基于Toeplitz矩阵集重构的相干信源二维DOA估计

来源 :微电子学与计算机 | 被引量 : 0次 | 上传用户:naimiu2
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统二维重构Toeplitz类算法在进行二维相干信源DOA估计时,利用构造两个相关矩阵或协方差矩阵的部分信息构造Toeplitz矩阵,使得信息利用不完整且需要额外的去噪处理.针对上述问题,提出一种基于二维重构Toeplitz类算法改进的Toeplitz矩阵集重构算法.利用完整阵元接受信号矢量构造两个包含完整信息的Toeplitz矩阵集,再与其共轭转置相乘求和来对矩阵修正而得到满秩矩阵,从而达到去相干的目的;结合传统ESPRIT算法通过旋转不变性进行两次一维重构处理再进行角度匹配来实现二维的相干信号角度估计
其他文献
大气波导能够改变电磁波的正常传播特性,因而得到学界极大关注。当前大气波导研究中所用蒸发波导模型缺乏RSHMU模型的预测性能分析,文中对RSHMU模型的预测方法进行了深入研究。更正了文献中给出的温度剖面稳定度函数表达式,利用正确的剖面稳定度函数,获得了该模型在不同风速以及不同相对湿度条件下的敏感性分析结果。与渤海梯度塔实测数据对比分析表明:该模型预测蒸发波导高度的平均误差为-2.2 m,均方根误差为4.5 m;预测强度的平均误差为1.1 M单位,均方根误差为2.0 M单位。不稳定条件下该模型的高度预测性能优
SEM IP(Soft Error Mitigation软错误缓解核)是对SRAM FPGA设计进行单粒子故障注入的一种有效方法.然而由于目标设计与SEM IP部分随机布局布线在一块芯片上,导致进行故障注入时很有可能会打翻SEM IP所使用的配置寄存器而导致故障注入停止工作,同时对于目标设计失效率统计不准确.为解决这一问题,基于SEM IP和部分重配置技术开发了一套单粒子故障注入原型系统用于单粒子故障注入实验.该方法将SEM IP和目标设计布局布线到芯片的不同区域,能够只对目标设计所在区域进行故障注入并且
目标检测任务对于检测任务精度和实时性都有很高要求,YOLOv3-tiny网络在这两点有很好的表现.但是其复杂的网络结构,使得实际应用需要从软件和硬件方面都进行针对性的优化.为了达到实时要求,综合使用三种优化技术:在软件层面,通过融合批归一层降低计算量,低位宽增大资源利用率;设计多维度并行FPGA计算核心匹配多个卷积层,提高整体吞吐率;细粒度层间流水和pingpong缓存设计,降低数据传输时间.在ZCU104型号的FPGA上,实现了418×418图片的21ms检测延时,超过同类加速器设计,并在DSP效率上有
当前基于忆阻器的神经网络加速器存在的资源需求高、系统功耗大等问题,提出了一种包含剪枝及量化算法在内的神经网络模型压缩框架.根据忆阻器阵列紧密耦合的特点,设计了一种忆阻器阵列感知的规则化增量剪枝算法,在保证模型准确度的条件下实现了硬件资源的节省;针对忆阻器加速器系统中ADC单元和忆阻器阵列功耗占比过大等问题,设计了一种二的幂次量化算法以降低加速器系统中ADC的精度需求以及计算阵列中低阻值忆阻器器件个数,实现系统功耗的降低.实验结果表明:提出的神经网络模型压缩框架在忆阻器加速器部署网络时可取得17.2〜30.
叙述了以X波段160 W固态发射机组件为基础,采用16通道空间合成式,获得2 kW输出功率的固态雷达发射机,具有合成效率高的优点。每个通道均配有移相器,通过配置射频通道移相器,使得发射机发射波束具有余割平方辐射的特性。最后在微波暗室配相实测与预期余割平方辐射方向图基本一致,实测功率也达到预期。
非均衡数据(分类不均匀分布)和冗余特征的出现极大增加了数据准确分类的难度.以最优化学习算法的预测准确率为目标,结合合成少数过采样技术SMOTE,设计了一种针对非均衡数据的
为获取脉动微波循环加热条件下低渗透储层煤层气运移采出规律,文中综合运用多孔介质传热学、电磁学、渗流力学、岩石力学等相关理论,建立低渗透储层煤层气微波注热开采过程渗流电磁-热-流-固多物理场耦合数学模型,结合COMSOL Multiphysics有限元分析软件进行了脉动微波循环加热过程煤层气运移采出规律的数值模拟,获取了不同功率脉动微波循环加热条件下煤层温度场、渗流场的变化规律,并对煤层气产量进行了预测。数值模拟结果表明:脉动微波循环加热煤储层热效应显著,煤层能快速且不断地处于高温状态,气体在高温条件下大量
介绍具有恒流特性的中频高压电源,利用改造前的变压器,节约成本。本产品在高压电源改造时,改造工作量小,安装简单。改造后的高压电源利用控制柜内的电容C和升压变压器的原边电感L组成LC串联谐振电路,具备恒流源的特性,在变压器输出端并联假性负载,以实现开路保护功能。
随着当今科学技术的不断发展,电力大数据技术已经在智能电网中得到了广泛应用。通过应用该技术让智能电网集成管理、数据分析、数据处理以及数据安全方面的技术都实现了显著提升,这对于智能电网的良好应用和发展都十分有利。通过分析这些电力大数据关键技术在智能电网中的应用,以此来为智能电网的进一步发展提供参考。
为了快速预测三维复杂环境中雷达、移动基站等的覆盖性能,提出一种三维抛物方程方法即分步傅里叶变换(SSFT)解法的快速计算方法,并给出了具体公式推导。将SSFT解法快速算法的计算结果与双射线模型以及已有的奇偶分解法进行了对比,结果表明,其与另外两种方法的结果吻合很好,且与奇偶分解法相比,计算速度提高了近1.61倍,由此验证了该快速算法的正确性和高效性。在此基础上,模拟了雷达在复杂海上环境中的电磁衰减特性,探讨了雷达探测的盲区,这将为复杂环境中雷达探测性能的评估提供一定的理论参考。