CN109188348A - 一种基于共形天线阵和贝叶斯网络的角度估计方法 - Google Patents
一种基于共形天线阵和贝叶斯网络的角度估计方法 Download PDFInfo
- Publication number
- CN109188348A CN109188348A CN201811183047.0A CN201811183047A CN109188348A CN 109188348 A CN109188348 A CN 109188348A CN 201811183047 A CN201811183047 A CN 201811183047A CN 109188348 A CN109188348 A CN 109188348A
- Authority
- CN
- China
- Prior art keywords
- estimation
- bayesian network
- angle
- array antenna
- estimating method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种基于共形天线阵和贝叶斯网络角度的估计方法包括:利用贝叶斯网络刻画共形天线阵接收到的目标辐射源幅度和相位信息与到达角之间的对应关系,用贝叶斯网络的观测节点X={Xi:i=1,...,K}表示任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度A(t)和相位用贝叶斯网络的估计节点Y表示极化方式P(t)、目标辐射源的方位角α(t)以及俯仰角β(t)。
Description
技术领域
本发明涉及角度估计方法,尤其涉及基于共形天线阵和贝叶斯网络的角度估计方法。
背景技术
由于目标的空间位置不会发生突变,因此信号的到达方向也不会发生突变,目标到达角是最有效、稳定和可靠的多目标分选参数。
目前,测量目标辐射源信号到达角的方法主要有幅度比较法、相位比较法等。随着数字接收技术的成熟,可以采用更高精度和更加灵活的超分辨测向技术来估计目标辐射源的到达角。
采用超分辨测向体制的测向系统主要由多元天线阵、多通道接收机、模数转换、高性能数字信号处理器以及高精度的空间谱估计测向算法组成。
多元天线阵测量来波信号,经过多通道接收机变频、放大,得到矢量信号,在合适的频段将其采样量化为数字信号,送给数字信号处理器,利用MUSIC算法进行二维到达方向(DOA)估计,从而确定目标空间方向。MUSIC算法的输入即为多路接收机的输出矢量信号,该矢量信号包括辐射源的幅度和相位信息。
对于共形天线阵,如果利用MUSIC算法进行到达角估计,须计算对应于共形天线阵的导向矢量。但是计算共形天线阵的导向矢量不像线阵或面阵那样容易。如何能够不计算对应于共形天线阵的导向矢量而又能较准确地估计目标辐射源的到达角,是需要解决的问题。
发明内容
针对上述技术问题,本发明目的在于提供一种基于共形天线阵和贝叶斯网络的角度估计方法,避开计算对应于共形天线阵的导向矢量和使用MUSIC算法,实现目标辐射源到达角的估计。
一种基于共形天线阵和贝叶斯网络角度的估计方法包括:
利用贝叶斯网络刻画共形天线阵接收到的目标辐射源幅度和相位信息与到达角之间的对应关系,用贝叶斯网络的观测节点X={Xi:i=1,...,K}表示任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度A(t)和相位用贝叶斯网络的估计节点Y表示极化方式P(t)、目标辐射源的方位角α(t)以及俯仰角β(t)。
进一步地,根据装订参数:极化方式的个数NP,将极化方式P(t)的估计转化为一个类标签个数为NP的分类问题。
进一步地,根据装订参数:方位角的最小值αL、最大值αU和估计精度Rα,将方位角α(t)的估计转化为一个类标签个数为的分类问题。
进一步地,根据装订参数:俯仰角的最小值βL、最大值βU和估计精度Rβ,将俯仰角β(t)的估计转化为一个类标签个数为的分类问题。
进一步地,包括极化方式估计的朴素贝叶斯网络,设计基于朴素贝叶斯网络NBP的分类器CP;NB并对其训练,通过CP;NB的测试得到极化方式的估计
进一步地,包括方位角估计的朴素贝叶斯网络,设计基于朴素贝叶斯网络NBα的分类器Cα;NB并对其训练,通过Cα;NB的测试得到方位角的估计
进一步地,包括俯仰角估计的朴素贝叶斯网络,设计基于朴素贝叶斯网络NBβ的分类器Cβ;NB并对其训练,通过Cβ;NB的测试得到俯仰角的估计
本发明设计基于贝叶斯网络的分类器并对其训练,通过分类器的测试实现目标辐射源到达角的估计,降低了角度的估计难度。
附图说明
图1为本发明极化方式估计的朴素贝叶斯网络NBP;
图2为本发明方位角估计的朴素贝叶斯网络NBα;
图3为本发明俯仰角估计的朴素贝叶斯网络NBβ。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明利用贝叶斯网络刻画共形天线阵接收到的目标辐射源幅度和相位信息与到达角之间的对应关系,即用贝叶斯网络的观测节点X={Xi:i=1,...,K}表示任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度A(t)和相位用贝叶斯网络的估计节点Y表示极化方式P(t)、目标辐射源的方位角α(t)和俯仰角β(t)。
根据装订参数:极化方式的个数NP,将极化方式P(t)的估计转化为一个类标签个数为NP的分类问题;根据装订参数:方位角的最小值αL、最大值αU和估计精度Rα,将方位角α(t)的估计转化为一个类标签个数为的分类问题;根据装订参数:俯仰角的最小值βL、最大值βU和估计精度Rβ,将俯仰角β(t)的估计转化为一个类标签个数为的分类问题。
本实施方式以朴素贝叶斯网络为例,基于共形天线阵和贝叶斯网络的角度估计方法流程如下:
极化方式估计的朴素贝叶斯网络如图1所示:
即根据任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度A(t)和相位设计基于朴素贝叶斯网络NBP的分类器CP;NB并对其训练,通过CP;NB的测试得到极化方式的估计
方位角估计的朴素贝叶斯网络如图2所示:
即根据任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度A(t)和相位以及上述极化方式的估计设计基于朴素贝叶斯网络NBα的分类器Cα;NB并对其训练,通过Cα;NB的测试得到方位角的估计
俯仰角估计的朴素贝叶斯网络如图3所示:
即根据任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度A(t)和相位以及上述极化方式的估计设计基于朴素贝叶斯网络NBβ的分类器Cβ;NB并对其训练,通过Cβ;NB的测试得到俯仰角的估计
显然,上述实施方式仅仅是为清楚地说明所作的举例,而非对实施方式的限定。对于所属技术领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍属于本发明创造的保护范围之中。
Claims (7)
1.一种基于共形天线阵和贝叶斯网络的角度估计方法,其特征在于,包括:
利用贝叶斯网络刻画共形天线阵接收到的目标辐射源幅度和相位信息与到达角之间的对应关系,用贝叶斯网络的观测节点X={Xi:i=1,...,K}表示任意时刻t共形天线阵的扫描频率f(t)、各通道接收到的目标辐射源幅度A(t)和相位用贝叶斯网络的估计节点Y表示极化方式P(t)、目标辐射源的方位角α(t)以及俯仰角β(t)。
2.如权利要求1所述的角度估计方法,其特征在于,根据装订参数:极化方式的个数NP,将极化方式P(t)的估计转化为一个类标签个数为NP的分类问题。
3.如权利要求1所述的角度估计方法,其特征在于,根据装订参数:方位角的最小值αL、最大值αU和估计精度Rα,将方位角α(t)的估计转化为一个类标签个数为的分类问题。
4.如权利要求1所述的角度估计方法,其特征在于,根据装订参数:俯仰角的最小值βL、最大值βU和估计精度Rβ,将俯仰角β(t)的估计转化为一个类标签个数为的分类问题。
5.如权利要求2所述的角度估计方法,其特征在于,包括极化方式估计的朴素贝叶斯网络,设计基于朴素贝叶斯网络NBP的分类器CP;NB并对其训练,通过CP;NB的测试得到极化方式的估计
6.如权利要求3所述的角度估计方法,其特征在于,包括方位角估计的朴素贝叶斯网络,设计基于朴素贝叶斯网络NBα的分类器Cα;NB并对其训练,通过Cα;NB的测试得到方位角的估计
7.如权利要求4所述的角度估计方法,其特征在于,包括俯仰角估计的朴素贝叶斯网络,设计基于朴素贝叶斯网络NBβ的分类器Cβ;NB并对其训练,通过Cβ;NB的测试得到俯仰角的估计
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811183047.0A CN109188348B (zh) | 2018-10-11 | 2018-10-11 | 一种基于共形天线阵和贝叶斯网络的角度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811183047.0A CN109188348B (zh) | 2018-10-11 | 2018-10-11 | 一种基于共形天线阵和贝叶斯网络的角度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109188348A true CN109188348A (zh) | 2019-01-11 |
CN109188348B CN109188348B (zh) | 2023-02-24 |
Family
ID=64947655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811183047.0A Active CN109188348B (zh) | 2018-10-11 | 2018-10-11 | 一种基于共形天线阵和贝叶斯网络的角度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109188348B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1740812A (zh) * | 2005-06-17 | 2006-03-01 | 武汉大学 | 高频表面波雷达均匀直线阵接收通道的近场校正方法 |
US8994581B1 (en) * | 2012-09-25 | 2015-03-31 | Adam Brown | Direction of arrival (DOA) estimation using multiple offset receive channels |
CN104537249A (zh) * | 2015-01-04 | 2015-04-22 | 西安电子科技大学 | 基于稀疏贝叶斯学习的波达方向角估计方法 |
CN104977558A (zh) * | 2015-06-16 | 2015-10-14 | 电子科技大学 | 一种基于贝叶斯压缩感知的分布源中心波达方向估计方法 |
CN106654564A (zh) * | 2016-10-17 | 2017-05-10 | 哈尔滨工业大学(威海) | 基于宽带共形天线阵列的相位干涉仪及其参数估计方法 |
CN107015066A (zh) * | 2017-03-27 | 2017-08-04 | 电子科技大学 | 一种基于稀疏贝叶斯学习的天线阵列故障诊断方法 |
CN107436421A (zh) * | 2017-07-24 | 2017-12-05 | 哈尔滨工程大学 | 一种稀疏贝叶斯学习框架下混合信号doa估计方法 |
-
2018
- 2018-10-11 CN CN201811183047.0A patent/CN109188348B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1740812A (zh) * | 2005-06-17 | 2006-03-01 | 武汉大学 | 高频表面波雷达均匀直线阵接收通道的近场校正方法 |
US8994581B1 (en) * | 2012-09-25 | 2015-03-31 | Adam Brown | Direction of arrival (DOA) estimation using multiple offset receive channels |
CN104537249A (zh) * | 2015-01-04 | 2015-04-22 | 西安电子科技大学 | 基于稀疏贝叶斯学习的波达方向角估计方法 |
CN104977558A (zh) * | 2015-06-16 | 2015-10-14 | 电子科技大学 | 一种基于贝叶斯压缩感知的分布源中心波达方向估计方法 |
CN106654564A (zh) * | 2016-10-17 | 2017-05-10 | 哈尔滨工业大学(威海) | 基于宽带共形天线阵列的相位干涉仪及其参数估计方法 |
CN107015066A (zh) * | 2017-03-27 | 2017-08-04 | 电子科技大学 | 一种基于稀疏贝叶斯学习的天线阵列故障诊断方法 |
CN107436421A (zh) * | 2017-07-24 | 2017-12-05 | 哈尔滨工程大学 | 一种稀疏贝叶斯学习框架下混合信号doa估计方法 |
Non-Patent Citations (2)
Title |
---|
彭文灿等: "柱面共形阵列天线的极化-DOA估计", 《计算机仿真》 * |
齐子森等: "共形阵列天线MUSIC算法性能分析", 《电子与信息学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109188348B (zh) | 2023-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108957391A (zh) | 一种基于嵌套阵列的l型天线阵的二维波达方向估计方法 | |
CN106772225A (zh) | 基于压缩感知的波束域doa估计 | |
CN105911521B (zh) | 联合无线电信号复包络和载波相位信息的超视距目标直接定位方法 | |
CN109581281B (zh) | 基于到达时间差和到达频率差的移动目标定位方法 | |
CN109901101A (zh) | 基于电磁矢量传感器互质阵列相干信号到达角估计方法 | |
CN101644760B (zh) | 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法 | |
CN109633526A (zh) | 基于方向函数的非均匀圆阵相位干涉仪测向解模糊方法 | |
CN109671100A (zh) | 一种分布式可变扩散组合系数粒子滤波直接跟踪方法 | |
CN108318855A (zh) | 基于均匀圆阵的近场和远场混合信号源定位方法 | |
CN109116295A (zh) | 基于相控阵选取基线的无源测向算法 | |
CN106569180B (zh) | 一种基于Prony方法的方位估计算法 | |
CN109061556B (zh) | 一种基于弹性网络的稀疏迭代波达角估计方法 | |
CN107300686A (zh) | 基于多项式求解的非圆信号波达方向角的估计方法 | |
JP2005003579A (ja) | 測角装置及び測位装置 | |
CN109212466A (zh) | 一种基于量子蜻蜓演化机制的宽带测向方法 | |
CN109188348A (zh) | 一种基于共形天线阵和贝叶斯网络的角度估计方法 | |
Zeng et al. | Radio frequency based direction sensing using massive MIMO | |
CN113347709A (zh) | 一种基于uwb的室内定位方法及系统 | |
CN103901421B (zh) | 基于对角减载的水声阵列smi-mvdr空间谱估计方法 | |
CN108614235A (zh) | 一种多鸽群信息交互的单快拍测向方法 | |
JP5730506B2 (ja) | 到来方向標定装置および位置標定装置 | |
CN109946644A (zh) | 基于凸优化的嵌套阵列离网格目标波达方向角估计方法 | |
US20210173038A1 (en) | Apparatus, system and method of tracking a radio beacon | |
CN114051209B (zh) | 一种基于智能反射面和场景几何模型的指纹定位方法 | |
CN110133578A (zh) | 一种基于半圆柱体积阵的海底反射声线入射角度估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |