科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统广义互相关时延估计技术是直接基于测量数据,其精度受环境噪声及异常值波动影响显著下降。针对上述问题,提出了一种新的时延估计算法,即奇异值分解的HB(Hassab-Boucher)加权广义互相关法。首先,将接收到的信号进行奇异值分解处理,抑制环境噪声的影响并提高信号的信噪比;其次,采用降噪后的信号进行互功率谱计算时引入HB加权函数,达到锐化互相关函数峰值的目的;最后,在时延初值未知的情况下,提出了一种基于中位数与平均数结合的时延后处理方案,去除时延估计结果中的异常值波动,得到最优时延估计值。仿真实验结果表明,在低信噪比条件下,与传统的广义互相关和基于奇异值分解的广义互相关参考方法相比,本文提出方法的异常点百分比和均方根误差更低,时延估计正确率更高。
- 出版日期2018
- 单位西安电子科技大学
