导读:本文包含了极化参数估计论文开题报告文献综述及选题提纲参考文献，主要关键词:阵列信号处理,四阶累积量,信源参数估计,极化敏感阵列
极化参数估计论文文献综述
黄志强,邢春华,黄丽[1]（2019）在《一种基于极化敏感阵列的近场源五维参数估计方法》一文中研究指出该文提出了一种基于四阶累积量近场窄带信源参数新的估计方法。该方法利用极化敏感阵列和多重旋转矢量不变技术估计信源五维参数(载波频率、方位角、俯仰角、距离和极化参数),无需谱峰搜索和多维参数匹配,且适用于加性高斯噪声环境。此外,该方法由于采用了非中心对称结构的阵列,可有效减少阵列孔径损失。仿真实验验证了该方法的有效性。(本文来源于《电子质量》期刊2019年10期）
张晓文,廖桂生,杨志伟,杨春晓[2]（2019）在《基于变换域张量的机载阵列DOA和极化参数估计》一文中研究指出针对强杂波背景下多目标回波的参数估计问题,现有的基于长矢量的多重信号分类(long vector multiple signal classification,LV-MUSIC)法精度下降,基于张量的MUSIC(tensor MUSIC,T-MUSIC)方法通道数不足,无法计算噪声子空间投影矩阵。因此提出基于变换域张量的MUSIC方法。算法利用张量结构,在时域分离不同多普勒频率的信号,分别估计各多普勒通道的回波参数。相比于LV-MUSIC和T-MUSIC,所提算法避免了多目标背景下自由度不足导致的目标分辨力下降的问题,并且能获得更高精度的参数估计。仿真实验证明,所提算法有更高的目标分辨能力,在低信噪比条件下仍保持良好的性能。(本文来源于《系统工程与电子技术》期刊2019年05期）
胡显智,王宁,戴旭初[3]（2018）在《基于流形分离技术的DOA和极化参数联合估计方法》一文中研究指出为了实现任意结构的极化敏感阵列对来波信号DOA和极化参数的联合估计,将流形分离技术(Manifold Separation Technique,MST)引入到极化敏感阵列的数据建模.重点研究了两种基于流形分离技术的二维DOA和极化参数的联合估计方法.第一种方法使用快速傅里叶变换(FFT)计算空间谱,避免了传统MUSIC方法中的谱峰搜索过程,有效降低了计算量;第二种方法将MST与信号子空间拟合技术结合,能够对任意相关性信号的DOA和极化参数进行联合估计,在信号源完全相干时仍具有良好的性能.两种方法皆适用于任意结构的极化敏感阵列.仿真结果验证了本文算法的有效性.(本文来源于《测试技术学报》期刊2018年05期）
窦慧晶,高立菁,孙璐,张少飞[4]（2018）在《基于传播算子的ESPRIT极化参数估计算法》一文中研究指出针对极化敏感阵列参数估计过程中需要奇异值和特征值分解,以及低信噪比下估计误差偏大的问题,提出基于传播算子的二维旋转不变子空间(estimation of signal parameters via rotational invariance technique,ESPRIT)算法,改进算法引入非圆信号共轭相关统计信息构造一组新的接收数据,将这组新数据与真实数据重构组合求得噪声子空间;采用ESPRIT算法将信号子空间分块得到旋转不变因子,无须特征值分解和谱峰搜索,实现信号空间到达角(direction of arrival,DOA)和极化角的精确估计.所提算法在参数估计性能上要优于经典算法,在低信噪比情况下均方误差较小,并且可降低计算量,最后由Matlab仿真验证所提算法的有效性.(本文来源于《北京工业大学学报》期刊2018年09期）
胡蓉[5]（2018）在《多种群遗传算法的DOA和极化参数估计与DSP实现》一文中研究指出近年来,随着精确制导武器的发展,多模复合制导体制已经成为了研究的热点。采用极化敏感天线阵列,能够使被动测向系统兼容其他制导模式的探测传感器。极化敏感天线阵列可以同时对入射电磁波的波达方向(Direction of Arrival,DOA)信息和极化信息进行观测,提高了测向系统的整体性能。多重信号分类(Multiple Signal Classification,MUSIC)算法在阵列信号处理的参数估计中具有超分辨特性而在实际工程中被广泛应用,该算法主要包括特征分解与谱峰搜索两部分。极化信息的引入使得谱峰搜索由原来的二维搜索变成了四维搜索,计算量成指数增长,传统的遍历整个谱峰进行搜索的方法在实际工程应用中失效。遗传算法具有计算量小和并行性等特点,对求解全局最优化问题有独特的优势,能够弥补谱峰搜索计算量大的问题,但标准遗传算法(Simple Genetic Algorithm,SGA)容易陷入未成熟收敛。为降低极化MUSIC算法的计算量,克服标准遗传算法的未成熟收敛问题,本文将多种群遗传算法(Multiple Population Genetic Algorithm,MPGA)引入极化MUSIC算法谱峰搜索部分实现对DOA和极化参数的估计。该算法以标准遗传算法为基础,引入多个种群同时对四维谱函数进行优化搜索,通过移民算子进行各个种群之间的信息交流,通过人工选择算子保留各种群每代进化过程中的最优个体并将其保存到精华种群中,显着提高了标准遗传算法的收敛性,从而实现对DOA和极化参数的快速估计。本文通过仿真实验表明,多种群遗传算法克服了标准遗传算法未成熟收敛的问题,具有良好的全局搜索能力。本文将多种群遗传算法运用到极化MUSIC算法的谱峰搜索部分,并与降维的秩亏损MUSIC算法进行比较。通过蒙特卡罗实验表明,基于多种群遗传算法的DOA和极化参数估计的方法能够达到与降维的秩亏损MUSIC算法同等的估计精度,而且计算量远低于降维的秩亏损MUSIC算法,提高了算法实时性,具有很强的工程应用意义。为了验证本文提出的基于多种群遗传算法的DOA和极化参数估计方法的工程可行性,本文选择在TMS320C6678 DSP(Digital Signal Processor)硬件平台上实现。(本文来源于《哈尔滨工程大学》期刊2018-04-01）
罗紫惠[6]（2018）在《极化阵列的参数估计与误差校正算法研究》一文中研究指出采用了电磁矢量传感器作为阵列阵元的极化敏感阵列,在传统的标量传感器阵列的性能基础上,进一步提高了阵列的信号分辨力、检测力以及干扰抑制能力。但目前基于极化敏感阵列的信号处理的大部分研究,还没有充分利用起阵列的正交结构特性,并且缺少针对非理想应用环境下的参数估计和误差校正方法。针对上述问题,本文首先介绍了基于四元数模型研究的非相干和相干信源的参数估计方法,并进行了仿真分析,然后对常规极化敏感阵列的取向误差进行了研究,最后还对分离式阵列的互耦校正方法进行了探讨。主要工作如下:1.对于非相干信源,研究了分别基于长矢量模型和四元数模型的MUSIC算法和ESPRIT算法,并仿真分析了算法的性能,结果显示采用四元数模型可以改善信号到达角的估计性能。而后基于相干信源模型,给出基于四元数模型的改进空域平滑算法和矢量矩阵重构算法,并推导了两种算法实现解相干的过程。仿真分析显示,矢量矩阵重构算法的解相干性能优于空域平滑算法,且不会损失阵列的有效孔径。2.对于取向误差的校正研究,分析了极化敏感阵列中取向误差的形成原因和误差模型,并对误差矩阵的一阶泰勒近似进行了推导。随后介绍了基于误差矩阵一阶泰勒近似的误差校正方法,在此方法的基础上研究了一种改进的未知取向误差的降维参数估计方法。该算法可以比较准确地估计出信号的到达角(Direction of Arrival,DOA)和极化参数,并可以同时估计出阵列的取向误差。3.共点式极化敏感阵列中,存在共点正交硬件实现的困难和互耦的影响,分离式的阵列可以改善这一问题。基于分离式阵列,介绍了MSUIC算法和降维MSUIC算法,仿真分析可以看出参数估计的性能得到了改善,并且降低了算法的计算量。为了进一步减少互耦误差的影响,建立了分离式阵列的互耦误差模型,并提出了基于模值约束的降维互耦误差校正算法。实验仿真结果验证了该算法能准确估计出信号的参数和阵列的互耦误差系数。(本文来源于《电子科技大学》期刊2018-03-31）
王桂宝[7]（2017）在《稀疏电磁对阵列到达角和极化参数估计》一文中研究指出针对稀疏阵列测向中相位解模糊问题,提出了一种稀疏电磁对十字形阵列的到达角和极化参数联合估计算法,根据电偶极子和磁偶极子之间的旋转不变关系进行极化参数估计,利用虚拟基线解模糊得到信号到达角的高精度估计。该方法利用同一次特征分解的特征值和特征矢量自动配对,不需要额外的配对运算。仿真实验表明,本方法不仅克服了非均匀十字阵由于稀疏造成的相位模糊问题,而且大大提高了到达角的估计精度。(本文来源于《探测与控制学报》期刊2017年05期）
王利伟,朱晓丹,王建,陈卓[8]（2017）在《基于极化敏感阵列的高效DOA与极化参数联合估计算法》一文中研究指出提出一种基于极化敏感阵列的二维波达方向(DOA)和极化参数联合估计算法。首先建立入射信号模型,然后利用重构的x轴、y轴、z轴阵列导向矢量之间的关系计算出入射信号的DOA和极化参数的无模糊粗估计值;同时根据重构阵列导向矢量内在的旋转不变结构估计出x轴和y轴空间相移因子,得到入射信号的高精度无模糊DOA估计。最后利用粗估计精估计相结合的方式进行解模糊,进而完成DOA估计。算法允许阵元间距大于入射信号的半波长,扩展了有效阵列孔径,提高了算法的测向精度。此外,算法避免了复杂的四维谱峰搜索,具有较低的运算复杂度。仿真实验结果验证了算法的有效性和良好的估计性能。(本文来源于《航天电子对抗》期刊2017年03期）
杨美娟[9]（2017）在《基于极化敏感阵列的稀疏阵形优化与参数估计》一文中研究指出近年来,诸多电磁设备带来便利的同时也使得电磁环境逐渐复杂,对各领域,如电侦、导航和雷达等,提出了新的更大的挑战——如何在复杂的电磁环境中准确的对目标参数进行估计。传统的标量天线仅能获取目标信号的幅度、相位和频率等信息,而无法对信号的极化信息进行利用,人们开始关注“极化敏感”阵列,该阵列能够获取和有效利用目标信号的极化信息,对提高信号处理的性能大有裨益。传统的阵列信号处理大多基于半波长布阵的均匀阵列,为了能够在实际工程中利用尽可能少的阵元数实现所要求的辐射性能,本文对以半波长布阵的均匀密布阵进行优化,将天线阵列的增益作为优化代价函数,固定密布阵孔径,利用模拟退火算法对阵形分布进行优化,保证优化后的阵列能够以尽量少的阵元数来满足工程中对阵列高增益要求的同时降低副瓣电平。工程应用中由于阵列的高动态或目标的快速运动导致平稳样本数不足,子空间类算法无法准确估计协方差矩阵,导致算法性能下降甚至失效;由于环境反射所引起的多径延迟波与目标信号直达波相干,使得子空间类算法不再有效。针对此类问题,人们研究了稀疏恢复方法,现有技术的稀疏恢复方法由于栅格太密造成字典矩阵列与列之间相关性太高导致稀疏恢复性能下降而无法准确进行参数估计,且计算复杂度较高。针对上述所存在的各类问题,本文提出了栅格偏移优化稀疏恢复角度估计方法,该方法对阵列接收数据进行阵元去噪处理来构建数据观测矢量,将信源数进行动态递增来估计信源数,利用硬门限参数化反馈零空间调整获得第一次目标到达角估计矢量和恢复矢量,根据恢复矢量来寻找峰值位置矢量,计算定义为多目标峰值功率和与其它栅格功率和之比的代价函数,比较计算获得的叁种代价函数大小进而确定待更新的栅格偏移参数,迭代提升多目标到达角的估计精度。仿真结果表明,所提方法对均匀阵和稀疏阵均适用,能够在小样本情况下对相干源/非相干源进行参数估计。本文首先基于单极子阵列利用上述所提方法估计出目标的来波方向,其次应用加权融合来提高目标空间角度的估计精度,最后选取共中心的单电偶极子和单磁环对目标信号的极化参数进行估计。总之,相比传统的参数估计方法,本文所提出的方法能够在小样本、相干源情况下结合极化敏感阵列获得较好的参数估计性能。(本文来源于《西安电子科技大学》期刊2017-06-01）
刘俊华[10]（2017）在《α稳定分布噪声背景极化阵列信号DOA参数估计方法研究》一文中研究指出波达方向(DOA)估计问题是信号处理领域的一个重要研究内容。研究初期主要是针对传统的标量传感器阵列信号的DOA估计。传统的标量传感器阵列具有一个明显的缺点,它的阵元只能获得3个电场分量的信息,而忽视了信号所包含的极化信息。电磁矢量传感器由中心位置重合的叁个相互正交的电偶极子和叁个相互正交的磁偶极子构成。随着研究的深入,学者们发现极化阵列可以获得更加完备的信号信息,这使得基于极化阵列信号的DOA估计问题得到了热切关注。但是当时的大量研究都是基于高斯噪声的假设前提下。虽然高斯分布具有不容置疑的研究意义,然而实际环境中只有极少数的随机过程可以严格地满足高斯分布的定义与要求。在实际环境中,人们发现在其测量环境中不仅存在着高斯噪声,而且还大量的存在着一种非高斯的冲击噪声,即a噪声。由于α不存在有限的二阶矩,所以传统的用于处理高斯噪声的信号处理方法在处理a噪声时无法得到很好的效果甚至严重失效。为了对α噪声进行处理,人们提出了基于分数低阶矩的一系列阵列信号DOA估计方法,这一类方法无法对有色a噪声起到抑制作用,并且当遇到与信号频率不同的干扰信号时其DOA估计精度就会有所下降。针对以上一系列的问题,本文通过对分数低阶循环相关方法进行了大量研究,分别结合旋转不变技术(ESPRIT)和总体最小二乘旋转不变技术(TLS-ESPRIT),提出了分数低阶循环相关旋转不变技术(FLOCC-ESPRIT)以及分数低阶循环相关总体最小二乘旋转不变技术(FLOCC-TLS-ESPRIT)方法。本文方法是首先通过分数低阶循环相关的方法对α噪声和高斯噪声进行抑制,并同时对与信号具有不同循环频率的干扰信号进行抑制。再通过经典的DOA估计方法ESPRIT方法和TLS-ESPRIT方法对信号进行DOA和极化参数的估计。文中分别将上述方法应用于单电磁矢量传感器,线性极化阵列以及任意结构极化阵列。最后经过MATLAB仿真实验验证,本文方法具有很好的噪声抑制效果以及很好的DOA估计性能。(本文来源于《吉林大学》期刊2017-06-01）
极化参数估计论文开题报告
（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：
针对强杂波背景下多目标回波的参数估计问题,现有的基于长矢量的多重信号分类(long vector multiple signal classification,LV-MUSIC)法精度下降,基于张量的MUSIC(tensor MUSIC,T-MUSIC)方法通道数不足,无法计算噪声子空间投影矩阵。因此提出基于变换域张量的MUSIC方法。算法利用张量结构,在时域分离不同多普勒频率的信号,分别估计各多普勒通道的回波参数。相比于LV-MUSIC和T-MUSIC,所提算法避免了多目标背景下自由度不足导致的目标分辨力下降的问题,并且能获得更高精度的参数估计。仿真实验证明,所提算法有更高的目标分辨能力,在低信噪比条件下仍保持良好的性能。
（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。
极化参数估计论文参考文献
[1].黄志强,邢春华,黄丽.一种基于极化敏感阵列的近场源五维参数估计方法[J].电子质量.2019
[2].张晓文,廖桂生,杨志伟,杨春晓.基于变换域张量的机载阵列DOA和极化参数估计[J].系统工程与电子技术.2019
[3].胡显智,王宁,戴旭初.基于流形分离技术的DOA和极化参数联合估计方法[J].测试技术学报.2018
[4].窦慧晶,高立菁,孙璐,张少飞.基于传播算子的ESPRIT极化参数估计算法[J].北京工业大学学报.2018
[5].胡蓉.多种群遗传算法的DOA和极化参数估计与DSP实现[D].哈尔滨工程大学.2018
[6].罗紫惠.极化阵列的参数估计与误差校正算法研究[D].电子科技大学.2018
[7].王桂宝.稀疏电磁对阵列到达角和极化参数估计[J].探测与控制学报.2017
[8].王利伟,朱晓丹,王建,陈卓.基于极化敏感阵列的高效DOA与极化参数联合估计算法[J].航天电子对抗.2017
[9].杨美娟.基于极化敏感阵列的稀疏阵形优化与参数估计[D].西安电子科技大学.2017
[10].刘俊华.α稳定分布噪声背景极化阵列信号DOA参数估计方法研究[D].吉林大学.2017