一种稀疏重构的相关干涉仪测向算法

发布时间：2021-03-07 02:16

　　针对基于凸优化模型的相关干涉仪测向算法计算量过大的问题,提出了一种基于稀疏度自适应匹配追踪算法的相关干涉仪测向算法。该算法首先根据压缩感知原理利用传统相关干涉仪算法的测向数据库作为基底将入射信号稀疏表示;接着,根据贪婪算法对信号进行重构,估计入射信号的方位。该算法的优点在于在迭代过程中引入回溯思想,自动调整估计步长,实现计算复杂度和估计精度的平衡。仿真结果表明,相比基于凸优化模型的相关算法,该算法的计算量大大降低,测向速度提升24.6%,特别在多入射信号情况下具有明显优势。 

【文章来源】：电讯技术. 2020,60(05)北大核心

【文章页数】：6 页

【部分图文】：

M阵元圆阵列天线

(1)实验1:以频点500 MHz、信噪比为20 dB、入射角为150°的一个信号为例，比较经典方法与本文方法的测向结果。从图2可知，在只有一个入射信号时，本文算法和经典算法都能对入射信号进行高精度测向。(2)实验2:以频点500 MHz、信噪比均为20 d B的4个入射信号为例，入射角分别为50°、100°、200°、300°，比较经典方法与本文方法。从图3可知，当有多个未知信号源入射时，经典算法已经失效，而本文算法能够精确测量出四个同频信号的入射方位，突破了经典算法只能对单一信号测向的局限性。

(2)实验2:以频点500 MHz、信噪比均为20 d B的4个入射信号为例，入射角分别为50°、100°、200°、300°，比较经典方法与本文方法。从图3可知，当有多个未知信号源入射时，经典算法已经失效，而本文算法能够精确测量出四个同频信号的入射方位，突破了经典算法只能对单一信号测向的局限性。(3)实验3:以频点为500 MHz、信噪比为20 dB的信号为例，在相同个数入射信号情况下，本文方法迭代步长s分别选用2、4、6、8，重构信号进行测向与凸优化方法进行比较测向准确度，每一组不同入射信号个数下的实验进行100次并据此计算测向均方误差根。根据图4的仿真结果可知，在迭代步长s=4时，本文方法与凸优化方法有相当的测向准确度。

【参考文献】：
期刊论文
[1]基于压缩感知的相关干涉仪测向算法[J]. 苟晓鸣,孙中森,唐怀玉,单中尧,李永庆.  电波科学学报. 2018(05)
[2]压缩感知重构SAMP的改进算法[J]. 杨韧,张兴敢.  南京大学学报(自然科学). 2018(03)
[3]采用局部搜索的二维DOA估计[J]. 黄英,景小荣.  电讯技术. 2017(02)
[4]A Reducing Iteration Orthogonal Matching Pursuit Algorithm for Compressive Sensing[J]. Rui Wang,Jinglei Zhang,Suli Ren,Qingjuan Li.  Tsinghua Science and Technology. 2016(01)
[5]一种快速二维相关干涉仪测向算法[J]. 杜政东,魏平,尹文禄,张政,杨慎谦.  电波科学学报. 2014(06)
[6]Direction finding of coexisted independent and coherent signals using electromagnetic vector sensor[J]. Ming Diao and Chunlian An * College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, P. R. China.  Journal of Systems Engineering and Electronics. 2012(04)
[7]压缩感知理论及其研究进展[J]. 石光明,刘丹华,高大化,刘哲,林杰,王良君.  电子学报. 2009(05)



本文编号：3068224