该文提出一种利用阵列划分的近场到达方向(Direction Of Arrival,DOA)估计算法.首先,通过划分阵列和四阶累积量构造一个仅包含DOA信息的托普利兹矩阵;然后,由于多重信号分类(Multiple Signal Classification,MUSIC)算法的空间谱在谱峰...
详细信息
该文提出一种利用阵列划分的近场到达方向(Direction Of Arrival,DOA)估计算法.首先,通过划分阵列和四阶累积量构造一个仅包含DOA信息的托普利兹矩阵;然后,由于多重信号分类(Multiple Signal Classification,MUSIC)算法的空间谱在谱峰处是一个断点、且趋近较大值,因此,为得到高分辨率谱峰,该算法通过求解空间谱的一阶导数构造一个新“空间谱”;最后,通过一维MUSIC算法估计近场信源的距离.仿真结果表明,该算法在低信噪比下提高了DOA的估计精度,且不需要二维谱峰搜索,只需K+1次一维谱峰搜索.
目前应用于辐射源识别的卷积神经网络对时序同相正交(in-phase and quadrature-phase,IQ)信号的处理有两种方式:一种方式是将其变换为图像,另一种方式是提取IQ时序数据的浅层特征。前一种方式会导致算法计算量大,而后一种方式会导致识...
详细信息
目前应用于辐射源识别的卷积神经网络对时序同相正交(in-phase and quadrature-phase,IQ)信号的处理有两种方式:一种方式是将其变换为图像,另一种方式是提取IQ时序数据的浅层特征。前一种方式会导致算法计算量大,而后一种方式会导致识别准确率低。针对上述问题,提出一种多尺度特征提取与特征选择网络。该网络以IQ信号为输入,经多尺度特征提取网络提取IQ信号的浅层特征和多尺度特征,采用特征选择网络降低多尺度特征的数据维度,通过自适应线性整流单元实现特征增强,使用单个全连接层对辐射源进行分类。在FIT/CorteXlab射频指纹识别数据集上,与ORACLE、CNN-DLRF和IQCNet对比实验表明,所提网络在一定程度上提高了识别准确率,降低了计算量。
暂无评论