System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种信源数目估计方法,尤其涉及一种基于线性拟合的信源数目估计方法。
技术介绍
1、高级驾驶辅助系统(adas)是当今最热门的技术之一,已经越来越多的应用在了各类乘用车市场,作为adas系统最重要的传感器,毫米波雷达由于其优越的性能、全天候的工作环境以及低成本等优点,使它成为汽车行业中使用越来越广泛的电子器件。汽车毫米波雷达可以提供周围环境中障碍物的距离速度角度等信息,其中测角是最重要的技术要求,而大部分超分辨测角算法如多重信号分类算法(music)和旋转不变子空间算法(esprit)都需要对信源数目进行估计。传统的信源估计算法主要有基于信息论的aic准则和mdl准则等,这类算法在信噪比较高时信源估计正确率较高,但是在信噪比较低时信源估计的正确率大幅下降。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于线性拟合的信源数目估计方法,能够在信噪比较低时仍然提供有效的信源数目估计,在高信噪比时具有与信息论准则同等的估计性能。
2、本专利技术为解决上述技术问题而采用的技术方案是提供一种基于线性拟合的信源数目估计方法,包括如下步骤:s1)获取多个信号源的阵列输出向量的协方差矩阵;s2)对阵列输出向量的协方差矩阵进行特征值分解,并将特征值由大到小排序;前p个大特征值为信号所应对的特征值,后m-p个特征值为噪声对应的特征值;s3)将信号对应的大特征值和噪声对应的小特征值分别用两条线性曲线来拟合,两条线性曲线残差之和最小时对应的p即为估计的信源数目;或者对特征
3、进一步地,所述步骤s2用实际接收到的多个快拍数据对所述协方差矩阵进行估计后再进行特征值分解。
4、进一步地,所述步骤s3包括:
5、选择拟合函数为
6、y=ax+b;
7、将特征值由大到小排列后分为两组,第一组p个元素,第二组中m-p个元素,即λ1=[λ1,λ2,…λp]和λ2=[λp+1,λp+2,…λm],对两组特征值分别进行线性拟合,线性拟合时,将特征值的序列号当作自变量的输入,即x1=[1,2,…,p],x2=[p+1,p+2,…m],每组特征值作为因变量计算出拟合参数[a1,b1]和[a2,b2],然后再将特征值的序列号当作自变量的输入,输出的因变量当作新的特征值和然后计算新的特征值与原特征值之间的拟合残差,即
8、
9、接着对拟合后的残差求2-范数,并将两者相加得到
10、norm=||e1||2+||e2||2;
11、特征值分组时p值取不同的值对应不同的分组,并计算出多个norm,找到其中最小的norm,其对应的p值即为估计的信源数目,即
12、num=i|min(norm(i));
13、num为估计出的信源数目,其结果等于零比值f取最大值时i的值。
14、进一步地,所述步骤s3包括:
15、首先对特征值依次求比值:
16、
17、对得到的比值d做线性拟合,拟合的自变量为特征值比值的序列号,因变量为比值d,得到一组拟合参数[a3,b3],然后将比值的序列号作为输入自变量得到一组新的因变量最后在对的值依次做比值;
18、
19、找出比值f之间的最大值即可估计出信源数目:
20、num=i|max(f(i));
21、num为估计出的信源数目,其结果等于零比值f取最大值时i的值。
22、本专利技术对比现有技术有如下的有益效果:本专利技术提供的基于线性拟合的信源数目估计方法,能够在信噪比较低时仍然提供有效的信源数目估计,在高信噪比时具有与信息论准则同等的估计性能。
本文档来自技高网...【技术保护点】
1.一种基于线性拟合的信源数目估计方法,其特征在于,包括如下步骤:
2.如权利要求1所述的基于线性拟合的信源数目估计方法,其特征在于,所述步骤S2用实际接收到的多个快拍数据对所述协方差矩阵进行估计后再进行特征值分解。
3.如权利要求1所述的基于线性拟合的信源数目估计方法,其特征在于,所述步骤S3包括:
4.如权利要求1所述的基于线性拟合的信源数目估计方法,其特征在于,所述步骤S3包括:
【技术特征摘要】
1.一种基于线性拟合的信源数目估计方法,其特征在于,包括如下步骤:
2.如权利要求1所述的基于线性拟合的信源数目估计方法,其特征在于,所述步骤s2用实际接收到的多个快拍数据对所述协方差矩阵进行估计后再...
【专利技术属性】
技术研发人员:康长世,
申请(专利权)人:立晟智能科技成都有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。