FCAS-PARAFAC算法:双基地MIMO雷达目标参数估计新方法
190 浏览量
更新于2024-08-29
收藏 2.06MB PDF 举报
"该文提出了一种新的基于分数低阶类相关熵的双基地MIMO雷达目标参数联合估计算法,旨在解决Alpha稳定分布噪声环境下的参数估计问题。通过引入分数低阶类相关熵(FCAS),对平行因子分析(PARAFAC)算法中的三线性最小二乘(TALS)迭代准则进行修正,开发了FCAS-PARAFAC算法,该算法能有效抵抗脉冲噪声,提高估计精度,并具有自动配对功能。仿真结果验证了算法的优越性能。"
本文主要讨论了在Alpha稳定分布噪声环境下的双基地MIMO雷达目标参数估计问题。通常情况下,这种噪声环境会导致参数估计的性能下降,影响雷达系统的探测和识别能力。作者受到类相关熵思想的启发,提出了一个新的统计概念——分数低阶类相关熵(Fractional Lower-Order Class Correntropy,FCAS)。类相关熵是一种衡量随机变量间相似性的度量,而分数低阶类相关熵则是其扩展形式,能够更好地适应非高斯噪声,尤其是脉冲噪声。
在传统的平行因子分析(Parallel Factor Analysis,PARAFAC)算法基础上,文章引入了FCAS准则,对三线性最小二乘(Trilinear Least Squares,TALS)迭代算法的目标函数进行修正,从而形成了FCAS-PARAFAC算法。这一修正后的算法能够在保持估计性能的同时,增强对冲激噪声的抑制能力,改善了在复杂噪声环境下的参数估计效果。
双基地MIMO雷达系统因其独特的特性,如空间分集和波形多样性,已经在雷达领域得到了广泛应用。然而,面对Alpha稳定分布噪声,传统的估计方法可能不再适用。FCAS-PARAFAC算法的提出,为解决这个问题提供了一个新的解决方案,它不仅提高了估计的准确性,还实现了目标参数的自动配对,简化了实际操作过程。
通过仿真实验,论文验证了FCAS-PARAFAC算法的有效性和优越性,进一步证明了在Alpha稳定分布噪声背景下,该算法能够显著提升双基地MIMO雷达的目标参数估计性能。这一研究成果对于优化雷达系统设计、提升雷达在恶劣环境下的工作效能具有重要的理论和实践意义。
118 浏览量
263 浏览量
113 浏览量
118 浏览量
165 浏览量
113 浏览量
132 浏览量
148 浏览量
840 浏览量

weixin_38686153
- 粉丝: 11
最新资源
- Win7系统下的一键式笔记本显示器关闭解决方案
- 免费替代Visio的流程图软件:DiaPortable
- Polymer 2.0封装的LineUp.js交互式数据可视化库
- Kotlin编写的Linux Shell工具Kash:强大而优雅的命令行体验
- 开源海军贸易模拟《OpenPatrician》重现中世纪北海繁荣
- Oracle 11g 32位客户端安装与链接指南
- 创造js实现的色彩识别小游戏「看你有多色」
- 构建Mortal Kombat Toasty展示组件:Stencil技术揭秘
- 仿驱动之家触屏版手机wap硬件网站模板源码
- babel-plugin-inferno:JSX转InfernoJS vNode插件指南
- 软件开发中编码规范的重要性与命名原则
- 免费进销存软件的两个月试用体验
- 树莓派从A到Z的Linux开发完全指南
- 晚霞天空盒资源下载 - 美丽实用的360度全景贴图
- perfandpubtools:MATLAB性能分析与发布工具集
- WPF圆饼图控件源代码分享:轻量级实现