CN106019234A - L型天线阵的低计算复杂度二维波达方向估计方法 - Google Patents
L型天线阵的低计算复杂度二维波达方向估计方法 Download PDFInfo
- Publication number
- CN106019234A CN106019234A CN201610260602.XA CN201610260602A CN106019234A CN 106019234 A CN106019234 A CN 106019234A CN 201610260602 A CN201610260602 A CN 201610260602A CN 106019234 A CN106019234 A CN 106019234A
- Authority
- CN
- China
- Prior art keywords
- matrix
- angle
- antenna
- inverted
- battle array
- 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
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
- 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
-
- 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
Abstract
本发明公开了一种L型天线阵的低计算复杂度二维波达方向估计方法,主要解决现有L型天线阵二维波达方向估计方法计算复杂度高且在低信噪比、低快拍情况下估计性能差的问题,其实现步骤是:(1)接收信号;(2)构造互相关矩阵;(3)构造方位增广矩阵;(4)构造俯仰增广矩阵;(5)估计方位角;(6)估计俯仰角;(7)二维角度配对。本发明利用旋转不变子空间算法和对角度托普利兹矩阵进行特征值分解,以低计算复杂度、低信噪比、低快拍,实现了L型天线阵二维波达方向估计,可用于雷达、通信中的目标定位。
Description
技术领域
本发明属于雷达技术领域,更进一步涉及雷达技术领域中的一种L型天线阵的低计算复杂度二维波达方向估计方法。本发明可用于雷达天线在低信噪比、低快拍情况下对目标信号的快速二维波达方向DOA(Direction of Arrival)的估计,提高雷达天线在低信噪比、低快拍情况下对目标信号的快速测向性能。
背景技术
二维DOA估计在雷达、通信等领域应用广泛。L型天线阵作为一种可用于二维DOA估计的阵列,已被证明具有很好的二维DOA估计性能。最近数十年以来,针对L型天线阵的二维DOA估计已经有了很多的研究成果。
N.Xi等人在其发表的论文“A Computationally Efficient Subspace Algorithmfor 2-D DOA Estimation with L-shaped Array”(《2014IEEE Signal ProcessingLetters》2014,pp:971-974)中提出了CESA方法。该方法的具体步骤是,第一步:采用2M个天线构成的L型天线阵接收目标信号,对每个天线接收到的目标信号分别按照奈奎斯特采样定理进行采样,得到L型天线阵数据矩阵;第二步:将L型天线阵数据矩阵中沿水平方向放置的天线的数据划分为x子阵数据矩阵,沿竖直方向放置的天线的数据划分为z子阵数据矩阵;第三步:利用L型天线阵的x子阵数据矩阵和z子阵数据矩阵,构造互相关矩阵;第四步:利用互相关矩阵,构造正交方位信号矩阵和正交俯仰信号矩阵;第五步:利用正交方位信号矩阵和正交俯仰信号矩阵,构造方位搜索函数和俯仰搜索函数,并对方位搜索函数和俯仰搜索函数进行谱峰搜索,得到方位角与俯仰角;第六步:利用最大互斥角度配对方法,得到二维角度配对的方位角和俯仰角。该方法虽然相对于已有方法运算量小、估计精度高,但是,该方法仍然存在的不足之处是,需要两次一维角度搜索,且在低信噪比、低快拍情况下的角度估计性能很差。
西安交通大学在其申请的专利“自动配准的二维波达方向估计装置及其方法”(申请号:CN201110077438;申请公布号:CN102142879A)公开了一种自动配准的二维波达方向估计装置及其方法。该方法的具体步骤是,第一步:采用2M个天线构成的L型天线阵接收目标信号,对每个天线接收到的目标信号分别按照奈奎斯特采样定理 进行采样,得到L型天线阵数据矩阵。第二步:将L型天线阵数据矩阵中沿水平方向放置的天线的数据划分为x子阵数据矩阵,沿竖直方向放置的天线的数据划分为z子阵数据矩阵;第三步:利用z子阵数据矩阵,构造俯仰搜索函数,并对俯仰搜索函数进行谱峰搜索,得到方位角;第四步,利用x子阵数据矩阵和z子阵数据矩阵,构造配对搜索函数,并对配对搜索函数进行谱峰搜索,得到俯仰角。该方法虽然能够实现自动配准的二维波达方向估计,但是,该方法仍然存在的不足之处是,需要多次大量的一维角度搜索。
发明内容
本发明的目的在于针对现有技术的L型天线阵二维DOA估计方法计算复杂度高且在低信噪比、低快拍情况下估计性能差的问题,提出一种可在低信噪比、低快拍情况下实现对目标信号的快速二维波达方向估计的方法。
实现本发明的目的的思路是,首先利用L型天线阵接收目标信号,生成接收数据矩阵,并构造互相关矩阵。然后利用互相关矩阵分别构造方位增广矩阵和俯仰增广矩阵,并对方位增广矩阵和俯仰增广矩阵分别利用旋转不变子空间算法,得到方位增广矩阵的方位角和俯仰增广矩阵的俯仰角。最后利用最大互斥角度配对方法,将方位增广矩阵的方位角和俯仰增广矩阵的俯仰角代入角度配对代价函数,得到二维角度配对的L型天线阵接收目标信号的方位角和L型天线阵接收目标信号俯仰角。
本发明的具体实施步骤如下:
(1)接收信号:
(1a)由2M个天线构成的L型天线阵接收目标信号,对每个天线接收到的目标信号分别按照奈奎斯特采样定理进行采样,得到L型天线阵数据矩阵;
(1b)将L型天线阵数据矩阵中沿水平方向放置的天线的数据划分为x子阵数据矩阵,沿竖直方向放置的天线的数据划分为z子阵数据矩阵;
(2)构造互相关矩阵:
将x子阵数据矩阵和z子阵数据矩阵的共轭转置相乘,得到互相关矩阵;
(3)按照下式,构造方位增广矩阵:
其中,E表示方位增广矩阵,R表示互相关矩阵,JM表示M×M维反对角线元 素全为1而其它元素为0的交换矩阵,*表示矩阵共轭操作,表示将两个矩阵按行组成一个新矩阵的操作;
(4)按照下式,构造俯仰增广矩阵:
其中,F表示俯仰增广矩阵,R表示互相关矩阵,JM表示M×M维反对角线元素全为1而其它元素为0的交换矩阵,H表示共轭转置操作,T表示转置操作,表示将两个矩阵按行组成一个新矩阵的操作;
(5)估计方位角:
利用旋转不变子空间ESPRIT算法,估计方位增广矩阵的方位角;
(6)估计俯仰角:
利用旋转不变子空间ESPRIT算法,估计俯仰增广矩阵的俯仰角;
(7)二维角度配对:
(7a)利用互相关矩阵,构造角度相关向量;
(7b)利用角度相关向量,构造角度托普利兹矩阵;
(7c)按照下式,对角度托普利兹矩阵进行特征值分解,得到立体信号特征矩阵和立体信号特征值向量:
{U,h}=EVD(Ξ)
其中,U表示立体信号特征矩阵,h表示立体信号特征值向量,EVD表示特征值分解操作,Ξ表示角度托普利兹矩阵;
(7d)按照下式,构造角度配对代价函数:
其中,f表示角度配对代价函数,a表示立体搜索导向矢量,H表示共轭转置操作,U表示立体信号特征矩阵;
(7e)利用最大互斥角度配对方法,将步骤(5)得到的方位增广矩阵的方位角和步骤(6)得到的俯仰增广矩阵的俯仰角代入角度配对代价函数,得到二维角度配 对的L型天线阵接收目标信号的方位角和L型天线阵接收目标信号俯仰角。
本发明与现有技术相比具有以下优点:
第一,由于本发明利用了旋转不变子空间ESPRIT算法,估计方位增广矩阵的方位角和俯仰增广矩阵的俯仰角,克服了现有技术因为角度搜索造成的复杂度高的问题,使得本发明可以在不进行角度搜索的情况下,以低计算复杂度,实现二维DOA估计。
第二,由于本发明利用了互相关矩阵的特点,构造了方位增广矩阵和俯仰增广矩阵,克服了现有技术二维DOA估计时可用数据少而造成的估计精度差的问题,使得本发明在可用数据少的情况下,以更高的估计精度,实现二维DOA估计。
第三,由于本发明对角度托普利兹矩阵进行特征值分解,得到立体信号特征矩阵和立体信号特征值向量,克服了现有技术信噪比低和快拍数低不能进行二维角度配对的问题,使得本发明对信噪比和快拍数的需求降低,以低信噪比、低快拍,实现二维DOA估计。
附图说明:
图1是本发明的流程图;
图2是分别利用本发明和现有技术的CESA算法得到的二维DOA估计的均方根误差随信噪比变化的曲线图;
图3是分别利用本发明和现有技术的CESA算法得到的二维DOA估计的均方根误差随快拍数变化的曲线图;
图4是分别利用本发明和现有技术的CESA算法统计平均运行时间随子阵阵元数M变化的曲线图。
具体实施方式:
下面结合附图对本发明做进一步的描述。
参照图1,本发明的具体实施步骤如下:
步骤1,接收信号。
由2M个天线构成的L型天线阵接收目标信号,对每个天线接收到的目标信号分别按照奈奎斯特采样定理进行采样,得到L型天线阵数据矩阵。
将L型天线阵数据矩阵中沿水平方向放置的天线的数据划分为x子阵数据矩阵,沿竖直方向放置的天线的数据划分为z子阵数据矩阵,具体可以表示为:
X=AS+N
Z=BS+W
其中,X表示x子阵数据矩阵,Z表示z子阵数据矩阵,A表示x子阵流型矩阵,B表示z子阵流型矩阵,S表示信号矩阵,N表示x子阵噪声矩阵,W表示z子阵噪声矩阵。
所述的x子阵流型矩阵的具体形式如下:
其中,A表示x子阵流型矩阵,d表示L型天线阵的x子阵中相邻天线的间距,θq表示第q个目标信号方位角,q=1,2,…,Q,Q表示目标信号数目,λ表示目标信号波长,m表示L型天线阵的x子阵中天线的序号,m=1,2,…,M,M表示L型天线阵中x子阵的天线数。
z子阵流型矩阵具体形式如下:
其中,B表示z子阵流型矩阵,g表示L型天线阵的z子阵中相邻天线的间距,φq表示第q个目标信号俯仰角,q=1,2,…,Q,Q表示目标信号数目,λ表示目标信号波长,n表示L型天线阵的z子阵中天线的序号,n=1,2,…,N,N表示L型天线阵中z子阵的天线数。
在本发明的具体实施例中,要求L型天线阵中x子阵的天线数和L型天线阵中z子阵的天线数相等,L型天线阵的x子阵中相邻天线的间距和L型天线阵的z子阵中相邻天线的间距相等。
步骤2,构造互相关矩阵。
将x子阵数据矩阵和z子阵数据矩阵的共轭转置相乘,得到互相关矩阵:
R=XZH
其中,R表示互相关矩阵,X表示x子阵数据矩阵,Z表示z子阵数据矩阵,H表示共轭转置操作。
步骤3,按照下式,构造方位增广矩阵:
其中,E表示方位增广矩阵,R表示互相关矩阵,JM表示M×M维反对角线元素全为1而其它元素为0的交换矩阵,*表示矩阵共轭操作,表示将两个矩阵按行组成一个新矩阵的操作。
步骤4,按照下式,构造俯仰增广矩阵:
其中,F表示俯仰增广矩阵,R表示互相关矩阵,H表示共轭转置操作,JM表示M×M维反对角线元素全为1而其它元素为0的交换矩阵,T表示转置操作,表示将两个矩阵按行组成一个新矩阵的操作。
步骤5,估计方位角。
利用旋转不变子空间ESPRIT算法,估计方位增广矩阵的方位角。具体实现如下:
按照下式,利用方位增广矩阵,得到方位增广协方差矩阵:
其中,表示方位增广协方差矩阵,E表示方位增广矩阵。
按照下式,对方位增广协方差矩阵进行特征值分解,得到方位增广特征矩阵和方位增广特征值向量:
其中,C表示方位增广特征矩阵,k表示方位增广特征值向量,EVD表示特征值分解操作,表示方位增广协方差矩阵。
按照下式,构造上选择矩阵:
其中,T表示上选择矩阵,I(M-1)×(M-1)表示(M-1)×(M-1)维单位阵、0(M-1)×(M-1)表示(M-1)×(M-1)维零矩阵,0(M-1)×1表示(M-1)×1维零向量。
按照下式,构造下选择矩阵:
其中,Γ表示下选择矩阵,0(M-1)×1表示(M-1)×1维零向量,I(M-1)×(M-1)表示(M-1)×(M-1)维单位阵,0(M-1)×(M-1)表示(M-1)×(M-1)维零矩阵。
按照下式,构造方位同征矩阵:
其中,Δ表示方位同征矩阵,T表示上选择矩阵,C表示方位增广特征矩阵, 表示伪逆操作,Γ表示下选择矩阵。
按照下式,对方位同征矩阵进行特征值分解,得到方位特征矩阵与方位特征值向量:
{G,α}=EVD(Δ)
其中,G表示方位特征矩阵,α表示方位特征值向量,EVD表示特征值分解操作,Δ表示方位同征矩阵。
按照下式,估计方位增广矩阵的方位角:
其中,表示第q个方位增广矩阵的方位角,q=1,2,…,Q,Q表示目标信号数目,angle表示取相角操作,α表示方位特征值向量,α(q)表示方位特征值向量α的第q个元素,λ表示目标信号波长,d表示L型天线阵的x子阵中相邻天线的间距。
步骤6,估计俯仰角。
利用旋转不变子空间ESPRIT算法,估计俯仰增广矩阵的俯仰角。具体实现如下:
按照下式,利用俯仰增广矩阵,得到俯仰增广协方差矩阵:
其中,表示俯仰增广协方差矩阵,F表示俯仰增广矩阵。
按照下式,对俯仰增广协方差矩阵进行特征值分解,得到俯仰增广特征矩阵和俯仰增广特征值向量:
其中,P表示俯仰增广特征矩阵,t表示俯仰增广特征值向量,EVD表示特征值分解操作,表示俯仰增广协方差矩阵。
按照下式,构造俯仰同征矩阵:
其中,Π表示俯仰同征矩阵,T表示上选择矩阵,P表示俯仰增广特征矩阵, 表示伪逆操作,Γ表示下选择矩阵。
按照下式,对俯仰同征矩阵进行特征值分解,得到俯仰特征矩阵与俯仰特征值向量:
{H,β}=EVD(Π)
其中,H表示俯仰特征矩阵,β表示俯仰特征值向量,EVD表示特征值分解操作,Π表示俯仰同征矩阵。
按照下式,估计俯仰增广矩阵的俯仰角:
其中,表示第q个俯仰增广矩阵的俯仰角,q=1,2,…,Q,Q表示目标信号数目,angle表示取相角操作,β表示俯仰特征值向量,β(q)表示俯仰特征值向量β的第q个元素,λ表示目标信号波长,g表示L型天线阵的z子阵中相邻天线的间距。
步骤7,二维角度配对。
按照下式,利用互相关矩阵,构造角度相关向量:
r=[R(1,1),R(2,2),…,R(m,m),…,R(M,M)]
其中,r表示角度相关向量,R表示互相关矩阵,R(m,m)表示互相关矩阵R的第 m行第m列元素,m=1,2,…,M,M表示L型天线阵中x子阵的天线数。
按照下式,利用角度相关向量,构造角度托普利兹矩阵:
Ξ=Toeplitz(r)
其中,Ξ表示角度托普利兹矩阵,Toeplitz(·)表示构造托普利兹矩阵操作,r表示角度相关向量。
按照下式,对角度托普利兹矩阵进行特征值分解,得到立体信号特征矩阵和立体信号特征值向量:
{U,h}=EVD(Ξ)
其中,U表示立体信号特征矩阵,h表示立体信号特征值向量,EVD表示特征值分解操作,Ξ表示角度托普利兹矩阵。
按照下式,构造角度配对代价函数:
其中,f表示角度配对代价函数,a表示立体搜索导向矢量,H表示共轭转置操作,U表示立体信号特征矩阵。
立体搜索导向矢量a是按照如下公式构造的:
a=[1,exp{j2πd(cosφ-cosθ)/λ},…,exp{j2π(M-1)d(cosφ-cosθ)/λ}]T
其中,a表示立体搜索导向矢量,exp{·}表示指数函数操作,j表示虚数单位,d表示L型天线阵的x子阵中相邻天线的间距,φ表示任意的俯仰角,θ表示任意的方位角,λ表示目标信号波长,M表示L型天线阵中x子阵的天线数,T表示转置操作。
利用最大互斥角度配对方法,将步骤(5)得到的方位增广矩阵的方位角和步骤(6)得到的俯仰增广矩阵的俯仰角代入角度配对代价函数,并将角度配对代价函数值从大到小排列,选择前Q个角度配对代价函数值对应的方位增广矩阵的方位角和俯仰增广矩阵的俯仰角,作为二维角度配对的L型天线阵接收目标信号的方位角和L型天线阵接收目标信号俯仰角,其中Q表示目标信号数目。至此完成L型天线阵的低计算复杂度二维波达方向估计,得到二维角度配对的L型天线阵接收目标信号的方位角和L型天线阵接收目标信号俯仰角。
下面结合仿真实验对本发明的效果做进一步说明。
1.仿真条件:
本发明的仿真实验中计算机配置环境为Intel(R)Core(i5-3470)3.20GHZ中央处理器、内存8G、WINDOWS 7操作系统,计算机仿真软件采用MATLAB R2013a软件。
本发明的仿真参数如下:假定L型天线阵中x子阵的天线数为8,L型天线阵中z子阵的天线数为8,L型天线阵的x子阵中相邻天线的间距为1,L型天线阵的z子阵中相邻天线的间距为1,目标信号波长为2,三个目标信号的方位角和俯仰角分别为:(80°,55°)、(90°,85°)、(100°,70°)。CESA算法角度搜索范围为0°~180°,角度搜索间隔为0.1°。二维DOA估计均方根误差RMSE(Root Mean Square Error)表示为:
其中Ω表示蒙特卡洛仿真实验次数,Q表示目标信号数目,表示第η次蒙特卡洛仿真实验得到的第q个目标信号方位角,θq表示第q个目标信号方位角,表示第η次蒙特卡洛仿真实验得到的第q个目标信号俯仰角,φq表示第q个目标信号俯仰角。
2.仿真内容:
(1)当快拍数为512时,在不同信噪比条件下,采用本发明和现有技术CESA算法进行二维DOA估计,每个信噪比下分别进行500次蒙特卡洛仿真实验,得到二维DOA估计均方根误差,仿真结果如图2所示。
(2)当信噪比为10分贝时,在不同快拍数下,采用本发明和现有技术CESA算法进行二维DOA估计,每个快拍数下分别进行500次蒙特卡洛实验,得到二维DOA估计均方根误差,仿真结果如图3所示。
(3)当信噪比为0分贝且快拍数为512时,在不同x子阵天线数下,采用本发明和现有技术CESA算法进行二维DOA估计,统计两种算法在不同x子阵天线数下的平均运行时间,仿真结果如图4所示。
3.仿真结果分析:
图2是本发明和现有技术CESA算法的二维DOA估计均方根误差随信噪比变化的曲线图,图2中x轴表示信噪比,单位为分贝,图2中z轴表示二维DOA估 计均方根误差,单位为度,图2中以圆形标示的曲线表示本发明的二维DOA估计均方根误差随信噪比变化的曲线,图2中以三角形标示的曲线表示现有技术CESA算法的二维DOA估计均方根误差随信噪比变化的曲线。从图2可以看出,与现有技术CESA算法相比,本发明具有更小的二维DOA估计均方根误差,表明本发明可以在低信噪比情况下进行二维DOA估计,同时具有更高的二维DOA估计精度。
图3是本发明和现有技术CESA算法的二维DOA估计均方根误差随快拍数变化的曲线图,图3中x轴表示快拍数,图3中z轴表示二维DOA估计均方根误差,单位为度,图3中以圆形标示的曲线表示本发明的二维DOA估计均方根误差随快拍数变化的曲线,图3中以三角形标示的曲线表示现有技术CESA算法的二维DOA估计均方根误差随快拍数变化的曲线。从图3可以看出,与现有技术CESA算法相比,本发明具有更小的二维DOA估计均方根误差,表明本发明可以在低快拍情况下进行二维DOA估计,同时具有更高的二维DOA估计精度。
图4是本发明和现有技术CESA算法的平均运行时间随x子阵天线数变化的曲线图,图4中x轴表示x子阵天线数,图4中z轴表示平均运行时间,单位为秒,图4中以圆形标示的曲线表示本发明的平均运行时间随x子阵天线数变化的曲线,图4中以三角形标示的曲线表示现有技术CESA算法的平均运行时间随x子阵天线数变化的曲线。从图4可以看出,与现有技术CESA算法相比,本发明具有更小的平均运行时间,表明本发明能够以更低的计算复杂度实现二维DOA估计。
Claims (4)
1.一种L型天线阵的低计算复杂度二维波达方向估计方法,包括如下步骤:
(1)接收信号:
(1a)由2M个天线构成的L型天线阵接收目标信号,对每个天线接收到的目标信号分别按照奈奎斯特采样定理进行采样,得到L型天线阵数据矩阵;
(1b)将L型天线阵数据矩阵中沿水平方向放置的天线的数据划分为x子阵数据矩阵,沿竖直方向放置的天线的数据划分为z子阵数据矩阵;
(2)构造互相关矩阵:
将x子阵数据矩阵和z子阵数据矩阵的共轭转置相乘,得到互相关矩阵;
(3)按照下式,构造方位增广矩阵:
其中,E表示方位增广矩阵,R表示互相关矩阵,JM表示M×M维反对角线元素全为1而其它元素为0的交换矩阵,*表示矩阵共轭操作,表示将两个矩阵按行组成一个新矩阵的操作;
(4)按照下式,构造俯仰增广矩阵:
其中,F表示俯仰增广矩阵,R表示互相关矩阵,JM表示M×M维反对角线元素全为1而其它元素为0的交换矩阵,H表示共轭转置操作,T表示转置操作,表示将两个矩阵按行组成一个新矩阵的操作;
(5)估计方位角:
利用旋转不变子空间ESPRIT算法,估计方位增广矩阵的方位角;
(6)估计俯仰角:
利用旋转不变子空间ESPRIT算法,估计俯仰增广矩阵的俯仰角;
(7)二维角度配对:
(7a)利用互相关矩阵,构造角度相关向量;
(7b)利用角度相关向量,构造角度托普利兹矩阵;
(7c)按照下式,对角度托普利兹矩阵进行特征值分解,得到立体信号特征矩阵和立体信号特征值向量:
{U,h}=EVD(Ξ)
其中,U表示立体信号特征矩阵,h表示立体信号特征值向量,EVD表示特征值分解操作,Ξ表示角度托普利兹矩阵;
(7d)按照下式,构造角度配对代价函数:
其中,f表示角度配对代价函数,a表示立体搜索导向矢量,H表示共轭转置操作,U表示立体信号特征矩阵;
(7e)利用最大互斥角度配对方法,将步骤(5)得到的方位增广矩阵的方位角和步骤(6)得到的俯仰增广矩阵的俯仰角代入角度配对代价函数,得到二维角度配对的L型天线阵接收目标信号的方位角和L型天线阵接收目标信号俯仰角。
2.根据权利要求1所述的L型天线阵的低计算复杂度二维波达方向估计方法,其特征在于:步骤(7a)中所述的角度相关向量是按照如下公式构造的:
r=[R(1,1),R(2,2),…,R(m,m),…,R(M,M)]
其中,r表示角度相关向量,R表示互相关矩阵,R(m,m)表示互相关矩阵R的第m行第m列元素,m=1,2,…,M,M表示L型天线阵中x子阵的天线数。
3.根据权利要求1所述的L型天线阵的低计算复杂度二维波达方向估计方法,其特征在于:步骤(7b)中所述的角度托普利兹矩阵是按照如下公式构造的:
Ξ=Toeplitz(r)
其中,Ξ表示角度托普利兹矩阵,Toeplitz(·)表示构造托普利兹矩阵操作,r表示角度相关向量。
4.根据权利要求1所述的L型天线阵的低计算复杂度二维波达方向估计方法,其特征在于:步骤(7d)中所述的立体搜索导向矢量a是按照如下公式构造的:
a=[1,exp{j2πd(cosφ-cosθ)/λ},…,exp{j2π(M-1)d(cosφ-cosθ)/λ}]T
其中,a表示立体搜索导向矢量,exp{·}表示指数函数操作,j表示虚数单位,d表示L型天线阵的x子阵中相邻天线的间距,φ表示任意的俯仰角,θ表示任意的方位角,λ表示目标信号波长,M表示L型天线阵中x子阵的天线数,T表示转置操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610260602.XA CN106019234B (zh) | 2016-04-25 | 2016-04-25 | L型天线阵的低计算复杂度二维波达方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610260602.XA CN106019234B (zh) | 2016-04-25 | 2016-04-25 | L型天线阵的低计算复杂度二维波达方向估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106019234A true CN106019234A (zh) | 2016-10-12 |
CN106019234B CN106019234B (zh) | 2018-05-04 |
Family
ID=57081988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610260602.XA Expired - Fee Related CN106019234B (zh) | 2016-04-25 | 2016-04-25 | L型天线阵的低计算复杂度二维波达方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106019234B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108957391A (zh) * | 2018-07-24 | 2018-12-07 | 北京理工大学 | 一种基于嵌套阵列的l型天线阵的二维波达方向估计方法 |
CN109188342A (zh) * | 2018-07-24 | 2019-01-11 | 南京航空航天大学 | 共形圆阵下的低复杂度二维doa估计方法 |
CN109270483A (zh) * | 2018-08-27 | 2019-01-25 | 西安电子科技大学 | 三维阵虚拟扩展相干源二维波达方向估计方法 |
CN109471068A (zh) * | 2018-11-06 | 2019-03-15 | 浙江大学 | 基于射频阵列信号doa估计的无人机定位系统和方法 |
CN109521393A (zh) * | 2018-11-05 | 2019-03-26 | 昆明理工大学 | 一种基于信号子空间旋转特性的波达方向估计算法 |
CN110531311A (zh) * | 2019-08-27 | 2019-12-03 | 武汉大学深圳研究院 | 一种基于矩阵重组的lte外辐射源雷达doa估计方法 |
CN110942643A (zh) * | 2019-10-30 | 2020-03-31 | 湖北大学 | 一种城市街道测速系统 |
CN111381208A (zh) * | 2018-12-29 | 2020-07-07 | 西安电子科技大学 | 一种已知波形信源的波达方向估计方法 |
CN112697129A (zh) * | 2020-12-15 | 2021-04-23 | 电子科技大学 | 一种利用一维测角确定天线线阵二维姿态的快速方法 |
CN112740058A (zh) * | 2019-12-26 | 2021-04-30 | 华为技术有限公司 | 一种到达角的测量方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142879A (zh) * | 2011-03-29 | 2011-08-03 | 西安交通大学 | 自动配准的二维波达方向估计装置及其方法 |
CN103235282A (zh) * | 2013-05-03 | 2013-08-07 | 天津理工大学 | 一种l型二维天线阵列去耦自校正及波达方向估计方法 |
CN105203989A (zh) * | 2015-09-28 | 2015-12-30 | 天津伽利联科技有限公司 | 一种l型阵列相干信号波达方向的估计方法 |
KR20150146006A (ko) * | 2014-06-20 | 2015-12-31 | 주식회사 피엠케이 | 태양광 추적식 발전시스템의 태양전지판 어레이 경사각 조절장치 |
KR20160003981A (ko) * | 2014-07-01 | 2016-01-12 | 주식회사 피엠케이 | 태양광 추적식 태양전지판 어레이 집광시설 및 그 시공방법 |
CN105445696A (zh) * | 2015-12-22 | 2016-03-30 | 天津理工大学 | 一种嵌套l型天线阵列结构及其波达方向估计方法 |
-
2016
- 2016-04-25 CN CN201610260602.XA patent/CN106019234B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142879A (zh) * | 2011-03-29 | 2011-08-03 | 西安交通大学 | 自动配准的二维波达方向估计装置及其方法 |
CN103235282A (zh) * | 2013-05-03 | 2013-08-07 | 天津理工大学 | 一种l型二维天线阵列去耦自校正及波达方向估计方法 |
KR20150146006A (ko) * | 2014-06-20 | 2015-12-31 | 주식회사 피엠케이 | 태양광 추적식 발전시스템의 태양전지판 어레이 경사각 조절장치 |
KR20160003981A (ko) * | 2014-07-01 | 2016-01-12 | 주식회사 피엠케이 | 태양광 추적식 태양전지판 어레이 집광시설 및 그 시공방법 |
CN105203989A (zh) * | 2015-09-28 | 2015-12-30 | 天津伽利联科技有限公司 | 一种l型阵列相干信号波达方向的估计方法 |
CN105445696A (zh) * | 2015-12-22 | 2016-03-30 | 天津理工大学 | 一种嵌套l型天线阵列结构及其波达方向估计方法 |
Non-Patent Citations (3)
Title |
---|
YANG-YANG DONG 等: ""Computationally Efficient 2-D DOA Estimation for L-Shaped Array With Automatic Pairing"", 《IEEE ANTENNAS AND WIRELESS PROPAGATION LETTERS》 * |
YANG-YANG DONG 等: ""Conjugate Augmented Spatial Temporal Technique for 2-D DOA Estimation With L-Shaped Array"", 《IEEE ANTENNAS AND WIRELESS PROPAGATION LETTERS》 * |
陈建 等: ""基于增广矩阵束的方向角与仰角估计"", 《仪器仪表学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188342A (zh) * | 2018-07-24 | 2019-01-11 | 南京航空航天大学 | 共形圆阵下的低复杂度二维doa估计方法 |
CN108957391A (zh) * | 2018-07-24 | 2018-12-07 | 北京理工大学 | 一种基于嵌套阵列的l型天线阵的二维波达方向估计方法 |
CN109270483A (zh) * | 2018-08-27 | 2019-01-25 | 西安电子科技大学 | 三维阵虚拟扩展相干源二维波达方向估计方法 |
CN109270483B (zh) * | 2018-08-27 | 2023-01-31 | 西安电子科技大学 | 三维阵虚拟扩展相干源二维波达方向估计方法 |
CN109521393A (zh) * | 2018-11-05 | 2019-03-26 | 昆明理工大学 | 一种基于信号子空间旋转特性的波达方向估计算法 |
CN109471068A (zh) * | 2018-11-06 | 2019-03-15 | 浙江大学 | 基于射频阵列信号doa估计的无人机定位系统和方法 |
CN109471068B (zh) * | 2018-11-06 | 2021-03-23 | 浙江大学 | 基于射频阵列信号doa估计的无人机定位系统和方法 |
CN111381208B (zh) * | 2018-12-29 | 2021-11-09 | 西安电子科技大学 | 一种已知波形信源的波达方向估计方法 |
CN111381208A (zh) * | 2018-12-29 | 2020-07-07 | 西安电子科技大学 | 一种已知波形信源的波达方向估计方法 |
CN110531311A (zh) * | 2019-08-27 | 2019-12-03 | 武汉大学深圳研究院 | 一种基于矩阵重组的lte外辐射源雷达doa估计方法 |
CN110942643A (zh) * | 2019-10-30 | 2020-03-31 | 湖北大学 | 一种城市街道测速系统 |
CN112740058A (zh) * | 2019-12-26 | 2021-04-30 | 华为技术有限公司 | 一种到达角的测量方法和装置 |
CN112740058B (zh) * | 2019-12-26 | 2022-04-22 | 华为技术有限公司 | 一种到达角的测量方法和装置 |
CN112697129A (zh) * | 2020-12-15 | 2021-04-23 | 电子科技大学 | 一种利用一维测角确定天线线阵二维姿态的快速方法 |
CN112697129B (zh) * | 2020-12-15 | 2023-05-05 | 电子科技大学 | 一种利用一维测角确定天线线阵二维姿态的快速方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106019234B (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106019234B (zh) | L型天线阵的低计算复杂度二维波达方向估计方法 | |
CN106526530B (zh) | 基于传播算子的2-l型阵列二维doa估计算法 | |
He et al. | Near-field localization of partially polarized sources with a cross-dipole array | |
CN103383450B (zh) | 共形阵列雷达幅相误差校正快速实现方法 | |
Oumar et al. | Comparison between MUSIC and ESPRIT direction of arrival estimation algorithms for wireless communication systems | |
CN103353596B (zh) | 基于压缩感知的波束空间域米波雷达测高方法 | |
CN102707264B (zh) | 基于圆形阵列双基地mimo雷达的波达方向估计方法 | |
CN103605108B (zh) | 声矢量阵高精度远程方位估计方法 | |
CN102540138B (zh) | 一种多基线相位搜索式二维空间谱测向方法 | |
CN103760547B (zh) | 基于互相关矩阵的双基mimo雷达角度估计方法 | |
CN104914408B (zh) | 基于中国余数定理的频率、doa联合测量方法以及装置 | |
CN103744076B (zh) | 基于非凸优化的mimo雷达动目标检测方法 | |
CN103323827B (zh) | 基于快速傅里叶变换的mimo雷达系统角度估计方法 | |
CN103344940B (zh) | 低复杂度的doa估计方法及系统 | |
CN103901395B (zh) | 一种冲击噪声环境下相干信号波达方向动态跟踪方法 | |
CN104515969B (zh) | 一种基于六角形阵列的相干信号二维doa估计方法 | |
CN106772224A (zh) | 一种采用时频分析的l型阵列二维波达方向估计算法 | |
CN103412286B (zh) | 基于mimo雷达的发射极化优化doa估计方法 | |
CN102169170A (zh) | 一种相干分布式信号二维波达角的测定方法 | |
He et al. | Computationally efficient 2D direction finding and polarization estimation with arbitrarily spaced electromagnetic vector sensors at unknown locations using the propagator method | |
CN106021637A (zh) | 互质阵列中基于迭代稀疏重构的doa估计方法 | |
CN108896954A (zh) | 互质阵中一种基于联合实值子空间的波达角估计方法 | |
CN102662158B (zh) | 一种对传感器天线阵列接收信号的快速处理方法 | |
CN106526531A (zh) | 基于三维天线阵列的改进传播算子二维doa估计算法 | |
CN104931920A (zh) | Iesprit,一种基于任意阵列的空间信号doa的快速估计算法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190808 Address after: Room 502, Building 588 Zixing Road, Minhang District, Shanghai, 200241 Patentee after: SHANGHAI XUNXI ELECTRONIC TECHNOLOGY Co.,Ltd. Address before: Xi'an City, Shaanxi province Taibai Road 710071 No. 2 Patentee before: Xidian University |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180504 |
|
CF01 | Termination of patent right due to non-payment of annual fee |