无源定位之时差估计的精确时差估计算法(ETDE)及MATLAB实现程序
精确时差估计算法(ETDE)及MATLAB实现程序
- 算法原理
- 算法总结
- 性能分析
- 实验结果
算法原理
假设两接收站分别接收的带噪信号为
{x(kT)=s(kT)+ε1(kT)y(kT)=s(kT−D)+ε2(kT)\left\{ \begin{matrix} x(kT)=s(kT)+{{\varepsilon }_{1}}(kT) \\ y(kT)=s(kT-D)+{{\varepsilon }_{2}}(kT) \\ \end{matrix} \right.{x(kT)=s(kT)+ε1(kT)y(kT)=s(kT−D)+ε2(kT)
其中延迟 DDD为分数时延,s(kT)s(kT)s(kT) 、ε1(kT){{\varepsilon }_{1}}(kT)ε1(kT)和 ε2(kT){{\varepsilon }_{2}}(kT)ε2(kT)为互不相干的宽平稳零均值高斯白噪声随机过程。其中分数时延可以通过对信号进行内插重建得到。为简化模型且不失一般性,假设采样间隔为单位时间 。故延迟信号可以通过对信号进行与sinc函数进行卷积得到。
y(k)=x(k−D)=∑n=−∞+∞sinc(n−D)x(k−D)y(k)=x(k-D)\text{=}\sum\limits_{n=-\infty }^{+\infty }{\sin \text{c}(n-D)x(k-D)}y(k)=x(k−D)=n=−∞∑+∞sinc(n−D)x(k−D)
其中函数 ,sinc(v)=sin(πv)πv\sin \text{c}(v)=\frac{\sin (\pi v)}{\pi v}sinc(v)=πvsin(πv)由于理想的分数延时滤波器难以实现。一般使用加窗截断得到其近似解,近似误差随滤波器阶数的增加而增加,截断后的延迟信号如下
y(k)=x(k−D)=∑n=−MMsinc(n−D)x(k−D)y(k)=x(k-D)\text{=}\sum\limits_{n=-M}^{M}{\sin \text{c}(n-D)x(k-D)}y(k)=x(k−D)=n=−M∑Msinc(n−D)x(k−D)
对于ETDE算法,利用估计的延时 D^(k)\hat{D}(k)D^(k)来代替上式的真实值DDD ,并用sinc函数代替自适应算法中的滤波器系数,通过求解瞬时均方误差 ∣e(k)∣2{{\left| e(k) \right|}^{2}}∣e(k)∣2最小值的梯度下降法的局部最优解获得估计的分数时延值。
算法总结
e(k)=y(k)−∑n=−MMsinc(n−D^(k))x(k−D)=y(k)−x(k−D^(k))e(k)=y(k)-\sum\limits_{n=-M}^{M}{\sin \text{c}(n-\hat{D}(k))x(k-D)} \\ =y(k)-x(k-\hat{D}(k)) \\ e(k)=y(k)−n=−M∑Msinc(n−D^(k))x(k−D)=y(k)−x(k−D^(k))
D^(k+1)=D^(k)-2μ∂e2(k)∂D^(k)=D^(k)-2μe(k)∑n=−MMf(v)x(k−D)f(v)=cos(πv)−sinc(v)vv=n−D^(k)\hat{D}(k+1)=\hat{D}(k)\text{-}2\mu \frac{\partial {{e}^{2}}(k)}{\partial \hat{D}(k)} \\ \text{=}\hat{D}(k)\text{-}2\mu e(k)\sum\limits_{n=-M}^{M}{f(v)x(k-D)} \\ f(v)=\frac{\cos (\pi v)-\sin c(v)}{v}v=n-\hat{D}(k) \\ D^(k+1)=D^(k)-2μ∂D^(k)∂e2(k)=D^(k)-2μe(k)n=−M∑Mf(v)x(k−D)f(v)=vcos(πv)−sinc(v)v=n−D^(k)
同时保证滤波器阶数M远远大于延时 。
性能分析
估计均方误差的理论计算值如下
var(D^)=6μσn2(σs2+σn2)σs2[3−μ(3π2σs2+π2σn2)]orvar(D^)=6μσs2(SNR+1)SNR[3SNR−μπ2σs2(3SNR+1)]\operatorname{var}(\hat{D})\text{=}\frac{6\mu \sigma _{n}^{2}(\sigma _{s}^{2}+\sigma _{n}^{2})}{\sigma _{s}^{2}[3-\mu (3{{\pi }^{2}}\sigma _{s}^{2}+{{\pi }^{2}}\sigma _{n}^{2})]} \\ or \\ \operatorname{var}(\hat{D})=\frac{6\mu \sigma _{s}^{2}(SNR+1)}{SNR[3SNR-\mu {{\pi }^{2}}\sigma _{s}^{2}(3SNR+1)]} \\ var(D^)=σs2[3−μ(3π2σs2+π2σn2)]6μσn2(σs2+σn2)orvar(D^)=SNR[3SNR−μπ2σs2(3SNR+1)]6μσs2(SNR+1)
实验结果
实验条件: s(k)s(k)s(k)、ε1(kT){{\varepsilon }_{1}}(kT)ε1(kT)和 ε2(kT){{\varepsilon }_{2}}(kT)ε2(kT)为互不相关的宽平稳零均值宽带高斯白噪声随机过程。源信号功率为单位功率,步长 μ=0.0003\mu=0.0003μ=0.0003。设置时延在±5T\pm 5T±5T 内,滤波器阶数设置为M=10M=10M=10 可以保证可接受的截断误差。设置真实误差 D=1.7TD=1.7TD=1.7T,迭代次数 3000次,两接收机的信噪比均为SNR=0dBSNR=0dBSNR=0dB 设置迭代初始估计时延为 D^(0)=2.0T\hat{D}(0)\text{=}2.0TD^(0)=2.0T。进行100次蒙特卡洛试验
文献结果
代码下载地址
参考文献:
H. C. So, P. C. Ching, and Y. T. Chan, “A new algorithm for explicit adaptation of time delay,” IEEE Trans. Signal Process., vol. 42, no. 7, pp. 1816–1820, Jul. 1994, doi: 10.1109/78.298289.
无源定位之时差估计的精确时差估计算法(ETDE)及MATLAB实现程序相关推荐
- DoA 估计:多重信号分类 MUSIC 算法(附 MATLAB 代码)
本文首次在公众号[零妖阁]上发表,为了方便阅读和分享,我们将在其他平台进行自动同步.由于不同平台的排版格式可能存在差异,为了避免影响阅读体验,建议如有排版问题,可前往公众号查看原文.感谢您的阅读和支持 ...
- 浙大开源 | VID-Fusion: 用于精确外力估计的鲁棒视觉惯性动力学里程计
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 1 摘要 近年来,四旋翼飞行器在航空运输中受到了极大的关注.在这些情况下,外力的精确估计与6自由度(D ...
- 时差 频差 双星定位 matlab,双星时差频差无源定位系统定位算法工程指标分析
文章编号 :1001 - 893X(2011)07 - 0034 - 04 双星时差频差无源定位系统定位算法工程指标分析Ξ王勤果 ,龙 宁 (中国西南电子技术研究所 ,成都 610036) 摘 要 : ...
- 微软开源3D人体姿态估计的交叉视图融合算法,提高SOTA精度
今天分享一下微软亚洲研究院新的开源3D姿态估计的一篇论文:用于3D人体姿势估计的Cross View Fusion,它大大减少了3D姿态估计的误差. 在H36M数据集上,MPJPE(关节点误差平均值) ...
- 机器学习 —— 基础整理(三)生成式模型的非参数方法: Parzen窗估计、k近邻估计;k近邻分类器...
本文简述了以下内容: (一)生成式模型的非参数方法 (二)Parzen窗估计 (三)k近邻估计 (四)k近邻分类器(k-nearest neighbor,kNN) (一)非参数方法(Non-param ...
- 统计信号处理基础 - 估计与检测理论 估计部分习题3.7公式推导
统计信号处理基础 - 估计与检测理论 估计部分习题3.7公式推导 题目 证明 结论 得证 题目 相信学习信号检测与估计的童鞋们肯定看到过Steven M.Kay大牛的书,非常厚的一本,不得不说,人家的 ...
- 【应用回归分析】CH3 回归参数的估计6——广义最小二乘估计
目录 一.广义最小二乘估计的推导 二.广义最小二乘估计的性质--[定理3.6.1] 1.定理内容 2.定理证明 3.定理说明 三.简单例子 四.[例3.6.1] 一.广义最小二乘估计的推导 在前面的讨 ...
- 统计知识基础(三)常用构造估计量的两种方法——矩估计、最大似然估计
矩估计法 矩估计法的定义 矩估计法是用样本kkk阶矩作为总体的kkk阶矩的估计量,建立含待估计参数的方程,从而解出带估计参数.矩估计中,总体均值与方差的矩估计量的表达式不因不同的总体分布而异.通俗的讲 ...
- 机器学习笔记1.矩估计、极大似然估计。
1.矩估计 1.1矩估计思想: 矩估计是基于一种简单的"替换"思想,即用样本矩估计总体矩 1.2矩估计理论: 矩估计的理论依据就是基于大数定律的,大数定律语言化表述为:当总体的k阶 ...
最新文章
- C++知识点杂记1——typedef、static_cast、const_cast、遍历二维数组、聚合类
- generate报错 make_如何安装opencv_contrib及解决其安装编译问题
- ustc小道消息20211220
- 天天象棋 残局闯关 第17关
- 全国计算机等级考试题库二级C操作题100套(第94套)
- (转载)最黑的黑客米特尼克:多次耍FBI 终被高手擒
- 【POJ - 2762】Going from u to v or from v to u?(Tarjan缩点,树形dp 或 拓扑排序,欧拉图相关)
- java语言怎么建立窗口awt,java.awt.Frame类:创建窗口
- C语言中简单的题目,C语言的一些简单题目,没有答案,哪位大神帮忙做一下!!!...
- javascript拾遗
- Nonlinear Projection Based Gradient Estimation for Query Efficient Blackbox Attacks论文解读
- SVN之版本管理系统安装及svnadmin编码问题-yellowcong
- BlendMask知识点记录
- 持刀男子也地级市小女子背景
- nginx负载均衡 tomcat报异常: parseHost The host [*] is not valid
- sap Payment Terms Terms of payment 收付款条件
- java double 排序_转载:qsort细节用法,double型的排序我竟然一直用错了~~~
- Apache Doris三种数据模型(Aggregate、Uniq、Duplicate)的使用及其注意点
- 相关性 与 相干性 那些事
- 后疫情时代,打造15分钟交通圈