CN106980106A - 阵元互耦下的稀疏doa估计方法 - Google Patents
阵元互耦下的稀疏doa估计方法 Download PDFInfo
- Publication number
- CN106980106A CN106980106A CN201710266103.6A CN201710266103A CN106980106A CN 106980106 A CN106980106 A CN 106980106A CN 201710266103 A CN201710266103 A CN 201710266103A CN 106980106 A CN106980106 A CN 106980106A
- Authority
- CN
- China
- Prior art keywords
- sparse
- signal
- mutual coupling
- array
- array element
- 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
- 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
本发明涉及源信号的波达方向估计,为提出一种未知阵元互耦条件下的DOA估计算法,在基于稀疏重构理论的前提下,该算法充分利用阵列接收的全部信息,能够在阵列强互耦的情况下提高角度估计精度。本发明采用的技术方案是,阵元互耦下的稀疏DOA估计方法,步骤如下:步骤1:对接收信号计算协方差矩阵R;步骤2:对协方差矩阵R进行奇异值分解;步骤3:根据信号酉空间计算接收数据的信号子空间RS;步骤4:根据导向矢量的参数化J进行稀疏信号完备字典AJ的构造;步骤5:根据l1范数构造稀疏信号重构的凸规划函数;步骤6:对凸规划函数求解并进行谱峰搜索;步骤7:利用细化网格的原理进一步提高估计精度。本发明主要应用于信号波达方向估计。
Description
技术领域
本发明涉及在假设信号源稀疏的情况下,均匀阵列存在未知阵元互耦信息时,利用互耦矩阵内在的结构特点,在不损失阵元接收信息的前提下,对导向矢量进行参数化,在此基础上利用稀疏重构的原理对源信号的波达方向(direction-of-arrival,DOA)进行估计。
背景技术
在空间谱估计中,最早的超分辨角度估计方法如多重信号分类(MUSIC)和借助旋转不变性(ESPRIT)算法同属于特征结构类的算法。此类方法及其衍生都是基于阵列流型精确已知的假设,因而性能优良。但是在实际工程应用中,阵列天线之间会因电磁干扰而相互产生作用,即互耦效应。为有效估计DOA,进行阵列互耦校正算法的研究就显得尤为重要。
阵列校正方法通常可分为有源校正和自校正两类,其中自校正方法通常根据某种优化函数对空间信源的方位和阵列的扰动参数进行联合估计,不需要方位已知的辅助信源,可以在线估计,且估计精度高。文献[1]中利用ESPRIT算法原理并借助辅助阵元进行阵元互耦下的DOA估计。该方法在均匀线阵的两端放置辅助阵元,再利用ESPRIT算法原理进行DOA估计,文献还讨论了三种不同的ESPRIT算法在所提算法上的有效性。而文献[2]中针对在未知互耦的情况下,提出了基于广义特征分解的DOA估计方法。该方法不需要任何校正信源,利用均匀线阵互耦矩阵的内在结构机理进行DOA与互耦系数的联合估计。但该方法仍需要通过辅助阵元的帮助来实现。
目前提出的大部分阵列自校正算法,包括上述两种算法都需要对接收信号的协方差矩阵进行特征分解。文献[3]另辟蹊径,提出了一种基于稀疏信号重构的DOA估计方法,该方法不需要对接收信号的协方差矩阵进行特征分解,利用l1范数对稀疏信号进行约束进而实现重构,但该方法未考虑阵元互耦因素。文献[4]将稀疏信号重构理论应用到未知阵元互耦下的DOA估计中,理论推导和实验仿真证明了其有效性,但仍需辅助阵元的参与才能完成DOA的估计。
[1]H.Li and P.Wei,"DOA estimation in an antenna array with mutualcoupling based on ESPRIT,"2013International Workshop on Microwave andMillimeter Wave Circuits and System Technology,Chengdu,2013,pp.86-89.
[2]Z.Ye,J.Dai,X.Xu and X.Wu,"DOA Estimation for Uniform Linear Arraywith Mutual Coupling,"in IEEE Transactions on Aerospace and ElectronicSystems,vol.45,no.1,pp.280-288,Jan.2009.
[3]D.Malioutov,M.Cetin and A.S.Willsky,"A sparse signalreconstruction perspective for source localization with sensor arrays,"inIEEE Transactions on Signal Processing,vol.53,no.8,pp.3010-3022,Aug.2005.
[4]J.Dai,D.Zhao and X.Ji,"A Sparse Representation Method for DOAEstimation With Unknown Mutual Coupling,"in IEEE Antennas and WirelessPropagation Letters,vol.11,no.,pp.1210-1213,2012。
发明内容
为克服现有技术的不足,本发明旨在提出一种未知阵元互耦条件下的DOA估计算法,在基于稀疏重构理论的前提下,该算法充分利用阵列接收的全部信息,能够在阵列强互耦的情况下提高角度估计精度。本发明采用的技术方案是,阵元互耦下的稀疏DOA估计方法,步骤如下:
步骤1:对接收信号计算协方差矩阵R;
步骤2:对协方差矩阵R进行奇异值分解;
步骤3:根据信号酉空间计算接收数据的信号子空间RS;
步骤4:根据导向矢量的参数化J进行稀疏信号完备字典AJ的构造;
步骤5:根据l1范数构造稀疏信号重构的凸规划函数;
步骤6:对凸规划函数求解并进行谱峰搜索;
步骤7:利用细化网格的原理进一步提高估计精度。
在一个实例中,具体步骤是:
步骤1:计算接收信号的协方差矩阵:其中L是快拍数,是接收信号矩阵,[·]H表示矩阵的共轭转置。
步骤2:对R进行奇异值分解R=UΛV,其中U和V分别是M×M和N×N酉矩阵,Λ为M×N的奇异值对角矩阵。且U=[USUN],V=[VSVN]T及Λ=diag[ΛSΛN]。
步骤3:构造选择矩阵DK=[IK0],其中IK为K×K的单位矩阵,K为信源数目。计算信号子空间RS=RVDK。
步骤4:根据导向矢量的参数化构造稀疏完备字典AJ=[J(θ1),J(θ2),…,J(θN)],其中M为阵元数目,N为信源数目,P为互耦度。
步骤5:用l1范数约束信号空域稀疏l2范数约束信号的时域稀疏以及对噪声的抑制即构造凸规划函数ξ为正则化参数。
步骤6:使用l1-SVD理论,以99%的置信区间抑制噪声空间的l2范数||NR||2来自动选择正则化参数ξ。并利用凸优化工具包CVX估计出稀疏信号空间谱SR,最后进行一维谱峰搜索。
步骤7:为进一步提高DOA测量精度,可将稀疏网格在第一次估计的角度上进一步细化,构造新的完备字典,重复步骤5和步骤6即可。
本发明的特点及有益效果是:
本算法的优点主要是具有较高的角度测量精度,同时在阵列互耦现象明显时DOA估计仍保持优良性能。
传统的阵列互耦自校正算法多是舍弃整个阵列两端的阵元而只取用中间阵元的接收信息,这必然会对测量精度带来影响。不同于其他算法的是,本算法充分利用了均匀阵列的全部阵元接收信息,利用导向矢量的参数化运算,将互耦情况下的接收数据模型进行整理重组,由此构造新的用于稀疏重构的完备字典。求解过程中采用奇异值分解对数据进行降维处理,从而降低计算复杂度,同时会起到降噪的作用。而在阵列阵元之间存在强互耦的情况下,本算法的角度估计精度优于参考文献中的其他算法。
在DOA估计性能方面,本算法在不同信噪比、不同快拍数下与参考文献中的算法进行比较,用均方根误差作为性能的衡量指标,信号数设为2,结果如下图所示,可以看出,在快拍数为400的情况下,随着信噪比的增加,本算法的均方根误差小于参考文献中的其他算法,而在信噪比为20dB情况下,随着快拍数的增加,算法性能逐渐提高并优于其他算法。
附图说明:
图1DOA估计精度与信噪比的关系。
图2DOA估计精度与快拍数的关系。
图3所提算法的计算流程图说明。
具体实施方式
本发明属阵列信号处理领域,是一种基于稀疏重构的空间信号到达方向(direction-of-arrival,DOA)估计技术。具体涉及到在未知阵元互耦条件下,使用均匀线阵,对稀疏信号进行DOA估计的方法。
现有的阵列自校准算法多是采用辅助阵元的方式进行互耦情况下的DOA估计,而且需要对接收信号的协方差矩阵进行特征分解。当舍弃一些阵列接收信号时,阵列的角度估计精度必然会受到影响。本发明目的在于提出一种未知阵元互耦条件下的DOA估计算法,在基于稀疏重构理论的前提下,该算法充分利用阵列接收的全部信息,能够在阵列强互耦的情况下提高角度估计精度。
本算法的主要过程是,首先对接收到的空间信息进行奇异值分解,降低计算量并达到去噪的目的。然后利用导向矢量的参数化和稀疏重构理论构造稀疏完备字典和凸优化求解函数,提高估计结果的精度。具体方案如下:
未知阵元互耦情况下的稀疏DOA估计算法:
假设均匀线阵阵元数为M,互耦距离为P,信号源数为N,波长为λ,第n个信号的角度记为θn,导向矢量记为a(θn)=[1,β(θn),…,β(θn)M-1]T,其中β(θn)=exp(-j2πλ-1dsinθn)。
步骤1:对接收信号计算协方差矩阵R;
步骤2:对协方差矩阵R进行奇异值分解;
步骤3:根据信号酉空间计算接收数据的信号子空间RS;
步骤4:根据导向矢量的参数化J进行稀疏信号完备字典AJ的构造;
步骤5:根据l1范数构造稀疏信号重构的凸规划函数;
步骤6:对凸规划函数求解并进行谱峰搜索;
步骤7:利用细化网格的原理进一步提高估计精度。
未知阵元互耦情况下的稀疏DOA估计算法
步骤1:计算接收信号的协方差矩阵:其中L是快拍数,是接收信号矩阵,[·]H表示矩阵的共轭转置。
步骤2:对R进行奇异值分解R=UΛV,其中U和V分别是M×M和N×N酉矩阵,Λ为M×N的奇异值对角矩阵。且U=[USUN],V=[VSVN]T及Λ=diag[ΛSΛN]。
步骤3:构造选择矩阵DK=[IK0],其中IK为K×K的单位矩阵,K为信源数目。计算信号子空间RS=RVDK。
步骤4:根据导向矢量的参数化构造稀疏完备字典AJ=[J(θ1),J(θ2),…,J(θN)],其中M为阵元数目,N为信源数目,P为互耦度。
步骤5:用l1范数约束信号空域稀疏l2范数约束信号的时域稀疏以及对噪声的抑制即构造凸规划函数ξ为正则化参数。
步骤6:使用l1-SVD理论,以99%的置信区间抑制噪声空间的l2范数||NR||2来自动选择正则化参数ξ。并利用凸优化工具包CVX估计出稀疏信号空间谱SR,最后进行一维谱峰搜索。
步骤7:为进一步提高DOA测量精度,可将稀疏网格在第一次估计的角度上进一步细化,构造新的完备字典,重复步骤5和步骤6即可。
Claims (2)
1.一种阵元互耦下的稀疏DOA估计方法,其特征是,
步骤1:对接收信号计算协方差矩阵R;
步骤2:对协方差矩阵R进行奇异值分解;
步骤3:根据信号酉空间计算接收数据的信号子空间RS;
步骤4:根据导向矢量的参数化J进行稀疏信号完备字典AJ的构造;
步骤5:根据l1范数构造稀疏信号重构的凸规划函数;
步骤6:对凸规划函数求解并进行谱峰搜索;
步骤7:利用细化网格的原理进一步提高估计精度。
2.如权利要求1所述的阵元互耦下的稀疏DOA估计方法,其特征是,在一个实例中,具体步骤是:
步骤1:计算接收信号的协方差矩阵:其中L是快拍数,是接收信号矩阵,[·]H表示矩阵的共轭转置。
步骤2:对R进行奇异值分解R=UΛV,其中U和V分别是M×M和N×N酉矩阵,Λ为M×N的奇异值对角矩阵。且U=[US UN],V=[VS VN]T及Λ=diag[ΛS ΛN]。
步骤3:构造选择矩阵DK=[IK 0],其中IK为K×K的单位矩阵,K为信源数目。计算信号子空间RS=RVDK。
步骤4:根据导向矢量的参数化构造稀疏完备字典AJ=[J(θ1),J(θ2),…,J(θN)],其中M为阵元数目,N为信源数目,P为互耦度。
步骤5:用l1范数约束信号空域稀疏l2范数约束信号的时域稀疏以及对噪声的抑制即构造凸规划函数ξ为正则化参数。
步骤6:使用l1-SVD理论,以99%的置信区间抑制噪声空间的l2范数||NR||2来自动选择正则化参数ξ。并利用凸优化工具包CVX估计出稀疏信号空间谱SR,最后进行一维谱峰搜索。
步骤7:为进一步提高DOA测量精度,可将稀疏网格在第一次估计的角度上进一步细化,构造新的完备字典,重复步骤5和步骤6即可。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710266103.6A CN106980106B (zh) | 2017-04-21 | 2017-04-21 | 阵元互耦下的稀疏doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710266103.6A CN106980106B (zh) | 2017-04-21 | 2017-04-21 | 阵元互耦下的稀疏doa估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106980106A true CN106980106A (zh) | 2017-07-25 |
CN106980106B CN106980106B (zh) | 2020-03-17 |
Family
ID=59345528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710266103.6A Expired - Fee Related CN106980106B (zh) | 2017-04-21 | 2017-04-21 | 阵元互耦下的稀疏doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106980106B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108037481A (zh) * | 2017-12-01 | 2018-05-15 | 天津大学 | 鲁棒性可分级的稀疏阵列频率和doa估计方法及装置 |
CN108680891A (zh) * | 2018-01-05 | 2018-10-19 | 大连大学 | 非均匀噪声条件下考虑互耦效应的doa估计方法 |
CN108710103A (zh) * | 2018-06-12 | 2018-10-26 | 西安电子科技大学 | 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法 |
CN108828506A (zh) * | 2018-06-27 | 2018-11-16 | 中国电子科技集团公司第二十九研究所 | 一种基于稀疏分解的电磁目标空间谱估计方法 |
CN108896954A (zh) * | 2018-06-07 | 2018-11-27 | 河海大学 | 互质阵中一种基于联合实值子空间的波达角估计方法 |
CN109738852A (zh) * | 2018-12-15 | 2019-05-10 | 华南理工大学 | 基于低秩矩阵重建的分布式源二维空间谱估计方法 |
CN109802717A (zh) * | 2019-03-12 | 2019-05-24 | 西北工业大学 | 一种基于张量的极化-空域波束形成抗干扰方法 |
CN110058192A (zh) * | 2019-03-28 | 2019-07-26 | 天津大学 | 基于辅助阵元的原子范数互耦doa估计方法 |
CN110109051A (zh) * | 2019-04-09 | 2019-08-09 | 天津大学 | 基于频控阵的互耦阵列doa估计方法 |
CN110231589A (zh) * | 2019-06-05 | 2019-09-13 | 大连理工大学 | 一种大扩散角的多径信号波达方向估计方法 |
CN110320490A (zh) * | 2019-06-05 | 2019-10-11 | 大连理工大学 | 一种无直达信号条件下的无线电波达方向估计方法 |
CN111337873A (zh) * | 2018-12-19 | 2020-06-26 | 南京理工大学 | 一种基于稀疏阵的doa估计方法 |
CN112180339A (zh) * | 2020-08-24 | 2021-01-05 | 河海大学 | 一种基于稀疏处理的雷达回波信号精确测向方法 |
CN112285639A (zh) * | 2020-09-30 | 2021-01-29 | 中国船舶重工集团公司七五0试验场 | 一种基于十字形声压阵列的宽带信号方位估计方法 |
CN113655444A (zh) * | 2021-08-26 | 2021-11-16 | 南京信息工程大学 | 一种阵元失效下基于重加权先验的mimo雷达doa估计方法 |
CN113740804A (zh) * | 2021-08-27 | 2021-12-03 | 青岛理工大学 | 一种基于dsp的水听器阵测向系统及其doa估计方法 |
CN114152913A (zh) * | 2021-12-01 | 2022-03-08 | 哈尔滨理工大学 | 一种互耦均匀线阵doa估计方法 |
CN114624665A (zh) * | 2022-03-24 | 2022-06-14 | 电子科技大学 | 基于动态参数迭代优化的互耦误差doa自校正方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068041A (zh) * | 2015-08-28 | 2015-11-18 | 哈尔滨工程大学 | 互耦条件下基于协方差矢量稀疏表示的单基地mimo雷达角度估计方法 |
CN106443610A (zh) * | 2016-11-16 | 2017-02-22 | 西安电子科技大学 | Mimo雷达收发阵列互耦误差自校正方法 |
-
2017
- 2017-04-21 CN CN201710266103.6A patent/CN106980106B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068041A (zh) * | 2015-08-28 | 2015-11-18 | 哈尔滨工程大学 | 互耦条件下基于协方差矢量稀疏表示的单基地mimo雷达角度估计方法 |
CN106443610A (zh) * | 2016-11-16 | 2017-02-22 | 西安电子科技大学 | Mimo雷达收发阵列互耦误差自校正方法 |
Non-Patent Citations (3)
Title |
---|
JISHENG DAI: "A Sparse Representation Method for DOA Estimation With Unknown Mutual Coupling", 《IEEE ANTENNAS AND WIRELESS PROPAGATION LETTERS》 * |
WU ZHEN: "A Sparse Representation Method for DOA Estimation of Coherent Signals with Mutual Coupling", 《PROCEEDINGS OF THE 32ND CHINESE CONTROL CONFERENCE》 * |
陈建: "基于阵列协方差矩阵列向量稀疏表示的高分辨波达方向估计", 《吉林大学学报(工学版)》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108037481A (zh) * | 2017-12-01 | 2018-05-15 | 天津大学 | 鲁棒性可分级的稀疏阵列频率和doa估计方法及装置 |
CN108680891A (zh) * | 2018-01-05 | 2018-10-19 | 大连大学 | 非均匀噪声条件下考虑互耦效应的doa估计方法 |
CN108680891B (zh) * | 2018-01-05 | 2022-02-22 | 大连大学 | 非均匀噪声条件下考虑互耦效应的doa估计方法 |
CN108896954A (zh) * | 2018-06-07 | 2018-11-27 | 河海大学 | 互质阵中一种基于联合实值子空间的波达角估计方法 |
CN108896954B (zh) * | 2018-06-07 | 2022-01-11 | 河海大学 | 互质阵中一种基于联合实值子空间的波达角估计方法 |
CN108710103A (zh) * | 2018-06-12 | 2018-10-26 | 西安电子科技大学 | 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法 |
CN108710103B (zh) * | 2018-06-12 | 2021-12-10 | 西安电子科技大学 | 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法 |
CN108828506A (zh) * | 2018-06-27 | 2018-11-16 | 中国电子科技集团公司第二十九研究所 | 一种基于稀疏分解的电磁目标空间谱估计方法 |
CN109738852A (zh) * | 2018-12-15 | 2019-05-10 | 华南理工大学 | 基于低秩矩阵重建的分布式源二维空间谱估计方法 |
CN109738852B (zh) * | 2018-12-15 | 2022-12-16 | 华南理工大学 | 基于低秩矩阵重建的分布式源二维空间谱估计方法 |
CN111337873A (zh) * | 2018-12-19 | 2020-06-26 | 南京理工大学 | 一种基于稀疏阵的doa估计方法 |
CN109802717A (zh) * | 2019-03-12 | 2019-05-24 | 西北工业大学 | 一种基于张量的极化-空域波束形成抗干扰方法 |
CN110058192A (zh) * | 2019-03-28 | 2019-07-26 | 天津大学 | 基于辅助阵元的原子范数互耦doa估计方法 |
CN110109051A (zh) * | 2019-04-09 | 2019-08-09 | 天津大学 | 基于频控阵的互耦阵列doa估计方法 |
CN110109051B (zh) * | 2019-04-09 | 2023-06-13 | 天津大学 | 基于频控阵的互耦阵列doa估计方法 |
CN110231589B (zh) * | 2019-06-05 | 2020-12-11 | 大连理工大学 | 一种大扩散角的多径信号波达方向估计方法 |
CN110320490A (zh) * | 2019-06-05 | 2019-10-11 | 大连理工大学 | 一种无直达信号条件下的无线电波达方向估计方法 |
CN110231589A (zh) * | 2019-06-05 | 2019-09-13 | 大连理工大学 | 一种大扩散角的多径信号波达方向估计方法 |
CN112180339A (zh) * | 2020-08-24 | 2021-01-05 | 河海大学 | 一种基于稀疏处理的雷达回波信号精确测向方法 |
CN112285639A (zh) * | 2020-09-30 | 2021-01-29 | 中国船舶重工集团公司七五0试验场 | 一种基于十字形声压阵列的宽带信号方位估计方法 |
CN112285639B (zh) * | 2020-09-30 | 2023-10-27 | 中国船舶重工集团公司七五0试验场 | 一种基于十字形声压阵列的宽带信号方位估计方法 |
CN113655444A (zh) * | 2021-08-26 | 2021-11-16 | 南京信息工程大学 | 一种阵元失效下基于重加权先验的mimo雷达doa估计方法 |
CN113740804B (zh) * | 2021-08-27 | 2023-04-11 | 青岛理工大学 | 一种基于dsp的水听器阵测向系统及其doa估计方法 |
CN113740804A (zh) * | 2021-08-27 | 2021-12-03 | 青岛理工大学 | 一种基于dsp的水听器阵测向系统及其doa估计方法 |
CN114152913A (zh) * | 2021-12-01 | 2022-03-08 | 哈尔滨理工大学 | 一种互耦均匀线阵doa估计方法 |
CN114624665A (zh) * | 2022-03-24 | 2022-06-14 | 电子科技大学 | 基于动态参数迭代优化的互耦误差doa自校正方法 |
CN114624665B (zh) * | 2022-03-24 | 2023-11-07 | 电子科技大学 | 基于动态参数迭代优化的互耦误差doa自校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106980106B (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106980106A (zh) | 阵元互耦下的稀疏doa估计方法 | |
CN104977558B (zh) | 一种基于贝叶斯压缩感知的分布源中心波达方向估计方法 | |
CN107589399B (zh) | 基于多采样虚拟信号奇异值分解的互质阵列波达方向估计方法 | |
CN108896954B (zh) | 互质阵中一种基于联合实值子空间的波达角估计方法 | |
CN104407335B (zh) | 一种3轴交叉阵列的doa估计方法 | |
CN105403856A (zh) | 基于嵌套式最小冗余阵列的波达方向估计方法 | |
CN103364772B (zh) | 基于实数域广义多重信号分类算法的目标低仰角估计方法 | |
CN111337893A (zh) | 一种基于实值稀疏贝叶斯学习的离格doa估计方法 | |
CN104991236A (zh) | 一种单基地mimo雷达非圆信号相干源波达方向估计方法 | |
CN109116293A (zh) | 一种基于离格稀疏贝叶斯的波达方向估计方法 | |
CN111413668B (zh) | 一种大规模阵列中基于dft增强的doa估计方法 | |
CN111046591B (zh) | 传感器幅相误差与目标到达角度的联合估计方法 | |
CN112379327A (zh) | 一种基于秩损估计的二维doa估计与互耦校正方法 | |
CN109557504B (zh) | 一种近场窄带信号源的定位方法 | |
CN109782218A (zh) | 一种基于双平行天线阵的相干分布式非圆信号doa估计方法 | |
CN101483280B (zh) | 一种稳健波束合成器权值求解方法 | |
CN103399308A (zh) | 主瓣和旁瓣干扰背景下雷达目标角度快速估计方法 | |
CN115236584A (zh) | 基于深度学习的米波雷达低仰角估计方法 | |
CN103323810A (zh) | 一种l阵方位角和俯仰角配对的信号处理方法 | |
CN111368256B (zh) | 一种基于均匀圆阵的单快拍测向方法 | |
CN104777449A (zh) | 基于贝叶斯信息准则的信源数估计方法 | |
CN113238184B (zh) | 一种基于非圆信号的二维doa估计方法 | |
CN115329261A (zh) | 一种基于空间平滑稀疏重构的mimo雷达低仰角估计方法 | |
CN105022025A (zh) | 基于稀疏处理的信号波达方向估计方法 | |
CN109683128B (zh) | 冲击噪声环境下的单快拍测向方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200317 Termination date: 20210421 |
|
CF01 | Termination of patent right due to non-payment of annual fee |