一、基于高阶累积量的阵列信号多参数估计技术(论文文献综述)
赵洋[1](2021)在《复杂噪声背景下的稀疏测向方法研究》文中指出“如无必要,勿增实体”。这是着名的奥卡姆剃刀原理,是渗透于从古至今所有哲学、艺术与科学领域的基础思想。稀疏表示理论以及后来在其基础上发展而来的压缩感知理论正是该节省性原则在现代统计学、机器学习、信号处理领域的集中体现。阵列信号参数估计是雷达、声纳、通信等系统的原理性技术,其基本任务如测向、定位、跟踪与许多现存或即将到来的技术增长领域紧密联系,如无人机(Unmanned Aerial Vehicle,UAV)、无人驾驶、3D打印等。随着测向系统的不断改进和突破,各种低成本、小型化的新型雷达不断涌现,同时目标隐身以及干扰技术也在不断升级换代,阵列信号处理系统所面临的电磁环境日益复杂,传统的子空间类测向方法在小快拍、低信噪比、空域临近信号以及复杂背景噪声环境等非理想场景愈发无法胜任测向任务。最近二十年引起学者广泛关注的稀疏表示理论为解决参数估计问题提供了新思路,此类方法对一些非理想环境表现出极强的适应能力。本文从噪声抑制角度出发,着眼于稀疏重构与阵列信号处理过程中的区别和联系,考虑网格的存在对阵列参数估计的影响,研究了高斯白噪声、高斯有色噪声、alpha白噪声和alpha色噪声背景下的稀疏测向方法,并取得了一些有意义的成果。具体的研究工作可以概括如下:第一,针对贪婪算法处理测向问题时存在角度分辨能力有限的问题,提出了一种利用子空间信息的新算法(Noise Subspace Reprojection OMP,NSR OMP)。该算法在匹配追踪算法的架构下,有机融合了两个子空间的有效信息:使用信号子空间作为重构信号,减小了算法寻优的工作量的同时降低了噪声对支撑集选择的干扰;使用噪声子空间修正算法的支撑集选取规则,提高了算法的分辨力。仿真试验验证了所提方法继承了匹配追踪类算法小快拍性能好且运算量小的优点,同时极大改进了原始算法角度分辨力差的问题。第二,利用阵列输出协方差矩阵的对称Toeplitz特性,可以经由两次矩阵变换过程将DOA估计问题从复数域的多测量矢量(Muitiple Measurement Vector,MMV)问题转化为实数域的单测量矢量(Single Measurement Vector,SMV)问题。该过程在保证测向性能的前提下将ULA阵列的DOA估计问题简化。又从去冗余的角度定义了一种线性变换对阵列输出四阶累积量协方差矩阵进行降维,使其满足实值化条件,从而将上述方法推广到四阶累积量。第三,针对现有的基追踪(Basis Pursuit,BP)类测向方法计算量较大的问题,基于第二点中提出的二阶统计域和高阶统计域的实值向量化测向模型,我们分别提出了适用于高斯白噪声和高斯有色噪声背景下的BP测向方法。由于算法只需要解决低变量数的SMV问题,比现有的BP测向方法计算效率更高。算法无需进行特征值分解,节省计算量的同时对信源数是否被准确估计不敏感。又将处理实值化SMV问题的ISL0算法引入测向问题,该算法对正则化参数的设置准确度要求不高,可以有效解决基于四阶累积量的凸优化算法设置正则化参数困难的问题。第四,针对现有的离格测向方法计算量较大的问题,建立了DOA估计的实值化离格模型。采用第三点中提出的算法对DOA与网格误差进行交替迭代求取,分别提出了适用于高斯白噪声和高斯有色噪声背景下的离格测向方法,后者填补了现存离格测向方法无法处理高斯有色噪声的空白。与现有的同类算法相比,所提算法在一定程度上减小了运算时间,提高了离格类测向算法的实用性。通过计算机仿真验证了所提算法的有效性。第五,基于分数低阶统计量(Fractional Lower Order Statistics,FLOS)的子空间方法需要较大的快拍数、较高信噪比门限才能处理alpha噪声背景下的测向问题。针对该问题,我们分析了相位分数低阶矩(Phase Fractional Lower Order Moment,PFLOM)协方差矩阵满足范德蒙德分解定理的条件,将PFLOM与协方差匹配准则相结合,提出了两种适用于alpha白噪声背景下的无网格测向方法。仿真实验验证了所提方法与现有的同类算法相比可以在较低信噪比、较少快拍数的不利条件下有效解决强冲击性alpha白噪声背景下的稳定测向问题。第六,针对现存适用于alpha噪声的测向方法只能处理alpha白噪声的问题,本文将一种全新的统计量—分数阶累积量(Fractional Order Cumulant,FOC)引入测向问题,并简要分析了该统计量对alpha色噪声的抑制机理。借助该统计量对alpha色噪声的抑制作用,结合本文前面章节的内容提出了适用于alpha色噪声环境下的离格、无格稀疏测向方法,填补了现存测向方法无法妥善处理alpha色噪声的空白,并通过仿真实验验证了所提算法的有效性。
王臣[2](2021)在《欠采样下阵列信号多参数联合估计算法》文中指出
季旭宽[3](2021)在《无线光通信系统信号阈值检测处理研究》文中指出大气光通信又称为自由空间光通信(Free Space Optics,FSO),综合了光纤通信和无线通信的优点,具有低成本、保密性好、安装快捷等优点。光在传输的过程中会受到大气环境的影响,例如雨、雪、雾等天气时,会大大降低接收端接收信号的质量,甚至会造成信号的中断,为了减小大气湍流对光传输的影响,应采取有效抑制大气湍流的措施。本文主要对光无线通信(Optical wireless communication,OWC)系统的接收端信号进行自适应阈值处理研究以降低接收端的误码率,提高通信质量。主要研究内容包括以下几个方面:1、对无线光通信系统做全面概述,包括它的技术特点及应用范围。分析了大气湍流产生的原因及它对光通信系统的影响,针对不同强度的大气湍流信道,详细描述了对数正态湍流模型、Gamma-Gamma湍流模型和负指数湍流模型及其适用范围,并分析了三种湍流模型。2、通过大气激光通信系统模型,对大气湍流噪声及其光、电噪声进行了分析。在此基础上,建立了基于自适应估计和预测的探测模型。在强湍流情况下,估计了湍流衰落及噪声参数,并对参数采用高阶累积量方法进行分析,得到实时参数以实现信号判决阈值的更新,最后通过实验室测得的数据对该方法进行了实验验证。结果表明与传统的固定阈值检测方法相比,本文所采用的阈值检测方法可以对接收端信号进行实时阈值分析,可以有效降低接收信号的误码率。通过仿真实验表明,本文提出的方法对大气湍流造成的影响有较好抑制作用。
付加伟[4](2021)在《基于5G大规模天线的角度时延估计及单基站定位算法研究》文中研究指明随着万物互联、智慧城市等新兴概念和产业的不断提出和发展,位置服务在人们日常生产生活中的作用逐渐凸显。当前城市环境复杂多样,尤其是在室内区域,信号在传输过程中容易受到多径、非视距等因素的影响,导致定位性能的下降。且联合多基站定位的方法存在基站节点部署成本较高、定位条件较为严苛等不足。5G网络商业化进程逐步成熟,相关技术的研究与应用给单基站定位的实现提供了条件。因此,本文结合5G组网技术特点,探究了以大规模天线阵列为代表的5G技术对角度和时延估计能力的提升,为实现室内外复杂环境下定位服务提供新的解决方案。根据单基站定位过程中定位精度的主要影响因素,本文的研究工作主要分为以下三个部分:一、本文首先分析了 5G组网技术的主要特点,超密集组网技术使得基站的覆盖能力得到提升,大规模天线技术提升了角度和时延的估计能力,并结合毫米波实现了高密度的波束成形,这为单基站定位的实现奠定了基础。同时分析了几种常见的基于移动通信网的定位技术,说明单基站定位的优势,并分析了单基站定位原理和影响单基站定位精度的主要因素,为接下来的研究确定了解决问题的思路。二、针对单基站定位过程中存在远近场问题,传统的远近场角度时延估计算法存在参数匹配和需要不断频谱搜索的不足,本文结合大规模天线下的阵列时域和频域接收模型,提出了一种基于混合阶的远近场角度时延估计方法,该方法融合了MUSIC和ESPRIT的优点,在减少搜索次数和不需参数匹配的情况下,完成了高精度角度时延联合估计。更重要的是,通过对频域接收信号的引入,实现了远场模型下的时延估计,为无缝高精度定位提供了有力的数据支撑。三、针对单基站定位过程中,存在非视距基站干扰等问题,本文结合5G波束播发特点,提出了一种新的5G定位架构,在空旷区域利用波束指向性的特点完成视距基站的初选。复杂环境下,非视距多径干扰较多,考虑到只利用波束无法完成基站选取,因此本文结合惯性导航提供的数据约束能力,提出一种PDR约束的非视距路径判断方法,并在最终位置解算阶段,引入了虚拟基站的概念,在多条路径多次反射的情况下,利用多径冗余信息融合PDR提出一种二次加权的位置估计方法。通过对5G网络下单基站定位优势的分析与判断,本文提出的单基站定位方法具备较高的定位精度,尤其是在恶劣环境中能够抵抗一定的NLOS误差,这为未来单基站定位算法的研究提供了一些思路与方法。
温斐旻[5](2021)在《多元声阵被动声定位探测方法研究》文中研究表明随着人类生活水平的提升,探索室内声源定位探测方法显得越来越重要。实际场景中远近场共存的问题也浮现在人类眼前。该论文将采用多元麦克风阵列对室内混合声源定位探测方法进行研究。论文首先对被动声源定位探测方法的国内外研究现状进行深入研究,分析了声定位基本方法与原理。随后针对实际环境中附加噪声对传统广义互相关(GCC)算法影响较大的问题,采用一种基于特征结构的广义互相关方法来估计麦克风间的时延,从频域相关矩阵计算主要声源向量,代替以往麦克风接收信号用于时间延迟估计,并分析了声源线性方程模型的性质,详细推导出远场模型。针对阵列孔径损失的问题,提出了一种稀疏嵌套线阵与高阶累积量结合进行远场(FF)和近场(NF)混合窄带信号源参数估计的新算法。将构造的四阶累积量矩阵进行奇异值分解,应用类似旋转不变性(ESPRIT)的算法估计出波达方向参数。同时为了辨别NF和FF源,提出了一种计算混合源距离参数的方法,直接将NF和FF源进行分离定位。针对室内混合声源定位精度低的问题,提出了一种非迭代补全互谱矩阵的算法。该方法首先建立一个稀疏模型,通过构造冗余脉冲响应(RIR)矩阵作为压缩感知测量矩阵,将源定位问题转化为压缩感知问题。然后根据多个源方向向量的空间稀疏相关性,引入投影算子,在压缩感知框架下使方位角的均方根误差保持在5%以内。均匀圆阵(UCA)环境下的仿真实验结果表明,与多种传统定位定法对比,该算法具备更好的定位精度。
张红楠,邓科,殷勤业[6](2021)在《基于累量的近场源快速定位算法》文中研究表明本文提出了一种基于累量的近场源参数快速估计方法。具体地,本文首先构造了一个累量矩阵,对其进行奇异值分解后,利用得到的右奇异向量和左奇异向量分别使用类Root-MUSIC方法得到了近场波达方向和距离估计的闭式解。该方法利用高阶累量矩阵,减少了阵列孔径损失,提高了能分辨的最大信源数,而且与其他基于高阶累积量的方法相比,该方法在近场的波达方向与距离的估计过程中只需要构造一个累量矩阵和进行一次奇异值分解,并且使用闭式解完全避免了峰值搜索,大大降低了运算量,同时还提高了估计的分辨概率和精度。此外,该方法在几乎没有增加额外计算量的情况下可以推广到混合场源的情况。仿真结果表明,该算法的分辨率和精度都有较大的优越性。
李浩[7](2021)在《基于互质阵列的分布源波达方向估计技术研究》文中研究说明复杂环境的散射、反射和衍射会导致信号源在空间发生一定的角度扩展,此时需要将目标信号源建立为一个分布源模型。目前,针对分布源模型的波达方向(Direction of Arrival,DOA)估计算法大多基于均匀阵列,稀疏互质阵列在分布源DOA估计领域的应用面临适用性问题;现有算法大多基于分布源信号为高斯信号和圆信号的假设,较少考虑非高斯信号特性与非圆信号特性问题。相比均匀阵列,稀疏互质阵列以其阵列孔径大、互耦误差小的优势广泛应用于点源模型DOA估计,且利用特殊的信号特性对提升分布源DOA估计性能有重要意义。因此,本文考虑解决互质阵列在分布源模型DOA估计领域的适用性问题,并围绕信号非高斯特性和非圆特性展开研究,提出若干高精度、高自由度的分布源DOA估计算法。论文的主要工作和创新点如下:1.研究了基于互质阵列的一般分布源角度参数估计问题。现有算法受限于均匀阵列阵列孔径小、互耦误差大的缺点。针对该问题,提出一种互质阵列下公共谱峰搜索的分布源角度参数估计算法,解决互质阵列在分布源模型条件下的适用性问题。基于一般分布源单源入射场景,推导模糊产生机理,证明了两个稀疏均匀子阵DOA估计结果的交集即为真实值,并以此为依据消除角度模糊。该算法不再局限于原稀疏互质阵列的阵型结构特性,使得算法在复杂应用场景中有较强的适用性。仿真实验表明该算法相比于相同阵元数的现有算法估计精度更高。2.研究了基于互质阵列的非高斯特性分布源角度参数估计问题。现有算法大多基于信号为高斯信号的假设,当信号为非高斯信号时,仍然沿用二阶统计量无法全面描述其信号特征,故损失一定的信息量,导致DOA估计性能受限。针对该问题,利用非高斯信号高阶累积量不为零的特点,结合互质阵的虚拟阵列性质,提出一种基于四阶累积量的分布源角度参数估计算法。与二阶统计量不同的是,当信号为非高斯信号时,四阶累积量包含更多的有用信息,所提算法首先通过建立互质阵列下的接收信号模型,选取合适的四阶累积量构造形式,进而推导四阶累积量在分布源模型下的扩展虚拟阵列机理,构造虚拟阵列,扩大阵列孔径,提高估计自由度,解决四阶累积量和互质阵列在分布源模型下的适用性问题;其次,对四阶累积量进行去冗余操作,将其等效为虚拟阵列接收信号的协方差矩阵进行处理;最后通过二维谱峰搜索的方式求解中心方位角和角度扩展参数。仿真结果与分析表明,相同物理阵元数条件下,所提算法的估计精度和自由度性能均好于现有算法。3.研究了基于互质阵列的非圆特性分布源角度参数估计问题。现有算法在圆与非圆信号混合情况下,圆信号无法扩展虚拟阵列,将限制阵列孔径和自由度的提升,且无法分辨同一方向的分布式圆信号和分布式非圆信号。针对此问题,提出一种基于圆与非圆分离的分布源信号角度参数估计算法。所提算法首先研究互质阵列中分布式圆信号与分布式非圆信号混合场景下的阵列接收信号模型;然后依次对分布式非圆信号和分布式圆信号进行DOA估计求解。针对非圆信号,采用椭圆协方差矩阵矢量化方法获取虚拟阵列,使接收信号变为等效单快拍形式,通过空间平滑处理得到等效协方差矩阵,从而利用谱峰搜索算法或复杂度较低的求根算法求解非圆信号中心方位角与角度扩展参数;针对圆信号,将分布式非圆信号的估计结果反代,重构非圆信号的协方差矩阵,得到仅含分布式圆信号的等效协方差矩阵,同样利用谱峰搜索算法或者求根的方法求解分布式圆信号中心方位角与角度扩展参数。理论分析与仿真实验共同表明,较现有算法而言,所提算法通过矢量化和信号的分离重构,具有更高的自由度与更大的阵列孔径,因此能够实现欠定估计并且获得更高的参数估计精度。
漆静晨[8](2021)在《二次雷达信号高精度测向方法研究》文中提出对于一般信号,到达角(Direction of Arrival,DOA)估计算法已有大量的研究,但对于有特殊波形的信号而言,传统DOA估计方法无法达到最优测向性能。相比于一次雷达信号,二次雷达信号以短时脉冲的形式传递信息,其信号格式更为复杂,传统的测向方法难以满足二次雷达信号的测向需要。本文针对一种典型的二次雷达信号——敌我识别(Identification of Friend or Foe,IFF)信号的测向问题研究了针对性的算法,主要内容如下:1.从IFF的信号模型出发,详细介绍了二次雷达的信号特点、工作模型和信号格式,整理分析了不同类型的IFF信号波形,并简要推导了不同信号模型下的理论性能界。2.针对IFF前导脉冲信号波形已知的情况,采用解耦最大似然(Maximum Likelihood Estimation,MLE)方法测向,并与未知信号模型下的传统波束形成(Conditional Beamformer,CBF)方法进行对比。仿真实验结果表明,已知信号波形能有效提高IFF前导信号的测向精度。3.本文针对IFF数据脉冲信号调制参数已知的情况,提出了基于信号重建的IFF测向方法。该方法通过解调-重建过程充分利用已知信息,使得IFF数据脉冲信号的DOA估计的均方根误差(Root Mean Squared Error,RMSE)低于CBF方法的测向误差,且在信噪比较高时可以逼近解耦MLE方法的测向结果。4.本文针对IFF信号部分波形已知的情况,提出了基于联合解调测向的IFF测向方法。该方法首先识别接收信号类型并提取脉冲波形,然后将前导脉冲和数据脉冲信号分开处理,最后重建信号波形并完成IFF信号的DOA估计。仿真实验验证了该算法的有效性,在较高信噪比下,基于联合解调测向算法的DOA估计结果可逼近已知信号波形、未知复幅度情况下的DOA估计结果,能够满足高精度测向需求。
燕慧超[9](2021)在《MEMS矢量水听器信号的去噪与定向技术研究》文中研究说明水声工程在水下潜航器监测、海洋资源勘探等方面有着广泛的应用,其技术的发展,对我国海域安全以及海洋资源开发有重要的战略意义。水听器是获取水声信号的关键设备。在传统水声工程应用中,通常使用声压水听器组成的阵列来采集声音信号,声场信息单一。微机电系统(Micro-Electro-Mechanical System,MEMS)矢量水听器的出现使得科研工作者可以获取更加丰富的声场信息,且由于其轻量化、高性能、可以批量生产的特点,使其在水声工程中有更大的应用潜力,所以基于MEMS矢量水听器的信号处理技术具有重要的研究价值。海洋是一个复杂的环境系统,海洋噪声的强烈干扰使得在短时间内采集大量优质水声数据显得格外困难,这也对水声信号的实时处理提出了巨大的挑战。正是基于这一背景,本文依托中北大学研制的仿生纤毛式MEMS矢量水听器,结合其工程应用,针对强干扰环境下的信号去噪与基线漂移去除问题、低信噪比小快拍条件下的信号定向问题、复杂环境条件下的信号实时处理问题以及信号去噪与定向算法在工程应用中的稳定性问题开展了以下工作:(1)针对强干扰环境下的信号去噪与基线漂移去除问题,提出一种基于鲸鱼优化的变分模态分解与相关系数的MEMS矢量水听器的信号去噪和基线漂移去除算法。首先,选取功率谱熵作为鲸鱼优化算法的适应度函数来寻找变分模态分解算法的分解层数与惩罚因子参数;接着,使用获得的最优参数对输入信号进行变分模态分解,得到本特征模态函数,并计算每个本特征模态函数与输入信号的相关系数;最后,设置相关系数阈值,去除噪声本特征模态函数,重构其他本特征模态函数,完成去噪与基线漂移去除工作。仿真实验与MEMS矢量水听器信号去噪实验都验证了该算法的优良性能。这项工作去除信号基线漂移噪声效果显着,且在去除信号噪声的同时保留了原始信号中更多的有效信息。(2)针对低信噪比小快拍条件下的信号定向问题,提出一种基于压缩感知原理和密度空间聚类的波达方向(Direction of arrival,DOA)估计算法。首先,该算法选取基追踪降噪的DOA估计策略,针对该策略中正则化参数选择带来的挑战,提出用功率谱熵来表征信号的噪声强度大小,进而为正则化参数的选择提供思路;接着,基于实验分析说明,在小快拍条件下,基于压缩感知原理的DOA估计会在真实角度附近得到更为密集的估计值,提出对小快拍数据得到的DOA估计值进行基于密度空间的聚类;最后,计算每个聚类簇的聚类中心,聚类数目即为入射角的信源数目,类中心即为最终的DOA估计值。该算法无需预先知道信号源数目,在-10d B信噪比,10个快拍数据的情况下可以获得良好的DOA估计效果。在MEMS矢量水听器工程应用中同样可以得到爆炸冲击波信号方向的有效估计。(3)针对复杂环境条件下的信号实时处理问题,提出一种改进的最大似然DOA估计算法。该算法通过改进入侵杂草优化算法的非线性谐波指标,大大提升了入侵杂草优化算法的性能与稳定性,并将改进的算法用于搜索DOA方向似然函数的最优解,从而实现快速准确的DOA估计。仿真实验验证了该算法在收敛性与计算精度等方面的优良性能,将其应用于MEMS矢量水听器对快艇的实时航向追踪实验中,实现了良好的航向追踪效果。(4)针对信号去噪与定向算法在工程应用中的稳定性问题,该部分工作在分析实际工程应用中信号特点的基础上,提出了信号去噪与定向算法的联合应用思路。并将信号去噪与定向算法联合应用于MEMS矢量水听器的实际工程应用实验中,证明联合应用算法在工程应用中性能更好,更稳定。本论文的工作以MEMS矢量水听器为依托,以实现其更好的水声工程应用为目标,对复杂环境条件下的MEMS矢量水听器的信号去噪与定向技术展开研究,以期为水声信号处理的理论发展奠定基础,为MEMS矢量水听器的工程应用提供技术支持。
闫宁[10](2021)在《宽带声源定位方法及研究》文中认为随着海洋领域的大力发展,声隐身性对于海上工作有着至关重要的作用。开展水下声源定位研究,确定水下声源所处空间的分布情况,研究不同类型声源对水下平台的影响,是进行减振降噪的一个重要过程。随着减振降噪技术的不断发展,水下平台自身辐射的噪声水平越来越低,若仍使用在远场条件下对水下声源的分析方法已经不能准确地获得声源位置信息。相较于窄带声源,宽带声源可以携带更多信息。因此,研究宽带声源的定位方法具有特别重要的意义。本文分析了典型的宽带声源的波达方向估计算法,并且在此基础上提出了基于同心分布双圆阵的声源定位算法和基于组合阵的声源定位算法。对不同频率和不同信噪比下的声源波达方向进行了仿真。首先,对声源定位基本方法进行分析,主要针对宽带声源子空间分类算法和近场高分辨算法并进行数学分析及仿真。其次,分析了宽带声源模型以及接收阵列模型,由于相干声源之间相差一个常数,故可以建立宽带相干声源模型。随后提出的高分辨算法,针对宽带远场声源提出了一种适合在宽频段内的相干源二维波达方向估计算法。该算法先计算出宽带声源的中心频率,再构造一个实值波束形成器,将宽带声源通过波束形成器进行处理,对处理后的数据采用二维子空间声源定位算法进行谱峰搜索即可得到声源位置信息。通过仿真分析验证了算法的准确性。最后,针对宽带近场声源提出一种基于矢量声压组合基阵的柱面分布宽带声源近场高分辨定位方法。先建立以柱面为被测面的近场声源模型,利用矢量水听器具有的单边指向性解决水下近场声源定位出现的左右弦模糊问题,采用子空间分类算法对宽带声源进行谱峰搜索。通过仿真分析验证了该算法的高分辨率的特性。
二、基于高阶累积量的阵列信号多参数估计技术(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、基于高阶累积量的阵列信号多参数估计技术(论文提纲范文)
(1)复杂噪声背景下的稀疏测向方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 DOA估计的国内外研究现状 |
1.2.1 早期非参数化方法 |
1.2.2 参数化阵列测向方法的研究 |
1.2.3 半参数化方法(稀疏测向)的研究 |
1.2.4 高斯色噪声背景下的测向方法研究 |
1.2.5 alpha噪声背景下的测向方法研究 |
1.2.6 基于实值化模型的测向方法 |
1.2.7 离网格(off-grid)稀疏测向方法 |
1.2.8 无网格(gridless)稀疏测向方法 |
1.3 本文的主要内容和章节安排 |
第2章 相关理论以及预备知识 |
2.1 引言 |
2.2 稀疏表示的基本原理 |
2.3 稀疏测向的可行性分析 |
2.4 非高斯分布的基本模型 |
2.4.1 混合高斯分布 |
2.4.2 广义高斯分布 |
2.4.3 t分布 |
2.4.4 alpha稳定分布 |
2.5 alpha稳定分布的定义和性质 |
2.5.1 alpha稳定分布的定义 |
2.5.2 alpha稳定分布的性质 |
2.6 本章小结 |
第3章 基于全部子空间信息的匹配追踪测向算法 |
3.1 引言 |
3.2 基于均匀线形阵列(ULA)的DOA估计稀疏模型 |
3.3 MP类算法角度分辨能力不足的原因分析 |
3.4 子空间信息 |
3.5 NSR OMP算法提出 |
3.5.1 最小范数法 |
3.5.2 NSR OMP算法实现和计算量分析 |
3.6 仿真实验 |
3.6.1 实验3.1--NSR OMP算法估计实验 |
3.6.2 实验3.2--偏移角实验 |
3.6.3 实验3.3--快拍数实验 |
3.6.4 实验3.4--信噪比实验 |
3.7 本章小结 |
第4章 基于实值化模型的离格稀疏测向方法 |
4.1 引言 |
4.2 阵列的实值化测向模型 |
4.2.1 均匀线阵(ULA)的二阶统计量实值化测向模型 |
4.2.2 稀疏线阵(SLA)的二阶统计量实值化测向模型 |
4.2.3 ULA阵列的四阶累积量降维实值化测向模型 |
4.3 算法提出 |
4.3.1 RV L1-SSV DOA估计算法 |
4.3.2 基于平滑l_0范数的DOA估计算法 |
4.3.2.1 平滑函数设计 |
4.3.2.2 算法推导 |
4.3.2.3 RV ISL0-SSV算法流程 |
4.3.2.4 算法参数设置及其计算量分析 |
4.3.2.5 四阶累积量矢量实值化模型 |
4.3.3 在格方法的仿真实验与分析 |
4.3.3.1 实验4.1--可行性实验 |
4.3.3.2 实验4.2--偏移角实验 |
4.3.3.3 实验4.3--信噪比实验 |
4.4 实值化离格稀疏测向方法 |
4.4.1 RV L1-OGSSV测向方法 |
4.4.2 RV ISL0-OGSSV和RV ISL0-OGHOCV测向方法 |
4.4.3 离格测向方法的仿真实验与分析 |
4.4.3.1 实验4.4--收敛性分析 |
4.4.3.2 实验4.5--信噪比实验 |
4.4.3.3 实验4.6--运算时间比较 |
4.5 本章小结 |
第5章 Alpha白噪声背景下基于PFLOM的无网格稀疏测向方法 |
5.1 引言 |
5.2 理论基础 |
5.2.1 范德蒙德分解定理 |
5.2.2 原子范数 |
5.2.3 连续压缩感知 |
5.2.4 协方差匹配 |
5.3 基于分数低阶统计量无网格方法的可行性分析 |
5.4 基于PFLOM的无网格测向方法 |
5.4.1 基于PFLOM的 GLS方法 |
5.4.2 基于PFLOM的稀疏矩阵重构方法 |
5.4.3 参数b的设定 |
5.5 PFLOM-SMR和PFLOM-GLS算法与ANM方法的关联性 |
5.6 仿真实验与分析 |
5.6.1 实验5.1--可行性实验 |
5.6.2 实验5.2--信噪比实验 |
5.6.3 实验5.3--快拍数实验 |
5.6.4 实验5.4--噪声冲击性实验 |
5.7 本章小结 |
第6章 Alpha色噪声背景下基于FOC的稀疏测向方法 |
6.1 引言 |
6.2 分数阶累积量 |
6.3 算法提出 |
6.3.1 基于FOC的 MUSIC算法 |
6.3.2 基于FOC的离格稀疏测向方法 |
6.3.3 基于FOC的无网格稀疏测向方法 |
6.4 数值仿真实验分析 |
6.4.1 实验6.1--确定参数p的取值 |
6.4.2 实验6.2--可行性实验 |
6.4.3 实验6.3--信噪比实验 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 全文总结 |
7.2 研究展望 |
参考文献 |
攻读博士学位期间所取得的科研成果 |
致谢 |
(3)无线光通信系统信号阈值检测处理研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 国外发展概况 |
1.2.2 国内发展概况 |
1.3 无线光通信中阈值信号检测技术的国内外发展概况 |
1.3.1 国外发展概况 |
1.3.2 国内发展概况 |
1.4 论文主要内容及章节安排 |
2 大气信道中光通信系统模型分析 |
2.1 大气激光通信系统模型 |
2.2 大气信道 |
2.3 大气衰减 |
2.4 大气湍流 |
2.5 大气湍流信道模型 |
2.6 本章小结 |
3 大气湍流与噪声及最优门限策略 |
3.1 光电探测理论分析 |
3.2 光电探测器噪声 |
3.3 最大似然估计法 |
3.4 自适应阈值判决模型 |
3.5 阈值误码率分析 |
3.6 本章小结 |
4 无线光通信系统中自适应阈值信号技术 |
4.1 高阶累积量 |
4.1.1 高阶矩和高阶累积量转换 |
4.1.2 高阶累积量的数学性质 |
4.2 高阶累积量估计 |
4.3 湍流衰落及噪声的参数估计 |
4.4 性能分析 |
4.4.1 信噪比 |
4.4.2 仿真分析 |
4.4.3 验证误码率随信噪比变化的情况 |
4.4.4 实验验证 |
4.5 本章小结 |
5 总结与展望 |
5.1 论文总结 |
5.2 工作展望 |
致谢 |
参考文献 |
攻读学位期间主要研究成果 |
(4)基于5G大规模天线的角度时延估计及单基站定位算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状及发展趋势 |
1.3 论文主要研究内容 |
1.4 论文章节安排 |
第二章 5G单基站定位理论基础 |
2.1 5G组网技术介绍 |
2.1.1 超密集组网技术 |
2.1.2 大规模天线技术 |
2.1.3 毫米波技术 |
2.2 移动通信网络中的定位技术 |
2.2.1 基于信号强度的定位技术 |
2.2.2 基于时间的定位技术 |
2.2.3 基于角度的定位技术 |
2.3 单基站定位技术 |
2.3.1 单基站定位优势 |
2.3.2 单基站定位原理 |
2.3.3 单基站定位精度影响因素 |
2.4 本章总结 |
第三章 LOS场景下面向远近场的单基站定位方法 |
3.1 基于波束的LOS基站选择方法 |
3.1.1 5G波束成形在基站选择中的作用 |
3.1.2 通导融合LOS基站选择架构与方法 |
3.2 远近场信号接收模型 |
3.2.1 远近场分析 |
3.2.2 信号时域接收模型 |
3.2.3 信号频域接收模型 |
3.3 基于混合阶的远近场角度时延估计 |
3.3.1 算法原理 |
3.3.2 算法步骤 |
3.4 实验仿真 |
3.4.1 估计性能分析 |
3.4.2 估计性能仿真 |
3.5 本章总结 |
第四章 NLOS场景下PDR约束的单基站定位方法 |
4.1 基于PDR约束的NLOS基站判断方法 |
4.1.1 NLOS基站判断方法 |
4.1.2 NLOS信号传播模型 |
4.2 基于虚拟基站的NLOS位置解算方法 |
4.2.1 参数聚类 |
4.2.2 NLOS虚拟基站生成 |
4.2.3 二次加权位置估计方法 |
4.3 实验仿真 |
4.3.1 基于PDR约束的NLOS路径判断方法的验证 |
4.3.2 基于虚拟基站的单基站NLOS定位算法验证 |
4.4 本章总结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读学位期间发表论文及专利 |
(5)多元声阵被动声定位探测方法研究(论文提纲范文)
摘要 |
abstract |
1.绪论 |
1.1 课题背景及意义 |
1.2 被动声定位国内外研究状况 |
1.2.1 纯源定位国内外研究现状 |
1.2.2 混合源定位国内外研究现状 |
1.3 论文内容及安排 |
2.被动声定位探测原理 |
2.1 声波的基本原理 |
2.2 被动声源探测定位方法 |
2.3 近场及混合场定位模型 |
2.3.1 近场模型与远场模型 |
2.3.2 声源信号模型 |
2.4 克拉美罗界 |
2.5 本章小结 |
3.纯声源多元阵列被动声定位算法 |
3.1 麦克风阵列定位算法与精度分析 |
3.1.1 平面五元阵列定位算法 |
3.1.2 立体七元阵列定位算法 |
3.1.3 两种多元阵列定位精度对比 |
3.2 基于广义互相关的时延估计算法 |
3.2.1 基本互相关函数 |
3.2.2 广义互相关函数(GCC-PHAT)定位算法 |
3.3 改进的基于GCC-PHAT的混合源定位算法 |
3.3.1 改进算法仿真实验及性能分析 |
3.4 本章小结 |
4.远近场混合源多元阵列被动声定位算法 |
4.1 高阶累积量 |
4.1.1 克罗内克(Kronecker)积定义 |
4.2 经典的基于高阶累积量的声源定位算法 |
4.2.1 基于高阶累积量的ESPRIT-Like |
4.2.2 基于四阶累积量的两步MUSIC算法 |
4.2.3 基于二阶统计量的斜投影算法(MBODS) |
4.3 改进的基于高阶累积量声源定位算法 |
4.3.1 算法原理 |
4.3.2 算法步骤 |
4.3.3 性能对比分析 |
4.4 算法仿真实验 |
4.5 本章小结 |
5.基于稀疏阵列的远近场混合源声源定位算法 |
5.1 稀疏阵列模型 |
5.1.1 冗余阵列模型 |
5.1.2 对称嵌套阵列模型 |
5.1.3 压缩对称嵌套阵列模型 |
5.2 基于CSNA的声源定位方法 |
5.2.1 近场CSNA波达方向估计 |
5.2.2 基于CSNA的声源定位性能分析 |
5.3 改进的基于移位对称阵列的定位方法 |
5.3.1 建立信号模型 |
5.3.2 改进的算法 |
5.3.3 算法步骤 |
5.3.4 仿真实验 |
5.4 本章小结 |
6.总结与展望 |
参考文献 |
攻读硕士期间发表的论文及所取得的研究成果 |
致谢 |
(6)基于累量的近场源快速定位算法(论文提纲范文)
1 引言 |
2 系统模型 |
3 算法原理 |
3.1 角度估计 |
3.2 近场距离估计 |
3.3 推广至混合场源参数估计 |
3.4 算法复杂度 |
4 实验结果与分析 |
5 结论 |
(7)基于互质阵列的分布源波达方向估计技术研究(论文提纲范文)
摘要 |
Abstract |
符号说明 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.2.1 互质阵列研究现状 |
1.2.2 分布源DOA估计的研究现状 |
1.3 论文研究思路及主要工作 |
1.3.1 论文研究思路 |
1.3.2 论文主要工作 |
1.4 论文的组织结构与内容安排 |
第二章 相关理论基础 |
2.1 引言 |
2.2 互质阵列基础理论 |
2.2.1 物理阵列 |
2.2.2 虚拟阵列 |
2.2.3 阵列孔径和可估计信源数 |
2.3 信号特性基础理论 |
2.3.1 非高斯信号 |
2.3.2 非圆信号 |
2.4 本章小结 |
第三章 基于互质阵列的一般分布源DOA估计方法研究 |
3.1 引言 |
3.2 互质阵列下一般分布源信号的接收模型 |
3.3 一种基于公共谱峰搜索的分布源信号DOA估计算法 |
3.3.1 算法原理 |
3.3.2 复杂度分析 |
3.3.3 仿真实验 |
3.4 本章小结 |
第四章 基于互质阵列的非高斯特性分布源DOA估计方法研究 |
4.1 引言 |
4.2 互质阵列下非高斯分布源信号的接收模型 |
4.3 一种基于四阶累积量的分布源DOA估计算法 |
4.3.1 算法可行性分析 |
4.3.2 算法原理 |
4.3.3 算法步骤 |
4.4 性能分析与仿真实验 |
4.4.1 克拉美罗下界推导 |
4.4.2 复杂度分析 |
4.4.3 仿真实验 |
4.5 本章小结 |
第五章 基于互质阵列的非圆特性分布源DOA估计方法研究 |
5.1 引言 |
5.2 互质阵列下分布式圆与非圆混合信号的接收模型 |
5.3 一种基于圆与非圆分离的分布源信号DOA估计算法 |
5.3.1 算法原理 |
5.3.2 复杂度分析 |
5.3.3 仿真实验 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后期展望 |
致谢 |
参考文献 |
作者简历 |
(8)二次雷达信号高精度测向方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 研究现状 |
1.2.1 敌我识别系统研究现状 |
1.2.2 测向方法研究现状 |
1.2.3 Mark系统IFF信号测向技术研究现状 |
1.3 本论文的结构安排 |
第二章 IFF信号模型与DOA估计理论性能分析 |
2.1 IFF信号测向问题模型 |
2.1.1 IFF单通道信号模型 |
2.1.2 IFF多通道信号模型 |
2.2 DOA估计的CRLB |
2.2.1 随机信号模型,信号未知的DOA估计CRLB |
2.2.2 确定信号模型,信号波形已知、复幅度未知的DOA估计CRLB |
2.2.3 脉冲信号模型,信号波形未知的DOA估计CRLB |
2.3 IFF信号产生的仿真实验 |
2.3.1 Mark XIIA Mode5 询问信号仿真 |
2.3.2 Mark XIIA Level1 应答信号仿真 |
2.3.3 Mark XIIA Level2 应答信号仿真 |
2.4 本章小结 |
第三章 基于已知波形的IFF测向方法 |
3.1 基于已知波形测向的问题描述 |
3.2 基于已知波形的IFF前导脉冲信号测向方法 |
3.2.1 基于未知信号模型的测向方法 |
3.2.2 基于已知波形、未知复幅度的测向方法 |
3.3 基于前导脉冲的IFF测向方法仿真实验 |
3.4 本章小结 |
第四章 基于已知参数的IFF测向方法 |
4.1 基于已知参数测向的问题描述 |
4.2 基于空域滤波的信号预处理方法 |
4.3 基于差分解调的MSK脉冲解调方法 |
4.3.1 MSK信号差分解调算法的误码率分析 |
4.4 基于信号重建的IFF信号测向方法 |
4.5 基于信号重建的IFF信号测向方法仿真实验 |
4.6 本章小结 |
第五章 基于已知部分波形的IFF测向方法 |
5.1 基于已知部分波形测向的问题描述 |
5.2 基于高阶累积量的IFF信号检测识别方法 |
5.2.1 基于高阶累积量的脉冲始末点检测方法 |
5.2.2 基于信号格式的IFF信号识别方法 |
5.3 基于联合解调测向的IFF测向方法 |
5.4 基于高阶累积量的脉冲始末点检测识别方法仿真实验 |
5.5 基于联合解调测向的IFF测向方法仿真实验 |
5.6 本章小结 |
第六章 全文总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(9)MEMS矢量水听器信号的去噪与定向技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 矢量水听器的发展概况与工作原理 |
1.2.1 矢量水听器的发展概况 |
1.2.2 MEMS矢量水听器工作原理 |
1.3 信号去噪方法的研究概况 |
1.4 信号定向技术的研究概况 |
1.5 论文的主要内容及安排 |
第2章 MEMS矢量水听器阵列信号处理模型 |
2.1 水声信号处理的相关概念 |
2.2 阵列信号处理的模型假设 |
2.3 矢量水听器阵列信号模型 |
2.3.1 矢量水听器信号模型 |
2.3.2 矢量水听器阵列信号模型 |
2.4 小结 |
第3章 基于参数优化的变分模态分解的信号去噪方法 |
3.1 引言 |
3.2 相关理论基础 |
3.2.1 变分模态分解 |
3.2.2 鲸鱼优化算法 |
3.2.3 功率谱熵 |
3.2.4 相关系数 |
3.3 基于参数优化的变分模态分解和相关系数的信号去噪和基线漂移去除算法 |
3.4 仿真实验 |
3.4.1 不同噪声频率的混合信号去噪实验 |
3.4.2 不同噪声强度的信号去噪实验 |
3.5 MEMS矢量水听器信号去噪与基线漂移去除实验 |
3.5.1 实验设备及实验环境 |
3.5.2 不同信号频率及基线漂移特征的信号去噪与基线漂移去除实验 |
3.6 小结 |
第4章 基于压缩感知和密度空间聚类的波达方向估计算法 |
4.1 引言 |
4.2 相关理论基础及分析 |
4.2.1 基于压缩感知理论的DOA估计原理 |
4.2.2 CS-DOA的特点分析 |
4.2.3 正则化参数的选择 |
4.2.4 基于密度空间的聚类方法 |
4.3 基于CS原理与DBSCAN的 DOA估计算法 |
4.4 仿真实验 |
4.4.1 少量入射角实验性能分析 |
4.4.2 多信号源实验性能分析 |
4.4.3 相近角度实验性能分析 |
4.4.4 不同快拍数条件下实验性能分析 |
4.4.5 非均匀线阵实验性能分析 |
4.4.6 相干信号的DOA估计实验 |
4.4.7 不同信噪比下各算法估计误差的比较 |
4.5 MEMS矢量水听器湖试实验 |
4.5.1 实验设备及实验环境 |
4.5.2 单声源水下声信号测向实验 |
4.5.3 单声源与爆炸冲击波混合信号的定向实验 |
4.6 小结 |
第5章 基于改进最大似然的DOA估计方法 |
5.1 引言 |
5.2 基于最大似然的DOA估计原理 |
5.2.1 阵列信号模型 |
5.2.2 最大似然的DOA估计模型 |
5.3 改进的最大似然的DOA估计算法 |
5.3.1 入侵杂草优化算法 |
5.3.2 基于改进入侵杂草优化的最大似然DOA估计算法 |
5.4 仿真实验与性能分析 |
5.4.1 IWO 算法与IIWO 算法的性能比较 |
5.4.2 收敛性能分析 |
5.4.3 统计性能分析 |
5.4.4 计算复杂性分析 |
5.5 快艇航向追踪实验 |
5.5.1 实验过程 |
5.5.2 实验结果及分析 |
5.6 小结 |
第6章 信号去噪与定向算法在水声信号处理中的联合应用 |
6.1 引言 |
6.2 信号去噪与定向算法的联合应用流程 |
6.3 工程应用中信号特点分析 |
6.4 无基线漂移干扰的爆炸冲击波信号定向实验 |
6.5 信号去噪后的快艇航向追踪实验 |
6.6 小结 |
第7章 总结与展望 |
7.1 论文的主要工作 |
7.2 论文的主要创新点 |
7.3 工作展望 |
参考文献 |
攻读博士期间发表的论文及所取得的研究成果 |
致谢 |
(10)宽带声源定位方法及研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.2 国内外研究发展及现状 |
1.2.1 相干声源定位算法的发展及现状 |
1.2.2 宽带声源定位算法的发展及现状 |
1.2.3 矢量水听器的发展及现状 |
1.3 本文主要研究内容 |
第2章 声源定位方法基础理论 |
2.1 宽带声源定义及其数学模型 |
2.2 近场及远场定义 |
2.3 声源定位主要原理 |
2.4 宽带远场声源定位方法 |
2.4.1 非相干信号子空间法 |
2.4.2 相干信号子空间法 |
2.4.3 聚焦矩阵的构造方法 |
2.4.4 双边变换算法主要原理及仿真分析 |
2.4.5 仿真实验及结果分析 |
2.5 宽带近场声源定位方法 |
2.5.1 频域宽带波束形成 |
2.5.2 时域宽带波束形成 |
2.5.3 近场宽带响应矩阵 |
2.5.4 仿真实验及结果分析 |
2.6 本章小结 |
第3章 宽带远场声源方位估计算法 |
3.1 宽带远场测量模型建立 |
3.1.1 宽带声源模型建立 |
3.1.2 相干声源模型建立 |
3.1.3 接收阵模型建立 |
3.2 宽带声源频率估计 |
3.3 双圈圆阵定位方法 |
3.4 仿真结果及分析 |
3.4.1 双圈圆阵仿真结果及分析 |
3.4.2 双圈圆阵分辨力仿真结果及分析 |
3.5 本章小结 |
第4章 宽带近场声源方位估计算法 |
4.1 柱面分布近场测量模型建立 |
4.2 柱面MVDR近场聚焦波束形成 |
4.3 矢量声压组合阵柱面分布近场方位识别方法 |
4.3.1 组合阵近场测量模型 |
4.3.2 接收阵模型建立 |
4.4 组合基阵柱面MVDR近场聚焦波束形成 |
4.5 仿真结果及分析 |
4.6 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术成果 |
致谢 |
四、基于高阶累积量的阵列信号多参数估计技术(论文参考文献)
- [1]复杂噪声背景下的稀疏测向方法研究[D]. 赵洋. 吉林大学, 2021(01)
- [2]欠采样下阵列信号多参数联合估计算法[D]. 王臣. 哈尔滨工业大学, 2021
- [3]无线光通信系统信号阈值检测处理研究[D]. 季旭宽. 西安理工大学, 2021
- [4]基于5G大规模天线的角度时延估计及单基站定位算法研究[D]. 付加伟. 北京邮电大学, 2021(01)
- [5]多元声阵被动声定位探测方法研究[D]. 温斐旻. 中北大学, 2021(09)
- [6]基于累量的近场源快速定位算法[J]. 张红楠,邓科,殷勤业. 信号处理, 2021(11)
- [7]基于互质阵列的分布源波达方向估计技术研究[D]. 李浩. 战略支援部队信息工程大学, 2021(01)
- [8]二次雷达信号高精度测向方法研究[D]. 漆静晨. 电子科技大学, 2021(01)
- [9]MEMS矢量水听器信号的去噪与定向技术研究[D]. 燕慧超. 中北大学, 2021
- [10]宽带声源定位方法及研究[D]. 闫宁. 哈尔滨理工大学, 2021