CN105572631A - 基于多波位联合处理的最大似然目标doa估计方法 - Google Patents
基于多波位联合处理的最大似然目标doa估计方法 Download PDFInfo
- Publication number
- CN105572631A CN105572631A CN201510976270.0A CN201510976270A CN105572631A CN 105572631 A CN105572631 A CN 105572631A CN 201510976270 A CN201510976270 A CN 201510976270A CN 105572631 A CN105572631 A CN 105572631A
- Authority
- CN
- China
- Prior art keywords
- wave
- theta
- azimuth angle
- target azimuth
- target
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000007476 Maximum Likelihood Methods 0.000 title claims abstract description 13
- 239000013598 vector Substances 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 21
- 230000017105 transposition Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method 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
- 230000036039 immunity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002123 temporal effect Effects 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
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/68—Radar-tracking systems; Analogous systems for angle tracking only
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于多波位联合处理的最大似然目标DOA估计方法,包括以下步骤:(1)获取M个波位的雷达回波数据,并分别进行脉冲多普勒处理,得到M个波位的目标所在多普勒通道的数据;(2)分别估计M个波位的协方差矩阵;(3)将第个波位的主波束对应的角度范围均匀划分为K-1份,得到K个目标方位角;计算第i个目标方位角θi的空域导向矢量S(θi);(4)计算第m个波位关于第i个目标方位角的权矢量Wi m;将所有M个波位关于第i个目标方位角的权矢量进行组合,得到第i个目标方位角的权矢量矩阵Wi,Wi=diag{Wi 1,…,Wi m,…,Wi M};(5)计算第i个目标方位角的滤波输出功率;比较所有K个目标方位角的滤波输出功率,将其中最大的滤波输出功率值所对应的目标方位角作为最终的目标方位角。
Description
技术领域
本发明属于雷达技术领域,具体说是一种基于多波位联合处理的最大似然目标DOA估计方法,用于解决机载雷达在低信噪比、低阵元数下DOA估计精度较差的问题,并提高目标的DOA估计精度。
背景技术
机载雷达的核心任务就是在复杂的背景环境中发现目标并进行跟踪,因此对目标信号到达方向的估计十分重要。波达方向(DirectionOfArrival,DOA)估计技术的关键在于利用空间不同位置的天线阵列,接收来自不同方向的多个信号源发出的信号,运用现代信号处理技术估计出信号源的方向。最早的波达方向估计算法是基于傅里叶变换的线性谱估计的方法,但该方法由于受到瑞利限的限制,因而无法获得超高分辨的波达方向估计性能,且抗噪声能力差。
1967年,Burg提出了最大谱估计方法,主要包括最大熵法、AR模型参量法、MA模型参量法、ARMA模型参量法和正弦组合模型法等,这些方法都具有高分辨率的优点,但是这些方法的运算量大,且鲁棒性较差。Capon提出的高精度的最大似然算法理论上可以达到克拉美-罗界,但该方法的运算量过大,在系统自由度较大时不利于实现。1979年Schmidt提出了多重信号分类法(MUSIC算法),该方法需要进行特征值分解运算,可以得到较高精度的参数估计,但是计算量太大。1985年Roy和Kailath提出了旋转不变技术的参数估计算法(ESPRIT算法),但该算法忽略了信号的时间特性。
对于机载雷达,其接收数据包含了目标、杂波、干扰以及噪声,因此为了精确估计目标的波达方向,需要抑制杂波和干扰,即将目标波达方向的估计与空时自适应处理(space-timeadaptiveprocessing,STAP)相结合,这使得信号处理过程变得十分复杂。而大多数DOA估计算法都是在单波位背景下实现的,DOA估计精度受到阵列孔径和信噪比的影响,在低信噪比、低阵元数下DOA估计精度较差。
发明内容
针对上述现有技术的不足,本发明的目的在于提出一种基于多波位联合处理的最大似然目标DOA估计方法,该方法采用多波位联合处理来提高目标的DOA估计精度,能够在改善目标的DOA估计精度的同时,降低运算量。
为了实现上述技术目的,本发明采用如下技术方案予以实现。
一种基于多波位联合处理的最大似然目标DOA估计方法,其特征在于,包括以下步骤:
步骤1,获取M个波位的雷达回波数据,所述M个波位依次相邻;对M个波位的雷达回波数据分别进行脉冲多普勒处理,得到M个波位的目标所在多普勒通道的数据;
步骤2,根据M个波位的目标所在多普勒通道的数据,分别估计M个波位的协方差矩阵R1,...,Rm,...,RM;
步骤3,第个波位的主波束对应的角度范围为[θ1,θK],将第个波位的主波束对应的角度范围均匀划分为K-1份,得到K个目标方位角θ1,...,θi,...,θK;计算第i个目标方位角θi的空域导向矢量S(θi);其中,i=1,2,...,K,表示向上取整;
步骤4,根据第m个波位的协方差矩阵Rm,以及第i个目标方位角θi的空域导向矢量S(θi),计算第m个波位关于第i个目标方位角θi的权矢量进而得到所有M个波位关于第i个目标方位角θi的权矢量将所有M个波位关于第i个目标方位角θi的权矢量进行组合,得到第i个目标方位角θi的权矢量矩阵Wi,其中,i=1,2,...,K,diag{·}表示对角矩阵;
步骤5,根据第i个目标方位角θi的权矢量矩阵Wi,计算第i个目标方位角θi的滤波输出功率yi,i=1,2,...,K;比较所有K个目标方位角的滤波输出功率,将其中最大的滤波输出功率值所对应的目标方位角作为最终的目标方位角θ′。
本发明与现有技术相比所具有的优点:本发明在阵元数有限的情况下,联合相邻多波位的雷达回波信息进行目标能量累积,抑制了杂波和干扰,并改善了信噪比,从而提高了目标的DOA估计精度,同时减少了运算量。
附图说明
图1是本发明的流程图;
图2、图3、图4分别是噪声背景下,单波位、双波位以及三波位情况下目标方位角的均方根误差(RMSE)随波达方向(DOA)、信噪比(SNR)和阵元数N的变化曲线图;
图5、图6、图7分别是干扰背景下,单波位、双波位以及三波位情况下目标方位角的均方根误差(RMSE)随波达方向(DOA)、信噪比(SNR)和阵元数N的变化曲线图。
具体实施方式:
参照图1,本发明的基于多波位联合处理的最大似然目标DOA估计方法,具体实现步骤如下:
步骤1,获取M个波位的雷达回波数据,所述M个波位依次相邻;对M个波位的雷达回波数据分别进行脉冲多普勒处理,得到M个波位的目标所在多普勒通道的数据。
步骤2,根据M个波位的目标所在多普勒通道的数据,分别估计M个波位的协方差矩阵R1,...,Rm,...,RM。
步骤2中,第m个波位的协方差矩阵Rm为:
其中,为M个波位的目标所在多普勒通道的数据中,第m个波位的目标所在多普勒通道在第l个距离门的数据,的维数为N×1,N为阵元数,m=1,2,...,M,M为波位的个数,l=1,2,...,L,L为距离单元个数,l0为目标所在的距离门,上标H表示共轭转置。
步骤3,第个波位的主波束对应的角度范围为[θ1,θK],将第个波位的主波束对应的角度范围均匀划分为K-1份,得到K个目标方位角θ1,...,θ1,...,θK;计算第i个目标方位角θi的空域导向矢量S(θi);其中,i=1,2,...,K,表示向上取整。
所述第i个目标方位角θi的空域导向矢量S(θi),其表达式为:
其中,d为阵元间距,λ为波长,N为阵元数,上标T表示转置。
步骤4,根据第m个波位的协方差矩阵Rm,以及第i个目标方位角θi的空域导向矢量S(θi),计算第m个波位关于第i个目标方位角θi的权矢量进而得到所有M个波位关于第i个目标方位角θi的权矢量将所有M个波位关于第i个目标方位角θi的权矢量进行组合,得到第i个目标方位角θi的权矢量矩阵Wi,其中,i=1,2,...,K,diag{·}表示对角矩阵。
所述第m个波位关于第i个目标方位角θi的权矢量为:
其中,上标H表示共轭转置。
步骤5,根据第i个目标方位角θi的权矢量矩阵Wi,计算第i个目标方位角θi的滤波输出功率yi,i=1,2,...,K;比较所有K个目标方位角的滤波输出功率,将其中最大的滤波输出功率值所对应的目标方位角作为最终的目标方位角θ′。
所述第i个目标方位角θi的滤波输出功率yi,其表达式为:
yi=||Wi HZl||2
其中,Zl为所有M个波位的目标所在多普勒通道在第l个距离门的数据矢量,为第m个波位的目标所在多普勒通道在第l个距离门的数据,上标H表示共轭转置,||·||表示求二范数。
本发明的效果可通多以下仿真实验作进一步说明:
1)仿真条件:
天线阵元按照半波长等间距线性排列,阵元数N=8,噪声背景下单波位的信噪比SNR=10dB,干扰背景下单波位的信噪比SNR=15dB,目标角度θ=0.9°,相邻波位间隔Δθ=5.3°;设定波位数M=3,三个波位的波束中心分别为-Δθ,0,Δθ,波位交叠点双程损失为1dB。
2)仿真内容及结果分析:
1、在噪声背景下,分别比较单波位、双波位以及三波位情况下目标方位角的均方根误差(RMSE)随波达方向(DOA)、信噪比(SNR)和阵元数N的变化曲线图,分别如图2、图3和图4所示。
从图2、图3和图4中可以看出,在低信噪比(SNR)、低阵元数情况下,多波位联合处理可以明显改进测角精度,SNR越高,阵元数N越大,目标的DOA估计精度的改进效果越不明显;从图2、图3和图4中还可以看出,三波位联合处理比双波位联合处理在目标的DOA估计精度的改进效果更为明显。
2、在干扰背景下,分别比较单波位、双波位以及三波位情况下目标方位角的均方根误差(RMSE)随波达方向(DOA)、信噪比(SNR)和阵元数N的变化曲线图,分别如图5,图6和图7所示。
从图5,图6和图7中可以看出,在干扰背景下,目标偏离主波束较远或者SNR较低时,目标的DOA估计精度下降;从图5,图6和图7中还可以看出,多波位联合处理在低SNR、低阵元数情况下能有效地改进目标的DOA估计精度。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围;这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种基于多波位联合处理的最大似然目标DOA估计方法,其特征在于,包括以下步骤:
步骤1,获取M个波位的雷达回波数据,所述M个波位依次相邻;对M个波位的雷达回波数据分别进行脉冲多普勒处理,得到M个波位的目标所在多普勒通道的数据;
步骤2,根据M个波位的目标所在多普勒通道的数据,分别估计M个波位的协方差矩阵R1,...,Rm,...,RM;
步骤3,第个波位的主波束对应的角度范围为[θ1,θK],将第个波位的主波束对应的角度范围均匀划分为K-1份,得到K个目标方位角θ1,...,θi,...,θK;计算第i个目标方位角θi的空域导向矢量S(θi);其中,i=1,2,...,K,表示向上取整;
步骤4,根据第m个波位的协方差矩阵Rm,以及第i个目标方位角θi的空域导向矢量S(θi),计算第m个波位关于第i个目标方位角θi的权矢量Wi m,进而得到所有M个波位关于第i个目标方位角θi的权矢量Wi 1,...,Wi m,...,Wi M;将所有M个波位关于第i个目标方位角θi的权矢量进行组合,得到第i个目标方位角θi的权矢量矩阵Wi,Wi=diag{Wi 1,...,Wi m,...,Wi M};其中,i=1,2,...,K,diag{i}表示对角矩阵;
步骤5,根据第i个目标方位角θi的权矢量矩阵Wi,计算第i个目标方位角θi的滤波输出功率yi,i=1,2,...,K;比较所有K个目标方位角的滤波输出功率,将其中最大的滤波输出功率值所对应的目标方位角作为最终的目标方位角θ′。
2.如权利要求1所述的基于多波位联合处理的最大似然目标DOA估计方法,其特征在于,步骤2中,第m个波位的协方差矩阵Rm为:
其中,为M个波位的目标所在多普勒通道的数据中,第m个波位的目标所在多普勒通道在第l个距离门的数据,的维数为N×1,N为阵元数,m=1,2,...,M,M为波位的个数,l=1,2,...,L,L为距离单元个数,l0为目标所在的距离门,上标H表示共轭转置。
3.如权利要求1所述的基于多波位联合处理的最大似然目标DOA估计方法,其特征在于,步骤3中,所述第i个目标方位角θi的空域导向矢量S(θi),其表达式为:
其中,d为阵元间距,λ为波长,N为阵元数,上标T表示转置。
4.如权利要求1所述的基于多波位联合处理的最大似然目标DOA估计方法,其特征在于,步骤4中,所述第m个波位关于第i个目标方位角θi的权矢量Wi m为:
其中,m=1,2,...,M,M为波位的个数,上标H表示共轭转置。
5.如权利要求1所述的基于多波位联合处理的最大似然目标DOA估计方法,其特征在于,步骤5中,所述第i个目标方位角θi的滤波输出功率yi,其表达式为:
其中,Zl为所有M个波位的目标所在多普勒通道在第l个距离门的数据矢量, 为第m个波位的目标所在多普勒通道在第l个距离门的数据,m=1,2,...,M,M为波位的个数,上标H表示共轭转置,||i||表示求二范数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510976270.0A CN105572631B (zh) | 2015-12-23 | 2015-12-23 | 基于多波位联合处理的最大似然目标doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510976270.0A CN105572631B (zh) | 2015-12-23 | 2015-12-23 | 基于多波位联合处理的最大似然目标doa估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105572631A true CN105572631A (zh) | 2016-05-11 |
CN105572631B CN105572631B (zh) | 2017-11-21 |
Family
ID=55882980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510976270.0A Active CN105572631B (zh) | 2015-12-23 | 2015-12-23 | 基于多波位联合处理的最大似然目标doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105572631B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108761380A (zh) * | 2018-05-23 | 2018-11-06 | 西安电子科技大学 | 一种用于提高精度的目标波达方向估计方法 |
CN109270497A (zh) * | 2018-10-28 | 2019-01-25 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 雷达脉冲信号的多维参数预分选方法 |
CN111220977A (zh) * | 2020-01-16 | 2020-06-02 | 深圳大学 | 基于角度及频率域滤波的似然music低仰角估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197294A (zh) * | 2013-03-03 | 2013-07-10 | 西安电子科技大学 | 多频融合最大似然低空目标仰角估计方法 |
CN103399303A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 机载雷达抗密集转发式欺骗干扰方法与系统 |
CN103605131A (zh) * | 2013-12-04 | 2014-02-26 | 西安电子科技大学 | 基于联合多波位的高分辨dbs成像方法 |
-
2015
- 2015-12-23 CN CN201510976270.0A patent/CN105572631B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197294A (zh) * | 2013-03-03 | 2013-07-10 | 西安电子科技大学 | 多频融合最大似然低空目标仰角估计方法 |
CN103399303A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 机载雷达抗密集转发式欺骗干扰方法与系统 |
CN103605131A (zh) * | 2013-12-04 | 2014-02-26 | 西安电子科技大学 | 基于联合多波位的高分辨dbs成像方法 |
Non-Patent Citations (3)
Title |
---|
ILAN ZISKIND ET AL.: ""Maximum Likelihood Localization of Multiple Sources by Alternating Projection"", 《IEEE TRANSACTIONS ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING》 * |
SERGIY A. VOROBYOV ET AL.: ""Maximum Likelihood Direction-of-Arrival Estimation in Unknown Noise Fields Using Sparse Sensor Arrays"", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
赵永波 等: ""雷达低角跟踪环境下的最大似然波达方向估计方法"", 《电子学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108761380A (zh) * | 2018-05-23 | 2018-11-06 | 西安电子科技大学 | 一种用于提高精度的目标波达方向估计方法 |
CN108761380B (zh) * | 2018-05-23 | 2022-05-03 | 西安电子科技大学 | 一种用于提高精度的目标波达方向估计方法 |
CN109270497A (zh) * | 2018-10-28 | 2019-01-25 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 雷达脉冲信号的多维参数预分选方法 |
CN109270497B (zh) * | 2018-10-28 | 2023-03-31 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 雷达脉冲信号的多维参数预分选方法 |
CN111220977A (zh) * | 2020-01-16 | 2020-06-02 | 深圳大学 | 基于角度及频率域滤波的似然music低仰角估计方法 |
CN111220977B (zh) * | 2020-01-16 | 2022-04-08 | 深圳大学 | 基于角度及频率域滤波的似然music低仰角估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105572631B (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375763B (zh) | 一种应用于多声源环境的分频定位方法 | |
CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
CN105572630B (zh) | 基于多波位联合处理的单脉冲目标doa估计方法 | |
CN103235292B (zh) | 平面相控阵调零保形校正的全维和差测角方法 | |
CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及系统 | |
CN107390197B (zh) | 基于特征空间的雷达自适应和差波束测角方法 | |
CN102544755B (zh) | 一种基于强散射点的均匀线阵校准方法 | |
CN106226754A (zh) | 基于时间反演的低仰角波达方向估计方法 | |
CN102565790A (zh) | 平面相控阵自适应的和差测角方法 | |
CN104166136A (zh) | 一种基于干扰子空间跟踪的高效自适应单脉冲测角方法 | |
CN104502904B (zh) | 一种鱼雷自导波束锐化方法 | |
CN109298383A (zh) | 一种基于变分贝叶斯推断的互质阵波达方向角估计方法 | |
CN103364762B (zh) | 任意阵列流形的单基地mimo雷达波达方向估计方法 | |
CN109212466B (zh) | 一种基于量子蜻蜓演化机制的宽带测向方法 | |
CN104793177B (zh) | 基于最小二乘法的麦克风阵列测向方法 | |
CN103558584A (zh) | 一种波达方向的检测方法及装置 | |
CN101344582B (zh) | 半盲的最小方差无失真响应波束形成方法 | |
CN105572631B (zh) | 基于多波位联合处理的最大似然目标doa估计方法 | |
CN107450046B (zh) | 低仰角多径环境下的波达角估计方法 | |
CN108983145A (zh) | 电磁矢量传感器阵列宽带相干源定位方法 | |
Zhang et al. | A high resolution random linear sonar array based MUSIC method for underwater DOA estimation | |
CN106125039A (zh) | 基于局域联合处理的改进空时自适应单脉冲测角方法 | |
CN105093200A (zh) | 一种基于修正字典的网格外目标波达方向估计方法 | |
CN105572642B (zh) | 一种基于两级架构的空时自适应处理方法 | |
He et al. | DOA estimation of wideband signals based on iterative spectral reconstruction |
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 |