联合匹配滤波MIMO声呐发射分集平滑DOA估计方法
发布时间：2021-08-15 14:10
MIMO声呐发射分集平滑（transmission diversity smoothing,TDS）法（简称为MIMO-TDS）是一类重要的多输入多输出（multiple-input multiple-output,MIMO）声呐DOA估计方法。该方法利用发射正交波形来获得发射分集平滑特性,保证了MVDR等自适应高分辨算法的直接应用,但也因此牺牲了发射端的阵增益,在对较远距离的目标进行探测定位时,该方法常会面临回波信噪比不足、性能损失严重等问题。针对该缺点,借鉴了MIMO声呐虚拟阵列（virtual array,VA）法（简称为MIMO-VA）中的匹配滤波思想,提出同时利用所有发射信号对回波进行联合匹配滤波处理的方式提高信噪比,该联合匹配滤波器的单位脉冲响应函数由所有正交发射信号经线性叠加构成。研究表明,所提出的匹配滤波器不仅能够提高接收信噪比,改善MIMO-TDS在低信噪比条件下的性能,还保留了MIMO声呐的发射分集平滑特性。与MIMO-VA相比,所提方法大幅减少了所需匹配滤波通道数量,具有较低的运算量;且存在发射阵列流形误差、发射信号同步误差时,具有更优的稳健性。利用计算机仿真对所...
【文章来源】：西北工业大学学报. 2020,38(01)北大核心EICSCD
【文章页数】：8 页
【部分图文】：
MIMO阵列示意图
该组实验主要验证低信噪比下MIMO-TDS-MF的DOA估计性能,仿真中假设不存在任何信号同步误差、阵列误差,由于MIMO-VA在构造虚拟孔径过程中会丢失发射分集平滑特性,仍需配合空间平滑来对阵元输出作解相干处理。图3a)给出了单次方位估计的空间谱,假设存在4个固定目标,方位角度依次是-45°,-30°,0°和15°,归一化的目标强度βp依次为1,0.5,1和1,信噪比RSN=0 dB,根据15°处的目标信号强度添加噪声。图3b)分析了MIMO-TDS-MF在不同信噪比下,针对0°和15°处的2个目标,进行多次蒙特卡罗实验后的成功分辨概率,并和MIMO-TDS及MIMO-VA进行对比,其中相同信噪比下的蒙特卡罗重复实验次数为1 000。对于某次实验,如果2个目标方位的估计值 θ ^ 1和 θ ^ 2与真实值θ1及θ2之间满足
实际应用中,DOA估计方法的运算量是一项非常重要的技术指标,运算耗时的长短意味着算法在运行过程中所占用的计算资源的大小。下面对MIMO-TDS、MIMO-VA、MIMO-TDS-MF这3种方法的运算时间进行仿真对比,图6是在相同的硬件条件下重复进行多次DOA估计的耗时曲线。该组实验中使用的计算机CPU是Intel(R)Core(TM)i5-4590,主频3.3 GHz,内存8 G,运行环境为win7下的MATLAB 2015b。该实验给出的100次运行耗时曲线证明:MIMO-TDS的运行时间最短,本文提出的MIMO-TDS-MF次之,MIMO-VA需要的运算耗时则远大于前2种方法。结合表1中3种方法的运算参数对比我们发现,相较于MIMO-TDS,MIMO-TDS-MF确实增加了一定数量的匹配滤波器,导致后者的运算时间稍高于前者。而与MIMO-VA进行比较,MIMO-VA的基阵输出协方差矩阵维度、扫描向量维度以及匹配滤波器的个数都要远高于本文提出的MIMO-TDS-MF。综上,MIMO-TDS-MF在运算耗时上具有一定的优势。
【参考文献】：
期刊论文
[1]MIMO声纳:概念与技术特点探讨[J]. 孙超,刘雄厚. 声学技术. 2012(02)
本文编号：3344700
【文章来源】：西北工业大学学报. 2020,38(01)北大核心EICSCD
【文章页数】：8 页
【部分图文】：
MIMO阵列示意图
该组实验主要验证低信噪比下MIMO-TDS-MF的DOA估计性能,仿真中假设不存在任何信号同步误差、阵列误差,由于MIMO-VA在构造虚拟孔径过程中会丢失发射分集平滑特性,仍需配合空间平滑来对阵元输出作解相干处理。图3a)给出了单次方位估计的空间谱,假设存在4个固定目标,方位角度依次是-45°,-30°,0°和15°,归一化的目标强度βp依次为1,0.5,1和1,信噪比RSN=0 dB,根据15°处的目标信号强度添加噪声。图3b)分析了MIMO-TDS-MF在不同信噪比下,针对0°和15°处的2个目标,进行多次蒙特卡罗实验后的成功分辨概率,并和MIMO-TDS及MIMO-VA进行对比,其中相同信噪比下的蒙特卡罗重复实验次数为1 000。对于某次实验,如果2个目标方位的估计值 θ ^ 1和 θ ^ 2与真实值θ1及θ2之间满足
实际应用中,DOA估计方法的运算量是一项非常重要的技术指标,运算耗时的长短意味着算法在运行过程中所占用的计算资源的大小。下面对MIMO-TDS、MIMO-VA、MIMO-TDS-MF这3种方法的运算时间进行仿真对比,图6是在相同的硬件条件下重复进行多次DOA估计的耗时曲线。该组实验中使用的计算机CPU是Intel(R)Core(TM)i5-4590,主频3.3 GHz,内存8 G,运行环境为win7下的MATLAB 2015b。该实验给出的100次运行耗时曲线证明:MIMO-TDS的运行时间最短,本文提出的MIMO-TDS-MF次之,MIMO-VA需要的运算耗时则远大于前2种方法。结合表1中3种方法的运算参数对比我们发现,相较于MIMO-TDS,MIMO-TDS-MF确实增加了一定数量的匹配滤波器,导致后者的运算时间稍高于前者。而与MIMO-VA进行比较,MIMO-VA的基阵输出协方差矩阵维度、扫描向量维度以及匹配滤波器的个数都要远高于本文提出的MIMO-TDS-MF。综上,MIMO-TDS-MF在运算耗时上具有一定的优势。
【参考文献】：
期刊论文
[1]MIMO声纳:概念与技术特点探讨[J]. 孙超,刘雄厚. 声学技术. 2012(02)
本文编号：3344700
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3344700.html
