一种基于平行因子分解的近场极化MIMO雷达参数估计方法.pdf
小凌****甜蜜
亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于平行因子分解的近场极化MIMO雷达参数估计方法.pdf
本发明涉及一种基于平行因子分解的近场极化MIMO雷达参数估计方法,通过建立基于交叉偶极子—磁环天线均匀线阵的双基地MIMO雷达的系统模型,发射端由2M+1个交叉偶极子—磁环天线构成的均匀线性发射阵列,接收端由2N+1个交叉偶极子—磁环天线构成的均匀线性接收阵列,发射阵元间距和接收阵元间距分别用dt和dr表示;对K个不相关的近场窄带完全极化目标进行定位,第k个目标的二维发射角和二维接收角分别用θ
一种MIMO雷达参数估计方法.pdf
本发明公开了一种MIMO雷达参数估计方法,属于雷达工程领域。所述方法包括如下步骤:建立MIMO雷达信号模型,获取目标的信号数据矩阵;对所述信号数据矩阵进行数据重组、数据矩阵扩展,得到协方差矩阵;对所述协方差矩阵做特征值分解,获得信号子空间;通过所述信号子空间获得信号子空间阵列;联合信号子空间阵列矩阵对其分解得到来波方向的俯仰角、方位角和多普勒频率。本发明算法可以提高对目标的多普勒频率、方位角以及俯仰角的估计精度,同时在多个远场目标相距较近的情况下可以获得高精度的参数估计结果,并且该方法在参数估计过程中实现
基于平行因子分解的大规模MIMO盲信道估计.docx
基于平行因子分解的大规模MIMO盲信道估计基于平行因子分解的大规模MIMO盲信道估计摘要:大规模多输入多输出(MIMO)系统的信道估计是无线通信中关键的问题之一。传统的基于导频的信道估计方法在大规模MIMO系统中存在计算复杂度高、导频信号开销大等问题。为了解决这些问题,本文提出了一种基于平行因子分解(ParallelFactorization,PF)的大规模MIMO盲信道估计方法。该方法在不使用导频的情况下,通过对收发信号进行分解得到发送信号的特征子空间和接收信号的特征子空间,并通过匹配追踪算法得到信道矩
基于波束指向的近场MIMO雷达回波幅度校准方法.docx
基于波束指向的近场MIMO雷达回波幅度校准方法基于波束指向的近场MIMO雷达回波幅度校准方法摘要:近场MIMO(Multiple-Input-Multiple-Output)雷达是一种能够同时发射和接收多个天线的雷达系统。然而,由于近场环境中的多路径效应和天线间的互相干扰,近场MIMO雷达所接收到的回波幅度存在误差。为了解决这个问题,本文提出一种基于波束指向的近场MIMO雷达回波幅度校准方法。该方法通过优化波束指向和调整发射信号的相位权重,实现了回波幅度的校准。实验结果表明,该方法能够有效地提高近场MIM
基于改进RPCA的双基地MIMO雷达参数估计方法.docx
基于改进RPCA的双基地MIMO雷达参数估计方法基于改进RPCA的双基地MIMO雷达参数估计方法摘要:随着雷达技术的发展和应用的广泛,双基地MIMO雷达系统逐渐被引入并应用于多种领域。双基地MIMO雷达系统能够利用多个基地之间的多径协作,提供更为精确的目标参数估计。本文提出了一种基于改进矩阵分解技术的双基地MIMO雷达参数估计方法,通过对接收到的信号进行RPCA处理,提取出目标信号和干扰信号的相关信息,并利用这些信息进行参数估计。实验结果表明,该方法能够提高双基地MIMO雷达系统的参数估计性能,提高雷达的