【摘 要】
:
阵列信号处理的应用涵盖了通讯、雷达、医学、定位和航空航天天等众多领域,是信号处理领域中的一个重要研究内容。经典的空间谱估计方法都是建立在理想阵列结构下的,然而在实际安装环境中,例如机载平台下,阵列会存在各种误差,例如幅相误差和互耦误差等。在不对阵列误差进行校正的情况下,传统空间谱估计方法的性能将严重恶化。受限于机载平台下有限的位置空间,阵列规模小且周围安装有其他设备,导致阵列工作在复杂环境中时,不
论文部分内容阅读
阵列信号处理的应用涵盖了通讯、雷达、医学、定位和航空航天天等众多领域,是信号处理领域中的一个重要研究内容。经典的空间谱估计方法都是建立在理想阵列结构下的,然而在实际安装环境中,例如机载平台下,阵列会存在各种误差,例如幅相误差和互耦误差等。在不对阵列误差进行校正的情况下,传统空间谱估计方法的性能将严重恶化。受限于机载平台下有限的位置空间,阵列规模小且周围安装有其他设备,导致阵列工作在复杂环境中时,不得不考虑反射造成的多径以及外部的同频干扰信号。另外,由于机载平台处于不断运动中,在进行幅相误差校正时还需要考虑坐标位置的转换,这又给阵列误差校正增加了难度。针对上述几个问题,本文基于机载平台,对相干信源波达角估计与幅相误差校正展开研究。首先,对阵列信号的基本数学模型进行了介绍,给出了两种最常用的空间谱估计算法的实现原理,并通过仿真对两种算法的估计性能进行了对比。针对复杂环境下入射信号含有相干信号源的情况,建立了相干信号数学模型,分析了特征分解类算法在相干信源存在条件下性能发生恶化的原因。最后,给出了两种经典的解相干算法,并经过仿真分析对比了不同解相干方法的性能。其次,针对阵列结构存在误差下的空间谱估计问题,建立了阵列误差的数学模型,研究了阵列误差对空间谱估计结果的影响。然后介绍了经典的单辐射源校正和WeissFriedander(WF)自校正两种阵列误差校正方法。针对WF自校正算法在均匀线阵结构下失效的问题,介绍了基于最小二乘的自校正方法并对其进行了改进,改进算法在原最小二乘算法得到的相位误差基础上,构造可以规避相位误差和信源方位之间关联的代价函数,通过最小化代价函数,找到造成相位估计结果出现偏差的系数,通过补偿即可进一步降低均匀线阵结构下阵列相位不一致误差和角度估计之间的模糊现象,得到更准确的幅相误差结果。最后,对机载环境下阵列误差校正的工程实现进行了介绍。首先给出误差校正的总体框图,介绍了机载平台中关键模块的硬件参数和性能,并对谱估计算法在DSP上的软件实现进行了分析。通过利用插值和坐标转换,对实测数据进行了外辐射源校正分析。最后使用改进的最小二乘自校正算法对实测数据进行了仿真,获得了和外辐射源校正结果接近的性能。相比于WF自校正,改进的自校正算法无需进行迭代运算,算法复杂度低,具备一定的工程应用价值。
其他文献
蛋白质的糖基化是一种生物体内普遍存在且十分重要的蛋白质翻译后修饰,所有表达的蛋白质中,大约有50%是被糖基化的。糖基化后的蛋白质参与了生物组织的发育以及多种生命活动的调节,异常的糖基化还会导致疾病的发生,因此糖链结构鉴定对于认识生命活动和疾病致病机理,具有重要意义。通过质谱数据鉴定糖链结构,是目前糖链结构鉴定的主要方向。但是存在如下问题:1)人工解析谱图需要耗费大量的人力物力;2)糖链结构本身极其
北斗三号卫星导航系统的全面开通标志着北斗进入了全球服务的新时代。但由于北斗信号落地功率弱,易受到地面信号的干扰,特别是在北斗信号频段附近的5G信号,因此研究北斗信号与北斗邻近频段的5G信号之间的兼容性问题具有重大意义。本文以北斗S频段的区域短报文信号和北斗L频段的B1C信号为研究目标,重点研究B1C信号和短报文信号频段附近的5G信号对B1C和短报文信号的捕获、跟踪的影响。本文的主要内容如下:首先对
随着5G移动通信产业化的不断加速,测控通信、卫星导航和电力网络等领域对时钟基准源的准确度和稳定度提出了更高的要求。恒温晶振(Oven Controlled Crystal Oscillator,OCXO)作为常用的时钟源,其短期稳定度较好,但由于受到老化和环境温度等因素的影响,其频率会逐渐发生漂移现象,长期稳定性较差,无法独立应用于高精度的授时、守时、导航定位等领域。而用全球导航卫星系统(Glob
特高频(UHF,300-3000MHz)电磁波通讯广泛应用于可穿戴和无线植入式医疗设备中。天线作为整个通讯系统的重要组成部分,针对穿戴与植入需求,存在体积过大、难以集成等问题,而传统天线小型化设计又会带来增益低、阻抗匹配难等技术挑战,严重制约了智能可穿戴与微创植入等行业的发展。因此,研制新型辐射机理的小型化天线具有重要工程应用价值与学术研究意义。本文以基于体声波谐振的磁电天线为研究对象进行了系统的
随着人工智能的快速发展,对话系统的应用越来越广泛,任务型对话系统作为人机对话系统的重要分支,其需求也在日益增加。在仪器仪表领域,随着仪器技术的不断发展,仪器领域相关任务的操作步骤越来越复杂,用户的学习成本越来越高,因此,将任务型对话系统应用在仪器仪表领域,能够帮助用户高效地完成任务,进而促进行业的发展。本文针对任务型对话系统中个性化缺失的现象,提出了基于任务树的个性化任务型对话系统模型,利用深度学
机器学习已被广泛应用于许多不同的领域和系统中,其中,卷积神经网络算法被广泛地应用于人脸识别、图像处理、目标检测等领域。随着人们的需求越来越复杂,网络层数也在不断加深,卷积神经网络的训练和推理对硬件算力的要求也越来越高,运算功耗也越来越高。为了探索如何实现高性能、低功耗的卷积神经网络硬件实现方法,本文对比了不同的硬件加速平台,提出了一种基于中科院Seeta Face人脸识别项目的VIPLFace N