CN105388450B - 一种基于目标角度分离的双基地mimo系统dod和doa估计方法 - Google Patents
一种基于目标角度分离的双基地mimo系统dod和doa估计方法 Download PDFInfo
- Publication number
- CN105388450B CN105388450B CN201510711247.9A CN201510711247A CN105388450B CN 105388450 B CN105388450 B CN 105388450B CN 201510711247 A CN201510711247 A CN 201510711247A CN 105388450 B CN105388450 B CN 105388450B
- Authority
- CN
- China
- Prior art keywords
- mtd
- dod
- doa
- msub
- mrow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000000926 separation method Methods 0.000 title claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims abstract description 12
- 230000003595 spectral effect Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 48
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 230000002452 interceptive effect Effects 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 3
- 239000011541 reaction mixture Substances 0.000 description 2
- 208000001992 Autosomal Dominant Optic Atrophy Diseases 0.000 description 1
- 206010011906 Death Diseases 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于目标角度分离的双基地MIMO系统DOD和DOA估计方法,属于雷达信号处理领域,主要包括:首先根据接收的数据向量x(tl),通过一系列处理变换、单独计算出P个DOD角度的估计值,依次记为再对接收的数据向量x(tl)进行处理变换、单独计算出P个DOA角度的估计值,依次记为最后根据估计出的DOD的值和DOA的值构造空间谱函数进行谱峰搜索、找出匹配的DOD和DOA。本发明提出的DOD和DOA的估计方法可以有效避免DOD与DOA估计误差之间的相互干扰,明显改善DOD与DOA的估计性能。
Description
技术领域
本发明属于雷达信号处理领域,涉及双基地多输入多输出雷达信号的角度估计,具体地说是一种适用于双基地MIMO系统波离方向和波达方向估计的方法。
背景技术
近几十年来,目标角度估计一直是雷达信号处理的一个重要内容,利用双基地多输入多输出(Multi-input Multi-output,MIMO)系统进行波离方向(Direction ofDeparture,DOD)和波达方向(Direction of Arrival,DOA)估计时,其分辨率明显优于传统的相控阵雷达。
针对双基地MIMO雷达信号的DOD和DOA估计问题,人们提出了大量行之有效的方法。例如在文献一:Jinli.C,Hong.G.and Weimin.S,Angle estimation using ESPRITwithout pairing in MIMO radar,Electron.Lett 44(24)(2008)1422-1423中,提出了一种旋转不变子空间(Estimation of Signal Parameters via Rotational InvarianceTechniques,ESPRIT)方法;在文献二:Zheng.Z.D and Zhang.J.Y,Fast method formulti-target localization in biatatic MIMO radar,Electron.Lett 47(2)(2011)138-139中,提出了一种传播算子(Propagator Method,PM)方法。然而,这些方法并未对DOD和DOA进行分离估计,而是在获得DOA估计值的基础上,再进一步估计DOD,因此DOD的估计对DOA的估计误差过于敏感。即使DOA估计只出现较小的估计误差,DOD的估计性能也会严重下降,这样极大地限制了现有方法的实用性。
发明内容
针对现有方法的不足,本发明提出了一种新型的利用多重信号分类(MultipleSignal Classification,MUSIC)方法的双基地MIMO系统DOD和DOA分离估计方法,该方法可以有效避免DOD与DOA估计误差之间的相互干扰,明显改善DOD与DOA的估计性能。实现本发明的技术方案如下:
一种基于目标角度分离的双基地MIMO系统DOD和DOA估计方法,包括如下步骤:
步骤1,双基地MIMO系统接收到的雷达信号经过匹配滤波后,得到在tl时刻包含DOD和DOA信息的数据向量x(tl);
步骤2,利用步骤1中接收到的数据向量x(tl),构造一个新的数据矩阵X,并对数据矩阵X重新构造,得到一个用于估计DOD的矩阵XDOD;
步骤3,计算XDOD的协方差矩阵R,并对其进行特征值分解,求得其噪声子空间UDOD;
步骤4,利用多重信号分类方法,计算DOD的空间谱函数PDOD(θ),并对其进行谱峰搜索,找出P个极大值点对应的P个DOD角度估计值P表示不相关信号个数;
步骤5,构造一个新的数据矩阵X′,对其X′重新排列,得到一个用于估计DOA的矩阵XDOA;
步骤6,计算XDOA的协方差矩阵,并对其进行特征值分解,求得其噪声子空间UDOA;
步骤7,利用多重信号分类方法,计算DOA的空间谱函数并对其进行谱峰搜索,找出P个极大值点对应的P个DOA角度估计值
步骤8,计算X的协方差矩阵,并对其进行特征值分解,求得其噪声子空间U;
步骤9,设置计数变量k=1;
步骤10,利用估计出的和j=1,2,...,P,计算DOD和DOA的空间谱函数并对其进行谱峰搜索,找出与谱峰最大值对应的j,并记为j*,则第k组相匹配的DOD和DOA为
步骤11,判断计数变量k是否等于不相关信号个数P,如果不等于,则将计数变量k的值加1,并执行步骤10,否则匹配结束。
作为优选方案,所报步骤1中x(tl)的表达式定义为:x(tl)=As(tl)+n(tl);
其中,A表示MN×P维的阵列流型矩阵,s(tl)表示tl时刻一个P维的发射信号向量,n(tl)表示tl时刻一个MN维的零均值高斯白噪声;其中,M表示发射阵列的阵元个数,N表示接收阵列的阵元个数。
作为优选方案,步骤2中构造的数据矩阵X具体为:X=[x(t1),x(t2),...,x(tL)];其中,L表示快拍数。
作为优选方案,步骤4中进行谱峰搜索的范围、步骤7中进行谱峰搜索的范围均为[-90°,90°]。
作为优选方案,步骤5中所述的新的数据矩阵X′具体为:X′=BX;
其中, g=1,2,...,N,h=1,2,...,M。
和现有技术相比,本发明的有益效果:
本发明提出的一种基于目标角度分离的双基地MIMO系统DOD和DOA估计方法,能够有效地避免现有方法中DOD和DOA之间的误差干扰,可以获得更加精确的角度估计值。
附图说明
图1是本发明实施的流程图;
图2是在信噪比(SNR)为10,快拍数为200次的情况下,本发明估计的DOD和DOA的值;
图3是200次蒙特卡洛实验条件下,快拍数为200,信噪比(SNR)由-10到10变化时,本发明与传统ESPRIT方法分别估计的DOD的均方根误差比较图;
图4是200次蒙特卡洛实验条件下,快拍数为200,信噪比由-10到10变化时,本发明与传统ESPRIT方法分别估计的DOA的均方根误差比较图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步说明。
如图1所示,本发明提出的一种基于目标角度分离的双基地MIMO系统DOD和DOA估计方法包括如下步骤:
步骤1,双基地MIMO系统接收到的雷达信号经过匹配滤波后,得到在tl时刻包含DOD和DOA信息的数据向量:
x(tl)=As(tl)+n(tl),l=1,2,...,L (1)
式(1)中:L表示快拍数;s(tl)表示tl时刻一个P维的发射信号向量,n(tl)表示tl时刻一个MN维的零均值高斯白噪声;A表示MN×P维的阵列流型矩阵,其中M表示发射阵列的阵元个数,N表示接收阵列的阵元个数,P表示不相关信号个数,并且
A=[a1,a2,...,aP] (2)
式(3)中,表示第p组相匹配的真实DOA;θp表示第p组相匹配的真实DOD;表示Kronecker积。
进一步,
进一步,
aDOD(θp)=[1,exp(j2πdsinθp/λ),...,exp(j2π(M-1)dsinθp/λ)]T (5)
式(4)和式(5)中,d表示阵元间距,λ表示电磁波的波长,(·)T表示·的转置。
步骤2,利用步骤1中接收到的数据向量x(tl),构造一个MN×L维的数据矩阵X:
X=[x(t1),x(t2),...,x(tL)] (6)
对数据矩阵X重新构造,得到一个用于估计DOD的M×NL维矩阵XDOD:
XDOD=[X1,X2,...,XN] (7)
式(7)中,Xn(n=1,2,...,N)表示数据矩阵X的第M(n-1)+1行到第Mn行的子矩阵。
步骤3,计算XDOD的协方差矩阵R:
式(8)中,(·)H表示·的共轭转置;
对矩阵R进行特征值分解:
式(9)中,ΣDOD表示协方差矩阵的前P个最大特征值构成的对角矩阵,EDOD表示与ΣDOD对应的特征向量矩阵,ΛDOD表示协方差矩阵的后M-P个特征值构成的对角矩阵,UDOD表示与ΛDOD对应得特征向量矩阵(也称为噪声子空间矩阵)。
求得UDOD的值。
步骤4,利用多重信号分类(MUSIC)方法,计算DOD的空间谱函数PDOD(θ):
在[-90°,90°]的范围内对其进行谱峰搜索,找出前P个极大值点对应的角度,即为P个DOD角度的估计值,依次记为
步骤5,构造一个新的数据矩阵X′:
X′=BX (11)
式(11)中,
g=1,2,...,N,h=1,2,...,M。
进一步,对数据矩阵X′重新排列,得到用于估计DOA的N×ML维矩阵XDOA:
XDOA=[X′1,X′2,...,X′M] (12)
式(12)中,X′m(m=1,2,...,M)表示数据矩阵X′的第(m-1)N+1行到第mN行的子矩阵。
步骤6,采用与步骤3类似的处理方法,计算XDOA的协方差矩阵,并对其进行特征值分解,求得其噪声子空间UDOA。
步骤7,利用多重信号分类(MUSIC)方法,计算DOA的空间谱函数
在[-90°,90°]的范围内对其进行谱峰搜索,找出前P个极大值点对应的角度,即为P个DOA角度值的估计值,依次记为
步骤8,采用与步骤3类似的方法,计算矩阵X的协方差矩阵,并对其进行特征值分解,求得其噪声子空间U。
步骤9,设置计数变量k=1。
步骤10,利用估计出的和j=1,2,...,P,计算DOD和DOA的空间谱函数
在j∈[1,2,...,P]范围内对其进行谱峰搜索,找出与谱峰最大值对应的j,并记为j*,则第k组相匹配的DOD和DOA为
步骤11,判断计数变量k是否等于不相关信号个数P,如果不等于,则将计数变量k的值加1,并返回步骤10,否则匹配结束。
下面结合仿真实验对本发明的具体实施例和效果做进一步说明。
采用一双基地MIMO系统,发射阵列与接收阵列均为阵元间距为电磁波的半波长的均匀线阵,发射阵列的阵元个数M=10,接收阵列的阵元个数N=10,假设远场有三个相互独立的目标,分别位于在所有的试验中,背景噪声假设为高斯白噪声,快拍数L=200。
实验1,采用本发明在信噪比(SNR)为10dB时对目标角度进行200次角度估计,仿真结果如图2所示。从图2可以看出,本发明能够精确地估计出目标角度,并能准确地完成DOD和DOA的配对。
实验2,采用本发明和现有ESPRIT方法对仿真条件下的目标进行角度估计,仿真目标角度估计均方根误差随信噪比变化,每个信噪比下进行200次蒙特卡洛仿真试验,仿真结果如图3和图4所示。从图3和图4可以看出,采用本发明估计目标角度的均方误差随信噪比增加而降低,与传统ESPRIT方法相比,本发明能以更高的精度实现双基地MIMO系统对目标角度的估计。
以上所述仅用于解释本发明的具体实施方式,并不用于限定本发明的保护范围,应当理解,在不违背本发明实质内容和精神的前提下,所作任何显而易见的修改、等同替换等都将落入本发明的保护范围内。
Claims (5)
1.一种基于目标角度分离的双基地MIMO系统DOD和DOA估计方法,其特征在于,包括如下步骤:
步骤1,双基地MIMO系统接收到的雷达信号经过匹配滤波后,得到在tl时刻包含DOD和DOA信息的数据向量x(tl);
步骤2,利用步骤1中接收到的数据向量x(tl),构造一个新的数据矩阵X,并对数据矩阵X重新构造,得到一个用于估计DOD的矩阵XDOD;
步骤3,计算XDOD的协方差矩阵R,并对其进行特征值分解,求得其噪声子空间UDOD;
步骤4,利用多重信号分类方法,计算DOD的空间谱函数PDOD(θ),并对其进行谱峰搜索,找出P个极大值点对应的P个DOD角度估计值P表示不相关信号个数;
步骤5,构造一个新的数据矩阵X′,对其X′重新排列,得到一个用于估计DOA的矩阵XDOA;
步骤6,计算XDOA的协方差矩阵,并对其进行特征值分解,求得其噪声子空间UDOA;
步骤7,利用多重信号分类方法,计算DOA的空间谱函数并对其进行谱峰搜索,找出P个极大值点对应的P个DOA角度估计值
步骤8,计算X的协方差矩阵,并对其进行特征值分解,求得其噪声子空间U;
步骤9,设置计数变量k=1;
步骤10,利用估计出的和j=1,2,...,P,计算DOD和DOA的空间谱函数并对其进行谱峰搜索,找出与谱峰最大值对应的j,并记为j*,则第k组相匹配的DOD和DOA为
步骤11,判断计数变量k是否等于不相关信号个数P,如果不等于,则将计数变量k的值加1,并执行步骤10,否则匹配结束。
2.根据权利要求1所述的一种基于目标角度分离的双基地MIMO系统DOD和DOA估计方法,其特征在于,所报步骤1中x(tl)的表达式定义为:x(tl)=As(tl)+n(tl);
其中,A表示MN×P维的阵列流型矩阵,s(tl)表示tl时刻一个P维的发射信号向量,n(tl)表示tl时刻一个MN维的零均值高斯白噪声;其中,M表示发射阵列的阵元个数,N表示接收阵列的阵元个数。
3.根据权利要求1所述的一种基于目标角度分离的双基地MIMO系统DOD和DOA估计方法,其特征在于,步骤2中构造的数据矩阵X具体为:X=[x(t1),x(t2),...,x(tL)];其中,L表示快拍数。
4.根据权利要求1所述的一种基于目标角度分离的双基地MIMO系统DOD和DOA估计方法,其特征在于,步骤4中进行谱峰搜索的范围、步骤7中进行谱峰搜索的范围均为[-90°,90°]。
5.根据权利要求2所述的一种基于目标角度分离的双基地MIMO系统DOD和DOA估计方法,其特征在于,步骤5中所述的新的数据矩阵X′具体为:X′=BX;
其中,
<mrow>
<mi>B</mi>
<mo>=</mo>
<msub>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mi>M</mi>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mn>2</mn>
<mo>,</mo>
<mi>M</mi>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
<mtd>
<mo>&CenterDot;</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mi>M</mi>
<mi>N</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mi>M</mi>
<mi>N</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mrow>
<mi>M</mi>
<mi>N</mi>
<mo>,</mo>
<mi>M</mi>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>M</mi>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
<mi>N</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
g
=1,2,...,N,h=1,2,...,M。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510711247.9A CN105388450B (zh) | 2015-10-28 | 2015-10-28 | 一种基于目标角度分离的双基地mimo系统dod和doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510711247.9A CN105388450B (zh) | 2015-10-28 | 2015-10-28 | 一种基于目标角度分离的双基地mimo系统dod和doa估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105388450A CN105388450A (zh) | 2016-03-09 |
CN105388450B true CN105388450B (zh) | 2018-02-27 |
Family
ID=55420940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510711247.9A Active CN105388450B (zh) | 2015-10-28 | 2015-10-28 | 一种基于目标角度分离的双基地mimo系统dod和doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105388450B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445462B (zh) * | 2018-02-05 | 2019-10-01 | 江苏大学 | 一种基于稀疏贝叶斯学习的双基地mimo雷达的dod和doa估计方法 |
CN109507634B (zh) * | 2018-11-08 | 2020-08-11 | 中国电子科技集团公司第二十八研究所 | 一种任意传感器阵列下的基于传播算子的盲远场信号波达方向估计方法 |
CN113253195B (zh) * | 2021-05-04 | 2022-10-28 | 西北工业大学 | 一种阵元互耦与方向相关情景下的自校正mimo系统测向方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102981152A (zh) * | 2012-11-12 | 2013-03-20 | 哈尔滨工程大学 | 双基地多输入多输出雷达的多目标收发角度估计方法 |
CN103760547B (zh) * | 2014-01-24 | 2016-03-02 | 西安电子科技大学 | 基于互相关矩阵的双基mimo雷达角度估计方法 |
CN103885048B (zh) * | 2014-03-20 | 2016-02-03 | 西安电子科技大学 | 双基地mimo雷达收发阵列幅相误差的校正方法 |
-
2015
- 2015-10-28 CN CN201510711247.9A patent/CN105388450B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105388450A (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | DOA estimation based on combined unitary ESPRIT for coprime MIMO radar | |
CN107064892B (zh) | 基于张量子空间和旋转不变的mimo雷达角度估计算法 | |
CN109188344B (zh) | 脉冲噪声环境下基于互循环相关music算法信源个数与来波方向角估计方法 | |
CN102707264B (zh) | 基于圆形阵列双基地mimo雷达的波达方向估计方法 | |
CN103901417B (zh) | L型阵列mimo雷达低复杂度空间目标二维角度估计方法 | |
CN103941221B (zh) | 空间拉伸电磁矢量传感器阵列参数估计方法 | |
CN107015213B (zh) | 基于music算法的双基地mimo雷达角度估算方法 | |
Wang et al. | Conjugate ESPRIT for DOA estimation in monostatic MIMO radar | |
CN110045323B (zh) | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 | |
CN109143197B (zh) | 一种基于辅助阵元的极化mimo雷达的2d-doa和极化参数估计方法 | |
CN103353588B (zh) | 基于天线均匀平面阵的二维波达方向角估计方法 | |
Yan et al. | Two-stage ESPRIT for unambiguous angle and range estimation in FDA-MIMO radar | |
CN107390197B (zh) | 基于特征空间的雷达自适应和差波束测角方法 | |
CN107064926B (zh) | 空域色噪声背景下的双基地mimo雷达角度估算方法 | |
CN109254272B (zh) | 一种共点式极化mimo雷达的两维角度估计方法 | |
CN104345306B (zh) | 基于Khatri‑Rao子空间的目标波达角估计方法 | |
CN105403871B (zh) | 一种双基地mimo雷达阵列目标角度估计和互耦误差校准方法 | |
CN105388450B (zh) | 一种基于目标角度分离的双基地mimo系统dod和doa估计方法 | |
CN108828504B (zh) | 基于部分相关波形的mimo雷达目标方向快速估计方法 | |
CN108120953A (zh) | 一种基于波达方向估计的无线电定位方法 | |
CN111693947A (zh) | 基于互质阵列doa估计的改进music方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN113189592A (zh) | 考虑幅相互耦误差的车载毫米波mimo雷达测角方法 | |
CN110196417B (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
Li et al. | DOD and DOA estimation for bistatic coprime MIMO radar based on combined ESPRIT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |