CN108828502A - 基于均匀圆阵中心对称性的相干源方向估计方法 - Google Patents
基于均匀圆阵中心对称性的相干源方向估计方法 Download PDFInfo
- Publication number
- CN108828502A CN108828502A CN201810569746.2A CN201810569746A CN108828502A CN 108828502 A CN108828502 A CN 108828502A CN 201810569746 A CN201810569746 A CN 201810569746A CN 108828502 A CN108828502 A CN 108828502A
- Authority
- CN
- China
- Prior art keywords
- signal
- array
- matrix
- data
- uca
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供的是一种基于均匀圆阵中心对称性的相干源方向估计方法。步骤一、对于UCA接收到的数据X(t),求模式空间转换矩阵T,将数据X(t)乘以转换矩阵T得到模式空间数据Y(t);步骤二、求共轭平均后的数据Z(t);步骤三、求取重构的Hermitian Toeplitz矩阵RToe;步骤四、对RToe进行特征分解,利用Root‑MUSIC算法输出相干源DOA的估计结果。本发明的实现手段简单,计算量小;具有解相干能力强、DOA估计精度高和信噪比门限低的优点。仿真实验结果表明:本发明能够正确估计相干信源的DOA,分辨率高于MODEFBSS和MODETOEP;在低信噪比和小快拍数时有较强的解相干能力和较高的DOA估计精度。
Description
技术领域
本发明涉及的是一种相干源方向估计方法。
背景技术
阵列处理技术在移动通信、雷达、声呐等领域有着广泛的应用。在实际水声环境中,存在大量的相干信号源,例如海底、海面反射等大量多途信号,主动探测中多个目标的声呐回波,以及声干扰器、声诱饵等人为干扰信号。由于相干信号子空间与噪声子空间的不完全正交会导致MUSIC、ESPRIT等经典的信号子空间类算法性能严重下降,相干源DOA估计一直是阵列信号处理领域的热点问题。
与均匀线阵(ULA)相比,均匀圆阵(UCA)可以提供360°无模糊的方位信息,在各个方向具有近似相同的估计精度和分辨力;除此之外,UCA作为平面阵列能够提供二维DOA估计所需要的俯仰角信息。然而,UCA的阵列流形不具有ULA阵列流形的Vandermonde结构,因此空间平滑算法、矩阵重构算法等众多ULA的成熟算法无法直接应用到UCA上。为此,Griffiths提出了基于相位模式激励的UCA方向图合成技术,可以通过模式空间变换算法将圆阵的阵列流型变换成具有Vandermonde结构的矩阵,给解决UCA的相干源DOA估计问题提供了新思路。在此基础上,有人将空间平滑解相干技术应用在UCA上,提出了模式空间平滑(Mode Spatial Smoothing,MODESS)和模式空间前后向空间平滑(Mode Forward-BackwardSpatial Smoothing,MODEFBSS);但是此类算法存在计算量大、平滑次数不易确定的问题。之后,有人提出的一种无需平滑的模式空间Toeplitz矩阵重构算法(Mode Toeplitz,MODETOEP),实现了信号协方差矩阵的对角化,具有较低的信噪比门限;但是MODETOEP没有充分利用均匀圆阵的对称性。
发明内容
本发明的目的在于提供一种解相干能力强、DOA估计精度高和信噪比门限低的基于均匀圆阵中心对称性的相干源方向估计方法。
本发明的目的是这样实现的:
步骤一、对于UCA接收到的数据X(t),求模式空间转换矩阵T,将数据X(t)乘以转换矩阵T得到模式空间数据Y(t);
步骤二、求共轭平均后的数据Z(t);
步骤三、求取重构的Hermitian Toeplitz矩阵RToe;
步骤四、对RToe进行特征分解,利用Root-MUSIC算法输出相干源DOA的估计结果。
本发明中:UCA为均匀圆阵的简称,是指在高分辨阵列测向系统中广泛使用的一种阵列结构;Hermitian Toeplitz矩阵是指独立信号源的协方差矩阵任意一个对角线上的元素取相同值,且矩阵中的元素满足复共轭对称关系的Hermitian Toeplitz矩阵。
为了解决现有的UCA的相干源DOA估计方法存在的计算量大、平滑次数不易确定、以及不能充分利用均匀圆阵的对称性的问题,本发明提供了一种基于均匀圆阵中心对称性的相干源方向估计方法。
本发明首先利用模式空间转换将均匀圆阵转换为虚拟均匀线阵,使阵列流形具有易于处理的Vandermonde结构;然后对模式空间的阵列数据进行共轭平均处理,成功减弱了环境噪声的影响;最后,求各阵元处理后数据与中心参考阵元的相关值,依此重构一个Hermitian Toeplitz矩阵实现了信号协方差矩阵的对角化,完成了相干信号源的分辨。与空间平滑类算法相比,本发明无需平滑处理、无需计算接收数据协方差矩阵,因此计算量较小。本发明的实现手段简单,计算量小;具有解相干能力强、DOA估计精度高和信噪比门限低的优点。仿真实验结果表明:本发明能够正确估计相干信源的DOA,分辨率高于MODEFBSS和MODETOEP;在低信噪比和小快拍数时有较强的解相干能力和较高的DOA估计精度。
附图说明
图1为本发明涉及的均匀圆阵模型图;
图2为模式空间的虚拟均匀线阵模型图;
图3为本发明的基本流程图;
图4(a)为信噪比为0dB,信号角度为-10°和15°时,分别应用本文算法、MODETOEP、MODEFBSS以及MUSIC算法得到的空间谱估计结果图;
图4(b)为信噪比下降到-10dB,信号角度为-10°和15°时,分别应用本文算法、MODETOEP、MODEFBSS以及MUSIC算法得到的空间谱估计结果图;
图4(c)为信噪比为0dB,信号角度为-10°和5°时,分别应用本文算法、MODETOEP、MODEFBSS以及MUSIC算法得到的空间谱估计结果图;
图5为MODEFBSS、MODETOEP和本发明算法的分辨概率实验结果对比图;
图6为本发明仿真实验过程涉及的分辨概率随快拍数变化曲线图;
图7为均方根误差随信噪比变化的DOA估计结果曲线图;
图8为均方根误差随快拍数变化的DOA估计结果曲线图。
具体实施方式
下面举例对本发明做更详细的描述。
具体实施方式一:
本实施方式的基于均匀圆阵中心对称性的相干源方向估计方法,所述的估计方法通过以下步骤实现,
步骤一、对于UCA接收到的数据X(t),求模式空间转换矩阵T,将数据X(t)乘以转换矩阵T得到模式空间数据Y(t);
步骤二、求共轭平均后的数据Z(t);
步骤三、求取重构的Hermitian Toeplitz矩阵RToe;
步骤四、对RToe进行特征分解,利用Root-MUSIC算法输出相干源DOA的估计结果;
其中,UCA为均匀圆阵的简称,是指在高分辨阵列测向系统中广泛使用的一种阵列结构;Hermitian Toeplitz矩阵是指独立信号源的协方差矩阵任意一个对角线上的元素取相同值,且矩阵中的元素满足复共轭对称关系的Hermitian Toeplitz矩阵。
具体实施方式二:
与具体实施方式一不同的是,本实施方式的基于均匀圆阵中心对称性的相干源方向估计方法,步骤一所述的求模式空间转换矩阵T的过程即为UCA的阵列流型矩阵A(θ)不具有Vandermonde结构,因此需要先将UCA转换为虚拟的均匀线阵VULA的过程,具体为:利用式T=J-1F/M求模式空间转换矩阵T,
其中:图2表示VULA的阵列模型,K为UCA可激励的最大模式数,且满足2K<M,表示向下取整;
F=[w-K,…,wK]H,
wk=[1,exp(-j2πk/M),…,exp(-j2πk(M-1)/M)]T,k=-K,…,K,
Jk(·)表示阶数为k的第一类Bessel函数;
并得到的虚拟阵列流形和模式空间数据相关矩阵,
虚拟阵列流形为:
可以看出,(2K+1)×(2K+1)阶矩阵Av(θ)具有与ULA阵列流形相同的Vandermonde结构;模式空间数据相关矩阵RY为:
式中,
因此,经过转换矩阵T实现了从原阵元空间中的UCA到模式空间中的ULA的转换,为在Y(t)的基础上进行解相干处理打下了基础;
其中,对于半径为R的均匀圆阵UCA,M表示均匀分布在圆周上各向同性的阵元的个数,N表示入射到阵列上的远场窄带信号的个数;如图1所示,用一个球坐标系描述信号的到达角,以圆心为参考点,方位角θ表示入射信号在x-y平面的投影与x轴沿逆时针方向的夹角,俯仰角表示入射信号与x-y平面之间的夹角,因此有θ∈[0,2π],第m个阵元与x轴的夹角θm=2πm/M(m=0,1,…,M-1),阵元坐标可以表示为pm=(Rcosθm,-Rsinθm,0),信号的方向向量第m个阵元接收信号si(t)(i=1,2,…,N)相对于参考点的时延和相移分别为:
由此得信号的导向矢量:
令俯仰角的一维方向估计,假设各阵元接收噪声为与信号独立的加性高斯白噪声,则t时刻第m个阵元上的接收数据为:
其中,β=2πR/λ,nm(t)表示0均值,方差为的白噪声;则阵列接收信号表示成:
X(t)=A(θ)S(t)+N(t)=[[x0(t),x1(t),…,xM-1(t)]]Τ
N(t)=[n0(t),n1(t)…,nM-1(t)]Τ为噪声矢量,S(t)=[s1(t),s2(t),…,sN(t)]T为信号矢量,X(t)为M×1阶接收数据矢量,A(θ)=[a(θ1),a(θ2),…,a(θN)]为阵列对信号的M×N阶阵列流形矩阵。
具体实施方式三:
与具体实施方式二不同的是,本实施方式的基于均匀圆阵中心对称性的相干源方向估计方法,步骤二所述的求共轭平均后的数据Z(t)的过程为,用[RY]p,q表示模式空间数据相关矩阵RY中第p行第q列的元素,表示第i个信号源的功率,设信号源为理想情况下的独立信号,有下式成立:
rY(k)为不同阵元接收数据间的相关函数,模式空间数据相关矩阵用rY(k)表示为:
其中,独立信号源的协方差矩阵任意一个对角线上的元素取相同值,且矩阵中的元素满足复共轭对称关系,即为Hermitian Toeplitz矩阵;在实际阵列信号处理中,受到有限次快拍、系统误差以及信源相干性的影响,RY一般只是对角占优的矩阵而不满足Toeplitz性质;MODETOEP算法中重构的矩阵仅为Toeplitz矩阵,而不具有复共轭对称性质。本发明提出的算法则利用UCA的中心对称性构造与理想独立信源协方差矩阵更加相似的Hermitian Toeplitz矩阵;
其中,独立信号源的协方差矩阵任意一个对角线上的元素取相同值,且矩阵中的元素满足复共轭对称关系,设B为副对角线上元素全为1,其他元素全为0的置换矩阵,由UCA的中心对称性可知:
UCA在模式空间的阵列流形具有对称性,因此将0号阵元一侧的阵列数据进行共轭重排后与另一侧阵元的数据进行平均以抑制噪声;选出0号阵元右侧的模式空间阵列接收数据Yr(t)=[y0(t),…,yK(t)]T,即Yr(t)为k=0,…,K的模式空间接收数据组合;对于0号阵元左侧的模式空间阵列接收数据Y(t)=[y-K(t),…,y0(t)]T,按照式进行倒序排列:
对处理后的两部分接收数据进行平均,得:
具体实施方式四:
与具体实施方式三不同的是,本实施方式的基于均匀圆阵中心对称性的相干源方向估计方法,步骤三所述的求取重构的Hermitian Toeplitz矩阵RToe的过程为,定义相关运算表示各阵元接收信号与0号阵元的相关性函数:
di表示第i个信号与所有信号的互相关之和:
相关性函数r(k)具有与rY(k)相似的结构,且同样包含了所有信号的入射角信息;
利用定义的相关运算表示各阵元接收信号与0号阵元的相关性函数:计算得到K+1个相关值,重构出如下Toeplitz矩阵:
D=diag(d1,d2,…,dN)。
具体实施方式五:
与具体实施方式四不同的是,本实施方式的基于均匀圆阵中心对称性的相干源方向估计方法,步骤四所述的对RToe进行特征分解,利用Root-MUSIC算法输出DOA估计结果的过程为,
首先,在步骤三重构出的RToe矩阵为Hermitian Toeplitz矩阵的基础上,由于RToe更接近理论上独立信源协方差矩阵模型,对RToe进行特征分解,令K+1>N且非零信号的方位角各不相同,则保证特征分解后大特征值个数等于信号源数;重构的协方差矩阵的秩只与信号DOA有关,可对信号子空间与噪声子空间做出正确的估计而不受信号相关性的影响,因此解决了高分辨算法由于信源相干性失效的问题。对RToe进行广义特征值分解,得到信号子空间US和噪声子空间UN;
然后,按照式进行谱峰搜索或在单位圆上求根便可以得到DOA估计结果,且此时的搜索矢量为av(θ)=[ [1,exp(jθ),…,exp(jKθ)]。
仿真分析:
算法有效性的验证:
为验证本发明的有效性,并与已有算法性能作比较,本发明设计了如下仿真实验。仿真条件:UCA的阵元间隔为半波长,阵元数为21,两个相关系数为1的远场窄带信号分别以不同的角度入射,信噪比为0dB。为保证本发明和模式空间前后向空间平滑算法(MODEFBSS)解相干处理矩阵的阶数相同,MODEFBSS算法中子阵阵元数等于K+1,仿真实验中K取10。图4给出了不同信噪比和相干信号入射角度下,分别应用本发明、MODETOEP、MODEFBSS以及MUSIC算法得到的空间谱估计结果。
由图4(a)可知,本发明可以成功地估计相干源的DOA,验证了算法的有效性。信号源相干时MUSIC算法已经失效,无法得到可靠的DOA估计结果。此时,本发明、MODETOEP、MODEFBSS都可以成功地分辨两个相干信号源;本发明得到的谱峰最尖锐、最明显,对噪声的抑制能力最强,分辨率最高。在图4(b)中,随着信噪比下降到-10dB,三种算法的分辨率均有所降低,MODEFBSS性能下降最为严重,分辨率由高到低分别是本发明、MODEFBSS、MODETOEP。在图4(c)中,信噪比为0dB,信号角度间隔减小到15°,此时MODEFBSS已经无法分辨两个相干信源,本发明仍然有效。因此在相同的仿真条件下,本发明的分辨率高于MODETOEP和MODEFBSS。
解相干能力的验证
算法的解相干能力描述的是将信号协方差矩阵的秩数恢复到真实信号个数的能力,可以用分辨概率来衡量。分辨概率表示算法成功分辨出两个相干信号的概率,当所有信号DOA估计结果的偏差都在允许范围内,认为是一次成功的解相干。仿真中偏差门限选取2°,相干信号分别从-10°和15°入射到阵列上,改变信噪比进行300次蒙特卡洛独立实验,利用Root-MUSIC算法得到DOA估计值,比较MODEFBSS、MODETOEP和本发明的分辨概率,实验结果如图5所示。
从图5可以看出,随着信噪比的增加,MODETOEP、MODEFBSS和本发明分辨相干信源的成功概率逐渐增加。信噪比为-9dB时,本发明的分辨概率为1,MODETOEP的分辨概率为0.98,MODEFBSS分辨概率为0.18;当分辨概率大于0.95时,FBSS对应的信噪比门限为-5dB,本发明和MODETOEP对应的信噪比门限为-9dB。以上事实说明本发明需要的信噪比门限低于MODEFBSS,在低信噪比时具有较强的相干源分辨能力。
当仿真实验的信噪比取0dB,偏差门限为2°时,快拍数从100变化到500,三种算法的分辨概率保持1不变。信噪比不变,减小偏差门限到0.5°,改变快拍数,分辨概率变化情况如图6所示。在相同快拍数时,MODEFBSS的分辨概率最小,本发明的分辨概率大于另外两种算法;三种算法的分辨概率随快拍数的变化情况较为相近,因此解相干能力受快拍数影响较小。
DOA估计精度:
本发明利用均方根误差(Root Mean Square Error,RMSE)衡量算法的DOA估计精度。仿真条件同3.2节,分别改变信噪比和快拍数,在分辨概率均达到0.95以上时,比较三种方法的DOA的RMSE,具体计算过程如式所示,Nsig表示实验中的信号个数,Ndet表示成功检测到两个相干信源的次数。图7中快拍数为1500,图8中信噪比为0dB。
从图7和图8的DOA估计结果可以看出,随着信噪比和快拍数的增加,三种算法的RMSE逐渐减小,DOA估计精度逐渐提高;在低信噪比和小快拍数时,本发明方法的DOA估计的RMSE比MODEFBSS和MODETOEP小,因此DOA估计精度更高。
Claims (5)
1.一种基于均匀圆阵中心对称性的相干源方向估计方法,其特征是:
步骤一、对于UCA接收到的数据X(t),求模式空间转换矩阵T,将数据X(t)乘以转换矩阵T得到模式空间数据Y(t);
步骤二、求共轭平均后的数据Z(t);
步骤三、求取重构的Hermitian Toeplitz矩阵RToe;
步骤四、对RToe进行特征分解,利用Root-MUSIC算法输出相干源DOA的估计结果。
2.根据权利要求1所述的基于均匀圆阵中心对称性的相干源方向估计方法,其特征是:
所述的求模式空间转换矩阵T是将UCA转换为虚拟的均匀线阵VULA的过程,具体为:利用式T=J-1F/M求模式空间转换矩阵T,
其中:K为UCA可激励的最大模式数,且满足2K<M,表示向下取整;
F=[w-K,…,wK]H,
wk=[1,exp(-j2πk/M),…,exp(-j2πk(M-1)/M)]T,k=-K,…,K,
Jk(·)表示阶数为k的第一类Bessel函数;
并得到的虚拟阵列流形和模式空间数据相关矩阵,
虚拟阵列流形为:
得到(2K+1)×(2K+1)阶矩阵Av(θ)具有与ULA阵列流形相同的Vandermonde结构;
模式空间数据相关矩阵RY为:
式中,
实现了从原阵元空间中的UCA到模式空间中的ULA的转换;
其中,对于半径为R的均匀圆阵UCA,M表示均匀分布在圆周上各向同性的阵元的个数,N表示入射到阵列上的远场窄带信号的个数;用一个球坐标系描述信号的到达角,以圆心为参考点,方位角θ表示入射信号在x-y平面的投影与x轴沿逆时针方向的夹角,俯仰角表示入射信号与x-y平面之间的夹角,因此有θ∈[0,2π],第m个阵元与x轴的夹角θm=2πm/M,m=0,1,…,M-1,阵元坐标表示为pm=(Rcosθm,-Rsinθm,0),信号的方向向量第m个阵元接收信号si(t),i=1,2,…,N,相对于参考点的时延和相移分别为:
由此得信号的导向矢量:
令俯仰角的一维方向估计,假设各阵元接收噪声为与信号独立的加性高斯白噪声,则t时刻第m个阵元上的接收数据为:
其中,β=2πR/λ,nm(t)表示0均值,方差为的白噪声;则阵列接收信号表示成:
X(t)=A(θ)S(t)+N(t)=[x0(t),x1(t),…,xM-1(t)]Τ
N(t)=[n0(t),n1(t)…,nM-1(t)]Τ为噪声矢量,S(t)=[s1(t),s2(t),…,sN(t)]T为信号矢量,X(t)为M×1阶接收数据矢量,A(θ)=[a(θ1),a(θ2),…,a(θN)]为阵列对信号的M×N阶阵列流形矩阵。
3.根据权利要求2所述的基于均匀圆阵中心对称性的相干源方向估计方法,其特征是所述的求共轭平均后的数据Z(t)的过程为:
用[RY]p,q表示模式空间数据相关矩阵RY中第p行第q列的元素,表示第i个信号源的功率,设信号源为理想情况下的独立信号,有下式成立:
rY(k)为不同阵元接收数据间的相关函数,模式空间数据相关矩阵用rY(k)表示为:
其中,独立信号源的协方差矩阵任意一个对角线上的元素取相同值,且矩阵中的元素满足复共轭对称关系,设B为副对角线上元素全为1,其他元素全为0的置换矩阵,由UCA的中心对称性得:
UCA在模式空间的阵列流形具有对称性,因此将0号阵元一侧的阵列数据进行共轭重排后与另一侧阵元的数据进行平均以抑制噪声;选出0号阵元右侧的模式空间阵列接收数据Yr(t)=[y0(t),…,yK(t)]T,即Yr(t)为k=0,…,K的模式空间接收数据组合;对于0号阵元左侧的模式空间阵列接收数据Y(t)=[y-K(t),…,y0(t)]T,按照式进行倒序排列:
对处理后的两部分接收数据进行平均,得:
4.根据权利要求3所述的基于均匀圆阵中心对称性的相干源方向估计方法,其特征是所述的求取重构的Hermitian Toeplitz矩阵RToe的过程为:
定义相关运算表示各阵元接收信号与0号阵元的相关性函数:
di表示第i个信号与所有信号的互相关之和:
相关性函数r(k)具有与rY(k)相似的结构,且同样包含了所有信号的入射角信息;
利用定义的相关运算表示各阵元接收信号与0号阵元的相关性函数:
计算得到K+1个相关值,重构出如下Toeplitz矩阵:
D=diag(d1,d2,…,dN)。
5.根据权利要求4所述的基于均匀圆阵中心对称性的相干源方向估计方法,其特征是所述的对RToe进行特征分解,利用Root-MUSIC算法输出DOA估计结果的过程为:
首先,在步骤三重构出的RToe矩阵为Hermitian Toeplitz矩阵的基础上,对RToe进行特征分解,令K+1>N且非零信号的方位角各不相同,则保证特征分解后大特征值个数等于信号源数;对RToe进行广义特征值分解,得到信号子空间US和噪声子空间UN;
然后,按照式进行谱峰搜索或在单位圆上求根得到DOA估计结果,且此时的搜索矢量为av(θ)=[1,exp(jθ),…,exp(jKθ)]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810569746.2A CN108828502B (zh) | 2018-06-05 | 2018-06-05 | 基于均匀圆阵中心对称性的相干源方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810569746.2A CN108828502B (zh) | 2018-06-05 | 2018-06-05 | 基于均匀圆阵中心对称性的相干源方向估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108828502A true CN108828502A (zh) | 2018-11-16 |
CN108828502B CN108828502B (zh) | 2023-01-03 |
Family
ID=64143932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810569746.2A Active CN108828502B (zh) | 2018-06-05 | 2018-06-05 | 基于均匀圆阵中心对称性的相干源方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108828502B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709580A (zh) * | 2018-12-13 | 2019-05-03 | 航天恒星科技有限公司 | 一种卫星中继数据链接收机抗干扰系统 |
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 |
CN111736111A (zh) * | 2020-07-01 | 2020-10-02 | 哈尔滨理工大学 | 一种基于同心均匀分布双圆阵的相干源doa的估计方法 |
CN113960525A (zh) * | 2021-10-15 | 2022-01-21 | 南京航空航天大学 | 一种基于频域toeplitz矩阵重构的跳频信号快速测向方法 |
CN114114142A (zh) * | 2021-11-12 | 2022-03-01 | 青岛理工大学 | 一种基于协方差扩展pm算法的波达方向估计方法 |
CN115034066A (zh) * | 2022-06-15 | 2022-09-09 | 哈尔滨工程大学 | 一种基于相位补偿的旋转圆阵信源数估计系统及估计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608565A (zh) * | 2012-03-23 | 2012-07-25 | 哈尔滨工程大学 | 一种基于均匀圆阵列的波达方向估计方法 |
CN102694588A (zh) * | 2012-06-15 | 2012-09-26 | 华南师范大学 | 一种基于共轭扩展的波达方向估计方法 |
CN104698433A (zh) * | 2015-03-16 | 2015-06-10 | 电子科技大学 | 基于单快拍数据的相干信号doa估计方法 |
KR101718282B1 (ko) * | 2016-04-11 | 2017-03-20 | 한국과학기술원 | 가시선 채널 환경에서 부배열 안테나를 이용한 균일 원형 배열 안테나 시스템 및 그의 빔포밍 방법 |
CN107918108A (zh) * | 2017-11-14 | 2018-04-17 | 重庆邮电大学 | 一种均匀圆阵二维波达方向快速估计方法 |
-
2018
- 2018-06-05 CN CN201810569746.2A patent/CN108828502B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608565A (zh) * | 2012-03-23 | 2012-07-25 | 哈尔滨工程大学 | 一种基于均匀圆阵列的波达方向估计方法 |
CN102694588A (zh) * | 2012-06-15 | 2012-09-26 | 华南师范大学 | 一种基于共轭扩展的波达方向估计方法 |
CN104698433A (zh) * | 2015-03-16 | 2015-06-10 | 电子科技大学 | 基于单快拍数据的相干信号doa估计方法 |
KR101718282B1 (ko) * | 2016-04-11 | 2017-03-20 | 한국과학기술원 | 가시선 채널 환경에서 부배열 안테나를 이용한 균일 원형 배열 안테나 시스템 및 그의 빔포밍 방법 |
CN107918108A (zh) * | 2017-11-14 | 2018-04-17 | 重庆邮电大学 | 一种均匀圆阵二维波达方向快速估计方法 |
Non-Patent Citations (2)
Title |
---|
马永阳: "基于子空间分析的DOA估计算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
高书彦等: "基于均匀圆阵的模式空间矩阵重构算法", 《电子与信息学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709580A (zh) * | 2018-12-13 | 2019-05-03 | 航天恒星科技有限公司 | 一种卫星中继数据链接收机抗干扰系统 |
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 |
CN111736111A (zh) * | 2020-07-01 | 2020-10-02 | 哈尔滨理工大学 | 一种基于同心均匀分布双圆阵的相干源doa的估计方法 |
CN113960525A (zh) * | 2021-10-15 | 2022-01-21 | 南京航空航天大学 | 一种基于频域toeplitz矩阵重构的跳频信号快速测向方法 |
CN113960525B (zh) * | 2021-10-15 | 2024-04-12 | 南京航空航天大学 | 一种基于频域toeplitz矩阵重构的跳频信号快速测向方法 |
CN114114142A (zh) * | 2021-11-12 | 2022-03-01 | 青岛理工大学 | 一种基于协方差扩展pm算法的波达方向估计方法 |
CN115034066A (zh) * | 2022-06-15 | 2022-09-09 | 哈尔滨工程大学 | 一种基于相位补偿的旋转圆阵信源数估计系统及估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108828502B (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108828502A (zh) | 基于均匀圆阵中心对称性的相干源方向估计方法 | |
CN107390197B (zh) | 基于特征空间的雷达自适应和差波束测角方法 | |
CN108845325B (zh) | 拖曳线列阵声纳子阵误差失配估计方法 | |
CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
CN109283536A (zh) | 一种多波束测深声呐水体成像波束形成算法 | |
CN106226754A (zh) | 基于时间反演的低仰角波达方向估计方法 | |
Das | Theoretical and experimental comparison of off-grid sparse Bayesian direction-of-arrival estimation algorithms | |
CN104155648A (zh) | 基于阵列数据重排的高频地波雷达单次快拍music测向方法 | |
CN108549059A (zh) | 一种复杂地形条件下的低空目标仰角估计方法 | |
CN113189592B (zh) | 考虑幅相互耦误差的车载毫米波mimo雷达测角方法 | |
CN108398669A (zh) | 一种基于无需预延迟处理的空时宽带自适应单脉冲测角方法 | |
CN109696657A (zh) | 一种基于矢量水听器的相干声源定位方法 | |
CN109459744A (zh) | 一种实现多干扰抑制的稳健自适应波束形成方法 | |
CN103837858B (zh) | 一种用于平面阵列的远场波达角估计方法及系统 | |
Wu et al. | Subspace-based method for joint range and DOA estimation of multiple near-field sources | |
CN114779236A (zh) | 一种基于空间平滑music改进的米波雷达低仰角测高方法 | |
CN109932679B (zh) | 一种传感器列系统最大似然角度分辨率估计方法 | |
CN110196417A (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
Chen et al. | A beamspace maximum likelihood algorithm for target height estimation for a bistatic MIMO radar | |
Chen et al. | Meter-wave MIMO radar height measurement method based on adaptive beamforming | |
CN108490428B (zh) | 一种用于抗主瓣干扰的降维子阵比相跟踪测角方法 | |
Li et al. | DOA estimation of underwater wideband signals based on improved OMP method | |
CN114563760B (zh) | 一种基于sca阵型的二阶超波束形成方法、设备及介质 | |
CN115656957A (zh) | 一种加速迭代收敛的fda-mimo目标参数估计方法 | |
Hyder et al. | A new target localization method for bistatic FDA radar |
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 |