假期工作總結
這個暑假是忙碌的，樂在其中�？偨Y一下這一個月的工作成果。
1> 第一階段看了2本書、一些論文，基本理解了DOA無線電測向技術，幾種成熟算法MUSIC\ESPRIT\子空間擬合、高階累積量、寬帶信號測向。
我覺得有可行性的算法只有四維或五維MUSIC 和 平移\旋轉不變子空間。MUSIC算法運算量很大，至少要10個多核高性能DSP協(xié)同完成，不過現(xiàn)在看來是可以接受的。平移\旋轉不變子空間 運算量小，但對天線陣列的形狀有特殊要求，更重要的是，算法只在空間域，還沒有研究空間域、極化域、頻域的4維或5維聯(lián)合估計，這是未來需要研究的工作之一。
2>第二階段，首先看了之前師兄完成的4維MUSIC算法，修改了一些函數(shù)實現(xiàn)（坐標正\反變換、陣列流型、信號發(fā)生器、生成導向矢量、計算4維譜、空間角度差函數(shù)），不過都是小事。
陣列流型，原先仿真只按一個頻率生成陣列流型，但是我覺得每個信號的頻率是不同的，所以改成了按每個信號頻率生成陣列流型。
信號發(fā)生器，仿真信號由一個函數(shù)生成，信號形式由參數(shù)決定，保證仿真時信號的正確性，功率為1，信號的頻率特性（單音，寬帶，窄帶，基帶）。這些都通過了驗證，并且還驗證了不同采樣率下，信號頻率和信號相關性的關系。
空間角度差函數(shù)，之前的實現(xiàn)我沒看懂怎么推導出來的，式子復雜。我用正交變換的方法，加上三余弦公式，得到了一個非常簡單的求地坐標系下，空間兩射線的空間角。
3>對于原實現(xiàn)的一些改進。譜峰搜索算法是我原來覺得最不好的地方，完全是由指標決定參數(shù)，而且不能保證在任何情況下譜峰定位的正確性。這個問題困擾了我?guī)滋�，終于想到了方法。并且實現(xiàn)了自己原創(chuàng)的多元函數(shù)極值點算法。第一天仿真了一維條件下的 快排算法和譜峰搜索。第二天完成了多維條件下的快排算法。并且實驗了二元條件下的譜峰搜索。其他多維空間下的算法是一樣的，很容易推廣。但是，算法有一個缺點，就是必須是串行的。現(xiàn)在已經(jīng)想到了并行多元函數(shù)極值點算法，還沒有實現(xiàn)，這是未來要完成的工作之二。還有特殊算法的優(yōu)化。
4>完成了之前沒有做的一個算法，信號源估計算法。主要鉆研了一下 基于酉變換的蓋氏圓估計方法，因為這個方法是可以在色噪聲條件下估計信號源的，正則相關算法雖然也能做到，但是運算量大，其他算法則不能在色噪聲條件下估計。蓋氏圓方法看著很好，實際效果隨信號個數(shù)是指數(shù)下降的。經(jīng)過很多天的仿真，基本搞清楚了信號半徑，噪聲半徑 與 很多變量的關系（信噪比，信號數(shù)，快拍數(shù)，空間角的關系），還有平均半徑與第一信號半徑，噪聲半徑，信號數(shù)的關系。最終提出了一個，我覺得比較好的計算門限的方法，這個方法可以根據(jù)信號數(shù)（部分決定第一信號半徑）而調(diào)整門限。而論文里的方法，會因為信號數(shù)的上升，導致性能更加惡劣。下一步要研究的內(nèi)容是修正的蓋氏圓方法。
5>這幾天完成了最后的一些內(nèi)容，寫了自己實現(xiàn)的四維MUSIC算法。未來一段時間內(nèi)，主要的工作是完善4維搜索和控制方法。這幾天一直在思考四維空間怎么能夠直觀表示出來，終于想到了二維表示方法，現(xiàn)在可以很直觀看到算法的空間分辨率，同理可以直觀看到算法的極化域分辨率。這種方法可以說是意義重大。以后就可以分析 空間角度分辨率，極化域分辨率和各個參數(shù)的關系。比現(xiàn)在這樣盲目的測試有意義地多。
第二部分，未來工作安排
第一，完成譜峰搜索的可控優(yōu)化。 排序算法和極值判斷的融合。排序循環(huán)加判斷條件。排序順序先排大，后排小。
第二，并行化譜峰搜索實現(xiàn)。驗證4維中任意一維或多維分割，是否等效于原算法。最重要的是4維搜索先降維成2維時，2維并行譜搜索算法的正確性。
第三，并行譜計算的實現(xiàn)，譜計算的M語言仿C語言的加速方法：導向矢量查表、10°以內(nèi)，sin(x)與x差距0.5%、
第四，修正的蓋氏圓方法
第五，實值MUSIC算法
第六，4維條件下的ESPRIT算法
增加第七, 研究CPU運算和CUDA. 學習通用并行算法.這個東西有意思.哈哈.
|
QQ好友和群
QQ空間
騰訊微博
騰訊朋友
收藏
淘帖
頂
踩
