【陣列信號處理】空間匹配濾波器、錐形/非錐形最佳波束成形器、樣本矩陣反演 (SMI) 研究(Matlab代碼實現)

💥💥💞💞歡迎來到本博客????💥💥

🏆博主優勢:🌞🌞🌞博客內容盡量做到思維縝密,邏輯清晰,為了方便讀者。

??座右銘:行百里者,半于九十。

📋📋📋本文目錄如下:🎁🎁🎁

目錄

💥1 概述

📚2 運行結果

🎉3?參考文獻

🌈4 Matlab代碼實現


💥1 概述

空間匹配濾波器(Spatial Matched Filter)是一種用于信號處理的濾波器。它的原理是通過將輸入信號與預先存儲的參考信號進行相關運算,從而增強目標信號并抑制噪聲。空間匹配濾波器在雷達、聲納等領域廣泛應用,用于目標檢測、目標跟蹤等任務。

錐形最佳波束成形器(Conical Beamformer)是一種用于信號處理的波束成形器。它通過調整傳感器陣列中各個傳感器的權重,使得陣列對特定方向的信號響應最大化,從而實現對目標信號的增強。錐形最佳波束成形器在無線通信、聲納等領域常用于信號接收和目標定位。

非錐形最佳波束成形器(Non-Conical Beamformer)是一種波束成形器的變種。與錐形最佳波束成形器不同的是,非錐形最佳波束成形器可以實現對多個目標信號的增強,而不僅僅是單個方向的信號。非錐形最佳波束成形器在多目標檢測和定位等任務中具有重要應用。

樣本矩陣反演(Sample Matrix Inversion)是一種用于信號處理的方法。它通過對接收到的信號進行采樣和矩陣運算,估計信號源的位置和強度。樣本矩陣反演在無線通信、雷達等領域常用于信號定位和信號源分離。

以上這些方法在陣列信號處理中都有廣泛的研究和應用,它們可以提高信號的質量和可靠性,從而提升系統性能。

📚2 運行結果

?

?

?

?

?

?

?

?

?

?部分代碼:

% We illustrate the use of tapers with the spatial matched filter for the extraction
% of a radar signal in the presence of a jamming interference source using a ULA with M = 20
% elements with $\lambda/2$ spacing. The desired radar signal is known as a target and is?
% present for only one sample in time. Here the target signal is at time sample (range gate)
% n = 100 and is at $\phi_s = 0^{\circ}$ with an array SNR of 20 dB. The jammer transmits a?
% high-power, uncorrelated waveform (white noise). The angle of the jammer is $\phi_i = 20^{\circ}$
% and its strength is 40 dB. The additive, sensor thermal noise has unit power (0 dB).
%
% Copyright 2016 - 2026, Ilias S. Konsoulas.

%% Workspace Initialization.
clc; clear; close all;

%% Signal Definitions.
M ? ? ?= 20; ? ? ? % Number of Array Elements.
N ? ? ?= 200; ? ? ?% Number of Signal Samples.
n ? ? ?= 1:N; ? ? ?% Sample Index Vector.
lambda = 1; ? ? ? ?% Incoming Signal Wavelength in (m).
d ? ? ?= lambda/2; % Interelement Distance in (m).
SNR ? ?= 20; ? ? ? % target volatege signal array SNR in dBs.
INR ? ?= 40; ? ? ? % interference array SNR in dBs.
phi_s ?= 0; ? ? ? ?% target azimuth angle in degrees.
phi_i ?= 20; ? ? ? % interference azimuth angle in degrees.

u_s ?= (d/lambda)*sin(phi_s*pi/180); % Target Normalized Spatial Frequency.
u_si = (d/lambda)*sin(phi_i*pi/180); % Jammer Normalized Spatial Frequency.

s = zeros(M,N);
s(:,100) = 10^(SNR/20)*exp(-1i*2*pi*u_s*(0:M-1).')/sqrt(M);

% Uncorrelated unit power thermal noise samples drawn from a complex Gaussian distribution
w = (randn(M,N)+1i*randn(M,N))/sqrt(2);

% The interference (jammer) vector is generated by:
% v_i = exp(-1i*pi*[0:M-1]'*sin(phi_i*pi/180))/sqrt(M); mentioned in the book is wrong.
v_i = exp(-1i*2*pi*u_si*(0:M-1).')/sqrt(M);
i_x = 10^(INR/20)*v_i*(randn(1,N)+1i*randn(1,N))/sqrt(2);

%The three signals are added to produce the overall array signal
x = s + i_x + w;

% Two beamformers (steered to phi = 0.) are applied to the resulting array returns: a spatial matched
% filter and a tapered beamformer with a -50-dB sidelobe level. The resulting beamformer output
% signals are shown in Figure 11.15. The spatial matched filter is unable to reduce the jammer
% sufficiently to observe the target signal at n = 100. However, the tapered beamformer is able
% to attenuate the jammer signal below the thermal noise level and the target is easily extracted.
% The target signal is approximately 18.5 dB with the -1.5 dB loss due to the tapering loss in (11.2.24).

%% Spatial Matched Filter or Steering Vector Beamformer.
c_mf = exp(-1i*2*pi*u_s*(0:M-1).')/sqrt(M); ??

% Spatial Dolph-Chebychev Window of length M = 20 with -50 dB sidelobe attenuation:
w = chebwin(M,50);

% Compute the Combined Taper by taking the Hadamard product:
c_mft = c_mf.*w;

% Normalize the combined taper vector:

🎉3?參考文獻

部分理論來源于網絡,如有侵權請聯系刪除。

[1]羅日成,李衛國,李成榕.基于陣列信號處理的變壓器內局部放電源多目標定位方法[J].電網技術, 2006, 30(1):5.DOI:10.3321/j.issn:1000-3673.2006.01.013.

[2]張小飛,汪飛,徐大專.陣列信號處理的理論和應用[M].國防工業出版社,2010.

[3]羅景青,保錚.雷達陣列信號處理技術的新發現(一)[J].現代雷達, 1993, 15(2):11.DOI:CNKI:SUN:XDLD.0.1993-02-015.

[4]馬友科,宋萬杰,吳順君,等.基于多DSP的雷達陣列信號處理系統[J].雷達科學與技術, 2009, 7(2):4.DOI:10.3969/j.issn.1672-2337.2009.02.008.

🌈4 Matlab代碼實現

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/34812.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/34812.shtml
英文地址,請注明出處:http://en.pswp.cn/news/34812.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

九耶丨閣瑞鈦倫特-產品經理面試題

在產品上線后,會著重觀察6類指標: 1、活躍用戶指標 衡量APP用戶規模的指標,一個產品是否成功,如果只看一個指標,那么這個指標一定是活躍用戶數。 日活(DAU):一天內日均活躍設備數(去重,每個公…

關于使用pycharm遇到只能使用unittest方式運行,無法直接選擇Run

相信大家可能都遇到過這個問題,使用pycharm直接運行腳本的時候,只能選擇unittest的方式,能愁死個人 經過幾次各種嘗試無果之后,博主就放棄死磕了,原諒博主是個菜鳥 后來遇到這樣的問題,往往也就直接使用cm…

Python爬蟲-抓取的目標數據為#x開頭,怎么解決?

前言 本文是該專欄的第4篇,后面會持續分享python爬蟲案例干貨,記得關注。 在做爬蟲項目的時候,有時候抓取的平臺目標數據為&#x開頭,如下圖所示: 瀏覽器顯示的正常數據,但通過爬蟲協議獲取到的網頁源碼數據卻是以&#x開頭的隱藏數據,遇到這種情況,爬蟲需要怎么處…

【Linux從入門到精通】文件I/O操作(C語言vs系統調用)

文章目錄 一、C語言的文件IO相關函數操作 1、1 fopen與fclose 1、2 fwrite 1、3 fprintf與fscanf 1、4 fgets與fputs 二、系統調用相關接口 2、1 open與close 2、2 write和read 三、簡易模擬實現cat指令 四、總結 🙋?♂? 作者:Ggggggtm 🙋?…

Golang bitset 基本使用

安裝: go get github.com/bits-and-blooms/bitset下面代碼把fmtx換成fmt就行 //------------基本操作------------//構建一個64bit長度的bitsetb : bitset.New(64)//放入一個數b.Set(10)fmtx.Println("add-10:", b.DumpAsBits()) // 0000000…

針對英特爾酷睿 CPU 優化,Canonical 發布 Ubuntu 實時內核

導讀Canonical 今天宣布針對支持時序協調運算(TCC)和時間敏感網絡(IEEE TSN)的英特爾酷睿處理器,推出優化版實時 Ubuntu 內核。 Canonical 于今年 2 月宣布,為購買 Ubuntu Pro 訂閱,使用代號為 …

OPENCV C++(七)霍夫線檢測+找出輪廓和外接矩形+改進旋轉

霍夫線檢測 vector<Vec2f> lines1;HoughLines(canny_mat, lines1, 1, CV_PI / 180.0,90 );//45可以檢測里面兩條線 80檢測出外邊兩條線 定義存放輸出線的向量 此向量輸出有<距離&#xff0c;角度> 因為檢測的原理就是在變換霍夫空間里面去檢測的&#xff0c;這里可…

ESP8266(RTOS SDK)內嵌網頁以實現WEB配網以及數據交互

【本文發布于https://blog.csdn.net/Stack_/article/details/131997098&#xff0c;未經允許不得轉載&#xff0c;轉載須注明出處】 1、執行make menuconfig&#xff0c;將http頭由512改為更大的值&#xff0c;否則用電腦瀏覽器訪問正常&#xff0c;但用手機瀏覽器訪問會因為ht…

基于weka手工實現K-means

一、K-means聚類算法 K均值聚類&#xff08;K-means clustering&#xff09;是一種常見的無監督學習算法&#xff0c;用于將數據集中的樣本劃分為K個不同的類別或簇。它通過最小化樣本點與所屬簇中心點之間的距離來確定最佳的簇劃分。 K均值聚類的基本思想如下&#xff1a; …

【快應用】list組件如何區分滑動的方向?

【關鍵詞】 list組件、滑動方向、scroll 【問題背景】 有cp反饋list這個組件在使用的時候&#xff0c;不知道如何區分它是上滑還是下滑。 【問題分析】 list組件除了通用事件之外&#xff0c;還提供了scroll、scrollbottom、scrolltop、scrollend、scrolltouchup事件&#x…

UIE在實體識別和關系抽取上的實踐

近期有做信息抽取的需求&#xff0c;UIE在信息抽取方面效果不錯。 模型準備 huggingface上下載UIE模型&#xff1a;PaddlePaddle/uie-base Hugging Face 點擊“Clone Repository”&#xff0c;確定git clone的鏈接 其中包含大文件&#xff0c;需要在windows安裝git-lfs&am…

九、多態(1)

本章概要 向上轉型回顧 忘掉對象類型 轉機 方法調用綁定產生正確的行為可擴展性陷阱&#xff1a;“重寫”私有方法陷阱&#xff1a;屬性與靜態方法 多態是面向對象編程語言中&#xff0c;繼數據抽象和繼承之外的第三個重要特性。 多態提供了另一個維度的接口與實現分離&…

C++_模板初階

在面向對象中&#xff0c;我們可以使用重載來實現多態。 但是問題在于&#xff0c;重載的函數僅僅是類型不同&#xff0c;代碼復用率比較低&#xff0c;只要有新的類型出現時&#xff0c;就要增加對應的函數&#xff1b;另一方面它的代碼可維護性比較低&#xff0c;一個出錯可…

java實現文件的下載

系統日志的獲取不可能每次都登錄服務器&#xff0c;所以在頁面上能夠下載系統運行的日志是必須的 如何來實現日志的下載&#xff0c;這樣的一個功能 前端我們用到的是window.open(...)這樣可以發送一個get請求到后臺 后臺接收到get請求之后&#xff0c;如何實現對文件的下載 R…

ubuntu中redis+mysql安裝使用

pip -V 回車&#xff08;大寫V&#xff09;&#xff1a;python包庫安裝路徑 python -m site: python查找路徑 1、redis ubuntu安裝redis System has not been booted with systemd as init system (PID 1). Cant operate&#xff1b;該問題是systemctl start redis報錯&#…

ZLMediaKit(webrtc)在linux上(CentOS7)部署與啟動

一.ZLMediaKit(webrtc)在CentOS7部署與啟動 # 1. 卸載舊版本 yum remove git # 2. 安裝 yum 源的 Git 版本 yum install -y git # 3. 查看版本 git version # 輸出 git version 1.8.3.1配置全局環境變量 # 1. 編輯配置文件 vim /etc/profile # 2. 在 /etc/profile 文件中末尾…

用 Rufus 制作 Ubuntu 系統啟動盤時,選擇分區類型為MBR還是GPT?

當使用 Rufus 制作 Ubuntu 系統啟動盤時&#xff0c;您可以根據您的需求選擇分區類型&#xff0c;MBR&#xff08;Master Boot Record&#xff09;還是 GPT&#xff08;GUID Partition Table&#xff09;。 MBR 是傳統的分區表格式&#xff0c;適用于大多數舊版本的操作系統和舊…

2023/08/13_____JMM JAVA Memory Model JAVA內存模型

JMM JAVA Memory Model java內存模型 作用&#xff1a;緩存一致性協議&#xff0c;用于定義數據讀寫的規則&#xff08;遵守&#xff0c;找到這個規則&#xff09; JMM定義了線程2工作內存和主內存之間的抽象關系&#xff1a;線程之間的共享變量存儲在主內存&#xff08;main …

TLS協議

目錄 什么是TLS協議&#xff1f; TLS的基本流程&#xff1f; 兩種密鑰交換算法&#xff1f; 基于ECDHE密鑰交換算法的TLS握手過程&#xff1f; 基于RSA密鑰交換算法的TLS握手過程&#xff1f; 基于RSA的握手和基于ECDHE的握手有什么區別&#xff1f; 什么是前向保密&…

tp6 v3微信退款

/*** Notes:退款* param $out_trade_no 支付時候訂單號&#xff08;order表 original_bn&#xff09;兩個參數選一個這個要選對* param $out_refund_no 退款訂單號* param $total 訂單金額* param $refund 退款金額* Time: 2023-08-10*/public function refundMoney($out_trade…