导读:本文包含了来波方向论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:方向,阵列,神经网络,信号,稀疏,多普勒,换来。
来波方向论文文献综述
段成华[1]（2019）在《基于流形分离的二维来波方向估计研究》一文中研究指出阵列信号处理是指将多个传感器放置在空间中组成传感器阵列,当信号传播到阵列时,采样数据并提取接收到的信号参数信息。信号波达方向(DOA)估计是阵列信号处理中的常见问题,经典的多重信号分类(MUSIC)算法是对接收快拍数据的协方差矩阵进行特征值分解,求出信号子空间与噪声子空间,然后利用这两个空间的正交性进行信号的DOA估计。实际计算中的DOA估计是以谱搜索的方式实现的。DOA估计中经典的MUSIC算法具备高的分辨率和稳定性,然而为了获得更高的估计精度需要更小步的谱搜索,特别是在方位角和俯仰角同时估计的过程中,会导致很大的计算量。为了减少计算量,产生了一系列优秀的算法。root-MUSIC算法运用多项式求根,LS-ESPRIT算法利用两个相同的子阵列接收信号,这两个算法都减少了计算量,且不需要进行谱搜索。流形分离技术(MST)可将传感器阵列几何结构扩展到任意几何结构,将二维(2D)DOA估计转换为二元多项式求根。然而,这些算法都存在一些局限,文中将详细论述。因此减小DOA估计算法的计算复杂度是一个重要的研究方向。本文提出一个高效的方法计算2D空域谱。本文所提算法由两个主要阶段组成。第一阶段是离线处理,通过在暗室中测量对于若干位置阵列的响应,计算采样矩阵,之后计算在线处理中所需要的相关辅助矩阵。第二阶段是在线处理,首先计算一个截短的系数矩阵,然后应用部分2D DFT计算二维空域谱。这个算法是并行的并且复杂度几乎与天线数独立,所以可以应用于并行的计算系统。本文主要有以下两点创新:(1)对于系数矩阵的计算,本文提出一个一步运算的方法来计算系数矩阵,简化了计算过程。本文还证明了系数矩阵所具有的对称性质,它表明只需要计算四分之一的系数就可以找到算法所需要的全部系数。(2)利用非零系数只集中在系数矩阵的左上角,本文提出了一个部分2D DFT算法去计算2D空域谱,它可以有效减少计算量。大量仿真实验显示本文所提出的算法对比经典的MUSIC算法,在估计性能基本相同的情况下,减少了计算量。(本文来源于《电子科技大学》期刊2019-03-20）
姚帅[2]（2018）在《基于频率预估的双阵元来波方向估计方法》一文中研究指出0引言在非合作条件下,对双阵元接收信号的来波方向进行估计实质就是对两阵元接收信号的时延差进行估计。目前,国内外学者提出的时延估计方法主要有:互相关法[1]和互谱法[2]。其中互相关法受正弦信号自身波形周期性的影响,不可避免的存在多值性导致方向估计误差大,工程实用性差。(本文来源于《2018年全国声学大会论文集 C水声工程和水声信号处理》期刊2018-11-10）
赵阳莹,缪晨,何仲阳,张培钟,吴文[3]（2017）在《毫米波数字阵列雷达中多目标来波方向估计》一文中研究指出传统的MUSIC算法只适用于波源数小于阵元数的正交信号,如果波源数超出阵元数则无法获得精确的测向结果。本文研究了内插阵列变换及空间平滑的改进的MUSIC算法。首先对传统的MUSIC算法中可测波源数与阵元数之间的关系进行了仿真,同时分析了基于内插阵列变换及空间平滑算法的DOA估计,并对此改进方法进行仿真。仿真结果表明改进后的算法在信号源数大于阵元数时,依然能较精确的测得来波方向。(本文来源于《微波学报》期刊2017年S1期）
姚帅[4]（2017）在《基于频率预估的双阵元来波方向估计方法》一文中研究指出0引言在非合作条件下,对双阵元接收信号的来波方向进行估计实质就是对两阵元接收信号的时延差进行估计。目前,国内外学者提出的时延估计方法主要有:互相关法~([1])和互谱法~([2])。其中互相关法受正弦信号自身波形周期性的影响,不可避免的存在多值性导致方向估计误差大,工程实用性差。互谱法不存在上述问题,在实际工程中得到了广泛的应用。但常规互谱方法是基于接收信号的离(本文来源于《中国声学学会2017年全国声学学术会议论文集》期刊2017-09-22）
刘庆华,周秀清[5]（2017）在《稀疏互质阵列的迭代加权l_1范数约束来波方向估计》一文中研究指出在阵元数确定的情况下,稀疏互质阵列能增大阵列孔径。为利用阵列的互质关系形成具有更多自由度的互质差合成阵列,采用稀疏重构方法,提出一种迭代加权l_1范数约束波达方向(DOA)估计算法。通过矢量化对稀疏互质阵列进行孔径扩展,进而在相应的过完备基下获得观测模型的l_0范数约束稀疏重构,再用加权l_1范数约束代替l_0范数约束重构方法,采用多次迭代运算求取最优解实现DOA估计。实验结果表明,该算法能够更好地利用稀疏互质阵列的阵列孔径,提高测向精度,并且通过迭代运算来弥合l_1范数约束与l_0范数约束之间的差别,克服传统l_1范数约束类算法存在估计偏差的缺点。(本文来源于《计算机工程》期刊2017年04期）
梁国栋[6]（2016）在《基于非均匀角度扩展及来波方向的平坦衰落信道分析》一文中研究指出本文提出采用Von_Mises连续概率函数,可以近似逼近非均匀功率水平分布及非均匀AOA角度扩展的高斯描述函数,对Clarke模型做出修正。通过模型典型数据仿真,可得Clarke修正模型的计算数据准确率达到很高的水准。(本文来源于《山西大同大学学报(自然科学版)》期刊2016年01期）
贺红兵[7]（2014）在《GNSS匹配谱干扰的来波方向估计算法研究》一文中研究指出GNSS在军事上的广泛应用导致了愈演愈烈的“导航战”。匹配谱干扰作为一种有效的宽带干扰类型,已得到干扰实施方的广泛使用。通过干扰的来波方向(DOA)估计,一方面可以定位干扰源从而采取相关措施,另一方面也可以通过相关算法在干扰方向上形成零陷从而达到抑制干扰的目的。随着阵列信号处理技术的不断发展,目前关于窄带信号的高分辨DOA估计算法已经比较成熟,国内外学者将研究的重点转向了宽带信号的DOA估计算法上。目前,针对宽带信号的DOA估计算法的运算量都比较大,复杂度也比较高,而且可估计干扰源数目受限于阵列的自由度。基于此背景,本文对GNSS匹配谱干扰的来波方向估计算法进行了如下研究。首先提出了单个匹配谱干扰的来波方向估计算法。在分析GNSS匹配谱干扰特性的基础上,提出了平方聚焦的思想,将匹配谱干扰来波方向估计问题转变成单频干扰的来波方向估计问题。论文从算法的实现复杂度、有效性、估计性能等方面进行了分析比较和仿真,结果表明新算法在减小运算量的前提下实现了来波方向的高精度估计。其次对基于高阶IIR陷波器的多信号分离算法进行了研究。在分析二阶IIR陷波器性能的基础上,采用级联的形式扩展研究了高阶IIR陷波器的性能,并利用其能抑制多个单频干扰的特点提出了多信号分离算法。该算法的提出为多个匹配谱干扰的来波方向估计算法的研究提供了前提基础。本文最后在前述两个算法研究的基础上研究了多个匹配谱干扰的来波方向估计算法。通过平方聚焦的方法,使得N个匹配谱干扰变成N个单频干扰。然后基于多信号分离算法,依次用高阶IIR陷波器抑制其中N-1个单频干扰,只保留一个单频干扰,从而将多个匹配谱干扰来波方向估计问题转变成为了单个单频干扰来波方向估计的问题。理论分析和仿真实验结果表明,新算法相对于传统算法具有明显优势:结构更加简单、运算量相对减小以及可估计干扰源数目不再受限于阵列的自由度等。本文上述的研究成果为GNSS匹配谱干扰的来波方向估计问题提供了一种新颖的解决方案。(本文来源于《国防科学技术大学》期刊2014-11-01）
宗淙[8]（2014）在《相干信号来波方向估计技术研究》一文中研究指出来波方向估计技术,也就是DOA估计技术由于其精确的角度估计特点,被广泛地应用在卫星、通信、探测等多个方面。本文在简单的总结了传统的经典DOA估计算法之后,针对相干信号条件下的DOA估计问题,DOA算法快速化问题以及宽带信号条件下的稳健DOA估计问题分别进行了研究,同时也对通道不一致性对DOA估计问题的影响以及解决办法进行了研究。本文主要工作如下：1.首先,给出了阵列信号处理的基本模型。简单地介绍了传统的经典MUSIC算法以及ESPRIT算法的基本原理,给出了具体的推导过程,分析了算法的各自特点。之后,给出具体的仿真参数,对算法进行了仿真,并分析了具体场合下,算法的角度分辨力随输入SINR之间的关系。2.针对相干信号条件下,传统的DOA估计算法失效的问题,提出了若干解决方案。第一,利用Toeplitze技术将相干信号条件下得到的阵列接收信号协方差矩阵进行Toeplitze化,然后将重新得到的新协方差矩阵应用到传统DOA算法中,能够在信号相干条件下,得到正确的来波方向估计值。第二,利用虚拟空间平滑技术,通过虚拟化阵元数目,实现信号的解相干,进而完成DOA估计。计算机仿真验证了上述算法的正确性和有效性。3.针对传统DOA算法需要进行谱峰搜索以及特征分解,从而导致运算量特别大的问题,提出了基于GS正交化的DOA估计以及基于MSWF的DOA估计算法。上述算法以获取近似的信号子空间为目的,在适当的牺牲子空间估计精度的情况下,极大的减少了的运行时间,降低了算法的复杂度。通过计算机仿真将上述方法和传统DOA方法进行了比较,可以看出,程序运行时间在很大程度上减少了。此类算法对实际工程应用具有一定的指导意义。4.针对宽带信号DOA中的色散问题,在系统总结了前人基于聚焦技术的DOA算法之后,提出了基于全局聚焦的稳健DOA算法。该算法不需要任何先验知识,能够准确地估计出宽带信号的来波方向信息,并且再经过聚焦和频域平滑处理之后,后续的算法步骤和窄带信号DOA算法基本相同。仿真实验验证了该算法的正确性和有效性。5.针对实际工程环境中往往不可避免的通道不一致性问题,首先理论分析了通道不一致性给DOA算法带来的影响,并通过计算机对该影响进行了仿真。仿真表明幅度误差主要影响谱峰的高度,而相位误差不仅影响谱峰的高度,还同时影响谱峰的位置。之后,针对这个问题,提出了一种有效的通道校准算法。实验表明,经过通道校准后的DOA算法在性能上存在显着的提升。(本文来源于《南京理工大学》期刊2014-10-18）
王志朝,张天骐,万义龙,朱洪波[9]（2013）在《基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计》一文中研究指出为了解决正交频分复用(OFDM)宽带信号处理的问题,研究了基于宽带聚焦矩阵和高阶累积量的波达方向(DOA)估计方法。前者是通过傅里叶变换将宽带阵列数据分解为若干窄带信号,再利用一种聚焦矩阵将不同频带下的方向矩阵变换到同一参考频率下,然后用多重信号分类(MUSIC)算法来估计DOA;高阶累积量算法是通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵进行加权平均并特征值分解,再应用MUSIC算法估计DOA。理论分析和仿真结果表明,两种方法都能够精确地估计OFDM信号的DOA,四阶累积量方法的空间分辨率比聚焦矩阵方法有所提高。四阶累积量算法扩展了阵列孔径,信噪比(SNR)较低的时候也有很好的适应性。(本文来源于《计算机应用》期刊2013年07期）
罗争,张旻,陈思剑[10]（2013）在《基于选择性集成径向基神经网络的来波方向估计》一文中研究指出本文提出了一种基于选择性集成径向基函数神经网络(SE-RBFNN)的来波方向(DOA)估计方法,解决单个神经网络建模进行DOA估计精度低的问题。首先利用Bagging方法训练生成一定数量的RBFNN弱分类器,其估计精度低但泛化能力强;然后提出并运用等宽分箱—投票选择性集成方法剔除估计误差大的奇异值个体,优选部分RBFNN输出结果进行平均处理,从而获得了高精度的DOA估计。仿真结果表明了算法的有效性,相对单个RBFNN建模,构建的选择性集成模型能适应方向特征的变化,算法的来波估计精度显着提高。(本文来源于《电路与系统学报》期刊2013年01期）
来波方向论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
0引言在非合作条件下,对双阵元接收信号的来波方向进行估计实质就是对两阵元接收信号的时延差进行估计。目前,国内外学者提出的时延估计方法主要有:互相关法[1]和互谱法[2]。其中互相关法受正弦信号自身波形周期性的影响,不可避免的存在多值性导致方向估计误差大,工程实用性差。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
来波方向论文参考文献
[1].段成华.基于流形分离的二维来波方向估计研究[D].电子科技大学.2019
[2].姚帅.基于频率预估的双阵元来波方向估计方法[C].2018年全国声学大会论文集C水声工程和水声信号处理.2018
[3].赵阳莹,缪晨,何仲阳,张培钟,吴文.毫米波数字阵列雷达中多目标来波方向估计[J].微波学报.2017
[4].姚帅.基于频率预估的双阵元来波方向估计方法[C].中国声学学会2017年全国声学学术会议论文集.2017
[5].刘庆华,周秀清.稀疏互质阵列的迭代加权l_1范数约束来波方向估计[J].计算机工程.2017
[6].梁国栋.基于非均匀角度扩展及来波方向的平坦衰落信道分析[J].山西大同大学学报(自然科学版).2016
[7].贺红兵.GNSS匹配谱干扰的来波方向估计算法研究[D].国防科学技术大学.2014
[8].宗淙.相干信号来波方向估计技术研究[D].南京理工大学.2014
[9].王志朝,张天骐,万义龙,朱洪波.基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计[J].计算机应用.2013
[10].罗争,张旻,陈思剑.基于选择性集成径向基神经网络的来波方向估计[J].电路与系统学报.2013
论文知识图
