二维波达方向(Direction of Arrival,DOA)估计能获取比一维DOA估计更多的空间位置信息,但是二维多重信号分类(Multiple Signal Classification,MUSIC)、二维子空间旋转不变估计技术(Estimation Signal Parameter via Rotational Invaria...二维波达方向(Direction of Arrival,DOA)估计能获取比一维DOA估计更多的空间位置信息,但是二维多重信号分类(Multiple Signal Classification,MUSIC)、二维子空间旋转不变估计技术(Estimation Signal Parameter via Rotational Invariance Techniques,ESPRIT)等经典算法依赖于大量的快拍数据,当快拍数据不足时估计性能严重下降甚至失效。针对上述问题,将迭代自适应方法拓展到二维DOA估计,提出了一种适用于矩形面阵的二维DOA估计算法,首先利用加权最小二乘法估计出信号幅值,然后利用循环迭代技术对估计结果进行更新。由于每次估计结果均来自上一次迭代,而不依赖于快拍数据,因此该算法在短快拍条件下具有很高的估计精度和分辨率。仿真结果表明,在短快拍条件下,该算法具有优越的估计性能。展开更多
对于频率交叠严重且频率成分接近的多分量信号,常用的短时傅里叶变换(Short Time Fourier Transform,STFT)和S方法(S-Method,SM)频率分辨能力不足,重构精度低.针对该问题,本文结合逆Radon变换提出了基于短时迭代自适应-逆Radon变换(Shor...对于频率交叠严重且频率成分接近的多分量信号,常用的短时傅里叶变换(Short Time Fourier Transform,STFT)和S方法(S-Method,SM)频率分辨能力不足,重构精度低.针对该问题,本文结合逆Radon变换提出了基于短时迭代自适应-逆Radon变换(Short Time Iterative Adaptive Approach-Inverse Radon Transform,STIAA-IRT)的微多普勒特征提取方法.首先采用基于加权迭代自适应的STIAA时频分析方法分析了散射点模型的微多普勒特性,然后利用逆Radon变换分离重构不同散射点的微多普勒分量.该方法在低信噪比、邻近时频分布情况下能获得高分辨的多分量信号的完整微多普勒信息,性能分析显示STIAA-IRT重构精度较高,明显优于STFT-IRT(Short Time Fourier Transform-Inverse Radon Transform)和SM-IRT(S-Method-Inverse Radon Transform)特征提取方法.展开更多
文摘二维波达方向(Direction of Arrival,DOA)估计能获取比一维DOA估计更多的空间位置信息,但是二维多重信号分类(Multiple Signal Classification,MUSIC)、二维子空间旋转不变估计技术(Estimation Signal Parameter via Rotational Invariance Techniques,ESPRIT)等经典算法依赖于大量的快拍数据,当快拍数据不足时估计性能严重下降甚至失效。针对上述问题,将迭代自适应方法拓展到二维DOA估计,提出了一种适用于矩形面阵的二维DOA估计算法,首先利用加权最小二乘法估计出信号幅值,然后利用循环迭代技术对估计结果进行更新。由于每次估计结果均来自上一次迭代,而不依赖于快拍数据,因此该算法在短快拍条件下具有很高的估计精度和分辨率。仿真结果表明,在短快拍条件下,该算法具有优越的估计性能。
