简介:单站无源定位系统的测量噪声中如果出现野值,会影响滤波器的估计精度和稳定性,严重时还会导致滤波器发散。针对这一问题,基于Bayes定理并结合归一化受污染正态模型,提出了一种抗野值鲁棒容积卡尔曼滤波算法。该算法采用球面径向积分原则直接计算非线性函数的均值和方差,并对测量误差建立一个归一化的受污染正态模型,然后根据野值出现的后验概率来自适应调整测量预测残差的方差阵。结合空频域单站无源定位模型进行仿真实验表明,该算法可以较好地抑制测量噪声中的离散或成片连续野值的不利影响,具有较强的鲁棒性。
简介:理想条件下,均匀线阵的互耦矩阵可用一带状、对称Toeplitz矩阵进行建模。然而实测数据表明,均匀线阵的互耦矩阵具有对称性,但不具有Toeplitz性,此时仍按理想情况建模,会导致DOA估计不准甚至完全失效。基于RBF神经网络,提出了互耦矩阵非Toeplitz条件下的DOA估计方法。算法利用了信号协方差矩阵的对称性和对角线元素不含信号DOA信息的特点,取协方差矩阵的上三角的元素作为网络输入,不仅减少了网络的输入数,同时还提高了与阵列法线夹角60°外的DOA估计精度。实验仿真结果验证了算法的有效性。