CN109143153A - 一种基于稀疏重构的超嵌套阵列波达方向估计方法 - Google Patents
一种基于稀疏重构的超嵌套阵列波达方向估计方法 Download PDFInfo
- Publication number
- CN109143153A CN109143153A CN201810492669.5A CN201810492669A CN109143153A CN 109143153 A CN109143153 A CN 109143153A CN 201810492669 A CN201810492669 A CN 201810492669A CN 109143153 A CN109143153 A CN 109143153A
- Authority
- CN
- China
- Prior art keywords
- array
- signal
- super
- sparse
- representing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000001228 spectrum Methods 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 22
- 238000009499 grossing Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 2
- 238000003491 array Methods 0.000 description 11
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000001427 coherent effect Effects 0.000 description 4
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 2
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于稀疏重构的超嵌套阵列波达方向估计方法,涉及阵列信号处理领域;其包括步骤1:将远场不相干信号入射到已构造的超嵌套阵列结构获得阵列接收信号;步骤2:向量化阵列接收信号的协方差矩阵获得虚拟传感器的接收信号;步骤3:将虚拟传感器的接收信号进行稀疏获得优化函数后求解优化函数获得估计值;步骤4:根据估计值和已划分的网格点构建空间功率谱后通过搜索估计信号的方向角;本发明解决了现有嵌套阵列波达方向估计方法因采用空间平滑算法需要对连续的传感器划分为相互重叠的子阵列导致自由度降低的问题,达到了利用阵列间产生的虚拟传感器增加阵列的自由度,使用稀疏重构算法最大限度增加估计信源数,降低误差的效果。
Description
技术领域
本发明涉及阵列信号处理领域,尤其是一种基于稀疏重构的超嵌套阵列波达方向估计方法。
背景技术
波达方向(Direction of Arrival,DOA)估计指估计空域中接收到的信号的来波方向,是阵列信号处理中一个主要的研究方向,阵列信号接收模型对波达方向估计尤为重要;现有技术中基于MUSIC方法及空间平滑算法,N个阵元的均匀线性阵列最多能估计到N-1个信号源的方向,且均匀线性阵列阵元之间存在着严重的耦合,使得估计精度大大下降;相互耦合指相邻传感器对传感器的输出信号会产生影响,传感器阵元之间的间距越小,相互耦合会越大;当信源数大于阵元数时,采用均匀线性阵列无法探测到所有的信源,因此提出互质阵列和嵌套阵列,这两种阵列结构利用实际传感器之间的位置差产生虚拟传感器,从而增加了阵列的自由度,自由度定义为阵列中传感器阵元的个数,包含实际传感器和虚拟传感器;因此针对嵌套阵列利用空间平滑算法进行波达方向估计时,能实现估计的信源数大于阵元数;但是空间平滑算法需将连续的传感器阵列划分为多个相互重叠的子阵列,通过各个子阵列信号协方差矩阵相加平均后进行波达方向估计,使得实际可用的自由度减少一半;所以在进行波达方向估计时,需要考虑阵列自由度以及阵元之间的相互耦合。
发明内容
本发明的目的在于:本发明提供了一种基于稀疏重构的超嵌套阵列波达方向估计方法,解决了现有嵌套阵列波达方向估计方法因采用空间平滑算法需要对连续的传感器划分为相互重叠的子阵列导致自由度降低的问题。
本发明采用的技术方案如下:
一种基于稀疏重构的超嵌套阵列波达方向估计方法,包括如下步骤:
步骤1:将远场不相干信号入射到已构造的超嵌套阵列结构获得阵列接收信号;
步骤2:向量化阵列接收信号的协方差矩阵获得虚拟传感器的接收信号;
步骤3:将虚拟传感器的接收信号进行稀疏获得优化函数后求解优化函数获得估计值;
步骤4:根据估计值和已划分的网格点构建空间功率谱后通过谱峰搜索估计信号的方向角。
优选地,所述步骤1包括如下步骤:
步骤1.1:根据公式1-3构造超嵌套阵列结构,公式1-3如下:
S=X1UX2UX3UX4UX5UX6(1)
其中,N=N1+N2表示阵列传感器阵元数,N1≥4,N2≥3,Xi表示传感器阵元位置, Ai、Bi和r表示计算阵元位置的辅助参数;
步骤1.2:将D个远场窄带不相干信号从不同方向入射到超嵌套阵列获得阵列接收信号 x[k],计算公式如下:
x[k]=As[k]+n[k](4)
其中,不同方向为θ1,θ2,K,θD,A=[a(θ1),a(θ2),K,a(θD)]表示导向矩阵, s[k]=[s1[k],s2[k],K,sD[k]]表示空间信号向量,n[k]表示白噪声向量,且与空间信号向量不相关,k表示快拍数。
优选地,所述步骤2包括如下步骤:
步骤2.1:利用时间平均估计阵列接收信号x[k]的协方差矩阵计算公式如下:
其中,(·)H表示共轭转置操作,T表示快拍数的上限值;
步骤2.2:向量化阵列接收信号的协方差矩阵获得超嵌套阵列中虚拟传感器的接收信号z:
其中,B(θ)表示虚拟阵列导向向量,vec(·)表示矩阵向量化,r表示入射信号功率,Iz表示单位矩阵向量化,σ2表示白噪声功率。
优选地,所述步骤3包括如下步骤:
步骤3.1:将给定的波达方向的角度域等间距划分为Q个网格点,对虚拟传感器的接收信号z稀疏化获得稀疏信号计算公式如下:
其中,表示网格点,表示过完备基,表示D-稀疏向量,Iz表示单位矩阵向量化;
步骤3.2:根据稀疏信号构建关于的优化函数,优化函数如公式8所示:
其中,β为阈值常数,||·||1和||·||2分别表示矩阵1范数和矩阵2范数,表示D-稀疏向量,s.t表示约束条件;
步骤3.3:求解优化函数获得D-稀疏向量的估计值
优选地,所述步骤4包括如下步骤:
步骤4.1:将估计值作为纵坐标,Q个均匀分布的网格点作为横坐标,画出空间功率谱;
步骤4.2:通过谱峰搜索寻找空间功率谱的峰值,所述峰值对应的横坐标即为信号的方向角的估计结果。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1.本发明通过使用稀疏重构算法对超嵌套阵列进行波达方向估计,在保证其的自由度的同时提高了估计精度,解决了现有嵌套阵列波达方向估计方法因采用空间平滑算法需要对连续的传感器划分为相互重叠的子阵列导致自由度降低的问题,达到了利用阵列间产生的虚拟传感器增加阵列的自由度,使用稀疏重构算法最大限度增加估计信源数,降低了误差的效果;
2.本发明采用稀疏重构算法,不需要要求阵列是连续的且不需要将阵列划分为很多个相等的子阵列,算法简便且保证了其的自由度;
3.本发明的超嵌套阵列可以产生虚拟传感器增大自由度,同时增大实际传感器之间的间距,减少相互耦合的影响,进一步降低估计的误差;
4.本发明利用实际传感器位置差形成虚拟传感器增加阵列的自由度,实现信号源个数大于实际传感器个数情况下的波达方向估计即在估计相同信号源数时,所用的实际传感器个数减少,实现保证阵列的自由度的同时节约成本。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是本发明的方法流程图;
图2是本发明的估计示意图;
图3是本发明的超嵌套阵列结构示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
下面结合图1-3对本发明作详细说明。
相干信号是指每个信号的频率相同,不相干信号指每个信号的频率不同;相干信号进行估计时需要进行去相干处理,将协方差矩阵的秩恢复到信号源数;不相干信号协方差矩阵时,可视为一个对角矩阵,进行估计时相比相干信号不需要克服什么问题,操作简便。
一种基于稀疏重构的超嵌套阵列波达方向估计方法,包括如下步骤:
步骤1:将远场不相干信号入射到已构造的超嵌套阵列结构获得阵列接收信号;
步骤2:向量化阵列接收信号的协方差矩阵获得虚拟传感器的接收信号;
步骤3:将虚拟传感器的接收信号进行稀疏获得优化函数后求解优化函数获得估计值;
步骤4:根据估计值和已划分的网格点构建空间功率谱后通过谱峰搜索估计信号的方向角。
步骤1包括如下步骤:
步骤1.1:根据公式1-3构造超嵌套阵列结构,公式1-3如下:
S=X1UX2UX3UX4UX5UX6(1)
其中,N=N1+N2表示阵列传感器阵元数,N1≥4,N2≥3,Xi表示传感器阵元位置, Ai、Bi和r表示计算阵元位置的辅助参数;
步骤1.2:将D个远场窄带不相干信号从不同方向入射到超嵌套阵列获得阵列接收信号 x[k],计算公式如下:
x[k]=As[k]+n[k](4)
其中,不同方向为θ1,θ2,K,θD,A=[a(θ1),a(θ2),K,a(θD)]表示导向矩阵, s[k]=[s1[k],s2[k],K,sD[k]]表示空间信号向量,n[k]表示白噪声向量,且与空间信号向量不相关,k表示快拍数,即表示在第k个时刻对所有阵元同时采样,nd表示各个实际传感器的位置,d=λ/2,λ表示信号的波长,n=1,2,K,N1+N2;
步骤2包括如下步骤:
步骤2.1:利用时间平均估计阵列接收信号x[k]的协方差矩阵计算公式如下:
其中,(·)H表示共轭转置操作,T表示快拍数的上限值;
步骤2.2:向量化阵列接收信号的协方差矩阵获得超嵌套阵列中虚拟传感器的接收信号z:
其中,B(θ)表示虚拟阵列导向向量,vec(·)表示矩阵向量化,r表示入射信号功率, Iz表示单位矩阵向量化,σ2表示白噪声功率。
所述步骤3包括如下步骤:
步骤3.1:将给定的波达方向的角度域等间距划分为Q个网格点,对虚拟传感器的接收信号z稀疏化获得稀疏信号计算公式如下:
其中,表示网格点,表示过完备基,表示D-稀疏向量,Iz表示单位矩阵向量化;角度域一般为-90度到90度;
步骤3.2:根据稀疏信号构建关于的优化函数,优化函数如公式8所示:
其中,β为阈值常数,||·||1和||·||2分别表示矩阵1范数和矩阵2范数,表示D-稀疏向量,s.t表示约束条件;
步骤3.3:求解优化函数获得D-稀疏向量的估计值
步骤4包括如下步骤:
步骤4.1:将估计值作为纵坐标,Q个均匀分布的网格点作为横坐标,画出空间功率谱;
步骤4.2:通过谱峰搜索寻找空间功率谱的峰值,所述峰值对应的横坐标即为信号的方向角的估计结果。
实施例1
仿真:超嵌套阵列N1=5,N2=5,其结构如图3所示,假设有16个窄带信号入射到该超嵌套阵列(16>10=5+5),来波方向均匀分布于-60o到60o之间,信噪比为0dB,快拍数K 为300,通过谱峰搜索得到16个波峰,D-稀疏向量的估计值为向量,其包含的值与角度域网格点一一对应,估计图中每一个波峰对应的横坐标得到对应的方向角的估计值,如图2 所示,得到的方向角比起现有的空间平滑算法误差大大地降低。
本申请基于超嵌套阵列,利用稀疏重构的方法进行波达方向估计,利用超嵌套阵列产生的虚拟传感器,达到估计信源数大于实际传感器数的效果,在实际应用中,大大节约成本。相比于原有的空间平滑算法,采用稀疏重构算法可以保证自由度的同时取得更小的估计误差。现有技术中采用空间平滑算法要求产生的虚拟传感器必须是连续的,本申请因采用稀疏重构算法不要求阵列是连续的且不需要将阵列划分为很多个相等的子阵列,因此本申请还适用于产生非连续虚拟传感器的结构,实用性强;空间平滑算法和稀疏重构算法都是通过谱峰搜索来确定信号的方位角,空间谱最大的点对应的信号方位角与实际信号方位角之间存在着一定误差,本申请采用超嵌套阵列,传感器阵列阵元增加,增加了实际传感器之间的间距,减小了实际传感器器之间的耦合,估计越准确,减小了估计误差;其中间距增大减小耦合的具体原理:超嵌套阵列增加了实际传感器之间的间距,且通过位置差产生的虚拟传感器中,位置差为1和2的虚拟传感器会很少;比如说:一个传感器位于坐标点5,另一个传感器位于坐标点6,则两个传感器之间的位置差为1和-1,在1和-1两点会形成两个虚拟传感器,位置差绝对值为1和2的个数越少,阵元之间的相互耦合越小。本发明通过使用稀疏重构算法对超嵌套阵列进行波达方向估计,在保证其的自由度的同时提高了估计精度,解决了现有嵌套阵列波达方向估计方法因采用空间平滑算法需要对连续的传感器划分为相互重叠的子阵列导致自由度降低的问题,达到了利用阵列间产生的虚拟传感器增加阵列的自由度,使用稀疏重构算法最大限度增加估计信源数,降低了误差的效果。
Claims (5)
1.一种基于稀疏重构的超嵌套阵列波达方向估计方法,其特征在于:包括如下步骤:
步骤1:将远场不相干信号入射到已构造的超嵌套阵列结构获得阵列接收信号;
步骤2:向量化阵列接收信号的协方差矩阵获得虚拟传感器的接收信号;
步骤3:将虚拟传感器的接收信号进行稀疏获得优化函数后求解优化函数获得估计值;
步骤4:根据估计值和已划分的网格点构建空间功率谱后通过谱峰搜索估计信号的方向角。
2.根据权利要求1所述的一种基于稀疏重构的超嵌套阵列波达方向估计方法,其特征在于:所述步骤1包括如下步骤:
步骤1.1:根据公式1-3构造超嵌套阵列结构,公式1-3如下:
S=X1UX2UX3UX4UX5UX6(1)
其中,N=N1+N2表示阵列传感器阵元数,N1≥4,N2≥3,Xi表示传感器阵元位置,Ai、Bi和r表示计算阵元位置的辅助参数;
步骤1.2:将D个远场窄带不相干信号从不同方向入射到超嵌套阵列获得阵列接收信号x[k],计算公式如下:
x[k]=As[k]+n[k] (4)
其中,不同方向为θ1,θ2,K,θD,A=[a(θ1),a(θ2),K,a(θD)]表示导向矩阵,s[k]=[s1[k],s2[k],K,sD[k]]表示空间信号向量,n[k]表示白噪声向量,且与空间信号向量不相关,k表示快拍数。
3.根据权利要求1所述的一种基于稀疏重构的超嵌套阵列波达方向估计方法,其特征在于:所述步骤2包括如下步骤:
步骤2.1:利用时间平均估计阵列接收信号x[k]的协方差矩阵计算公式如下:
其中,(·)H表示共轭转置操作,T表示快拍数的上限值;
步骤2.2:向量化阵列接收信号的协方差矩阵获得超嵌套阵列中虚拟传感器的接收信号z:
其中,B(θ)表示虚拟阵列导向向量,vec(·)表示矩阵向量化,r表示入射信号功率,Iz表示单位矩阵向量化,σ2表示白噪声功率。
4.根据权利要求1所述的一种基于稀疏重构的超嵌套阵列波达方向估计方法,其特征在于:所述步骤3包括如下步骤:
步骤3.1:将给定的波达方向的角度域等间距划分为Q个网格点,对虚拟传感器的接收信号z稀疏化获得稀疏信号计算公式如下:
其中,表示网格点,表示过完备基,表示D-稀疏向量,Iz表示单位矩阵向量化;
步骤3.2:根据稀疏信号构建关于的优化函数,优化函数如公式8所示:
其中,β为阈值常数,||·||1和||·||2分别表示矩阵1范数和矩阵2范数,表示D-稀疏向量,s.t表示约束条件;
步骤3.3:求解优化函数获得D-稀疏向量的估计值
5.根据权利要求4所述的一种基于稀疏重构的超嵌套阵列波达方向估计方法,其特征在于:所述步骤4包括如下步骤:
步骤4.1:将估计值作为纵坐标,Q个均匀分布的网格点作为横坐标,画出空间功率谱;
步骤4.2:通过谱峰搜索寻找空间功率谱的峰值,所述峰值对应的横坐标即为信号的方向角的估计结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810492669.5A CN109143153A (zh) | 2018-05-22 | 2018-05-22 | 一种基于稀疏重构的超嵌套阵列波达方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810492669.5A CN109143153A (zh) | 2018-05-22 | 2018-05-22 | 一种基于稀疏重构的超嵌套阵列波达方向估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109143153A true CN109143153A (zh) | 2019-01-04 |
Family
ID=64801750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810492669.5A Pending CN109143153A (zh) | 2018-05-22 | 2018-05-22 | 一种基于稀疏重构的超嵌套阵列波达方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109143153A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110082710A (zh) * | 2019-05-15 | 2019-08-02 | 苏州经贸职业技术学院 | 基于无格点原子范数的稀疏阵列的二维波达角估计方法 |
CN110109050A (zh) * | 2019-04-08 | 2019-08-09 | 电子科技大学 | 嵌套阵列下基于稀疏贝叶斯的未知互耦的doa估计方法 |
CN110308417A (zh) * | 2019-05-30 | 2019-10-08 | 电子科技大学 | 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 |
CN110726967A (zh) * | 2019-10-25 | 2020-01-24 | 北京理工大学 | 用于一维阵列测向的单边稀疏嵌套阵设计方法 |
CN111175691A (zh) * | 2019-11-29 | 2020-05-19 | 北京理工大学 | 一种用于波达方向估计的双边稀疏嵌套阵设计方法 |
CN111665484A (zh) * | 2020-06-29 | 2020-09-15 | 成都航空职业技术学院 | 一种增加自由度和减少互耦的mimo阵列设计方法 |
CN112731278A (zh) * | 2020-12-28 | 2021-04-30 | 杭州电子科技大学 | 一种部分极化信号的角度与极化参数欠定联合估计方法 |
CN113094962A (zh) * | 2021-05-12 | 2021-07-09 | 郭亚丽 | 一种基于多尺度网格的爆炸冲击波超压场分区重建方法 |
CN113777558A (zh) * | 2021-08-26 | 2021-12-10 | 南京航空航天大学 | 面向无人机目标的旋转不变pm直接定位方法 |
CN114167355A (zh) * | 2021-11-25 | 2022-03-11 | 厦门大学 | 一种基于稀疏嵌套线性阵列的自相关域的水下doa估计方法 |
CN114256040A (zh) * | 2021-12-23 | 2022-03-29 | 电子科技大学 | 一种新型行波管慢波结构 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020439A (zh) * | 2014-06-20 | 2014-09-03 | 西安电子科技大学 | 基于空间平滑协方差矩阵稀疏表示的波达方向角估计方法 |
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 |
US20160091598A1 (en) * | 2014-09-26 | 2016-03-31 | The Govemment of the United States of America, as represented by the Secretary of the Navy | Sparse Space-Time Adaptive Array Architecture |
CN106291473A (zh) * | 2016-08-19 | 2017-01-04 | 西安电子科技大学 | 嵌套式天线阵列设置方法 |
CN106569171A (zh) * | 2016-11-08 | 2017-04-19 | 西安电子科技大学 | 基于双层混合阵列的波达方向角估计方法 |
CN107015190A (zh) * | 2017-03-01 | 2017-08-04 | 浙江大学 | 基于虚拟阵列协方差矩阵稀疏重建的互质阵列波达方向估计方法 |
CN107544051A (zh) * | 2017-09-08 | 2018-01-05 | 哈尔滨工业大学 | 嵌套阵列基于k‑r子空间的波达方向估计方法 |
-
2018
- 2018-05-22 CN CN201810492669.5A patent/CN109143153A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020439A (zh) * | 2014-06-20 | 2014-09-03 | 西安电子科技大学 | 基于空间平滑协方差矩阵稀疏表示的波达方向角估计方法 |
US20160091598A1 (en) * | 2014-09-26 | 2016-03-31 | The Govemment of the United States of America, as represented by the Secretary of the Navy | Sparse Space-Time Adaptive Array Architecture |
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 |
CN106291473A (zh) * | 2016-08-19 | 2017-01-04 | 西安电子科技大学 | 嵌套式天线阵列设置方法 |
CN106569171A (zh) * | 2016-11-08 | 2017-04-19 | 西安电子科技大学 | 基于双层混合阵列的波达方向角估计方法 |
CN107015190A (zh) * | 2017-03-01 | 2017-08-04 | 浙江大学 | 基于虚拟阵列协方差矩阵稀疏重建的互质阵列波达方向估计方法 |
CN107544051A (zh) * | 2017-09-08 | 2018-01-05 | 哈尔滨工业大学 | 嵌套阵列基于k‑r子空间的波达方向估计方法 |
Non-Patent Citations (2)
Title |
---|
CHUN-LIN LIU 等: ""SUPER NESTED ARRAYS: SPARSE ARRAYS WITH LESS MUTUAL COUPLING THAN NESTED ARRAYS"", 《ICASSP 2016》 * |
李双 等: ""压缩对称嵌套阵列和稀疏信号重构的近场目标方位估计"", 《声学技术》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109050B (zh) * | 2019-04-08 | 2022-05-03 | 电子科技大学 | 嵌套阵列下基于稀疏贝叶斯的未知互耦的doa估计方法 |
CN110109050A (zh) * | 2019-04-08 | 2019-08-09 | 电子科技大学 | 嵌套阵列下基于稀疏贝叶斯的未知互耦的doa估计方法 |
CN110082710A (zh) * | 2019-05-15 | 2019-08-02 | 苏州经贸职业技术学院 | 基于无格点原子范数的稀疏阵列的二维波达角估计方法 |
CN110308417A (zh) * | 2019-05-30 | 2019-10-08 | 电子科技大学 | 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 |
CN110308417B (zh) * | 2019-05-30 | 2021-07-02 | 电子科技大学 | 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 |
CN110726967A (zh) * | 2019-10-25 | 2020-01-24 | 北京理工大学 | 用于一维阵列测向的单边稀疏嵌套阵设计方法 |
CN110726967B (zh) * | 2019-10-25 | 2021-08-03 | 北京理工大学 | 用于一维阵列测向的单边稀疏嵌套阵设计方法 |
CN111175691A (zh) * | 2019-11-29 | 2020-05-19 | 北京理工大学 | 一种用于波达方向估计的双边稀疏嵌套阵设计方法 |
CN111175691B (zh) * | 2019-11-29 | 2021-11-05 | 北京理工大学 | 一种用于波达方向估计的双边稀疏嵌套阵设计方法 |
CN111665484A (zh) * | 2020-06-29 | 2020-09-15 | 成都航空职业技术学院 | 一种增加自由度和减少互耦的mimo阵列设计方法 |
CN112731278A (zh) * | 2020-12-28 | 2021-04-30 | 杭州电子科技大学 | 一种部分极化信号的角度与极化参数欠定联合估计方法 |
CN112731278B (zh) * | 2020-12-28 | 2023-11-03 | 杭州电子科技大学 | 一种部分极化信号的角度与极化参数欠定联合估计方法 |
CN113094962A (zh) * | 2021-05-12 | 2021-07-09 | 郭亚丽 | 一种基于多尺度网格的爆炸冲击波超压场分区重建方法 |
CN113094962B (zh) * | 2021-05-12 | 2024-04-19 | 西安文理学院 | 一种基于多尺度网格的爆炸冲击波超压场分区重建方法 |
CN113777558A (zh) * | 2021-08-26 | 2021-12-10 | 南京航空航天大学 | 面向无人机目标的旋转不变pm直接定位方法 |
CN114167355A (zh) * | 2021-11-25 | 2022-03-11 | 厦门大学 | 一种基于稀疏嵌套线性阵列的自相关域的水下doa估计方法 |
CN114256040A (zh) * | 2021-12-23 | 2022-03-29 | 电子科技大学 | 一种新型行波管慢波结构 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109143153A (zh) | 一种基于稀疏重构的超嵌套阵列波达方向估计方法 | |
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 | |
CN104730491A (zh) | 一种基于l型阵的虚拟阵列doa估计方法 | |
CN108845325B (zh) | 拖曳线列阵声纳子阵误差失配估计方法 | |
CN106483493B (zh) | 一种稀疏双平行线阵及二维波达方向估计方法 | |
CN108120967B (zh) | 一种平面阵列doa估计方法及设备 | |
CN107092004A (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 | |
CN104020439A (zh) | 基于空间平滑协方差矩阵稀疏表示的波达方向角估计方法 | |
CN109696657B (zh) | 一种基于矢量水听器的相干声源定位方法 | |
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 | |
CN106249196B (zh) | 三分量声矢量传感器稀疏阵列四元数解模糊方法 | |
Chen et al. | On the explanation of spatial smoothing in MUSIC algorithm for coherent sources | |
CN108710102A (zh) | 基于互质阵列二阶等价虚拟信号离散傅里叶逆变换的波达方向估计方法 | |
CN107907855A (zh) | 一种互素阵列转化为均匀线阵的doa估计方法及装置 | |
CN106970348B (zh) | 电磁矢量传感器阵列解相干二维music参数估计方法 | |
CN106872934B (zh) | L型电磁矢量传感器阵列解相干esprit参数估计方法 | |
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 | |
CN110286350A (zh) | 一种l型稀疏阵doa估计的精确配对方法及装置 | |
CN109521393A (zh) | 一种基于信号子空间旋转特性的波达方向估计算法 | |
CN106908754A (zh) | L型声矢量传感器阵列esprit解相干参数估计方法 | |
CN108614234A (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 | |
Bhargav et al. | Compressive sensing based doa estimation for multi-path environment | |
Cai et al. | A MUSIC-type DOA estimation method based on sparse arrays for a mixture of circular and non-circular signals | |
CN114563760B (zh) | 一种基于sca阵型的二阶超波束形成方法、设备及介质 | |
CN109946644A (zh) | 基于凸优化的嵌套阵列离网格目标波达方向角估计方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190104 |
|
WD01 | Invention patent application deemed withdrawn after publication |