2D-DOA和Conform数组车辆通信系统相加估计

抽象性

最近提出了多向抵境估计算法然而,天线元间互连效应没有考虑在内。本文建议智能运输系统通过相容数组使用新式DA和双联系数估计算法通过构建旁观互连矩阵(MCM),通过工具元件法可消除互连效果事件信号DA可依据并行因子理论估计PARAFAC模型使用同差矩阵积域构建双联系数估计基于前DOA估计和MCM与方向向量矩阵转换最后,由于Wan et al.2014参数配对法的缺陷,新法提高参数配对性能计算机模拟验证拟议算法的有效性

开工导 言

智能运输系统已成为提高运输系统性能和加强旅行安全的有效方式。连接飞行器指连接飞行器环形的应用、服务和技术5G快速开发后,峰值数据率很可能介于数十Gbps范围,适合车辆与BS(基站)实时通信为了尽量减少车辆成本并减少车辆表面和大气之间的摩擦阻抗力,安装在车辆中的同质数组天线应是一个良好的选择。

DOA定位估计数组信号处理中发挥重要作用,雷达、声纳和智能天线中广泛使用该信号处理一号-3..多信号分类-MUSIC基础算法4通过旋转不变技术估计信号参数-ESPRIT基础算法5两种DOA估计算法可实现超分辨率互连作用会严重降低DOA估计性能

求解问题 许多算法建议处理提议对二维(2D)DOA估计使用的统一圆数组相互合并效果有效补偿法6..DOA估计算法混合信号与未知相联7..非一致性信号(不相关或部分相关信号)先用未知相联估计并发系数通过这些估计获取最后消除非一致性信号并补偿相互联动效果均线性数组和泛线性数组因相互联动效果而产生的偏向8..DOA非一致性信号估计九九service定位

并行因子分析2000年在数组信号处理中原创时吸引研究者注意10,11..广度用于低级分解三向高向数组基础为PARAFAC和累积性设计2D-DOA估计新数组结构12..DAA和极化估计单电磁向量传感器使用PARAFAC获取13算法比ESPRIT算法效果更好

复合数组指对象表面集成数组[14,15..DOA估计算法建议对齐数组使用传播法和三次旋转不变关系已被快速DOA估计圆柱形一致性数组使用16..超广带DOA估计算法提议用于DOA基于空间基准法和多子数组技术估计17..多重分离技术一直用于DOA估计无线传感器网络并配有任意数组配置18号,19号..实时DOA估计算法20码..DOA估计通过ESPRIT实现并消除互联效果21号..基于空间基线技术,DOA可低计算复杂性估计然而,只有一个源可估计22号..中23号作者扩展PARAFAC理论频率和DA估计通过时空矩阵技术,频率和DOA估计也已完成4个指导元素的位置必须称为先验性24码..

论文中提出了车辆通信系统匹配数组新式DA和双联系数估计算法现实应用中,互连作用不容忽略基于选择矩阵构建双联矩阵使用旁观MC可消除双联效果并构造两个旋转不变矩阵以估计事件信号DOA一致性数组以PARAFAC理论为基础,模型使用变量矩阵积域构建双联动系数最终通过矩阵变换估计

二叉抓图数据模型

算法性能会大幅下降 因为各种元素相联为了准确估计DOA估计值,应结合对齐数组快照数据模型中考虑双联效果因运量曲率不同,每个元素都拥有不同模式18号..图显示事件信号1(a)带梯度 和方位 .可提供方向向量形式如下:

上方字母表示法可见[25码..取用2插进一号),我们有 去哪儿

何时 事件信号传入数组,数组输出数据矩阵可表示为 去哪儿 表示模式矩阵 表示多矩阵 代表克罗内克产品 并 构造性 并 ..上头 Th信号极化参数 并 ..信号向量 .千差万别噪声矩阵 华府市 表示并发矩阵 . 完全相同矩阵

简单化方面,只考虑相同统一线性数组(ULA)相联效果双联结矩阵 建模像带对称Toeplitz矩阵 第一行 .向量元素 满足 .矩阵编译

收集 光片,我们有矩阵形式5)as

特征叫暗效果 多数相容数组都拥有表示当事件信号攻击数组时 并非所有元素都可接收求解子组划分技术18号,19号由本文通过整数组由数组组成,每个子组覆盖一定范围角单曲和对称柱体,参数估计机制与数组设计完全相同因此本文件只考虑一个子数组

3级机制相互叠加消除

图中显示圆形一致性数组设计2中两个元素间距离相同平面 相邻平面间距离 .圆柱半径 .

显示形式MC 并发消除机制基于工具元素26..以直觉方式显示此机制, 我们举例基础 元素化位置向量 排成一行 Th元素可表示为 自 元素按同组式排列 坐标关系 并 并 .数组多矩阵 方向向量 去哪儿 并

工具元素设置为优先和最后 元素化数组孔径下降, 并发效果消除构造选择矩阵有以下形式 并接收数据 中心数组可提供 新址 表示式 通过使用工具元素,我们可以获取如下重要方程: 去哪儿 理想方向向量中心数组 元素) 并 标量可写成 基于21号)新同差矩阵可表示为 去哪儿 接下去24码)可写成 去哪儿 并 表示权 事件信号趣味结果显示于27号并发系数完全进入新信号共变矩阵何时 , , 消除相互联动效果是可以实现的何时 , ... 方程分解三十三表示中心数组在某些特殊角度失明无法从某些方向接收事件信号因此,这些角被称为“盲角 ” 。 幸运的是,对于相容系数 连续函数,概率 近似为零, 表示实践中少有盲角现象更多细节可见[27号..

图中显示3中,设计数组有两种旋转不变关系ESPRIT算法相似17可用于DOA估计高和方位对齐参数必须加以考虑算法不适合估计一致性数组依据PARAFAC理论,本文建议对齐数组使用新型高精度2D-DOA估计算法

4级DOA估计基于PARAFAC

消除并发后,两极分解方向可基于井数组设计完成定义二 选择矩阵 :

, , 并 元素组成数组1、数组2、数组3和数组4数组1和2之间的距离向量 并 .数组1和3之间的距离向量 并 图中显示3.方向模式通过一个grorarix完全相同,极化参数效果可以忽略

数字显示不同子数组之间的距离2并3.全局坐标高和方位 并 可表示为 , 并 , ..

假设这一点 , , , 表示数组1、数组2、数组3和数组4的构造数据坐标源为引用点So , , , 可表示为 所接收数据之共变矩阵 去哪儿 , 表示信号共变矩阵和噪声共变矩阵 分别: 去哪儿 并 高山市 )表示全局坐标中距离矢量的高度和方位

基础PARAFAC理论11中位数 三向数组圆柱化数组由 (b) 构建34号: 去哪儿 高山市 采样共变矩阵 表示噪声实战观察等一等 并基于Khatri-Rao产品定义36号可转换成 去哪儿 行向量由对角矩阵二进制 .

基于噪声观察问题37号可转换成解决最小方位问题 交替最小方块原则可用以适应问题41号)无噪条件中ALS可用解析矩阵 , 并 构造三向数组 .最小平方估计矩阵 可表示为 类似矩阵 并 可表示为 迭代程序中,给定矩阵 并 矩阵 可表示为 矩阵表达式 并 华府市 去哪儿 表示矩阵伪逆 .

矩阵化 可使用TALS算法获取 并 可矩阵计算 : 表示矩阵 表示绝对值运算 表示 数行 .因为 , 并 实数 并 平方解决正负值 , 并 : 并继 高地 和方位 联想 事件信号可表示为

5级双迭系数估计

基于2D-DOA事件信号估计,可获取双联系数估计共变矩阵 可表示为 级 华府市 .取egendecom 脱机华府 大元值 并 小元值 可分别获取相应的始发者 .信号子空间横跨 直交噪子空间宽度 : 通过考虑复杂对称托普利茨形式 , 可表示为 去哪儿 和二 矩阵[28码..

基于52和估计 ... 可见此点54号线性方程相联系数 .系数矩阵可定义为 接下去50码)可写成 去哪儿 算法 矩阵和矩阵 .应付 ... 何时 中最小平方解法 互连系数估计完成

6级讨论

估计者 , 并 列相同变换矩阵即 转动矩阵图列 匹配 矩阵图 .高平方位对自动对齐

何时 参数对齐 并 问题大21号..此处,我们提供另一种方法解决参数配对问题21号..从理论上讲 始发者 , 并 完全相同eVD独立操作位元顺序可能不同为了获取精确DOA估计值,这一问题必须解决我们构造另一个子数组:数组1和数组5 元素化距离向量 .基于关系 , 并 , 关系 并 可相似获取 。图中显示4, .

相同源码,我们有 去哪儿 igenvalu . 可轻易解决 求解程序 并 .参数配对问题可转换为问题最小化 基于60码)参数配对终于完成

DOA圆形相容数组估计步骤并存可归纳如下:(1)使用选择矩阵 消除相互联动效果(2)设置数组1~数组4构建三大子组3级构造PARAFAC模型基础36号)(4)更新版44号),45码)和矩阵 可使用TALS算法获取(5)计算 并 基于46号)和(b)47)(6)2D-DOA圆柱形一致性数组估计49号)和(b)50码)(7)计算按元素接收数据之共变量矩阵 基于51号)(8)获取基于相联系数58码)

7模拟结果

本节显示数值模拟结果以说明拟议算法的性能我们比较提议的算法与ESPRIT互不关联5和ESPRIT-E算法建议21号..根均方差由公式计算 去哪儿 并 估计高和方位 事件信号 Th审判为了简洁起见,只使用圆形相容数组模拟,数组结构显示在图中2.数元素为16也就是说 .免失泛性 , ; , .模式变换可见[25码..二次事件信号方位和高度分别为100摄氏度和95摄氏度和50摄氏度程度自由互连2 并 .工具元素使用后 元素实际使用为12也就是说 .ESPRIT-NMC实际使用元素为12也就是说 .200MonteCarlo模拟测试

RMSE和对SNR使用不同算法成功概率显示在图中5(a)并5(b)..光片号为200从图中可见5(a)RMSE建议算法小于ESPRIT-E自估计并发系数以来,这一结果可用于恢复原创同差矩阵数组孔径扩展与ESPRIT-E和ESPRIT-NPC比较从图中可见5(b)成功概率随着SNR提高成功概率ESPRIT-E比ESPRIT-NPC高算法建议优于ESPRIT-E和ESPRIT-NMC

RMSE和不同算法成功概率对快照数显示在图中5(a)并5(b)..sRR固定为0db从图中可见6(a)RMSE建议算法小于ESPRIT-E光片数大于700时,RMSE建议算法近似ESPRIT-NPC成功概率建议算法比ESPRIT-E高然而,拟议的算法不达100%,因为SNR低值(0dB)。算法比ESPRIT-E性能优

图显示相联估计输入SNR7.结果显示双联算对拟议算法影响微乎其微数组孔径消除互连效应,但算法高估计精度和高SNR接近CRB

八点八分结论

论文中,ITS提出了新创DA和双联系数估计算法通过构建旁观互连矩阵,通过工具元法可消除互连效应事件信号DA可依据并行因子理论估计算法还可以扩展至其他相容数组光线性数组中只有双联不同基因组间并发问题应研究Cramér-rao绑定问题也是研究的有趣问题,我们将在未来工作中集中研究这个问题。

利益冲突

撰文者声明,本论文的发布不存在利益冲突问题。

感知感知

这项工作部分得到清兰项目支持,中国国家科学基金会在Grant nos下支持61572172、61401147、61301095和61201237和中国江苏省自然科学基金会BK20140248这项工作部分得到中国基础研究关键开发方案支持(JCKY2013604B001),中国黑龙江省自然科学基金会QC2012C069和F201408以及中央大学基础研究基金HEUCF1508