CN108872929B - 基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法 - Google Patents

基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法 Download PDF

Info

Publication number
CN108872929B
CN108872929B CN201810327847.9A CN201810327847A CN108872929B CN 108872929 B CN108872929 B CN 108872929B CN 201810327847 A CN201810327847 A CN 201810327847A CN 108872929 B CN108872929 B CN 108872929B
Authority
CN
China
Prior art keywords
array
virtual
matrix
signal
sub
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
Application number
CN201810327847.9A
Other languages
English (en)
Other versions
CN108872929A (zh
Inventor
周成伟
张宗煜
史治国
陈积明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201810327847.9A priority Critical patent/CN108872929B/zh
Publication of CN108872929A publication Critical patent/CN108872929A/zh
Application granted granted Critical
Publication of CN108872929B publication Critical patent/CN108872929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

本发明公开了一种基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法，主要解决现有技术中虚拟阵列的非均匀性导致的信息损失以及预定义空间网格点的基不匹配问题所引发的波达方向估计误差。其实现步骤是：架构互质阵列；互质阵列接收信号建模并计算其等价虚拟信号；构造内插虚拟阵列并初始化其虚拟域信号统计量；设计基于核范数最小化的优化问题并求解，以重建内插虚拟阵列协方差矩阵；形成内插虚拟阵列协方差矩阵的信号子空间；构造具有旋转不变性的两个虚拟子阵信号子空间；计算两个虚拟子阵信号子空间的转换矩阵；形成波达方向估计的闭式解。本发明提高了波达方向估计的自由度和准确度，可用于无源定位和目标探测。

Description

基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列 波达方向估计方法
技术领域
本发明属于信号处理技术领域，尤其涉及对雷达信号、声学信号及电磁信号的波达方向估计，具体是一种基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法，可用于无源定位和目标探测。
背景技术
波达方向(Direction-of-Arrival,DOA)估计是阵列信号处理领域的基本问题之一，指的是利用阵列天线接收空域信号，并通过一系列统计信号处理技术及优化方法实现对接收信号的有效处理，从而得到信号的DOA信息，在雷达、声呐、语音、无线通信等领域均有着重要而广泛的应用。
自由度是DOA估计方法中的重要指标之一，指的是其能够估计的入射信号的个数。目前的DOA估计方法通常基于均匀线性阵列进行信号的接收和建模，并围绕该模型形成了成熟的理论和广泛的应用。然而，基于均匀线阵的DOA估计方法自由度受到实际天线阵元个数的限制，当空间中入射信号源的个数大于或等于阵列中物理天线阵元个数时，现有基于均匀线阵的DOA估计方法将无法进行有效的估计。
互质阵列是一种具有系统化结构的非均匀稀疏阵列，能够在天线阵元个数一定的情况下增加DOA估计的自由度，突破了传统均匀线阵自由度受限的瓶颈，实现了DOA估计方法自由度性能的提升，受到了学术界的广泛关注。现有的基于互质阵列的DOA估计方法主要利用质数的性质，对互质阵列进行推导以形成一个二阶等价虚拟均匀线性阵列接收信号，进而实现DOA估计。由于虚拟阵列中的虚拟阵元数大于实际的天线阵元数，因此DOA估计的自由度能够得到有效的提升。然而，从互质阵列直接推导而来的虚拟阵列是非均匀的，为了避免非均匀阵列引起的信号模型失配问题，现有的互质阵列DOA估计方法大多简单地利用虚拟阵列中连续阵元部分形成虚拟均匀线阵进行DOA估计，这引起了部分原始信息的丢失以及相关估计性能的降低。
此外，目前众多DOA估计方法均包含网格化的设计步骤，即在空间谱峰搜索过程中设置一定的搜索步长或者在优化问题中引入预先定义的波达方向过完备空间网格点。此类设计造成了DOA估计精度和计算复杂度之间的矛盾，即随着DOA估计精度要求的提高，网格化DOA估计方法需要设定更加密集的网格，导致计算复杂度的急剧增加。不仅如此，在实际中，即使网格点较为密集，在很多情况下信号的波达方向无法完全落在预先设定的网格点上，这种基不匹配现象也导致了固有的波达方向估计误差。
发明内容
本发明的目的在于针对上述现有技术存在的不足，提出一种基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法。一方面，通过虚拟阵列内插技术充分利用了非均匀虚拟阵列所包含的全部信号信息，从而进一步提高了DOA估计的自由度；另一方面，利用内插虚拟阵列协方差矩阵子空间的旋转不变性，给出了波达方向估计的闭式解，从而实现了无网格化的高精度DOA估计。
本发明的目的是通过以下技术方案来实现的：一种基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法，包含以下步骤：
(1)接收端使用M+N-1个天线，并按照互质阵列结构进行架构；其中M与N为互质整数；
(2)互质阵列接收信号建模并计算其等价虚拟信号：假设有K个来自θ1,θ2,…，θK方向的远场窄带非相关信号源，采用步骤(1)架构的非均匀互质阵列接收入射信号，得到(M+N-1)×1维互质阵列接收信号x(t)，可建模为：
Figure BDA0001627135050000021
其中，sk(t)为信号波形，n(t)为与各信号源相互独立的噪声分量，
Figure BDA0001627135050000022
为对应于θk方向的互质阵列导引向量，表示为：
Figure BDA0001627135050000031
其中，zi,i＝1,2,…,M+N-1,表示互质阵列中第i个物理天线阵元的实际位置，且z1＝0；j为虚数单位，[·]T表示转置操作，
Figure BDA0001627135050000032
为互质阵列各物理阵元位置的集合，可表示为：
Figure BDA0001627135050000033
其中，
Figure BDA0001627135050000034
λ为入射信号的波长。共采集T个采样快拍，得到互质阵列接收信号的采样协方差矩阵
Figure BDA0001627135050000035
Figure BDA0001627135050000036
其中，(·)H表示共轭转置操作。向量化互质阵列接收信号的采样协方差矩阵
Figure BDA0001627135050000037
获得虚拟阵列等价接收信号
Figure BDA0001627135050000038
Figure BDA0001627135050000039
其中，vec(·)表示向量化操作，即把矩阵中的各列依次堆叠以形成一个新的向量，
Figure BDA00016271350500000310
为向量
Figure BDA00016271350500000311
对应的非均匀虚拟阵列中各虚拟阵元位置的集合，可表示为：
Figure BDA00016271350500000312
(3)构造内插虚拟阵列并初始化其虚拟域信号统计量：对于非均匀的虚拟阵列
Figure BDA00016271350500000313
在保留其原有虚拟阵元位置不变的前提下，向其中存在孔洞的位置插入若干虚拟阵元，从而将非均匀虚拟阵列
Figure BDA00016271350500000314
转化为间距为d、阵列孔径与
Figure BDA00016271350500000315
相同、且虚拟阵元数目增加的均匀虚拟阵列
Figure BDA00016271350500000316
Figure BDA00016271350500000317
其中，
Figure BDA00016271350500000318
表示集合
Figure BDA00016271350500000319
中的最小值，
Figure BDA00016271350500000320
表示集合
Figure BDA00016271350500000321
中的最大值；内插虚拟阵列共包含
Figure BDA00016271350500000322
个虚拟阵元，其中|·|表示集合的势。内插虚拟阵列对应的等价虚拟信号
Figure BDA00016271350500000323
可通过在向量
Figure BDA00016271350500000324
中与孔洞相对应的位置填充0获得，可表示为：
Figure BDA00016271350500000325
其中，
Figure BDA00016271350500000326
表示向量中对应于虚拟阵元位置为
Figure BDA00016271350500000327
的元素。若
Figure BDA00016271350500000328
中存在多个不同元素与同一虚拟阵元位置对应的情况，则计算这些元素的平均值作为对应的
Figure BDA0001627135050000041
内插虚拟阵列
Figure BDA0001627135050000042
的初始化采样协方差矩阵
Figure BDA0001627135050000043
可以构建为：
Figure BDA0001627135050000044
其中，
Figure BDA0001627135050000045
为集合
Figure BDA0001627135050000046
中非负元素组成的子集，
Figure BDA0001627135050000047
为
Figure BDA0001627135050000048
的子向量，其中的元素为与
Figure BDA0001627135050000049
中虚拟阵元位置对应的
Figure BDA00016271350500000410
中的元素，
Figure BDA00016271350500000411
表示以
Figure BDA00016271350500000412
为第一列的厄米特对称Toeplitz矩阵；
(4)构造投影矩阵并定义投影运算：定义一个与
Figure BDA00016271350500000413
维度相同的投影矩阵Ω，如果
Figure BDA00016271350500000414
中某一位置上的元素是0，则投影矩阵Ω中相同位置的元素值也为0；反之则投影矩阵Ω中相应位置的元素值为1。定义
Figure BDA00016271350500000415
为投影运算，其中括号内变量为与Ω维度相同的矩阵，投影运算通过变量矩阵的每一个元素与投影矩阵Ω中相应位置上的元素一一相乘实现，得到一个与矩阵Ω维度相同的矩阵；
(5)设计基于核范数最小化的优化问题并求解，以重建内插虚拟阵列协方差矩阵：构建如下以向量u为变量的优化问题：
Figure BDA00016271350500000416
Figure BDA00016271350500000417
其中，
Figure BDA00016271350500000418
表示
Figure BDA00016271350500000419
的核范数，
Figure BDA00016271350500000420
表示以向量u为第一列的厄米特对称Toeplitz矩阵；为阈值常数，用于约束协方差矩阵的重建误差；
Figure BDA00016271350500000421
保证了重建的协方差矩阵满足半正定的条件；‖·‖F表示Frobenius范数。求解上述凸优化问题可得到最优化解
Figure BDA00016271350500000422
相应地，Toeplitz矩阵
Figure BDA00016271350500000423
为重建的内插虚拟阵列协方差矩阵；
(6)形成重建的内插虚拟阵列协方差矩阵
Figure BDA00016271350500000424
的信号子空间：对
Figure BDA00016271350500000425
进行特征值分解：
Figure BDA00016271350500000426
其中，Λs为K×K维对角矩阵，其对角线上包含将
Figure BDA00016271350500000427
的特征值从大到小排列后的前K个特征值，
Figure BDA00016271350500000428
为包含该K个特征值所对应特征向量的
Figure BDA00016271350500000429
维矩阵；相应地，Λn为
Figure BDA00016271350500000430
维对角矩阵，其对角线上包含剩余的
Figure BDA0001627135050000051
个
Figure BDA0001627135050000052
的特征值，
Figure BDA0001627135050000053
为包含剩余的
Figure BDA0001627135050000054
个特征值所对应特征向量的
Figure BDA0001627135050000055
维矩阵；
Figure BDA0001627135050000056
为
Figure BDA0001627135050000057
的信号子空间；
(7)构造具有旋转不变性的两个虚拟子阵信号子空间：将虚拟均匀线性阵列
Figure BDA0001627135050000058
分为两个虚拟子阵
Figure BDA0001627135050000059
和
Figure BDA00016271350500000510
其中，
Figure BDA00016271350500000511
为包含
Figure BDA00016271350500000512
中位置为0到
Figure BDA00016271350500000513
的一段虚拟均匀线性子阵列，
Figure BDA00016271350500000514
为包含
Figure BDA00016271350500000515
中位置为d到
Figure BDA00016271350500000516
的一段虚拟均匀线性子阵列；将矩阵
Figure BDA00016271350500000517
分别去除最后一行和第一行后得到两个
Figure BDA00016271350500000518
维矩阵
Figure BDA00016271350500000519
和
Figure BDA00016271350500000520
以形成这两个虚拟子阵
Figure BDA00016271350500000521
和
Figure BDA00016271350500000522
对应的信号子空间，该两个信号子空间具有旋转不变性；
(8)计算两个虚拟子阵信号子空间的转换矩阵Γ：两个虚拟子阵
Figure BDA00016271350500000523
和
Figure BDA00016271350500000524
的信号子空间
Figure BDA00016271350500000525
和
Figure BDA00016271350500000526
之间的K×K维转换矩阵Γ可由下式得到：
Figure BDA00016271350500000527
其中，
Figure BDA00016271350500000528
表示求伪逆运算；
(9)形成波达方向估计的闭式解：信号的波达方向估计值可计算为：
Figure BDA00016271350500000529
其中，imag(·表示复数的虚部，γk是矩阵Γ的第k个特征值。
进一步地，步骤(1)所述的互质阵列结构可具体描述为：首先选取一对互质整数M、N；然后，构造一对稀疏均匀线性子阵列，其中第一个子阵列包含M个间距为Nd的天线阵元，其位置为0,Nd,…,(M-1)Nd，第二个子阵列包含N个间距为Md的天线阵元，其位置为0,Md,…,(N-1)Md；接着，将两个子阵列按照首个阵元重叠的方式进行子阵列组合，获得实际包含M+N-1个天线阵元的非均匀互质阵列架构。
进一步地，步骤(5)中的凸优化问题可转化为如下以向量u为变量的优化问题：
Figure BDA00016271350500000530
Figure BDA00016271350500000531
其中μ为正则化参数，用于在最小化过程中权衡矩阵
Figure BDA00016271350500000532
的重建误差和
Figure BDA00016271350500000533
的核范数。
本发明与现有技术相比具有以下优点：
(1)本发明通过对互质阵列推导得到的非均匀虚拟阵列进行内插，不仅保留了原始非均匀虚拟阵列所包含的全部接收信号信息，而且此方法构建的虚拟均匀线性阵列等价虚拟信号满足奈奎斯特采样定律；
(2)本发明基于内插虚拟阵列协方差矩阵核范数最小化的思想设计矩阵重建优化问题并求解，以获得内插虚拟阵列协方差矩阵，并保证了优化求解结果为厄米特对称的半正定Toeplitz矩阵。由于均匀线性阵列非相关接收信号的理论协方差矩阵满足Toeplitz结构，因此利用它的Toeplitz特性作为先验条件进行协方差矩阵的重建，可以使重建结果与真实值差异更小，从而提高DOA估计的性能；
(3)本发明利用重建所得内插虚拟阵列协方差矩阵的子空间旋转不变性，实现了无网格化的波达方向估计，避免了现有网格化波达方向估计方法中的谱峰搜索以及预定义空间网格点等设计步骤引起的估计精度与计算复杂度之间的矛盾；通过计算波达方向估计的闭式解，避免了网格化波达方向估计方法中基不匹配现象带来的固有估计误差，同时保证了波达方向估计的准确度和计算效率。
附图说明
图1是本发明的方法总体流程框图。
图2是本发明中组成互质阵列的一对稀疏均匀子阵列结构示意图。
图3是本发明中互质阵列的结构示意图。
图4是本发明中内插虚拟阵列的结构示意图。
图5是用于体现本发明所提方法自由度性能的空间谱示意图，假设入射信号源个数为9
图6是用于体现本发明所提方法自由度性能的空间谱示意图，假设入射信号源个数为11
图7是用于体现本发明所提方法DOA估计准确度的均方根误差性能对比示意图
具体实施方式
以下参照附图，对本发明的技术方案和效果作进一步的详细说明。
对于DOA估计在实际系统中的应用，互质阵列由于可以通过等价虚拟阵列信号的计算和统计信号处理，突破物理阵元数量对自由度的限制而备受关注。但是受限于虚拟阵列的非均匀性，目前很多方法都会选择利用其中连续部分的虚拟阵元进行DOA估计，从而造成了信息损失。同时，很多方法在进行DOA估计之前会预先设置假定的信号波达方向空间网格点，这造成了固有的估计误差以及计算复杂度与估计准确度之间的矛盾。为了充分利用非均匀虚拟阵列中所包含的所有信号信息，并避免由预定义空间网格点所造成的估计准确度受限问题，本发明提供了一种基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法，参照图1，本发明的实现步骤如下：
步骤一：在接收端使用M+N-1个天线阵元架构互质阵列。首先，选取一组互质整数M、N；然后，参照图2，构造一对稀疏均匀线性子阵列，其中第一个子阵列包含M个间距为Nd的天线阵元，其位置为0,Nd,…,(M-1)Nd；第二个子阵列包含N个间距为Md的天线阵元，其位置为0,Md,…,(N-1)Md；单位间距d取为入射窄带信号波长λ的一半，即d＝λ/2；接着，将两个子阵列的首个天线阵元视为参考阵元，参照图3，将两个子阵的参考阵元重叠以实现子阵列组合，获得实际包含M+N-1个天线阵元的非均匀互质阵列架构，各阵元位置的集合定义为
Figure BDA0001627135050000071
可表示为
Figure BDA0001627135050000072
步骤二：互质阵列接收信号建模并计算其等价虚拟信号。假设有K个来自θ1,θ2,…,θK方向的远场窄带非相关信号源，采用步骤一架构的非均匀互质阵列接收入射信号，得到(M+N-1)×1维互质阵列接收信号x(t)，可建模为：
Figure BDA0001627135050000073
其中，sk(t)为信号波形，n(t)为与各信号源相互独立的噪声分量，
Figure BDA0001627135050000074
为对应于θk方向的互质阵列导引向量，表示为
Figure BDA0001627135050000081
其中，zi,i＝1,2,…,M+N-1,表示互质阵列中第i个物理天线阵元的实际位置，且z1＝0；j为虚数单位，[·]T表示转置操作。共采集T个采样快拍，得到互质阵列接收信号的采样协方差矩阵
Figure BDA0001627135050000082
Figure BDA0001627135050000083
其中，(·)H表示共轭转置操作。向量化互质阵列接收信号的采样协方差矩阵
Figure BDA0001627135050000084
获得虚拟阵列等价接收信号
Figure BDA0001627135050000085
Figure BDA0001627135050000086
其中，vec(·)表示向量化操作，即把矩阵中的各列依次堆叠以形成一个新的向量，
Figure BDA0001627135050000087
为向量
Figure BDA0001627135050000088
对应的非均匀虚拟阵列中各虚拟阵元位置的集合，可表示为：
Figure BDA0001627135050000089
步骤三：构造内插虚拟阵列并初始化其虚拟域信号统计量。参照图4，对于非均匀的虚拟阵列
Figure BDA00016271350500000810
在保留其原有虚拟阵元位置不变的前提下，向其中存在孔洞的位置插入若干虚拟阵元(如图4中的空心圆所示)，从而将非均匀虚拟阵列
Figure BDA00016271350500000811
转化为间距为d、阵列孔径与
Figure BDA00016271350500000812
相同、且虚拟阵元数目增加的虚拟均匀线性阵列
Figure BDA00016271350500000813
Figure BDA00016271350500000814
其中，
Figure BDA00016271350500000815
表示集合
Figure BDA00016271350500000816
中的最小值，
Figure BDA00016271350500000817
表示集合
Figure BDA00016271350500000818
中的最大值。内插虚拟阵列共包含
Figure BDA00016271350500000819
个虚拟阵元，其中|·|表示集合的势。内插虚拟阵列对应的等价虚拟信号
Figure BDA00016271350500000820
可通过在向量
Figure BDA00016271350500000821
中孔洞的相应位置填充0获得，可表示为：
Figure BDA00016271350500000822
其中，
Figure BDA00016271350500000823
表示向量中对应于虚拟阵元位置为
Figure BDA00016271350500000824
的元素。若
Figure BDA00016271350500000825
中存在多个不同元素与同一虚拟阵元位置对应，则计算这些元素的平均值作为对应的
Figure BDA00016271350500000826
根据
Figure BDA00016271350500000827
和Toeplitz矩阵结构的关系，内插虚拟阵列
Figure BDA00016271350500000828
的初始化采样协方差矩阵
Figure BDA00016271350500000829
可构建为：
Figure BDA0001627135050000091
其中，
Figure BDA0001627135050000092
为集合
Figure BDA0001627135050000093
中非负元素组成的子集，
Figure BDA0001627135050000094
为
Figure BDA0001627135050000095
的子向量，其中的元素为与
Figure BDA0001627135050000096
中各虚拟阵元位置对应的
Figure BDA0001627135050000097
中的元素，
Figure BDA0001627135050000098
表示以
Figure BDA0001627135050000099
为第一列的厄米特对称Toeplitz矩阵。
步骤四：构造投影矩阵并定义投影运算。根据步骤三，由于
Figure BDA00016271350500000910
中包含初始化而来的对应于内插虚拟阵元的零元素，所以
Figure BDA00016271350500000911
中相应位置对角线上的元素全部为零。根据这样的结构定义一个与
Figure BDA00016271350500000912
维度相同的投影矩阵Ω，如果
Figure BDA00016271350500000913
中某一位置上的元素是0，则投影矩阵Ω中相同位置的元素值也为0；反之则投影矩阵Ω中相应位置的元素值为1。定义
Figure BDA00016271350500000914
为投影运算，其中括号内变量为与Ω维度相同的矩阵，投影运算通过变量矩阵的每一个元素与投影矩阵Ω中相应位置上的元素一一相乘实现，得到一个与矩阵Ω维度相同的矩阵。
步骤五：设计基于核范数最小化的优化问题并求解，以重建内插虚拟阵列协方差矩阵。利用步骤三得到的初始化内插虚拟阵列采样协方差矩阵
Figure BDA00016271350500000915
作为参考值，寻找一个核范数最小的Toeplitz矩阵作为重建的内插虚拟阵列协方差矩阵，且要求其与
Figure BDA00016271350500000916
的拟合误差小于某一阈值，可构建如下以向量u为变量的优化问题：
Figure BDA00016271350500000917
Figure BDA00016271350500000918
其中，
Figure BDA00016271350500000919
表示
Figure BDA00016271350500000920
的核范数，
Figure BDA00016271350500000921
表示以向量u为第一列的厄米特对称Toeplitz矩阵；为阈值常数，用于约束协方差矩阵的重建误差；
Figure BDA00016271350500000922
保证了重建的协方差矩阵满足半正定的条件；‖·‖F表示Frobenius范数。上述凸优化问题可转化为以下以向量u为变量的优化问题：
Figure BDA00016271350500000923
Figure BDA00016271350500000924
其中μ为正则化参数，用于在最小化过程中权衡矩阵
Figure BDA00016271350500000925
重建误差和
Figure BDA00016271350500000926
的核范数。求解上述凸优化问题可得到最优化解
Figure BDA00016271350500000927
相应地，Toeplitz矩阵
Figure BDA00016271350500000928
为重建的内插虚拟阵列协方差矩阵。
步骤六：形成重建的内插虚拟阵列协方差矩阵
Figure BDA0001627135050000101
的信号子空间。对
Figure BDA0001627135050000102
进行特征值分解：
Figure BDA0001627135050000103
其中，Λs为K×K维对角矩阵，其对角线上包含将
Figure BDA0001627135050000104
的特征值从大到小排列后的前K个特征值，
Figure BDA0001627135050000105
为包含该K个特征值所对应特征向量的
Figure BDA0001627135050000106
维矩阵；相应地，Λn为
Figure BDA0001627135050000107
维对角矩阵，其对角线上包含剩余的
Figure BDA0001627135050000108
个
Figure BDA0001627135050000109
的特征值，
Figure BDA00016271350500001010
为包含该
Figure BDA00016271350500001011
个特征值所对应特征向量的
Figure BDA00016271350500001012
维矩阵。其中，
Figure BDA00016271350500001013
的信号子空间
Figure BDA00016271350500001014
与噪声子空间
Figure BDA00016271350500001015
正交，故存在一个唯一的、非奇异的K×K维满秩矩阵T满足
Figure BDA00016271350500001016
其中
Figure BDA00016271350500001017
为虚拟阵列
Figure BDA00016271350500001018
的导引矩阵。
步骤七：构造具有旋转不变性的两个虚拟子阵的信号子空间。将虚拟均匀线性阵列
Figure BDA00016271350500001019
分为两个虚拟子阵，定义为
Figure BDA00016271350500001020
和
Figure BDA00016271350500001021
其中，
Figure BDA00016271350500001022
为包含
Figure BDA00016271350500001023
中位置为0到
Figure BDA00016271350500001024
的一段虚拟均匀线性子阵列，
Figure BDA00016271350500001025
为包含
Figure BDA00016271350500001026
中位置为d到
Figure BDA00016271350500001027
的一段虚拟均匀线性子阵列。于是，这两个虚拟子阵的导引矩阵理论值分别为
Figure BDA00016271350500001028
维矩阵
Figure BDA00016271350500001029
和
Figure BDA00016271350500001030
其中，
Figure BDA00016271350500001031
和
Figure BDA00016271350500001032
可由步骤六中虚拟均匀线性阵列导引矩阵
Figure BDA00016271350500001033
分别移除最后一行和第一行得到。由于
Figure BDA00016271350500001034
和
Figure BDA00016271350500001035
具有完全相同的均匀线性阵列结构，仅由子阵间的单位位移d产生的虚拟子阵移不变性，则两个虚拟子阵的导引矩阵
Figure BDA00016271350500001036
和
Figure BDA00016271350500001037
之间的关系可由一个旋转因子Φ表示：
Figure BDA00016271350500001038
其中，
Figure BDA00016271350500001039
diag{·}表示对角矩阵；相应地，将步骤六中得到的矩阵
Figure BDA00016271350500001040
分别去除最后一行和第一行后得到的两个
Figure BDA00016271350500001041
维矩阵
Figure BDA00016271350500001042
和
Figure BDA00016271350500001043
形成虚拟子阵
Figure BDA00016271350500001044
和
Figure BDA00016271350500001045
的信号子空间，则这两个虚拟子阵的信号子空间具有旋转不变性。
步骤八：计算两个虚拟子阵信号子空间的转换矩阵Γ。两个虚拟子阵
Figure BDA00016271350500001046
和
Figure BDA00016271350500001047
的信号子空间
Figure BDA00016271350500001048
和
Figure BDA00016271350500001049
之间的K×K维转换矩阵Γ可由下式得到：
Figure BDA0001627135050000111
其中，
Figure BDA0001627135050000112
表示伪逆运算。
步骤九：计算波达方向估计结果。根据步骤六中
Figure BDA0001627135050000113
和步骤七中的两个虚拟子阵信号子空间的旋转不变性，
Figure BDA0001627135050000114
和
Figure BDA0001627135050000115
分别满足
Figure BDA0001627135050000116
以及
Figure BDA0001627135050000117
故转换矩阵Γ满足Φ＝TΓT-1，其中(·)-1表示矩阵的逆。根据步骤七中Φ的定义，结合转换矩阵Γ的特征值和旋转因子Φ中对角元素上所包含的波达方向信息，我们可以得到各入射信号的波达方向估计：
Figure BDA0001627135050000118
其中，imag(·)表示复数的虚部，γk是Γ的第k个特征值。
本发明基于虚拟阵列内插的思想，在推导的非均匀虚拟阵列基础上内插入虚拟阵元从而得到一个虚拟均匀线性阵列，在有效利用原始非均匀虚拟阵列所包含的全部信号信息的同时，避免了因虚拟阵列的非均匀性所引起的信号模型失配问题。引入基于虚拟阵列协方差矩阵核范数最小化的思想设计优化问题，实现了内插虚拟阵列协方差矩阵的重建，并利用其子空间旋转不变性实现了虚拟域中的无网格化波达方向估计。
下面结合仿真实例对本发明的效果做进一步的描述。
仿真实例1：采用互质阵列接收入射信号，其参数选取为M＝3，N＝5，即架构的互质阵列共包含M+N-1＝7个物理阵元。首先假定入射窄带信号个数为9，且入射方向均匀分布于-50°至50°这一空间角度域范围内；之后假定入射窄带信号个数为11，且入射方向同样均匀分布于-50°至50°这一空间角度域范围内；两次仿真信噪比均设置为0dB，采样快拍数均为T＝500；正则化参数μ设置均为0.25。
本发明所提出的基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法空间谱如图5和图6所示，其中横轴表示各入射信号源的序号，纵轴表示波达方向角度。从图5可以看出，本发明所提方法能够有效分辨这9个信号源。而对于传统使用均匀线性阵列的方法，利用7个物理阵元最多只能分辨6个入射信号，该结果体现了本发明所提方法实现了波达方向估计自由度的增加。此外，9个信号源也超过了非均匀虚拟阵列中连续部分的虚拟阵元个数，说明了非均匀虚拟阵列中非连续部分的虚拟阵元也得到了有效的利用。从图6可以看出，本发明所提方法能够有效分辨11个入射信号，且该仿真条件下入射信号数量已经超过了非均匀虚拟阵列中的全部虚拟阵元数量，说明了本发明所提方法中引入的虚拟阵列内插技术进一步增加了自由度。
仿真实例2：采用互质阵列接收入射信号，其参数同样选取为M＝3，N＝5，即架构的互质阵列共包含M+N-1＝7个物理天线阵元；假定入射窄带信号个数为1，入射信号波达方向随机生成且满足高斯分布
Figure BDA0001627135050000121
在不同信噪比情况下的DOA估计均方根误差对比如图7所示，采样快拍数为500，仿真所示结果中每一个数值点均通过1000次蒙特卡洛试验求平均值获得。本发明所提方法将与基于矩阵填充思想的核范数最小化方法进行对比，与此同时，克拉美罗界也将在图7中同时给出，作为参考。可以看出，随着信噪比增大，本发明所提方法逼近克拉美罗界，充分体现了无网格化DOA估计高准确度的优势。
综上所述，本发明所提方法通过虚拟阵列内插技术充分利用了非均匀虚拟阵列中所包含的全部信号信息，能够在信号源个数大于等于物理天线个数甚至大于等于非均匀虚拟阵列阵元个数的情况下实现DOA的有效估计，增加了DOA估计的自由度。利用内插虚拟阵列协方差矩阵的子空间旋转不变性得到DOA估计的闭式解，实现了无网格化的DOA估计，保证了DOA估计的准确度。此外，与传统采用均匀线性阵列的方法相比，本发明所提方法在实际应用中所需的物理天线阵元及射频模块也能够相应减少，体现了经济性和高效性。

Claims (2)

1.一种基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法，其特征在于，包含以下步骤：
(1)在接收端使用M+N-1个天线阵元架构互质阵列，首先，选取一组互质整数M、N；然后，构造一对稀疏均匀线性子阵列，其中第一个子阵列包含M个间距为Nd的天线阵元，其位置为0，Nd，…，(M-1)Nd；第二个子阵列包含N个间距为Md的天线阵元，其位置为0，Md，…，(N-1)Md；单位间距d取为入射窄带信号波长λ的一半，即d＝λ/2；接着，将两个子阵列的首个天线阵元视为参考阵元，并将两个子阵的参考阵元重叠以实现子阵列组合，获得实际包含M+N-1个天线阵元的非均匀互质阵列架构，各阵元位置的集合定义为
Figure FDA0002745955720000015
可表示为：
Figure 1
(2)互质阵列接收信号建模并计算其等价虚拟信号：假设有K个来自θ1，θ2，…，θK方向的远场窄带非相关信号源，采用步骤(1)架构的非均匀互质阵列接收入射信号，得到(M+N-1)×1维互质阵列接收信号x(t)，可建模为：
Figure FDA0002745955720000011
其中，sk(t)为信号波形，n(t)为与各信号源相互独立的噪声分量，
Figure FDA0002745955720000017
为对应于θk方向的互质阵列导引向量，表示为：
Figure FDA0002745955720000012
其中，zi，i＝1，2，…，M+N-1，表示互质阵列中第i个物理天线阵元的实际位置，且z1＝0；j为虚数单位，[·]T表示转置操作，共采集T个采样快拍，得到互质阵列接收信号的采样协方差矩阵
Figure FDA0002745955720000013
Figure FDA0002745955720000014
其中，(·)H表示共轭转置操作，向量化互质阵列接收信号的采样协方差矩阵
Figure FDA0002745955720000021
获得虚拟阵列等价接收信号
Figure FDA0002745955720000022
Figure FDA0002745955720000023
其中，vec(·)表示向量化操作，即把矩阵中的各列依次堆叠以形成一个新的向量，
Figure FDA0002745955720000024
为向量
Figure FDA0002745955720000025
对应的非均匀虚拟阵列中各虚拟阵元位置的集合，可表示为：
Figure FDA0002745955720000026
(3)构造内插虚拟阵列并初始化其虚拟域信号统计量：对于非均匀的虚拟阵列
Figure FDA0002745955720000027
在保留其原有虚拟阵元位置不变的前提下，向其中存在孔洞的位置插入若干虚拟阵元，从而将非均匀虚拟阵列
Figure FDA0002745955720000028
转化为间距为d、阵列孔径与
Figure FDA00027459557200000236
相同、且虚拟阵元数目增加的均匀虚拟阵列
Figure FDA0002745955720000029
Figure FDA00027459557200000210
其中，
Figure FDA00027459557200000211
表示集合
Figure FDA00027459557200000212
中的最小值，
Figure FDA00027459557200000213
表示集合
Figure FDA00027459557200000214
中的最大值；内插虚拟阵列共包含
Figure FDA00027459557200000215
个虚拟阵元，其中|·|表示集合的势，内插虚拟阵列对应的等价虚拟信号
Figure FDA00027459557200000216
可通过在向量
Figure FDA00027459557200000217
中与孔洞相对应的位置填充0获得，可表示为：
Figure FDA00027459557200000218
其中，
Figure FDA00027459557200000238
表示向量中对应于虚拟阵元位置为
Figure FDA00027459557200000237
的元素，若
Figure FDA00027459557200000219
中存在多个不同元素与同一虚拟阵元位置对应的情况，则计算这些元素的平均值作为对应的
Figure 2
，根据
Figure FDA00027459557200000221
和Toeplitz矩阵结构的关系，内插虚拟阵列II的初始化采样协方差矩阵
Figure FDA00027459557200000222
可以构建为：
Figure FDA00027459557200000223
其中，
Figure FDA00027459557200000224
为集合
Figure FDA00027459557200000225
中非负元素组成的子集，
Figure FDA00027459557200000226
为
Figure FDA00027459557200000235
的子向量，其中的元素为与
Figure FDA00027459557200000228
中虚拟阵元位置对应的
Figure FDA00027459557200000229
中的元素，
Figure FDA00027459557200000230
表示以
Figure FDA00027459557200000231
为第一列的厄米特对称Toeplitz矩阵；
(4)构造投影矩阵并定义投影运算：定义一个与
Figure FDA00027459557200000232
维度相同的投影矩阵Ω，如果
Figure FDA00027459557200000233
中某一位置上的元素是0，则投影矩阵Ω中相同位置的元素值也为0；反之则投影矩阵Ω中相应位置的元素值为1，定义
Figure FDA00027459557200000234
为投影运算，其中括号内变量为与Ω维度相同的矩阵，投影运算通过变量矩阵的每一个元素与投影矩阵Ω中相应位置上的元素一一相乘实现，得到一个与矩阵Ω维度相同的矩阵；
(5)设计基于核范数最小化的优化问题并求解，以重建内插虚拟阵列协方差矩阵：构建如下以向量u为变量的优化问题：
Figure FDA0002745955720000031
Figure FDA0002745955720000032
其中，
Figure FDA0002745955720000033
表示
Figure FDA0002745955720000034
的核范数，
Figure FDA0002745955720000035
表示以向量u为第一列的厄米特对称Toeplitz矩阵；∈为阈值常数，用于约束协方差矩阵的重建误差；
Figure FDA0002745955720000036
保证了重建的协方差矩阵满足半正定的条件；||·||F表示Frobenius范数，求解上述凸优化问题可得到最优化解
Figure 3
，相应地，Toeplitz矩阵
Figure FDA0002745955720000038
为重建的内插虚拟阵列协方差矩阵；
(6)形成重建的内插虚拟阵列协方差矩阵
Figure FDA0002745955720000039
的信号子空间：对
Figure FDA00027459557200000310
进行特征值分解：
Figure FDA00027459557200000311
其中，Λs为K×K维对角矩阵，其对角线上包含将
Figure FDA00027459557200000312
的特征值从大到小排列后的前K个特征值，
Figure FDA00027459557200000313
为包含该K个特征值所对应特征向量的
Figure FDA00027459557200000314
维矩阵；相应地，Λn为
Figure FDA00027459557200000315
维对角矩阵，其对角线上包含剩余的
Figure FDA00027459557200000316
个
Figure FDA00027459557200000317
的特征值，
Figure FDA00027459557200000318
为包含剩余的
Figure FDA00027459557200000319
个特征值所对应特征向量的
Figure FDA00027459557200000320
维矩阵，其中，
Figure FDA00027459557200000321
的信号子空间
Figure FDA00027459557200000322
与噪声子空间
Figure FDA00027459557200000323
正交，故存在一个唯一的、非奇异的K×K维满秩矩阵T满足
Figure FDA00027459557200000324
其中
Figure FDA00027459557200000325
为虚拟阵列
Figure FDA00027459557200000326
的导引矩阵；
(7)构造具有旋转不变性的两个虚拟子阵信号子空间：将虚拟均匀线性阵列
Figure FDA00027459557200000327
分为两个虚拟子阵
Figure FDA00027459557200000328
和
Figure 4
，其中，
Figure FDA00027459557200000330
为包含
Figure FDA00027459557200000331
中位置为0到
Figure FDA00027459557200000332
的一段虚拟均匀线性子阵列，
Figure FDA00027459557200000333
为包含
Figure FDA00027459557200000334
中位置为d到
Figure FDA00027459557200000335
的一段虚拟均匀线性子阵列；于是，这两个虚拟子阵的导引矩阵理论值分别为
Figure FDA00027459557200000336
维矩阵
Figure FDA00027459557200000337
和
Figure FDA00027459557200000338
其中，
Figure FDA00027459557200000339
和
Figure FDA00027459557200000340
可由步骤(6)中虚拟均匀线性阵列导引矩阵
Figure FDA00027459557200000341
分别移除最后一行和第一行得到。由于
Figure FDA0002745955720000041
和
Figure FDA0002745955720000042
具有完全相同的均匀线性阵列结构，仅由子阵间的单位位移d产生的虚拟子阵移不变性，则两个虚拟子阵的导引矩阵
Figure FDA0002745955720000043
和
Figure FDA0002745955720000044
之间的关系可由一个旋转因子Φ表示：
Figure FDA0002745955720000045
其中，
Figure FDA0002745955720000046
diag{·}表示对角矩阵；相应地，将步骤(6)中得到的矩阵
Figure FDA0002745955720000047
分别去除最后一行和第一行后得到的两个
Figure FDA0002745955720000048
维矩阵
Figure FDA0002745955720000049
和
Figure FDA00027459557200000410
形成虚拟子阵
Figure FDA00027459557200000411
和
Figure FDA00027459557200000412
的信号子空间，则这两个虚拟子阵的信号子空间具有旋转不变性；
(8)计算两个虚拟子阵信号子空间的转换矩阵Γ：两个虚拟子阵
Figure FDA00027459557200000413
和
Figure FDA00027459557200000414
的信号子空间
Figure FDA00027459557200000415
和
Figure FDA00027459557200000416
之间的K×K维转换矩阵Γ可由下式得到：
Figure FDA00027459557200000417
其中，
Figure FDA00027459557200000418
表示求伪逆运算；
(9)形成波达方向估计的闭式解：根据步骤(6)中
Figure FDA00027459557200000419
和步骤(7)中的两个虚拟子阵信号子空间的旋转不变性，
Figure FDA00027459557200000420
和
Figure FDA00027459557200000421
分别满足
Figure FDA00027459557200000422
以及
Figure FDA00027459557200000423
故转换矩阵Γ满足Φ＝TΓT-1，其中(·)-1表示矩阵的逆，根据步骤(7)中Φ的定义，结合转换矩阵Γ的特征值和旋转因子Φ中对角元素上所包含的波达方向信息，我们可以得到各入射信号的波达方向估计：
Figure FDA00027459557200000424
其中，imag(·)表示复数的虚部，γk是Γ的第k个特征值。
2.根据权利要求1所述的基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法，其特征在于：步骤(5)中的凸优化问题可转化为如下以向量u为变量的优化问题：
Figure FDA00027459557200000425
Figure FDA00027459557200000426
其中μ为正则化参数，用于在最小化过程中权衡矩阵
Figure FDA0002745955720000051
的重建误差和
Figure FDA0002745955720000052
的核范数。
CN201810327847.9A 2018-04-12 2018-04-12 基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法 Active CN108872929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810327847.9A CN108872929B (zh) 2018-04-12 2018-04-12 基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810327847.9A CN108872929B (zh) 2018-04-12 2018-04-12 基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法

Publications (2)

Publication Number Publication Date
CN108872929A CN108872929A (zh) 2018-11-23
CN108872929B true CN108872929B (zh) 2021-03-23

Family

ID=64326266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810327847.9A Active CN108872929B (zh) 2018-04-12 2018-04-12 基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法

Country Status (1)

Country Link
CN (1) CN108872929B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11119183B2 (en) * 2018-12-21 2021-09-14 King Fahd University Of Petroleum And Minerals Signal emitter location determination using sparse DOA estimation based on a multi-level prime array with compressed subarray
CN109901101A (zh) * 2019-02-25 2019-06-18 西安电子科技大学 基于电磁矢量传感器互质阵列相干信号到达角估计方法
CN110007266B (zh) * 2019-04-22 2021-05-28 哈尔滨工程大学 一种冲击噪声下的任意阵列相干源测向方法
CN110133574B (zh) * 2019-07-02 2022-12-16 华南理工大学 利用多频信号二次虚拟扩展的一维doa估计方法
CN110412535B (zh) * 2019-08-10 2021-08-03 浙江大学 一种序贯的空时自适应处理参数估计方法
CN111239714B (zh) * 2019-09-18 2022-06-07 中国人民解放军海军工程大学 柔性阵波束形成稳健化实现方法
CN110929371B (zh) * 2019-09-18 2022-04-22 中国电子科技集团公司第三十八研究所 一种基于最小二乘估计的虚拟内插子阵列计算方法及系统
CN110927658A (zh) * 2019-12-04 2020-03-27 南京理工大学实验小学 一种互质线阵中互质数的优选方法
CN111929637B (zh) * 2020-07-01 2023-05-23 华南理工大学 基于互质阵列差和虚拟扩充的一维波达方向估计方法
CN111983553B (zh) * 2020-08-20 2024-02-20 上海无线电设备研究所 一种基于互质多载频稀疏阵列的无网格doa估计方法
CN112327303A (zh) * 2020-10-22 2021-02-05 四川长虹电器股份有限公司 天线虚拟均匀线阵数据获取方法
CN112305495B (zh) * 2020-10-22 2023-10-13 南昌工程学院 一种基于原子范数最小的互质阵列协方差矩阵重构方法
CN113253250A (zh) * 2021-02-05 2021-08-13 中国人民解放军空军工程大学 基于矩阵重构的Coprime阵稳健自适应波束形成方法
CN113075610B (zh) * 2021-02-19 2022-05-03 电子科技大学 一种基于互质极化阵列的差分阵列内插的doa估计方法
CN113050059A (zh) * 2021-03-24 2021-06-29 西安电子科技大学 利用互质阵雷达的群目标聚焦超分辨波达方向估计方法
CN113552531B (zh) * 2021-06-28 2023-12-15 杭州电子科技大学 基于三极化嵌套阵列的部分极化信号参数估计方法
CN113484821B (zh) * 2021-07-06 2024-04-12 北京邮电大学 一种新型虚拟阵列结构及其doa估计方法
CN113589224A (zh) * 2021-08-03 2021-11-02 宜宾电子科技大学研究院 一种基于增强嵌套阵的doa估计方法
CN114019446B (zh) * 2021-10-19 2024-04-12 南京航空航天大学 一种基于去噪核范数最小化的互质相干信源估计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092004A (zh) * 2017-05-05 2017-08-25 浙江大学 基于信号子空间旋转不变性的互质阵列波达方向估计方法
CN107102291A (zh) * 2017-05-03 2017-08-29 浙江大学 基于虚拟阵列内插的无网格化互质阵列波达方向估计方法
CN107329108A (zh) * 2017-05-03 2017-11-07 浙江大学 基于内插虚拟阵列协方差矩阵Toeplitz化重建的互质阵列波达方向估计方法
CN107422295A (zh) * 2017-08-30 2017-12-01 浙江大学 基于互质阵列虚拟域等价信号原子范数表示的波达方向估计方法
CN107561484A (zh) * 2017-08-24 2018-01-09 浙江大学 基于内插互质阵列协方差矩阵重建的波达方向估计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107102291A (zh) * 2017-05-03 2017-08-29 浙江大学 基于虚拟阵列内插的无网格化互质阵列波达方向估计方法
CN107329108A (zh) * 2017-05-03 2017-11-07 浙江大学 基于内插虚拟阵列协方差矩阵Toeplitz化重建的互质阵列波达方向估计方法
CN107092004A (zh) * 2017-05-05 2017-08-25 浙江大学 基于信号子空间旋转不变性的互质阵列波达方向估计方法
CN107561484A (zh) * 2017-08-24 2018-01-09 浙江大学 基于内插互质阵列协方差矩阵重建的波达方向估计方法
CN107422295A (zh) * 2017-08-30 2017-12-01 浙江大学 基于互质阵列虚拟域等价信号原子范数表示的波达方向估计方法

Also Published As

Publication number Publication date
CN108872929A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108872929B (zh) 基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法
CN107092004B (zh) 基于信号子空间旋转不变性的互质阵列波达方向估计方法
CN107561484B (zh) 基于内插互质阵列协方差矩阵重建的波达方向估计方法
CN110308417B (zh) 基于矩阵填充的嵌套阵阵元失效下的波达方向估计方法及装置
CN109490820B (zh) 一种基于平行嵌套阵的二维doa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
CN111610486B (zh) 基于平面互质阵列虚拟域张量空间谱搜索的高分辨精确二维波达方向估计方法
CN107576940B (zh) 一种低复杂度单基地mimo雷达非圆信号角度估计方法
CN110082708A (zh) 非均匀阵列设计和波达方向估计方法
CN107290709B (zh) 基于范德蒙分解的互质阵列波达方向估计方法
CN111624545B (zh) 基于结构化虚拟域张量信号处理的互质面阵二维波达方向估计方法
CN109633520B (zh) 一种均匀圆阵超分辨率空间谱估计方法
CN111983554A (zh) 非均匀l阵下的高精度二维doa估计
CN106680779B (zh) 脉冲噪声下的波束成形方法及装置
CN106980105B (zh) 电磁矢量传感器阵列空间旋转解相干测向方法
CN113075610B (zh) 一种基于互质极化阵列的差分阵列内插的doa估计方法
CN108614234B (zh) 基于多采样快拍互质阵列接收信号快速傅里叶逆变换的波达方向估计方法
CN112711000B (zh) 基于最小化准则的电磁矢量互质面阵张量功率谱估计方法
CN113189538A (zh) 一种基于互质稀疏排列的三元阵列及其空间谱估计方法
CN112327292A (zh) 一种二维稀疏阵列doa估计方法
CN114563760B (zh) 一种基于sca阵型的二阶超波束形成方法、设备及介质
CN110927663A (zh) 近场声源参数估计的三维压缩感知降维方法
CN113406586B (zh) 基于约束张量分解的mimo雷达二维波达方向估计方法
CN114397619A (zh) 基于非均匀稀疏阵列二维定位算法
CN114648041A (zh) 一种基于平行稀疏阵列的二维欠定doa估计算法

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