✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab完整代码及仿真定制内容点击👇
🔥 内容介绍
本文将非线性最小二乘方向图综合法应用到MIMO雷达方向图综合中,首先对发射波形的协方差矩阵进行分解,然后构造非线性最小二乘代价函数优化分解因子,从而使综合的方向图最大限度地逼近期望方向图。与现有MIMO雷达方向图综合方法相比,本文方法能通过罚函数,灵活调节综合方向图的过渡带宽度和主瓣波动幅度,且具有更小的均方误差。此外,还研究了MIMO雷达模型下的一种子空间DOA估计方法,通过直接对数据协方差矩阵进行变换,依据过估计理论,构造得到信号子空间和噪声子空间的投影矩阵。该方法既不需要对数据协方差矩阵进行特征分解,也不需要已知信源数,而且适用于相干源问题,在低信噪比、多目标情况下估计性能依然良好。仿真实验验证了本文方法的有效性。
📣 部分代码
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%MIMO模型:子空间方法(相干/非相干源皆可)
%不需要已知信源数,且不需要特征分解
%
clc;close all;clear all
Nt=2; %发射阵元数
Nr=10; %接收阵元数
lambda=0.03;%波长
c=3e8; %光速
dr=0.5*lambda; %接收阵元间距=半波长
monte_carlo=100;
L=100; %快拍数
K=4; %目标数
Snr=5; %信噪比:dB
SNR=10.^(Snr/20);
doa=[-20,-10,10,20]*pi/180;%,目标DOA
Ar=exp(j*2*pi*dr*(0:Nr-1)'*sin(doa)/lambda);%接收导向矢量
%waveform: hardmard codes(发射正交波形)
temp=1;
for kk=1:ceil(log2(L))
temp=[temp temp; temp -1*temp]; %#ok<AGROW>
end
waveformSet=temp;
wa
J=fliplr(J);
Rb=J*conj(Rx)*J;
Rx=(Rx+Rb)/2;
Ps=zeros(Nr);
%%%============过估计============%%%
for m=1:2
R=Rx(:,m:Nr+m-2);%+R1;
Ps=Ps+R*pinv(R'*R)*R';
end
Ps=Ps/2;
%%%===============================%%%
Pn=eye(Nr)-Ps;
temp_00=zeros(1,length(theta));
for ii=1:length(theta)
aseek=exp(j*2*pi*dr*sin(theta(ii))*(0:Nr-1)'/lambda);
temp_00(ii)=abs(1/(aseek'*Pn*aseek)); %改进方法
end
% temp_00=10*log10(temp_00/max(temp_00));%
p=p+temp_00;
end
P=p/monte_carlo;
P=10*log10(P/max(P));
figure
plot(theta*180/pi,P),grid on
% plot(doa(1)*180/pi,-35:0.2:0,'r-')
% plot(doa(2)*180/pi,-35:0.2:0,'r-')
% plot(doa(3)*180/pi,-35:0.2:0,'r-')
% plot(doa(4)*180/pi,-35:0.2:0,'r-')
xlabel('扫描区域(\circ)')
ylabel('spectrum/dB')
title('非相干源DOA估计')
% title('相干源DOA估计')
⛳️ 运行结果
🔗 参考文献
[1]莫海生.MIMO雷达发射方向图综合与DOA估计方法研究[D].西安电子科技大学[2024-04-04].DOI:10.7666/d.y1485984.
🎈 部分理论引用网络文献,若有侵权联系博主删除
🎁 关注我领取海量matlab电子书和数学建模资料
👇 私信完整代码和数据获取及论文数模仿真定制
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题
2 机器学习和深度学习方面
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类