不仅能有效地将蛋白点分离出来,也可以对蛋白质做定性、定量的分析。以往,研究人员用人工的方式找出凝胶上的奇异蛋白
对空间谱估计技术进行研究的主要目的是提高空间信源方位角的估计精度以及分辨力,在众多的超分辨算法中,子空间类算法由于其得天独厚的优势:明确的物理概念和良好的估计性能