CN108983168A - 基于孔径补全的压缩感知mimo雷达目标探测方法 - Google Patents
基于孔径补全的压缩感知mimo雷达目标探测方法 Download PDFInfo
- Publication number
- CN108983168A CN108983168A CN201810391999.5A CN201810391999A CN108983168A CN 108983168 A CN108983168 A CN 108983168A CN 201810391999 A CN201810391999 A CN 201810391999A CN 108983168 A CN108983168 A CN 108983168A
- Authority
- CN
- China
- Prior art keywords
- array
- mimo radar
- pulse
- relatively prime
- compressed sensing
- 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
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
-
- 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
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
- G01S7/4082—Means for monitoring or calibrating by simulation of echoes using externally generated reference signals, e.g. via remote reflector or transponder
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法,针对互质接收阵列压缩感知MIMO雷达孔径不连续的问题,研究了将互质接收阵列压缩感知MIMO雷达孔径扩展为一个虚拟均匀线阵孔径的孔径补全方法,将互质接收阵列压缩感知MIMO雷达的接收信号矩阵视作虚拟均匀线阵压缩感知MIMO雷达接收信号矩阵的压缩观测结果,通过设计特殊结构的观测矩阵,完成实际接收信号矩阵向虚拟接收信号矩阵的投影,最后利用优化求解算法对虚拟信号矩阵的优化恢复。本发明实现了压缩感知MIMO雷达孔径的扩展,提高了压缩感知MIMO雷达目标角度估计的精度。
Description
技术领域
本发明具体涉及一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法。
背景技术
随机阵列在理论模型向实际系统过渡的过程中,面临着系统规模大、建模难度高的问题。互质接收阵列降低了压缩感知MIMO雷达硬件系统复杂度,同时提高有限阵元情况下压缩感知MIMO雷达的目标角度估计性能,但是由于互质阵列孔径不连续,导致无法最大化利用互质阵列的孔径,孔径利用率低导致压缩感知MIMO雷达目标角度估计精度不高。
发明内容
发明目的:为了克服现有技术中存在的不足,提供一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法,将互质接收阵列压缩感知MIMO雷达的接收信号矩阵视作虚拟均匀线阵压缩感知MIMO雷达接收信号矩阵的压缩观测结果,通过设计特殊结构的观测矩阵,完成实际接收信号矩阵向虚拟接收信号矩阵的投影,最后利用优化求解算法对虚拟信号矩阵的优化恢复,实现压缩感知MIMO雷达孔径的扩展,提高压缩感知MIMO雷达目标角度估计精度。
技术方案:为实现上述目的,本发明提供一种基于孔径补全的互质接收阵列压缩感知MIMO雷达目标探测方法,包括构造互质接收阵列真实接收信号矩阵的匹配滤波输出信号矩阵、构造虚拟均匀直线阵列对应的稀疏过完备字典、构造孔径补全观测矩阵与稀疏优化重构;其中,构造真实接收信号矩阵匹配滤波输出信号矩阵用于得到互质接收阵列所接收信号矩阵的稀疏表示模型;构造虚拟均匀直线阵列对应的稀疏过完备字典用于构造虚拟孔径对应虚拟接收信号的稀疏表示模型;构造孔径补全观测矩阵用于将互质接收阵列的孔径扩展至虚拟均匀直线阵列的阵列;稀疏优化重构用于重构回波信号在稀疏域的稀疏向量,从而得到目标所在角度的估计。
其具体的步骤如下:
1)构造基于互质接收阵列的压缩感知MIMO雷达回波信号模型,得到互质阵列P个接收脉冲对应的匹配滤波输出信号矩阵X的表示模型;
2)将目标角度空间离散为Q个网格,构造互质接收阵列所对应的虚拟均匀直线阵列接收导引矢量c;
3)令压缩感知MIMO雷达发射导引矢量为a,利用a与虚拟接收阵列导引矢量c构造得到压缩感知MIMO雷达对应的目标稀疏过完备字典Ψ,并基于过完备字典Ψ构造虚拟均匀直接阵列的接收信号匹配滤波输出数据的稀疏表示模型;
4)构造孔径补全观测矩阵Φchannel;
5)构造脉冲压缩观测矩阵Φpulse,得到脉冲随机压缩观测后的观测信号Y,并得到Y的向量化数据向量y=vec(Y)的稀疏表示模型;
6)求解关于y的优化重构问题,得到对应的稀疏向量,从而获得目标角度的估计。
进一步地,所述步骤1中互质阵列P个接收脉冲对应的匹配滤波输出信号矩阵X的表示模型的建立,具体包括:
1.1)压缩感知MIMO雷达系统发射阵列由MT个发射天线构成,其接收阵列则由两个互质的均匀直线接收子阵构成,其中一个接收子阵列由间隔为N个单位间隔的2M个接收阵元构成,另一个接收子阵列由间隔为M个单位间隔的N个接收阵元构成,令λ表示雷达信号的波长,则阵列的单位间隔d=λ/2,可以得到互质接收阵列的接收阵元数为NR=2M+N,各接收阵元的位置为Z={Mnd,0≤n≤N-1}∪{Nmd,0≤m≤2M};
1.2)令第i个接收阵元的位置为Zi,令sj(t)表示第j个发射天线对应的发射信号,则为发射信号矩阵。假设空间存在K个目标,对应的方位角分别为φ1,φ2,…,φK,则第k个目标的发射导引矢量与接收导引矢量分别为与
1.3)定义接收信号矩阵则第p个脉冲对应的互质接收阵列接收信号可以表示为其中ηk,p为第k个目标在第p个脉冲内的目标雷达散射截面复反射系数;
1.4)令xp表示第p个脉冲对应的接收阵列脉冲匹配输出信号,假设xp的长度为L,则第p个接收脉冲信号的匹配滤波输出信号为xp=vec(RpSH/L),由P个脉冲对应的匹配滤波输出信号可以构成的维度为NTNR×P的接收信号矩阵X=[x1,x2,…,xP]。
进一步地,所述步骤2中构造互质接收阵列所对应的虚拟均匀直线阵列接收导引矢量c,具体为:
考虑一个虚拟压缩感知MIMO雷达,其发射阵列同样由NT个发射阵元构成,而其接收阵列是由2MN个接收阵元构成的均匀直线阵列,阵元间隔同样为d=λ/2。假设该虚拟CS-MIMO雷达对应第p个脉冲的匹配滤波输出结果为在不考虑量化误差的情况下,将目标角度空间离散为Q个网格,则该虚拟均匀直线接收阵列的接收导引矢量为其中为角度空间离散化后的第q个离散角度。
进一步地,所述步骤3中目标稀疏过完备字典Ψ,并基于过完备字典Ψ构造虚拟均匀直接阵列的接收信号匹配滤波输出数据的稀疏表示模型,具体包括:
3.1)定义过完备冗余字典的第q列为其中表示克罗内克积;
3.2)构造压缩感知MIMO雷达对应的目标空间稀疏过完备字典为
Ψ=[ψ1,ψ2,…,ψQ];
3.3)定义一个维度为Q×1的稀疏向量θp=[θ1,θ2,…,θQ],如果第k个目标出现在角度上,则θq=ηk,p,否则θq=0。由此可以得到该虚拟压缩感知MIMO雷达第p个接收信号匹配滤波输出数据的稀疏表示模型为
3.4)构造虚拟压缩感知MIMO雷达接收到的P个脉冲构成的虚拟接收信号矩阵
3.5)令其中vec(·)为向量化函数,构造多脉冲接收信号的稀疏表示模型其中e′为观测噪声。
进一步地,所述步骤4中构造孔径补全观测矩阵,具体包括:
4.1)定义长度为2MN的阵元选取基向量uz,
4.2)由互质接收阵列阵元位置对应的uz构成接收阵列压缩观测矩阵
4.3)选择一个维度为Nt×Nt的单位矩阵得到互质接收阵列压缩感知MIMO雷达的孔径补全观测矩阵
进一步地,所述步骤5中构造向量化数据向量y=vec(Y)的稀疏表示模型,具体包括:
5.1)通过一个脉冲压缩观测矩阵Φpulse,维度为P′×P,其中P′<P,表示脉冲压缩的比例为P′/P,Φpulse中的系数服从高斯随机分布;
5.2)得到经过脉冲随机压缩观测后的观测信号Y=XΦpulse;
5.3)将观测信号Y进行向量化,得到
进一步地,所述步骤6中求解关于y的优化重构问题得到目标角度的估计值,具体为:
从观测信号y中求解稀疏向量需要求解如下的优化问题其中ε为误差控制系数,上述问题是一个典型的LASSO优化问题,因此本发明中采用LASSO算法来完成稀疏向量的恢复。
有益效果:本发明与现有技术相比,针对互质接收阵列压缩感知MIMO雷达孔径不连续的问题,研究了将互质接收阵列压缩感知MIMO雷达孔径扩展为一个虚拟均匀线阵孔径的孔径补全方法,将互质接收阵列压缩感知MIMO雷达的接收信号矩阵视作虚拟均匀线阵压缩感知MIMO雷达接收信号矩阵的压缩观测结果,通过设计特殊结构的观测矩阵,完成实际接收信号矩阵向虚拟接收信号矩阵的投影,最后利用优化求解算法对虚拟信号矩阵的优化恢复,实现压缩感知MIMO雷达孔径的扩展,提高了压缩感知MIMO雷达目标角度估计的精度。
附图说明
图1为互质接收阵压缩感知MIMO雷达收发系统模型示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法,总体上包括两部分:基于互质接收阵列阵元位置的孔径补全观测矩阵设计方法、针对脉冲压缩与通道压缩的二维压缩观测模型与稀疏重构方法。
如附图1所示,本发明考虑一种基于互质接收阵列的压缩感知MIMO雷达系统模型,互质阵压缩感知MIMO雷达系统的发射阵列由MT个发射天线构成,其接收阵列则由两个互质的均匀直线接收子阵构成,其中一个接收子阵列由间隔为N个单位间隔的2M个接收阵元构成,另一个接收子阵列由间隔为M个单位间隔的N个接收阵元构成。令λ表示雷达信号的波长,则阵列的单位间隔d=λ/2。
可以得到互质接收阵列的接收阵元数为NR=2M+N,各接收阵元的位置为
Z={Mnd,0≤n≤N-1}∪{Nmd,0≤m≤2M} (1)
令第i个接收阵元的位置为Zi,令sj(t)表示第j个发射天线对应的发射信号,则为发射信号矩阵。假设空间存在K个目标,对应的方位角分别为φ1,φ2,…,φK,则第k个目标的发射导引矢量与接收导引矢量分别为
定义接收信号矩阵则第p个脉冲对应的互质接收阵列接收信号可以表示为
其中ηk,p为第k个目标在第p个脉冲内的目标雷达散射截面复反射系数。假设在互质阵压缩感知MIMO雷达所观测的P个脉冲持续时间内,目标的位置是保持不变的。另外假设目标反射系数{ηk,p}服从SwerlingII模型,即在一个脉冲持续时间内其为恒定的,而在脉冲与脉冲之间是独立变化的。
令xp表示第p个脉冲对应的接收阵列脉冲匹配输出信号,假设xp的长度为L,则第p个接收脉冲信号的匹配滤波输出信号为
xp=vec(RpSH/L) (5)
定义导向矢量矩阵
随后定义目标参数向量
Ωp=[η1,p,η2,p,…ηK,p]T (7)
则第p个接收脉冲信号的匹配滤波输出信号可以表示为
xp=AΩp+n (8)
其中n为均值为零、方差为σ2的加性高斯白噪声向量。由P个脉冲对应的匹配滤波输出信号可以构成的维度为NTNR×P的接收信号矩阵
X=[x1,x2,…,xP] (9)
考虑一个虚拟CS-MIMO雷达,其发射阵列同样由NT个发射阵元构成,而其接收阵列是由2MN个接收阵元构成的均匀直线阵列,阵元间隔同样为d=λ/2。假设该虚拟CS-MIMO雷达对应第p个脉冲的匹配滤波输出结果为在不考虑量化误差的情况下,将目标角度空间离散为Q个网格,则该虚拟均匀直线接收阵列的接收导引矢量为
定义过完备冗余字典的第q列为
则该虚拟CS-MIMO雷达对应的目标空间稀疏过完备字典可以表示为
Ψ=[ψ1,ψ2,…,ψQ] (12)
随后,定义一个维度为Q×1的稀疏向量θp=[θ1,θ2,…,θQ],如果第k个目标出现在角度上,则θq=ηk,p,否则θq=0。由此可以得到该虚拟CS-MIMO雷达接收信号匹配滤波输出数据的稀疏表示模型
该虚拟CS-MIMO雷达接收到的P个脉冲构成的虚拟接收信号矩阵为
令多脉冲接收信号的稀疏表示模型为
该虚拟CS-MIMO雷达的均匀直线接收阵列也称为Nyquist阵,这种阵列的缺点在于接收阵元必须按照雷达孔径严格的均匀分布,这导致了在CS-MIMO雷达高精度要求下,系统接收阵列过于庞大,系统复杂度高,数据处理难度大。前文中介绍的互质阵接收阵列恰好可以克服Nyquist接收阵的这一缺点,经过脉冲维压缩采样的互质接收阵匹配滤波输出结果可以视为的空时二维压缩观测信号。
首先定义维度为(2M+N)×(2MN)的接收阵列压缩观测矩阵Φr,通过Φr可以将阵元数为2MN的均匀直线接收阵列压缩至阵元数为2M+N的互质接收阵列。接收阵列压缩观测矩阵Φr的结构由互质接收阵列的阵元位置决定,先给出长度为2MN的阵元选取基向量uz的定义
则接收阵列压缩观测矩阵可由互质接收阵列阵元位置对应的uz构成
随后可以得到互质接收阵CS-MIMO雷达的孔径补全观测矩阵
为了最大程度的压缩处理数据量,通过一个脉冲压缩观测矩阵Φpulse,维度为P′×P,其中P′<P,表示脉冲压缩的比例为P′/P。Φpulse中的系数服从高斯随机分布,可以得到经过脉冲随机压缩观测后的观测信号Y=XΦpulse,结合式(18)中的孔径补全观测矩阵,令y=vec(Y),则可以得到y的稀疏表示模型
从观测信号y中求解稀疏向量需要求解如下的优化问题
式(20)是一个典型的LASSO优化问题,因此在本节中采用LASSO算法来完成稀疏向量的恢复。
本发明针对互质接收阵列压缩感知MIMO雷达孔径不连续的问题,研究了将互质接收阵列压缩感知MIMO雷达孔径扩展为一个虚拟均匀线阵孔径的孔径补全方法,通过设计特定结构的观测矩阵,实现互质接收阵列压缩感知MIMO雷达的孔径,在有限阵元的情况下,显著提高了压缩感知MIMO雷达的目标探测性能。
Claims (7)
1.一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法,其特征在于:包括以下步骤:
1)构造基于互质接收阵列的压缩感知MIMO雷达回波信号模型,得到互质阵列P个接收脉冲对应的匹配滤波输出信号矩阵X的表示模型;
2)将目标角度空间离散为Q个网格,构造互质接收阵列所对应的虚拟均匀直线阵列接收导引矢量c;
3)令压缩感知MIMO雷达发射导引矢量为a,利用a与虚拟接收阵列导引矢量c构造得到压缩感知MIMO雷达对应的目标稀疏过完备字典Ψ,并基于过完备字典Ψ构造虚拟均匀直接阵列的接收信号匹配滤波输出数据的稀疏表示模型;
4)构造孔径补全观测矩阵Φchannel;
5)构造脉冲压缩观测矩阵Φpulse,得到脉冲随机压缩观测后的观测信号Y,并得到Y的向量化数据向量y=vec(Y)的稀疏表示模型;
6)求解关于y的优化重构问题,得到对应的稀疏向量,从而获得目标角度的估计。
2.根据权利要求1所述的一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法,其特征在于:所述步骤1中互质阵列P个接收脉冲对应的匹配滤波输出信号矩阵X的表示模型的建立,具体包括:
1.1)压缩感知MIMO雷达系统发射阵列由MT个发射天线构成,其接收阵列则由两个互质的均匀直线接收子阵构成,其中一个接收子阵列由间隔为N个单位间隔的2M个接收阵元构成,另一个接收子阵列由间隔为M个单位间隔的N个接收阵元构成,令λ表示雷达信号的波长,则阵列的单位间隔d=λ/2,可以得到互质接收阵列的接收阵元数为NR=2M+N,各接收阵元的位置为Z={Mnd,0≤n≤N-1}∪{Nmd,0≤m≤2M};
1.2)令第i个接收阵元的位置为Zi,Zi∈Z,令sj(t)表示第j个发射天线对应的发射信号,则为发射信号矩阵。假设空间存在K个目标,对应的方位角分别为φ1,φ2,…,φK,则第k个目标的发射导引矢量与接收导引矢量分别为与
1.3)定义接收信号矩阵则第p个脉冲对应的互质接收阵列接收信号可以表示为其中ηk,p为第k个目标在第p个脉冲内的目标雷达散射截面复反射系数;
1.4)令xp表示第p个脉冲对应的接收阵列脉冲匹配输出信号,假设xp的长度为L,则第p个接收脉冲信号的匹配滤波输出信号为xp=vec(RpSH/L),由P个脉冲对应的匹配滤波输出信号可以构成的维度为NTNR×P的接收信号矩阵X=[x1,x2,…,xP]。
3.根据权利要求1所述的一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法,其特征在于:所述步骤2中构造互质接收阵列所对应的虚拟均匀直线阵列接收导引矢量c,具体为:
考虑一个虚拟压缩感知MIMO雷达,其发射阵列同样由NT个发射阵元构成,而其接收阵列是由2MN个接收阵元构成的均匀直线阵列,阵元间隔同样为d=λ/2。假设该虚拟CS-MIMO雷达对应第p个脉冲的匹配滤波输出结果为在不考虑量化误差的情况下,将目标角度空间离散为Q个网格,则该虚拟均匀直线接收阵列的接收导引矢量为其中为角度空间离散化后的第q个离散角度。
4.根据权利要求1所述的一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法,其特征在于:所述步骤3中目标稀疏过完备字典Ψ,并基于过完备字典Ψ构造虚拟均匀直接阵列的接收信号匹配滤波输出数据的稀疏表示模型,具体包括:
3.1)定义过完备冗余字典的第q列为其中表示克罗内克积;
3.2)构造压缩感知MIMO雷达对应的目标空间稀疏过完备字典为Ψ=[ψ1,ψ2,…,ψQ];
3.3)定义一个维度为Q×1的稀疏向量θp=[θ1,θ2,…,θQ],如果第k个目标出现在角度上,则θq=ηk,p,否则θq=0。由此可以得到该虚拟压缩感知MIMO雷达第p个接收信号匹配滤波输出数据的稀疏表示模型为
3.4)构造虚拟压缩感知MIMO雷达接收到的P个脉冲构成的虚拟接收信号矩阵
3.5)令其中vec(·)为向量化函数,构造多脉冲接收信号的稀疏表示模型其中e′为观测噪声。
5.根据权利要求1所述的一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法,其特征在于:所述步骤4中构造孔径补全观测矩阵,具体包括:
4.1)定义长度为2MN的阵元选取基向量uz,
4.2)由互质接收阵列阵元位置对应的uz构成接收阵列压缩观测矩阵
4.3)选择一个维度为Nt×Nt的单位矩阵得到互质接收阵列压缩感知MIMO雷达的孔径补全观测矩阵
6.根据权利要求1所述的一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法,其特征在于:所述步骤5中构造向量化数据向量y=vec(Y)的稀疏表示模型,具体包括:
5.1)通过一个脉冲压缩观测矩阵Φpulse,维度为P′×P,其中P′<P,表示脉冲压缩的比例为P′/P,Φpulse中的系数服从高斯随机分布;
5.2)得到经过脉冲随机压缩观测后的观测信号Y=XΦpulse;
5.3)将观测信号Y进行向量化,得到
7.根据权利要求1所述的一种基于孔径补全的互质阵列压缩感知MIMO雷达目标探测方法,其特征在于:所述步骤6中求解关于y的优化重构问题得到目标角度的估计值,具体为:
从观测信号y中求解稀疏向量需要求解如下的优化问题其中ε为误差控制系数,采用LASSO算法来完成稀疏向量的恢复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810391999.5A CN108983168B (zh) | 2018-04-27 | 2018-04-27 | 基于孔径补全的压缩感知mimo雷达目标探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810391999.5A CN108983168B (zh) | 2018-04-27 | 2018-04-27 | 基于孔径补全的压缩感知mimo雷达目标探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108983168A true CN108983168A (zh) | 2018-12-11 |
CN108983168B CN108983168B (zh) | 2021-03-19 |
Family
ID=64541931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810391999.5A Active CN108983168B (zh) | 2018-04-27 | 2018-04-27 | 基于孔径补全的压缩感知mimo雷达目标探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108983168B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738878A (zh) * | 2019-02-27 | 2019-05-10 | 电子科技大学 | 基于压缩感知和频率步进波形的雷达一维距离像识别方法 |
CN109752687A (zh) * | 2019-01-15 | 2019-05-14 | 哈尔滨工程大学 | 一种降低阵元互耦效应的改进型互质阵列设置方法 |
CN109932680A (zh) * | 2019-04-04 | 2019-06-25 | 哈尔滨工程大学 | 一种基于平移互质阵列的非圆信号波达方向估计方法 |
CN110011076A (zh) * | 2019-03-13 | 2019-07-12 | 成都聚利中宇科技有限公司 | 一种周期排列的稀疏阵列天线及排列方法 |
CN110045323A (zh) * | 2019-03-14 | 2019-07-23 | 电子科技大学 | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 |
CN110286372A (zh) * | 2019-07-19 | 2019-09-27 | 湖南华诺星空电子技术有限公司 | 一种空时虚拟阵mimo的fod雷达弱目标检测方法 |
CN113325364A (zh) * | 2021-07-15 | 2021-08-31 | 金陵科技学院 | 一种基于数据压缩的空时联合测向方法 |
CN115421157A (zh) * | 2022-10-24 | 2022-12-02 | 深圳大学 | 基于无向邻接图构建雷达阵列的方法和装置 |
WO2024014276A1 (ja) * | 2022-07-13 | 2024-01-18 | 株式会社東海理化電機製作所 | 通信装置、情報処理方法、及びプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105182293A (zh) * | 2015-08-25 | 2015-12-23 | 西安电子科技大学 | 基于互质阵列mimo雷达doa与dod估计方法 |
CN107576953A (zh) * | 2017-09-12 | 2018-01-12 | 成都理工大学 | 基于互质mimo阵列的相干与非相干混合目标doa估计方法 |
-
2018
- 2018-04-27 CN CN201810391999.5A patent/CN108983168B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105182293A (zh) * | 2015-08-25 | 2015-12-23 | 西安电子科技大学 | 基于互质阵列mimo雷达doa与dod估计方法 |
CN107576953A (zh) * | 2017-09-12 | 2018-01-12 | 成都理工大学 | 基于互质mimo阵列的相干与非相干混合目标doa估计方法 |
Non-Patent Citations (6)
Title |
---|
PIYA PAL 等: "COPRIME SAMPLING AND THE MUSIC ALGORITHM", 《IEEE》 * |
YIMIN D. ZHANG 等: "DOA ESTIMATION EXPLOITING COPRIME ARRAYS WITH SPARSE SENSOR SPACING", 《2014 IEEE INTERNATIONAL CONFERENCE ON ACOUSTIC, SPEECH AND SIGNAL PROCESSING (ICASSP)》 * |
YU TAO 等: "Spatial filter measurement matrix design for interference/jamming suppression in colocated compressive sensing MIMO radars", 《ELECTRONICS LETTERS》 * |
吴晨曦 等: "基于连续稀疏重构的宽频段欠定波达方向估计", 《上海交通大学学报》 * |
樊劲宇 等: "基于张量分解的互质阵MIMO雷达目标多参数估计方法", 《电子与信息学报》 * |
陈川 等: "基于双频互质阵列的DOA估计方法", 《计算机应用研究》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109752687A (zh) * | 2019-01-15 | 2019-05-14 | 哈尔滨工程大学 | 一种降低阵元互耦效应的改进型互质阵列设置方法 |
CN109738878A (zh) * | 2019-02-27 | 2019-05-10 | 电子科技大学 | 基于压缩感知和频率步进波形的雷达一维距离像识别方法 |
CN109738878B (zh) * | 2019-02-27 | 2022-05-13 | 电子科技大学 | 基于压缩感知和频率步进波形的雷达一维距离像识别方法 |
CN110011076A (zh) * | 2019-03-13 | 2019-07-12 | 成都聚利中宇科技有限公司 | 一种周期排列的稀疏阵列天线及排列方法 |
CN110011076B (zh) * | 2019-03-13 | 2020-11-13 | 成都聚利中宇科技有限公司 | 一种周期排列的稀疏阵列天线及排列方法 |
CN110045323A (zh) * | 2019-03-14 | 2019-07-23 | 电子科技大学 | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 |
CN110045323B (zh) * | 2019-03-14 | 2022-02-18 | 电子科技大学 | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 |
CN109932680A (zh) * | 2019-04-04 | 2019-06-25 | 哈尔滨工程大学 | 一种基于平移互质阵列的非圆信号波达方向估计方法 |
CN109932680B (zh) * | 2019-04-04 | 2022-05-20 | 哈尔滨工程大学 | 一种基于平移互质阵列的非圆信号波达方向估计方法 |
CN110286372A (zh) * | 2019-07-19 | 2019-09-27 | 湖南华诺星空电子技术有限公司 | 一种空时虚拟阵mimo的fod雷达弱目标检测方法 |
CN113325364A (zh) * | 2021-07-15 | 2021-08-31 | 金陵科技学院 | 一种基于数据压缩的空时联合测向方法 |
WO2024014276A1 (ja) * | 2022-07-13 | 2024-01-18 | 株式会社東海理化電機製作所 | 通信装置、情報処理方法、及びプログラム |
CN115421157A (zh) * | 2022-10-24 | 2022-12-02 | 深圳大学 | 基于无向邻接图构建雷达阵列的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108983168B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108983168A (zh) | 基于孔径补全的压缩感知mimo雷达目标探测方法 | |
CN107102291B (zh) | 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 | |
CN107329108B (zh) | 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 | |
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 | |
CN106646344B (zh) | 一种利用互质阵的波达方向估计方法 | |
CN107315160B (zh) | 基于内插虚拟阵列信号原子范数最小化的互质阵列波达方向估计方法 | |
CN105676168B (zh) | 一种声矢量阵方位估计方法 | |
CN109471082B (zh) | 基于信号子空间重构的阵元缺损mimo雷达角度估计方法 | |
CN110109051B (zh) | 基于频控阵的互耦阵列doa估计方法 | |
CN107037392B (zh) | 一种基于压缩感知的自由度增加型互质阵列波达方向估计方法 | |
CN100392426C (zh) | 单通道相控阵接收信号重构及处理方法 | |
CN107167783B (zh) | 一种共形阵列杂波协方差矩阵的稀疏重构方法 | |
CN106405548A (zh) | 基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法 | |
CN104199029B (zh) | 一种提高压缩感知雷达目标成像性能的测量矩阵设计方法 | |
CN108303683B (zh) | 单基地mimo雷达实值esprit非圆信号角度估计方法 | |
CN109471086A (zh) | 基于多采样快拍和集阵列信号离散傅里叶变换的互质mimo雷达波达方向估计方法 | |
CN103679762A (zh) | 一种基于稀疏数据的超声信号重建方法 | |
CN104849696A (zh) | 一种mimo雷达天线阵稀疏布阵方法 | |
CN109490819A (zh) | 一种基于稀疏贝叶斯学习的离格波达方向估计方法 | |
CN107561484A (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 | |
CN107290732B (zh) | 一种量子大爆炸的单基地mimo雷达测向方法 | |
CN107330425B (zh) | 一种基于压缩协方差矩阵感知的鲁棒阵列波束形成方法 | |
CN102879824A (zh) | 一种基于迭代收缩的快速稀疏Radon变换方法 | |
CN104931923A (zh) | Grid Iterative ESPRIT,一种可扩展的用于均匀圆阵二维到达角的快速估计算法 | |
CN104181528A (zh) | 基于bp优化的压缩感知多层isar成像方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221102 Address after: 215500 No.9, research institute road, Changshu Economic and Technological Development Zone, Suzhou City, Jiangsu Province Patentee after: CHANGSHU RESEARCH INSTITUTE OF DLUT Co.,Ltd. Address before: 215500 Changshou City South Three Ring Road No. 99, Suzhou, Jiangsu Patentee before: CHANGSHU INSTITUTE OF TECHNOLOGY |
|
TR01 | Transfer of patent right |