FCAS-PARAFAC算法:双基地MIMO雷达目标参数估计新方法
87 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。
116 浏览量
110 浏览量
164 浏览量
131 浏览量
2021-04-12 上传
839 浏览量
116 浏览量
110 浏览量
261 浏览量

weixin_38686153
- 粉丝: 11
最新资源
- 小学水墨风学校网站模板设计
- 深入理解线程池的实现原理与应用
- MSP430编程代码集锦:实用例程源码分享
- 绿色大图幻灯商务响应式企业网站开发源码包
- 深入理解CSS与Web标准的专业解决方案
- Qt/C++集成Google拼音输入法演示Demo
- Apache Hive 0.13.1 版本安装包详解
- 百度地图范围标注技术及应用
- 打造个性化的Windows 8锁屏体验
- Atlantis移动应用开发深度解析
- ASP.NET实验教程:源代码详细解析与实践
- 2012年工业观察杂志完整版
- 全国综合缴费营业厅系统11.5:一站式缴费与运营管理解决方案
- JAVA原生实现HTTP请求的简易指南
- 便携PDF浏览器:随时随地快速查看文档
- VTF格式图片编辑工具:深入起源引擎贴图修改