基于谱峰斜率进行变步长搜索的低复杂度DOA估计方法研究

来源 :西北大学 | 被引量 : 0次 | 上传用户:sunboy0214
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
作为阵列信号处理中的关键研究课题,波达方向估计在军事和民用领域备受关注,包括导航、声呐、气象观测和雷达目标检测等方面。经典Capon方法通过均匀搜索获取目标的谱峰信息,计算量庞大。后来发展的著名MUSIC高分辨子空间方法,虽然估计精度得到了提高,但仍然是基于谱峰穷尽搜索估计目标方向。同时,MUSIC方法引入特征分解,进一步提升了计算量。要使搜索类方法得到现实应用,降低计算复杂度是提升硬件系统实时性和可靠性的首要任务。本文在研究经典Capon方法的基础上,提出一种基于谱峰斜率进行变步长搜索的低复杂度DOA估计方法。注意到经典Capon超分辨波达方向估计方法,采用固定步长进行谱峰穷尽搜索,存在计算和存储量庞大、运行时间长、特定计算量付出情况下估计精度不尽人意的问题。所提方法首先使用大步长的Capon方法进行粗搜索,根据谱峰值确定波达方向检测的粗略范围,并求出该范围内谱峰的斜率值,根据斜率值首次小于零确定谱峰在其左侧P,所以取该斜率对应范围的左值,同时向左取P-2点,并从P-2点处开始进行变步长搜索,根据上一步的步长x=1,选取步长函数进行变步长的迭代逼近,直到斜率首次小于零,并取斜率小于零的区间的左值作为本次期望信号的估计角度。所提方法避免谱峰的穷尽搜索,减小了计算量。论文对所提方法的计算量进行了理论分析,证实了所提算法显著降低了计算量。同时,仿真了估计角度的均方根误差、统计了算法的运行时间、对算法的分辨成功率进行了研究,分析和实验结果证明所提的方法不仅能准确的估计出多信号的角度信息,而且精度还显著高于Capon方法,同时所提的方法不用谱峰穷尽搜索和特征值分解,很大程度减小了运算量和复杂度。最后,在多信号源角度估计方面对所提的方法进行了理论推导,并在MTALAB上测试了所提的方法在不同的条件下多信号源的角度估计性能。
其他文献
甾醇类化合物降胆固醇功效得到了科学权威的认可,适量地摄入甾醇可以改善血脂异常,其机制研究也成为热点。通过建立HepG2高胆固醇细胞模型,测定细胞总胆固醇,甘油三酯及其胆固醇调控相关蛋白水平,探讨甾醇类化合物的降胆固醇活性及其作用机制。结果表明:四种甾醇类化合物可以降低HepG2细胞内的甘油三酯(TG)和总胆固醇(TC)水平,改善高胆固醇细胞模型脂质的增加和代谢紊乱,四种甾醇类化合物可能通过下调Ni
近些年,许多学者研究过伪随机序列的统计性质,并构造出了一些伪随机序列.而在密码学中,往往要求伪随机序列的短子序列也具有较强的伪随机性.为此,Dartyge,Gyarmati和Sarkozy[14]引入二元序列的加权测度.本文研究了伪随机子序列的加权一致分布测度,同时将加权测度引入到多维二元格点,分析了多维二元子格点的伪随机性,并构造出一族伪随机性良好的多维子格点.主要结果如下:第一,利用特征和与指
近年来,信息技术不断发展,存储器成为信息产业的脉搏。而随着存储器尺寸的不断缩小,传统Flash器件遇到了栅极漏电、读写速度慢等问题,使得存储器技术的发展遇到阻碍。此时,非挥发性阻变存储器(Resistive Random Access Memory,RRAM)由于其制备工艺简单、存储密度高、读入和擦除速度快、能与CMOS工艺兼容等优势,受到人们的极大关注。在众多的阻变材料中,ZnO材料有着原料充足
随着教育大数据的不断发展,越来越多的研究者投入到这一研究领域。成绩预测作为该领域的一个重要分支,成为了研究者们关注的热点。本文主要从学生的在校数据提取特征,建立成绩预测模型,并在此基础上设计实现成绩预警系统,用来帮助辅导员更好的管理学生的学习,帮助学生顺利完成学业。具体的工作内容如下所述:(1)本文通过ETL工具采集学生一卡通消费数据,图书馆门禁数据,图书馆借阅数据,校园网日志数据,从这些数据中提
二次剩余与二次非剩余,其分布具有良好的性质,因此在密码学中有着重要的用途.著名的Rabin公钥密码体制与Goldwasser-Micali概率公钥密码体制,都是建立在二次剩余与二次非剩余的伪随机性质之上.形如a+r的整数构成的集合,其中a是任意整数,r是二次剩余,在构建密码体制中起到了重要的作用.Perron首次研究了在素数模下a+r的整数构成的集合中二次剩余、二次非剩余的分布情况,但是二次剩余在
随着航空航天技术的飞速发展,飞机、导弹等带有复杂运动特性的目标大量涌现。此类目标因速度快、雷达横截面积(Radar Cross Section,RCS)小、回波信号较弱而难以探测。长时间相参积累可有效提高雷达目标检测性能,然而目标运动引起的距离徙动(Range Migration,RM)和多普勒频率徙动(Doppler Frequency Migration,DFM)会影响相参积累效果并降低目标运
随着睡眠紊乱问题的日益严重,睡眠检测设备和自动睡眠分阶技术得到了快速地发展。脑电信号包含大量的生理学信息,已经作为自动睡眠分阶的重要依据。同时,深度学习技术的发展也为睡眠波特征学习、睡眠自动分阶应用提供了重要的技术支撑。然而,脑电信号受周围环境影响包含大量噪声,脑电信号采集仪器的差异性导致数据没有统一的标准。这对脑电数据的智能化分析造成很大的干扰;此外,由于目前深度学习的可解释性较弱,单一特征学习
随着通信技术中对通信容量和高速数据处理需求的不断增长,传统的电子有线通信已经被光纤通信所取代。目前,在信号传输方面光纤通信已成功实现全光化。但是,光信号与电信号的转换还是要靠电子学的方法,这大大地限制了光通信速率。全光调制有望突破“电子瓶颈”,成为当前信息技术中的热门领域。三阶非线性光学材料是全光调制的必备介质,其性能很大程度上决定着全光调制的交换速率、能耗等。理论研究表明,二维金属有机框架(Me
随着无线通信设备的普及,无线通信应用在越来越多的领域中,人们对无线通信的传输速率、传输稳定性、信号传输时延的要求也随之提高,未来物联网领域中也会应用到大量的无线通信技术。现行的5G标准提出了许多移动通信新技术,如大规模多输入多输出(Multiple Input Multiple Output,MIMO)、非正交多址接入、全双工、毫米波传输、端到端通信技术等。其中,毫米波传输技术能够有效缓解无线电波
新应用、新服务呈指数型的增长,计算模式逐渐由云计算转变为边缘计算,将任务迁移至靠近用户端的边缘服务器可以满足移动计算的需求,但任务迁移依赖的网络环境直接影响任务迁移的性能。当今3G、4G、5G和Wi-Fi等网络相互覆盖,异构无线网络成为趋势,使得任务迁移的路径选择和多路径传输成为可能。任务迁移研究中,网络路径的选择对任务时延和终端的能耗有较大的影响。而现有路径选择研究多集中在网络状态本身,而忽略了