典型文献
阵列误差下的近场源PCA-BP参数估计算法
文献摘要：
当信号接收阵列存在误差时,阵列的导向矢量将会出现偏差,进而影响到参数估计算法的性能.为了减少阵列误差对参数估计结果的影响和降低计算复杂度,可以采用智能算法与主成分分析结合的方式.首先,利用后向传播神经网络方法将误差和其他因素包含在网络模型中,避开误差建模的繁琐过程;其次,由于后向传播神经网络训练近场源参数估计模型的时间过长,复杂度较高,为了缩短训练时间,减少计算量,在后向传播网络模型中引进主成分分析方法来降低信号特征矩阵维数,再把降维后的信号特征矩阵作为后向传播神经网络的输入特征,将近场源参数作为期望输出来进行训练,从而简化网络结构,减少训练过程中要估计的权值参数,缩短训练时间;最后,将包含待估计信号信息的接收数据输入到训练好的网络模型中,得到信号入射方向的估计值.该算法能够在接收阵列存在误差的情况下对近场源参数进行准确的估计,提高低信噪比下近场源信号参数的估计性能.仿真实验结果表明了该算法的有效性.
文献关键词：
主成分分析;近场源;后向传播神经网络;到达角;协方差矩阵
中图分类号：
作者姓名：
王乐;赵佩瑶;王兰美;王桂宝
作者机构：
西安电子科技大学物理与光电工程学院,陕西西安710071;西安电子科技大学通信工程学院,陕西西安710071;陕西理工大学物理与电信工程学院,陕西汉中723001
文献出处：
引用格式：
[1]王乐;赵佩瑶;王兰美;王桂宝-.阵列误差下的近场源PCA-BP参数估计算法)[J].西安电子科技大学学报（自然科学版）,2022(01):181-187
A类：
近场源
B类：
阵列误差,差下,参数估计,估计算法,信号接收,导向矢量,低计算复杂度,智能算法,后向传播神经网络,神经网络方法,避开,误差建模,神经网络训练,短训,训练时间,减少计算量,传播网络,主成分分析方法,来降,低信号,信号特征,特征矩阵,输入特征,将近,期望输出,少训练,训练过程,权值参数,接收数据,练好,入射,估计值,低信噪比,源信号,到达角,协方差矩阵
AB值：
0.296398
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
