《表1 ESPRIT算法的水池实验结果》
进一步缩小两目标的角度间隔,将两个目标的方向调整为θ1=5?,θ2=20?,所得到的测向结果如图9所示。与图8相比,低复杂度MUSIC算法的背景噪声幅度有所升高,约为-25 dB,但是谱峰尖锐,仍然能够准确地分辨两个目标,测向结果的角度分别为。而MUSIC算法的测向结果与图8相比基本一致,仍然存在主瓣宽、背景噪声高的特点。由此可见,低复杂度的MUSIC算法有效地抑制了噪声对算法性能的影响,在降低了计算复杂度的同时,能够对两个角度间隔较小的目标进行准确的测向。由于ESPRIT算法不需要进行谱峰搜索,因此无法绘制功率谱图。利用ESPRIT算法对水池实验所获得的数据进行处理,所得到的测向结果如表1所示。低复杂度ESPRIT算法的测向精度受两目标角度间隔的影响较小,均方根误差均达到了1?,而ESPRIT算法的测向性能,随着两目标角度间隔的减小而降低。从表1可以看出,ESPRIT算法的水池实验结果与仿真实验的结果一致,低复杂度ESPRIT算法的测向精度高于ESPRIT算法。水池实验和仿真结果都验证了低复杂度算法的有效性。
图表编号 | XD0081686300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 程雪、王英民 |
绘制单位 | 西北工业大学航海学院、西北工业大学海洋声学信息感知工业和信息化部重点实验室、西北工业大学航海学院、西北工业大学海洋声学信息感知工业和信息化部重点实验室 |
更多格式 | 高清、无水印(增值服务) |