波达方向(direction of arrival,DOA)估计是阵列信号处理中的一个关键领域,而波达角(angle of arrival,AOA)则是其核心参数。将AOA估计作为主要研究目标,提高其在任意结构阵列中的准确性。通过分析现有文献中关于任意结构阵列的系统模型...波达方向(direction of arrival,DOA)估计是阵列信号处理中的一个关键领域,而波达角(angle of arrival,AOA)则是其核心参数。将AOA估计作为主要研究目标,提高其在任意结构阵列中的准确性。通过分析现有文献中关于任意结构阵列的系统模型,基于E-子空间理论,结合最大似然原理与Lloyd-like迭代算法,提出了一种新的子空间逼近迭代算法。此外,为了降低计算复杂度,结合MUSIC算法,提出了基于MUSIC峰值范围的迭代改进算法。最后,通过仿真验证了以上方法在毫米波信道估计中的有效性,相较于传统的MUSIC算法性能显著提升。展开更多
针对无线传感器网络中的联合接收信号强度(received signal strength,RSS)和到达角度(angle of arrival,AOA)定位问题,提出一种全新的凸组合定位方法。该方法使用某些特定点(称为虚拟点)的凸组合来估计目标点的位置。提出了基于二次约...针对无线传感器网络中的联合接收信号强度(received signal strength,RSS)和到达角度(angle of arrival,AOA)定位问题,提出一种全新的凸组合定位方法。该方法使用某些特定点(称为虚拟点)的凸组合来估计目标点的位置。提出了基于二次约束二次规划(quadratically constrained quadratic programming,QCQP)和半正定规划(semidefinite programming,SDP)两种虚拟点构造方法。在此基础上,将目标定位的极大似然(maximum likelihood,ML)估计问题进行凸化,得到组合系数,进一步得到目标定位结果。数值实验表明,所提出的凸组合方法比文献中的几种定位方法具有更高的精度,特别是相对于线性最小二乘(linear least squares,LLS)方法,精度最高提升约40%。此外,其定位结果可以作为ML估计方法的初始化,进一步提升定位性能。展开更多
为了解决变电站复杂的室内外环境中,单一目标定位方法精度低的问题,提出基于超宽带到达角(angle of arrival,AOA)估计和多源信息融合的变电站室内外无缝组合定位方法。通过基于MIMU的航迹推测指定位置确定比率(position determination r...为了解决变电站复杂的室内外环境中,单一目标定位方法精度低的问题,提出基于超宽带到达角(angle of arrival,AOA)估计和多源信息融合的变电站室内外无缝组合定位方法。通过基于MIMU的航迹推测指定位置确定比率(position determination ratio,PDR)定位方法和基于超宽带AOA估计的目标定位方法获得定位结果;创新性地使用卡尔曼滤波器估计变电站室内外定位误差,引入卡尔曼增益补偿定位误差,以多源定位误差对比估计、补偿修正的方式,完成变电站室内外无缝组合定位。研究结果证实,此方法对变电站室内外静态目标、动态目标的位置定位误差均较小,仅有0.001 m,可实现变电站室内外无缝组合式精准定位,可为变电站定位管理工作提供技术支撑。展开更多
文摘波达方向(direction of arrival,DOA)估计是阵列信号处理中的一个关键领域,而波达角(angle of arrival,AOA)则是其核心参数。将AOA估计作为主要研究目标,提高其在任意结构阵列中的准确性。通过分析现有文献中关于任意结构阵列的系统模型,基于E-子空间理论,结合最大似然原理与Lloyd-like迭代算法,提出了一种新的子空间逼近迭代算法。此外,为了降低计算复杂度,结合MUSIC算法,提出了基于MUSIC峰值范围的迭代改进算法。最后,通过仿真验证了以上方法在毫米波信道估计中的有效性,相较于传统的MUSIC算法性能显著提升。
文摘针对无线传感器网络中的联合接收信号强度(received signal strength,RSS)和到达角度(angle of arrival,AOA)定位问题,提出一种全新的凸组合定位方法。该方法使用某些特定点(称为虚拟点)的凸组合来估计目标点的位置。提出了基于二次约束二次规划(quadratically constrained quadratic programming,QCQP)和半正定规划(semidefinite programming,SDP)两种虚拟点构造方法。在此基础上,将目标定位的极大似然(maximum likelihood,ML)估计问题进行凸化,得到组合系数,进一步得到目标定位结果。数值实验表明,所提出的凸组合方法比文献中的几种定位方法具有更高的精度,特别是相对于线性最小二乘(linear least squares,LLS)方法,精度最高提升约40%。此外,其定位结果可以作为ML估计方法的初始化,进一步提升定位性能。
