-
公开(公告)号：CN111208480A
公开(公告)日：2020-05-29
申请号：CN201910929823.5
申请日：2019-09-29
Applicant: 北京机电工程研究所
IPC: G01S7/36
Abstract: 本发明提供一种用于电子对抗装备侦收信号的载波的自适应辨识方法，能够有效对信号的载波进行辨识。包括：采集电子对抗装备接收到的离散时间信号序列；将该信号均分成K组信号数据；将K组信号数据处理成K个列向量；基于K个列向量构建矩阵A；获取A的相关矩阵R，估计R的秩P；对A进行奇异值分解，并将矩阵VA表示成列向量的形式；从矩阵VA中提取后LN-P个列向量得到新的LN×1维列向量，并将第k个列向量表示为gk；对gk中的元素进行处理，得到L(P-N+1)×P维矩阵Θk；利用Θk构建矩阵η；对η进行奇异值分解，并将Uη表示成列向量的形式；提取Uη的最后一列列向量uη,L(P-N+1)，处理得到列向量h(l)；将上步得到的列向量组合成向量h；基于向量h求得信号载波z。
-
公开(公告)号：CN110727913A
公开(公告)日：2020-01-24
申请号：CN201910929746.3
申请日：2019-09-29
Applicant: 北京机电工程研究所
IPC: G06F17/16
Abstract: 本发明提供一种基于信号相关矩阵的信号模型阶数估计方法，能够实现对信号模型阶数正确有效估计。该方法包括以下步骤：步骤1、采集N个信号组成的离散时间信号序列，其按照时间顺序表示为：u(1),u(2),…,u(N)，式中，u(i)表示第i*ts时刻采集到的信号，ts为信号的采样周期；步骤2、基于步骤1得到的N个所述信号构建矩阵A，其中，矩阵A为M×(N+M-1)维矩阵，M＜N；步骤3、基于所述矩阵A获取所述信号相关矩阵R及R的特征值；步骤4、基于所述信号相关矩阵R的特征值获取信号相关矩阵R的参数r(p)；步骤5、对步骤4获取的参数r(p)取最小值，所述最小值对应的标号即为信号模型阶数。
-
公开(公告)号：CN110727913B
公开(公告)日：2023-07-14
申请号：CN201910929746.3
申请日：2019-09-29
Applicant: 北京机电工程研究所
IPC: G06F17/16
Abstract: 本发明提供一种基于信号相关矩阵的信号模型阶数估计方法，能够实现对信号模型阶数正确有效估计。该方法包括以下步骤：步骤1、采集N个信号组成的离散时间信号序列，其按照时间顺序表示为：u(1),u(2),…,u(N)，式中，u(i)表示第i*ts时刻采集到的信号，ts为信号的采样周期；步骤2、基于步骤1得到的N个所述信号构建矩阵A，其中，矩阵A为M×(N+M‑1)维矩阵，M＜N；步骤3、基于所述矩阵A获取所述信号相关矩阵R及R的特征值；步骤4、基于所述信号相关矩阵R的特征值获取信号相关矩阵R的参数r(p)；步骤5、对步骤4获取的参数r(p)取最小值，所述最小值对应的标号即为信号模型阶数。
-
公开(公告)号：CN111208480B
公开(公告)日：2022-07-08
申请号：CN201910929823.5
申请日：2019-09-29
Applicant: 北京机电工程研究所
IPC: G01S7/36
Abstract: 本发明提供一种用于电子对抗装备侦收信号的载波的自适应辨识方法，能够有效对信号的载波进行辨识。包括：采集电子对抗装备接收到的离散时间信号序列；将该信号均分成K组信号数据；将K组信号数据处理成K个列向量；基于K个列向量构建矩阵A；获取A的相关矩阵R，估计R的秩P；对A进行奇异值分解，并将矩阵VA表示成列向量的形式；从矩阵VA中提取后LN‑P个列向量得到新的LN×1维列向量，并将第k个列向量表示为gk；对gk中的元素进行处理，得到L(P‑N+1)×P维矩阵Θk；利用Θk构建矩阵η；对η进行奇异值分解，并将Uη表示成列向量的形式；提取Uη的最后一列列向量uη,L(P‑N+1)，处理得到列向量h(l)；将上步得到的列向量组合成向量h；基于向量h求得信号载波z。
-
-
-
Search Results
4
records
(took 0.027 seconds)
