【摘 要】
:
信号波达方向DOA(Direction of Arrival)估计始终是雷达系统目标探测、目标追踪、轨迹合成等的一个重要测量参数。DOA估计算法也一直都是阵列信号处理的热门方向,基于不同理论的测角技术层出不穷,而其中绝大多数的算法都是建立在理想阵列模型下。但在实际工程中落地实现的过程中必须要考虑阵列非理想因素,这些阵列误差的存在使得算法模型失配,DOA估计精度降低。为了进一步的工程实用化,本文对阵
论文部分内容阅读
信号波达方向DOA(Direction of Arrival)估计始终是雷达系统目标探测、目标追踪、轨迹合成等的一个重要测量参数。DOA估计算法也一直都是阵列信号处理的热门方向,基于不同理论的测角技术层出不穷,而其中绝大多数的算法都是建立在理想阵列模型下。但在实际工程中落地实现的过程中必须要考虑阵列非理想因素,这些阵列误差的存在使得算法模型失配,DOA估计精度降低。为了进一步的工程实用化,本文对阵列非理想因素下的DOA估计算法进行研究,针对阵列失配的两大重要因素互耦误差与幅相误差进行分析,论文主要从4个方面进行探究:第一部分建立非理想因素下的DOA接收信号模型,并以均匀线阵为例,分析非理想因素对DOA算法性能所带来的影响,基于两种不同的DOA估计方法研究非理想因素导致DOA估计性能的下降。第二部分以汽车毫米波雷达常用的均匀线阵为阵列结构,研究了其在互耦误差与幅相误差条件下的校正算法性能,介绍了几种当下的互耦误差校正算法,改进了基于正交匹配追踪的DOA互耦自校正算法,并通过仿真实例进行了算法性能的对比。介绍了三种均匀线阵的幅相校正算法,并对最小原子范数(atomic norm minimization,ANM)自校正算法进行优化降维处理,使其运算时间大幅度减少,并通过仿真验证其算法性能。第三部分主要是将上述校正算法思想引入到其他阵列结构中。针对均匀圆阵研究了互耦秩损法与模式空间变换法,并对其性能进行仿真验证。针对均匀矩形阵,优化通过三子阵模型消除互耦误差影响的快速二维DOA估计算法,并与已有算法做性能对比,仿真验证其在DOA估计性能相似的前提下能够减少计算复杂度,且更利于实际工程实现。第四部分主要是在实际环境中的实测数据的实验验证。通过现有的雷达平台对实测数据进行综合分析其处理流程,并对本文中的可用算法进行性能实测。
其他文献
在大数据网络快速发展及普及的时代背景下,物联网技术,虚拟现实技术,自动驾驶技术,实时在线游戏等新型技术和业务需求也随之迅速增多,新型的网络服务对通信系统的时延、可靠性等提出了更为严格的要求。传统的网络结构中,当用户需要申请某一服务时,网络申请通过边缘网络到核心网络,一直到数据中心进行请求,返回的结果也是从数据中心通过相同路径返回。但这种传输方式的效率在需要追求实时性的业务当中难以解决庞大的数据流量
无线通信系统是近年来的热点研究问题,多径传输以及信道的多径效应给无线通信系统的可靠性带来了十分严重的影响。系统中使用单载波频域均衡(Single Carrier-Frequency Domain Equalization,SC-FDE)技术不但可以很好的应对传播过程中的多径衰落,还可以克服正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)
护理人才的短缺是国内外医疗机构长期需要面对的问题,如何降低离职率来保留护理人才并维持医疗机构的竞争力一直是解决问题的重点。特别是传染病医院的护士作为医疗行业中一个既有共性更有特殊性的职业群体,因其工作环境和服务对象的复杂性造成的高工作压力,非常容引发护士作出解除雇佣关系的决定。为了减轻高水平的工作压力对离职的预测变量离职倾向的影响,本研究依据积极组织行为学理论和工作需求-资源理论,研究传染病医院护
雷达系统识别人体目标的研究工作已经在多个领域广泛展开,包括国防、医疗以及体育应用。为了识别和分类目标,研究目标的各种运动产生的微多普勒特征是关键。在早期研究阶段,多依赖于应用专业领域知识设计出分类的特征,这限制了算法的可扩展性。因此,考虑使用深度学习方法来克服这种局限性。本文使用毫米波雷达探测运动人体,收集反射回波,运用时频分析方法对数据进行处理,提取微多普勒特征,将深度学习算法直接应用于微多普勒
阵列信号处理在军用和民用上都有广泛的应用,如声纳、电子对抗和地震勘探等领域,波达方向(Direction of Arrival,DOA)估计问题是阵列信号处理领域中的重要研究内容。传统的DOA估计方法大多基于信号子空间进行计算,这些方法对信噪比及快拍数有较高要求。因此,为了克服传统DOA估计方法的缺陷,同时突破Nyquist采样定理的限制,压缩感知(Compressive Sensing,CS)理
无线通信技术的迅速发展和人们对无线通信业务不断增长的需求导致频谱资源越来越稀缺。传统无线频谱资源分配方式采取静态频谱分配策略,无法充分利用有限的频谱资源。为了克服这一弊端,研究者基于动态频谱共享理念提出了能够大幅提高频谱利用率的认知无线电系统,而频谱感知技术就是认知无线电系统中最为关键的基础技术之一。现有的窄带频谱感知方法大多有着成熟的技术,然而带宽的差异使其无法直接应用于宽带频谱感知问题中。不断
Drinfeld-Sokolov方程簇在可积系统领域中有着重要的意义.这一构造把无穷维李代数的理论和可积系统领域联系在了一起,并进一步地和其它许多数学研究分支产生了联系.简单地说,对任意一个给定的仿射型李代数和其Dynkin图上的一个固定的顶点,都可以给出一个相应的可积方程簇.这些方程簇都是哈密顿系统,其中大部分还可以表示成标量Lax方程的形式.对于非扭的仿射李代数来说,其对应的Drinfeld-
扩频信号因其具有有低截获率、抗干扰和码分多址等优点,被广泛的应用于军事通信、民用通信和卫星通信等不同领域。由于扩频信号在多领域的应用,信号从发射端到接收端所经历的信道环境也变得更加复杂。对于合作通信场景,扩频序列对接收端是已知的。所以可以利用扩频序列对接收信号进行解扩,从而得到发送信息。但对于盲解扩场景,扩频序列未知加上信道环境的复杂性,使得获取传输信息难度变大。因此,研究在复杂信道环境下的扩频信
射频发射机是移动通信系统中的核心组件,对通信质量有着举足轻重的影响。如今迈入5G通信时代,为了满足日益增长的通信期望,需要使用各类高效频谱调制技术,这使得射频发射机系统的设计面临巨大的挑战。双输入Doherty发射机是近年来各类效率增强技术中的一位新星,得益于其带宽大、效率高、电路复杂度低等优势,有望成为高效率、高性能的射频发射机架构。然而该发射机系统的输出线性度很差,阻碍了其在通信系统中的发展与
为了满足无线通信中数据速率爆炸式的增长需求,未来的5G基站所支持的信号带宽将达到数百MHz。对于宽带零中频发射机来说,I/Q不平衡和功放非线性是影响其发射性能的两个主要失真来源。利用实验室现有的测试仪器,本文搭建了一个可用于宽带信号的功放非线性特征测试平台,并基于该平台研究了发射机中I/Q不平衡和功放非线性相关的数字校正技术。本文的主要工作可以分为以下四个方面:(1)介绍了本文搭建的功放非线性特征