项目名称: 小快拍数下宽带信号超分辨测向性能的多元优化方法研究

项目编号: No.61501176

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 甄佳奇

作者单位: 黑龙江大学

项目金额: 22万元

中文摘要: 利用超分辨测向技术可以确定同时到达阵列的无线电信号的方向,随着通信技术的发展,宽带信号的应用日益增多,并且往往在每个频点下的采样数据较少,这就对传统的宽带信号测向方法提出了很大的挑战。本项目将对小快拍数下宽带信号超分辨测向性能的多元优化方法展开研究,首先建立宽带信号阵列模型,将各频点下接收数据协方差矩阵的特征值与特征向量进行融合,进而提出基于信息引导方法的信号个数估计准则。针对宽带非相干信号,在连续域内,对信号进行稀疏重构来对到达方向进行求解;针对宽带相干信号,在连续域内,利用频带内及频带间信号的联合稀疏性来实现多频点信号的联合稀疏重构,进而完成测向。针对阵列测向中常见的阵元间互耦、通道幅相不一致性以及阵元位置误差,采用稀疏贝叶斯学习方法对各频点下的误差进行校正,实现精确测向。本项目的研究将有效地提高小快拍数下宽带信号超分辨测向的精度、分辨力和计算速度,并推动相应方法的实际应用。

中文关键词: 信号检测;信号估计;参数估计;空间谱估计;参量检测

英文摘要: The use of super-resolution direction finding technology can confirm the source directions arriving at the array simultaneously, along with the development of the communication technology, wideband signals are increasingly used day by day, and the sampling data at each frequency is often small, this is a great challenge to the traditional wideband direction finding methods. The project is to research the multivariant optimization methods of super-resolution direction finding performance for wideband signals under small number of snapshots, first, to model wideband array signals, integrate the eigenvalues with corresponding eigenvectors of receiving data covariance matrix on every frequency, and propose criterion for estimating number of signals based on Bootstrap method. Then, to solve the direction of arrival of wideband incoherent signals by the sparse recovery method in continuous domain; To achieve joint sparse signal recovery of multiple frequency points in continuous domain by joint sparse in and among the frequency bands to perform direction finding for wideband coherent signals. A sparse Bayesian learning method is employed to calibrate the errors at every frequency for common mutual coupling among sensors, channel gain, phase uncertainty and sensor location errors, and then the accurate direction finding is realized. The research of this project will improve the super-resolution direction finding precision, resolution and computation speed of wideband signals, and it will promote the practical application of corresponding methods.

英文关键词: signal detection;signal estimation;parameter estimation;spatial spectrum estimation;parameter detection

成为VIP会员查看完整内容
0

相关内容

【NeurIPS 2021】学会学习图拓扑
专知会员服务
24+阅读 · 2021年10月22日
专知会员服务
21+阅读 · 2021年9月23日
专知会员服务
32+阅读 · 2021年7月1日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
14+阅读 · 2021年3月26日
【AAAI2021】图卷积网络中的低频和高频信息作用
专知会员服务
58+阅读 · 2021年1月6日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
一文搞懂反向传播
机器学习与推荐算法
18+阅读 · 2020年3月12日
CVPR 2019 论文大盘点-超分辨率篇
极市平台
77+阅读 · 2019年6月23日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Challenges for Open-domain Targeted Sentiment Analysis
小贴士
相关VIP内容
【NeurIPS 2021】学会学习图拓扑
专知会员服务
24+阅读 · 2021年10月22日
专知会员服务
21+阅读 · 2021年9月23日
专知会员服务
32+阅读 · 2021年7月1日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
14+阅读 · 2021年3月26日
【AAAI2021】图卷积网络中的低频和高频信息作用
专知会员服务
58+阅读 · 2021年1月6日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
相关资讯
一文搞懂反向传播
机器学习与推荐算法
18+阅读 · 2020年3月12日
CVPR 2019 论文大盘点-超分辨率篇
极市平台
77+阅读 · 2019年6月23日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员