基于模式识别的无线电测向算法的研究

摘要

随着现代科学技术和信息化的高速发展，无线电频谱资源已成为人类社会的重要资源。无线电应用的日益广泛，使无线电频谱资源日益紧张，供求矛盾日益突出，同时也导致干扰现象的不断增多。为了做好无线电频谱资源的管理工作，就必须对那些未知干扰信号源进行查处，这就需要有高分辨率的测向机，以提高系统的测向精度，而在整个测向研究过程中，测向算法的研究是整个系统的核心部分。无线电干扰源有单目标源和多目标源两种，单目标测向中常用的是相位干涉仪测向和相关干涉仪测向这两种方法，在多目标测向中常用的是空间谱估计。
　　 模式识别理论和方法已趋于成熟，并且在很多技术领域中都取得了广泛的应用，推动了智能系统的发展。本文将模式识别的有关理论和改进方法应用到无线电信号测向系统中，并取得了较好的效果。本文的主要工作是对单目标测向算法进行分析和改进，内容概括如下：
　　 1．为了克服“维数灾难”，以及降低主观因素带来的测向误差，本文在基于样本自学习的基础上，使用改进的主成分分析法(MPCA)来降维，并且通过实验证明了此种方法的可行性。
　　 2．对无线电原有的测向算法进行了改进，在相位干涉仪测向中主要提出了基于最小二乘的矢量叠加方法。传统的最小二乘法主要是利用各个阵元所获得的相位信息来进行测向的，在低信噪比的情况下，由于噪声因素的影响，它无法实现准确定位，而基于最小二乘的矢量叠加方法就克服了这方面的不足，它主要是利用阵元间的相位差进行多次矢量叠加来实现测向的。在相关干涉仪测向算法中主要提出了三角函数加权测向算法，它将权重的思想引入到测向算法中，对各评价因子在总体评价中的作用进行区别对待，从而提高测向准确度。同时本文简要介绍了空间谱估计测向的基本原理及算法。
　　 3．将本文所研究的单目标测向算法和已有的测向算法通过MATLAB进行仿真实验比较，并给出了具体的对比结果。
　　 最后，作者总结了已有方法和改进方法的优缺点，并概括了不同方法的局限性。

目录

文摘

英文文摘

1 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 本论文主要研究内容及安排

2 预备知识

2.1 模式识别

2.1.1 模式识别系统

2.1.2 经典的主成份分析(PCA)

2.1.3 常用的相似性度量

2.2 无线电测向系统

2.3 无线电测向算法

2.3.1 单目标测向算法

2.3.2 多目标测向算法

2.3.3 测向准确度

2.3 本章小结

3 模式识别算法的改进

3.1 改进的主成分分析(MPCA)

3.1.1 改进的主成分分析

3.1.2 改进的主成分分析(MPCA)在无线电测向中的实验

3.2 相位干涉仪测向

3.2.1 基于最小二乘的矢量估计算法

3.2.2 长短基线相结合测向法

3.3 相关干涉仪测向

3.3.1 三角函数加权测向算法

3.3.2 基于分量的KNN算法

3.3.3 改进的三角函数加权算法

3.4 本章小结

4 仿真实验比较

4.1 数据

4.2 算例分析

4.3 结果分析

结论

参考文献

攻读硕士学位期间学术论文及科研情况

致谢