互耦场景下的波达方向估计方法研究

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:zhangjianfa11
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
波达方向估计(Direction-of-Arrival,DOA)是阵列信号处理领域的一个重要分支,它是指利用阵列天线接收信号,并通过统计信号处理技术和各类优化方法对接收信号进行处理,以能够估计出入射信号的来向信息,在雷达、声呐、导航和无线通信等领域有着广泛的应用。传统的子空间类方法其高分辨率的前提是能够将导向矢量的结构具体构造出来,换言之,这类方法对阵列误差敏感。在实际阵列中,由于环境和物理器件等影响,阵列流形会出现偏差,从而导致估计性能下降,互耦误差是阵列误差主要表现形式之一。本文主要研究了在互耦误差情况下的DOA估计算法。首先介绍了阵列测向的基本模型,包括均匀线阵和非均匀线阵。其次,介绍了互耦矩阵的性质和结构,分析互耦误差对DOA估计的影响,并与理想情况进行对比。在均匀线阵中,针对互耦和非均匀噪声并存的情形下,提出了基于协方差拟合的估计算法,该算法根据互耦矩阵的结构,利用选择矩阵,去构造一个新的阵列流形矩阵,并将DOA估计问题转换为一个半定规划问题,以此求出入射角度等一系列参数。仿真实验表明,在入射信源角度比较接近时,该算法能够较为精确地分辨出入射信号;在快拍数较少和受到相干信号的情况下,该算法也能够表现出较高的分辨率。考虑互耦情况下的嵌套阵列的DOA估计问题,本文提出了一种先估计出互耦系数之后,再精确估计入射角度的算法。该算法主要是利用嵌套阵列中的稀疏部分,根据其特殊结构,可以将该部分的互耦矩阵看作是单位阵。通过比较嵌套阵两个子阵的估计结果,得到DOA粗估计,并以此估计出互耦系数;在此基础上,再进行精确的DOA估计。仿真试验表明,由于提高了阵列孔径,所提算法与具有相同阵元的均匀线阵的相比具有更好的估计性能。
其他文献
语音转换是一种旨在将源说话人个性信息转换为目标说话人个性信息,同时保持源说话人语义内容不变的智能语音技术。随着深度学习与人工智能的发展,语音转换技术先后在非平行和多对多转换问题上取得了突破,如何在非平行多对多语音转换情形下进一步提高转换语音的质量和个性相似度成为该技术从实验室走向工业界的关键。鉴于此,本文以Star GAN-VC模型作为基准,针对转换语音的个性相似度和质量问题展开相关研究与改进。首
在量子力学的理论指导下,量子通信可以确保合法用户间通信的安全性,而目前量子通信常指量子密钥分发过程。发送或不发送量子密钥分发(Sending or Not Sending Quantum Key Distribution,SNS-QKD)协议是在双光场量子密钥分发(Twin-Field Quantum Key Distribution,TF-QKD)协议启示下的改进。像典型的双信道量子密钥分发协议
随着人们对无线通信的容量需求快速增长,在微波频带中运行的通信系统很难满足用户高速率传输的要求。因此,在过去的几年中,许多先进的技术被用来提高频谱效率,如中继合作、分集复用和认知无线电。但是,与爆炸性的系统容量需求相比,获得的增益太有限了。为了解决频率资源短缺的问题,毫米波被认为是潜在的射频候选者。由于每秒千兆比特的数据速率,毫米波将部署在未来的第五代无线通信系统中。另外,由于天线数量的增加,大规模
伴随人工智能技术与深度学习的发展,作为人机交互领域研究的一个重要部分,情感识别逐渐成为研究的热点。由于面部表情、语音等信号具有主观特性。脑电、外周等生理信号也从医学领域被引入到情感识别的研究中。单模态的情感识别领域已经取得了许多的研究成就,但是单模态中包含的信息往往是不完整的,会影响情感识别的效果。多模态识别逐渐被研究者所重视,并在表情、语音、文本、生理等信号上展开了广泛的研究,利用多个模态间的信
随着多媒体移动通信设备的不断普及,终端数量呈爆发式增长,由此增加了蜂窝小区间的干扰,这对数据通信服务质量提出了较大的挑战。一方面,在高速移动场景下的移动通信中,接收端移动速度较快,上一时刻的波束分配方案在下一时刻可能不再适用,但如果每次都重新计算波束分配方案无疑会增加系统开销,浪费计算资源,同时带来较大延迟。但另一方面,固定几个小区内的交通模式在一天中的固定时间段内又是高度相似的,可以加以利用。毫
高速发展的物联网等新兴技术给人类生活和工作带来巨大便捷的同时,也对新一代无线通信提出了更高的要求。包括5G在内的未来移动网络业务能力的提升将在三个维度上同时进行:资源利用率、系统吞吐量以及挖掘新的频谱资源。为了应对这些挑战,新型的多址接入技术——非正交多址接入(Non-orthogonal Multiple Access,NOMA)以及认知无线电技术(Cognitive Radio,CR)受到了广
学位
当今,生物识别系统已经成为主流的密钥解锁方式,但现阶段存在的生物识别系统如:指纹、面部识别、声音等生物识别系统,都能被不法分子破解、有机可乘。本文对脑电信号的激励、特征和分类进行了研究,采用脑电信号作为识别身份密钥,对新型生物安全识别系统进行探索研究。首先研究了身份识别脑电信号的产生方法。针对现有实验激励源单一、效果欠佳,使用选定实验刺激素材,随机展示素材激励,固定时间间隔来刺激产生P300信号,
随着移动通信技术的快速发展,用户终端需要面对比过去更多样、更复杂的应用需求。与此同时,用户终端数量的快速增长,使得传统的“云计算+固定基站”的网络覆盖模式难以承载巨大规模的应用需求。无人机,由于机动性强、操控性好、相较传统基站部署成本更低等优势,能够快速响应不同的通信覆盖需求。基于移动边缘计算的思想,学界提出了利用无人机搭载边缘服务器辅助用户终端进行任务计算,以满足用户的应用需求。目前,相关研究工
车联网作为5G移动通信的代表性应用场景之一,随着信息技术的发展以及新的业务需求,产生了大量对计算与存储资源高需求的车载应用。然而,在目前的车载通信环境中,传统的任务迁移与资源分配算法难以满足实时路况、智能识别等新型车载应用的低时延、高可靠需求。移动边缘计算(Mobile Edge Computing,MEC)可以在智能交通等新型应用场景的网络边缘侧部署大量高性能服务器,车辆终端将任务卸载至MEC边