CN109375152B - 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法 - Google Patents

电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法 Download PDF

Info

Publication number
CN109375152B
CN109375152B CN201811031916.8A CN201811031916A CN109375152B CN 109375152 B CN109375152 B CN 109375152B CN 201811031916 A CN201811031916 A CN 201811031916A CN 109375152 B CN109375152 B CN 109375152B
Authority
CN
China
Prior art keywords
array
vector
nested
polarization
virtual
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
CN201811031916.8A
Other languages
English (en)
Other versions
CN109375152A (zh
Inventor
林新平
张小飞
何浪
周梦婕
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201811031916.8A priority Critical patent/CN109375152B/zh
Publication of CN109375152A publication Critical patent/CN109375152A/zh
Application granted granted Critical
Publication of CN109375152B publication Critical patent/CN109375152B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S3/00Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S5/00Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提出了一种电磁矢量嵌套L阵下低复杂度的DOA与极化联合估计方法,将电磁矢量传感器阵列和嵌套L阵结合,首先通过引入空间平滑技术,对嵌套L阵矢量化后得到的连续虚拟面阵进行平滑处理,得到一个具有满秩特性的虚拟接收信号协方差矩阵,对其特征值分解后利用子空间类算法PM算法实现信号DOA与极化信息联合估计,电磁矢量传感器阵列不仅能获得信号的到达角信息,又能获得信号的极化信息,在阵列信号处理领域具有重要的应用价值。本发明提出的方法不需要空间谱搜索,具有较低的算法复杂度,得到的DOA估计角度能实现自动匹配,嵌套阵的应用提供了更大的阵列孔径支撑,而且具有更高的空间自由度和更优的参数估计性能。

Description

电磁矢量嵌套L阵下低复杂度的DOA与极化联合估计方法
技术领域
本发明是一种矢量传感器阵列下的信号源定位方法,具体为远场信号源的角度估计和极化参数估计方法,属于阵列信号处理领域。
背景技术
嵌套阵作为一种新提出的阵列结构,相比于传统均匀阵列,具有更大的阵列孔径和更高的空间自由度。一个具有N个传感器的嵌套阵列自由度可达到O{N2}。在引入空间平滑技术对嵌套阵虚拟接收信号处理后,可以利用现有的子空间类DOA(Direction ofArrival,波达方向)估计算法实现空间目标源的角度估计,而电磁矢量传感器阵列不仅能够获得空间电磁信号的角度参数信息,又能获得信号的极化信息,在阵列信号处理领域有着广泛的应用。相比于传统标量传感器阵列,电磁矢量传感器阵列在系统检测能力、极化多址能力、抗干扰能力等方面,都有较大的优势。然而目前国内外学者对于极化敏感阵列在嵌套阵中应用研究较少,尤其表现在低复杂度方法下的嵌套L阵与电磁矢量传感器的应用研究上。本发明提出的电磁矢量传感器阵列在嵌套L阵的应用方法,可以充分结合两种阵列的优势,实现DOA与极化参数的联合估计,且复杂度较低。
发明内容
发明目的:本发明旨在解决嵌套L阵下电磁矢量传感器DOA与极化参数估计问题,且要求具有较低的复杂度。
技术方案:
为了解决上述提出的问题,提出了一种电磁矢量嵌套L阵下低复杂度的DOA与极化联合估计方法,首先在二维空间上布置一个由电磁矢量传感器构成的嵌套L阵,对嵌套L阵的接收信号协方差矩阵进行矢量化运算,从而获得一个扩展的虚拟面阵接收信号矢量,引入空间平滑技术恢复虚拟接收信号协方差矩阵的满秩特性,再通过子空间类PM算法实现DOA角度与极化参数的联合估计。
具体包括如下步骤:
步骤一:矢量化接收信号协方差矩阵R,对矢量化后得到的虚拟信号r进行行变换后得到新的虚拟信号r';
步骤二:新的虚拟信号r'中包含连续部分与非连续部分,选取连续虚拟面阵部分信号记为
Figure BDA0001789957720000021
通过二维空间平滑技术对虚拟面阵接收信号
Figure BDA0001789957720000022
的各个子阵信号空间平滑,并求得满秩协方差矩阵
Figure BDA0001789957720000023
步骤三:通过
Figure BDA0001789957720000024
构造传播算子P,将得到的E分成两个部分E1和E2,对E1取伪逆运算得到E1+,对E1+E2进行特征分解可以得到
Figure BDA0001789957720000025
步骤四:获得虚拟子面阵导向矢量
Figure BDA0001789957720000026
的估计值,对E重构得到E',用E'构造得到部分E'1和E'2,对E'1取伪逆运算得到E'1 +,对E'1 +E'2进行特征分解可以得到
Figure BDA0001789957720000027
利用获得的
Figure BDA0001789957720000028
Figure BDA0001789957720000029
得到方位角和仰角的角度估计值;
步骤五:利用
Figure BDA00017899577200000210
的估计值
Figure BDA00017899577200000211
构造ax,k和az,k,求出极化参数
Figure BDA00017899577200000212
Figure BDA00017899577200000213
进一步地,步骤一具体为:
假设空间远场有K个不相关的窄带完全极化信号入射到电磁矢量嵌套L阵上,其中电磁矢量传感器阵列是由平行于X轴和平行于Z轴的一对电偶极子组成,X轴和Y轴上都为二级嵌套线阵,一级子阵阵元数为M,阵元间距为d,二级子阵阵元数为N,阵元间距为(M+1)d,其中d=λ/2,λ表示为电磁波波长,
阵列的阵元位置可以用如下集合表示,
Sx={(md,0,0)∪(nd,0,0)|m=1,2,…,M n=M+1,2(M+1),…,N(M+1)}
Sy={(0,md,0)∪(0,nd,0)|m=1,2,…,M n=M+1,2(M+1),…,N(M+1)}
第k个信号(k=1,2,…,K)的极化矢量可以表示为,
Figure BDA00017899577200000214
其中ex和ez分别表示x轴和z轴上的电偶极子矢量,
Figure BDA00017899577200000215
分别为第k个信号源的仰角、方位角、极化辅角和极化相位差,θ∈[0,π],
Figure BDA00017899577200000216
γ∈[0,π/2],η∈[-π,π],假设
Figure BDA00017899577200000217
那么阵列方向矢量可以表示为
Figure BDA00017899577200000218
其中qxk和qyk分别为
Figure BDA0001789957720000031
Figure BDA0001789957720000032
所提电磁矢量传感器阵列的导向矢量可以表示为
Figure BDA0001789957720000033
其中
Figure BDA0001789957720000034
aK为导向矢量,
Figure BDA0001789957720000035
接收信号可以表示为
X(t)=AS(t)+N(t)
其中S(t)=[s1(t),s2(t),…,sK(t)]T为信源矩阵,N(t)为高斯白噪声矩阵,
根据接收信号X(t)可以得出接收信号协防差矩阵为,
R=E{X(t)XH(t)}
=ARsAH2I2(M+N)
其中Rs=diag(σ1 22 2,…,σK 2),σk 2表示第k个信号的功率,σ2表示噪声功率,不考虑噪声影响下,对接收信号协方差矩阵矢量化可得到
Figure BDA0001789957720000036
其中
Figure BDA0001789957720000037
r为一个新的虚拟接收信号,其导向矢量变为A*⊙A,对r行变换后重构可得r'如下:
Figure BDA0001789957720000038
进一步地,步骤二具体为:假设
Figure BDA0001789957720000039
那么
Figure BDA00017899577200000310
可以表示为
Figure BDA00017899577200000311
根据差分阵列的概念,可知
Figure BDA00017899577200000312
可以表示为一个虚拟面阵的方向矢量,此时的虚拟面阵包含连续部分和不连续部分,并且连续部分阵元间距为半波长,
根据上述表达式,虚拟面阵方向矢量
Figure BDA00017899577200000313
分为四个部分,分别为
Figure BDA00017899577200000314
Figure BDA0001789957720000041
Figure BDA0001789957720000042
对应于虚拟阵元位置分别表示为Sxx,Sxy,Syx和Syy
Sxx={(x,0,0)|x=-N(M+1),…,N(M+1)}
Syy={(0,y,0)|y=-N(M+1),…,N(M+1)}
Sxy={(-x,y,0)|x=y=1,2,…M,(M+1),2(M+1),…,N(M+1)}
Syx={(x,-y,0)|x=y=1,2,…M,(M+1),2(M+1),…,N(M+1)}
Sxx,Sxy中阵元连续且间隔为1,而Syx和Syy只有部分间距为1的连续阵元,选取Sxx,Sxy,Syx和Syy中相接的阵元连续部分,设其阵元位置坐标为S1和S2,S1和S2阵元坐标可以表示为S1={(-x,y,0)|x=y=0,1,…(M+1)},S2={(x,-y,0)|x=y=0,1,…(M+1)},选取连续虚拟面阵S1,设其方向矢量为
Figure BDA0001789957720000043
Figure BDA0001789957720000044
表示为
Figure BDA0001789957720000045
根据嵌套阵列理论,虚拟面阵S1的接收信号
Figure BDA00017899577200000415
可从虚拟接收信号r'中选取得到,具体表现为根据虚拟接收信号
Figure BDA0001789957720000046
的阵元位置从r'中选取对应的接收数据,其中
Figure BDA0001789957720000047
可以表示为
Figure BDA0001789957720000048
S1虚拟面阵大小为(M+2)×(M+2),为了得到精确的DOA与极化参数估计值,引入空间平滑技术恢复虚拟接收信号协方差矩阵的满秩特性,假设S1w是S1中的第w个连续子面阵,其大小设为i×i,其中1≤i<M+2,可知S1中共有(M+3-i)2个不同的连续子面阵,也就是说w=1,2,…,(M+3-i)2,假设S1w的虚拟接收信号设为
Figure BDA0001789957720000049
可知
Figure BDA00017899577200000410
是根据S1w中对应的阵元位置从
Figure BDA00017899577200000411
中选取得到的,其协方差矩阵表示为
Figure BDA00017899577200000412
引入二维空间平滑技术得到,
Figure BDA00017899577200000413
假设
Figure BDA00017899577200000414
其中
Figure BDA0001789957720000051
根据嵌套阵列理论,可知
Figure BDA0001789957720000052
可以重新表示为
Figure BDA0001789957720000053
从上式可得协防差矩阵
Figure BDA0001789957720000054
满足满秩特性,利用
Figure BDA0001789957720000055
可以将子空间类DOA估计算法应用于其中实现角度与极化的联合估计。
进一步地,步骤三具体为:协方差矩阵
Figure BDA0001789957720000056
可分解为
Figure BDA0001789957720000057
其中
Figure BDA0001789957720000058
Figure BDA0001789957720000059
根据最小二乘法则,传播算子P的解可以表示为
P=G+H
Figure BDA00017899577200000510
分块为
Figure BDA00017899577200000511
其中
Figure BDA00017899577200000512
根据传播算子理论,
Figure BDA00017899577200000513
Figure BDA00017899577200000518
的关系可以表示为
Figure BDA00017899577200000515
其中,H是共轭转置,
构造下列关系式
Figure BDA00017899577200000516
其中,
Figure BDA00017899577200000517
是一个满秩矩阵,构造矩阵E11=E(1:i(i-1),:),E11表示取E的第1到i(i-1)行,同理构造E12=E((i2+1):2i(i-1),:),E13=E((2i2+1):3i(i-1),:),E14=E((3i2+1):4i(i-1),:),将所有值组合为E1=[E11 T,E12 T,E13 T,E14 T]T,同理构造矩阵E21=E((i+1):i2,:),E22=E(i2+(i+1):2i2,:),E23=E(2i2+(i+1):3i2,:),E24=E(3i2+(i+1):4i2,:),令E2=[E21 T,E22 T,E23 T,E24 T]T,可知E1和E2之间存在关系式
ψy=E1 +E2=T-1ΦyT
其中E1 +表示对E1取伪逆运算,
Figure BDA0001789957720000061
对ψy特征值分解可得K个特征值λk(k=1,2,…,K),其特征矢量对应于
Figure BDA0001789957720000062
可得
Figure BDA0001789957720000063
Figure BDA0001789957720000064
进一步地,步骤四具体为:获得
Figure BDA0001789957720000065
的估计值为
Figure BDA0001789957720000066
在不考虑噪声情况下,对
Figure BDA0001789957720000067
交换行顺序,可以重构出
Figure BDA0001789957720000068
Figure BDA0001789957720000069
表示为
Figure BDA00017899577200000610
构造矩阵
Figure BDA00017899577200000611
同理于E构造得到E1和E2,根据同样的步骤,可以用E'构造得到E1'和E2',可知E1'和E2'之间存在关系式
Figure BDA00017899577200000612
其中
Figure BDA00017899577200000613
为了实现仰角与方位角的自动匹配,需要保证
Figure BDA00017899577200000614
和Φy具有相同的列模糊,即对应于相同的待估计角度,保证其估计信息位于
Figure BDA00017899577200000615
和Φy中相同的列,那么
Figure BDA00017899577200000616
需通过构造式子
Figure BDA00017899577200000617
获得,从而得知
Figure BDA00017899577200000618
Figure BDA00017899577200000619
其中
Figure BDA00017899577200000620
Figure BDA00017899577200000621
的第k个对角元素值,k=1,2,…,K。
通过获得的估计值
Figure BDA00017899577200000622
Figure BDA00017899577200000623
方位角和仰角分别表示为
Figure BDA00017899577200000624
Figure BDA00017899577200000625
进一步地,步骤五具体为:根据获得的
Figure BDA00017899577200000626
的估计值
Figure BDA00017899577200000627
极化参数估计值能够被唯一确定,令
Figure BDA00017899577200000631
ax,k表示
Figure BDA00017899577200000629
的第1到第i2行,第k列,k=1,2,…,K,同理令
Figure BDA00017899577200000630
可以得知ax,k和az,k存在关系式
Figure BDA0001789957720000071
令p_u=pinv(az,k)·ax,k,再根据得到的角度估计值,可知
Figure BDA0001789957720000072
Figure BDA0001789957720000073
Figure BDA0001789957720000074
Figure BDA0001789957720000075
有益效果:
1.对比于均匀L阵列下的角度估计方法,本发明提出的方法具有更高的空间自由度,能实现更多的信源估计;
2.对于采用同一算法下的均匀L阵电磁矢量传感器的DOA与极化参数估计方法,本发明方法具有更好的角度与极化参数估计性能;
3.本发明的方法具有较低的复杂度。
附图说明
图1是本发明的阵列结构拓扑图;
图2是不同信噪比条件下不同阵列和不同方法的角度RMSE性能对比图;
图3是不同快拍条件下不同阵列和不同方法的角度RMSE性能对比图;
图4是不同信噪比条件下不同阵列和不同方法的γ估计RMSE性能对比图;
图5是不同信噪比条件下不同阵列和不同方法的η估计RMSE性能对比图;
图6是不同信噪比条件下本发明方法不同快拍数下的γ估计性能对比图;
图7是不同信噪比条件下本发明方法不同快拍数下的η估计性能对比图。
具体实施方式
下面结合附图对本发明做更进一步的解释。符号表示:本发明中用(·)T表示矩阵转置,(·)H表示矩阵共轭转置,(·)*表示矩阵共轭,大写字母X表示矩阵,小写字母x(·)表示矢量,Ip表示为P×P的单位矩阵,
Figure BDA0001789957720000076
表示Kronecker积,⊙表示Khatri-Rao积,diag(x)表示以x中元素构成的对角矩阵,E{·}表示对矩阵求期望,angle(·)表示取相角操作。
一种电磁矢量嵌套L阵下低复杂度的DOA与极化联合估计方法,包括如下步骤:
步骤一:矢量化接收信号协方差矩阵R,对矢量化后得到的虚拟信号r进行行变换后得到新的虚拟信号r';
步骤二:新的虚拟信号r'中包含连续部分与非连续部分,选取连续虚拟面阵部分信号记为
Figure BDA0001789957720000081
通过二维空间平滑技术对虚拟面阵接收信号
Figure BDA0001789957720000082
的各个子阵信号空间平滑,并求得满秩协方差矩阵
Figure BDA0001789957720000083
步骤三:通过
Figure BDA0001789957720000084
构造传播算子P,将得到的E分成两个部分E1和E2,对E1取伪逆运算得到E1 +,对E1 +E2进行特征分解可以得到
Figure BDA0001789957720000085
步骤四:获得虚拟子面阵导向矢量
Figure BDA0001789957720000086
的估计值,对E重构得到E',用E'构造得到部分E'1和E'2,对E'1取伪逆运算得到
Figure BDA0001789957720000087
Figure BDA0001789957720000088
E'2进行特征分解可以得到
Figure BDA0001789957720000089
利用获得的
Figure BDA00017899577200000810
Figure BDA00017899577200000811
得到方位角和仰角的角度估计值;
步骤五:利用
Figure BDA00017899577200000812
的估计值
Figure BDA00017899577200000813
构造ax,k和az,k,求出极化参数
Figure BDA00017899577200000814
Figure BDA00017899577200000815
步骤一具体为:假设空间远场有K个不相关的窄带完全极化信号入射到图1所示的电磁矢量嵌套L阵上,其中电磁矢量传感器阵列是由平行于X轴和平行于Z轴的一对电偶极子组成。X轴和Y轴上都为二级嵌套线阵,一级子阵阵元数为M,阵元间距为d,二级子阵阵元数为N,阵元间距为(M+1)d,其中d=λ/2,λ表示为电磁波波长。
图1所示阵列的阵元位置可以用如下集合表示
Sx={(md,0,0)∪(nd,0,0)|m=1,2,…,M n=M+1,2(M+1),…,N(M+1)}
Sy={(0,md,0)∪(0,nd,0)|m=1,2,…,M n=M+1,2(M+1),…,N(M+1)}
第k个信号(k=1,2,…,K)的极化矢量可以表示为
Figure BDA00017899577200000816
其中ex和ez分别表示x轴和z轴上的电偶极子矢量,
Figure BDA00017899577200000817
分别为第k个信号源的仰角、方位角、极化辅角和极化相位差,θ∈[0,π],
Figure BDA0001789957720000091
γ∈[0,π/2],η∈[-π,π]。假设
Figure BDA0001789957720000092
那么阵列方向矢量可以表示为
Figure BDA0001789957720000093
其中qxk和qyk分别为
Figure BDA0001789957720000094
Figure BDA0001789957720000095
所提电磁矢量传感器阵列的导向矢量可以表示为
Figure BDA0001789957720000096
其中
Figure BDA0001789957720000097
那么接收信号可以表示为
X(t)=AS(t)+N(t)
其中S(t)=[s1(t),s2(t),…,sK(t)]T为信源矩阵,N(t)为高斯白噪声矩阵。
二、方法推导
根据接收信号X(t)可以得出接收信号协防差矩阵为
R=E{X(t)XH(t)}
=ARsAH2I2(M+N)
其中Rs=diag(σ1 22 2,…,σK 2),σk 2表示第k个信号的功率,σ2表示噪声功率。不考虑噪声影响下,对接收信号协方差矩阵矢量化可得到
Figure BDA0001789957720000098
其中P=[σ1 22 2,…,σK 2]T,r可以看成一个新的虚拟接收信号,其导向矢量变为A*⊙A,对r行变换后重构可得r'如下
Figure BDA0001789957720000099
步骤二具体为:假设
Figure BDA00017899577200000910
那么
Figure BDA00017899577200000911
可以表示为
Figure BDA0001789957720000101
根据差分阵列的概念,可知
Figure BDA0001789957720000102
可以表示为一个虚拟面阵的方向矢量,此时的虚拟面阵包含连续部分和不连续部分,并且连续部分阵元间距为半波长。
根据qxk和qyk,虚拟面阵的阵元位置包含四个部分,设为Sxx,Sxy,Syx和Syy
Sxx={(x,0,0)|x=-N(M+1),…,N(M+1)}
Syy={(0,y,0)|y=-N(M+1),…,N(M+1)}
Sxy={(-x,y,0)|x=y=1,2,…M,(M+1),2(M+1),…,N(M+1)}
Syx={(x,-y,0)|x=y=1,2,…M,(M+1),2(M+1),…,N(M+1)}
从上式中可以得出,虚拟面阵有两个部分面阵连续,设其阵元位置坐标为S1和S2,可知S1={(-x,y,0)|x=y=0,1,…(M+1)},S2={(x,-y,0)|x=y=0,1,…(M+1)},选取连续虚拟面阵S1,设其方向矢量为
Figure BDA0001789957720000103
可知
Figure BDA0001789957720000104
可以通过
Figure BDA0001789957720000105
删除部分行得到,
Figure BDA0001789957720000106
表示为
Figure BDA0001789957720000107
根据嵌套阵列理论,虚拟面阵S1的接收信号
Figure BDA0001789957720000108
可从虚拟接收信号r'中选取得到,具体表现为根据虚拟接收信号
Figure BDA0001789957720000109
的阵元位置从r'中选取对应的接收数据,其中
Figure BDA00017899577200001010
可以表示为
Figure BDA00017899577200001011
S1虚拟面阵大小为(M+2)×(M+2),为了得到精确的DOA与极化参数估计值,需要引入空间平滑技术恢复虚拟接收信号协方差矩阵的满秩特性。假设S1w是S1中的第w个连续子面阵,其大小设为i×i,其中1≤i<M+2,可知S1中共有(M+3-i)2个不同的子面阵,也就是说w=1,2,…,(M+3-i)2。假设S1w的虚拟接收信号设为
Figure BDA00017899577200001012
Figure BDA00017899577200001013
可以从
Figure BDA00017899577200001014
中删除部分行得到,其协方差矩阵表示为
Figure BDA00017899577200001015
引入二维空间平滑技术
Figure BDA00017899577200001016
假设某子面阵导向矢量
Figure BDA0001789957720000111
其中
Figure BDA0001789957720000112
Figure BDA0001789957720000113
推导得到
Figure BDA0001789957720000114
可以表示为
Figure BDA0001789957720000115
可知协防差矩阵
Figure BDA0001789957720000116
满足满秩特性,利用
Figure BDA0001789957720000117
可以将子空间类DOA估计算法应用于其中实现角度与极化的联合估计。
步骤三具体为:协方差矩阵
Figure BDA0001789957720000118
可分解为
Figure BDA0001789957720000119
其中
Figure BDA00017899577200001110
根据最小二乘法则,传播算子P的解可以表示为
P=G+H
Figure BDA00017899577200001111
分块为
Figure BDA00017899577200001112
其中
Figure BDA00017899577200001113
根据传播算子理论,
Figure BDA00017899577200001114
Figure BDA00017899577200001115
的关系可以表示为
Figure BDA00017899577200001116
根据上式所得,可以构造下列关系式
Figure BDA00017899577200001117
其中
Figure BDA00017899577200001118
是一个满秩矩阵,构造矩阵E11=E(1:i(i-1),:),E11表示取E的第1到i(i-1)行。同理构造E12=E((i2+1):2i(i-1),:),E13=E((2i2+1):3i(i-1),:),E14=E((3i2+1):4i(i-1),:),将所有值组合为E1=[E11 T,E12 T,E13 T,E14 T]T。同理构造矩阵E21=E((i+1):i2,:),E22=E(i2+(i+1):2i2,:),E23=E(2i2+(i+1):3i2,:),E24=E(3i2+(i+1):4i2,:),令E2=[E21 T,E22 T,E23 T,E24 T]T。可知E1和E2之间存在关系式
ψy=E1 +E2=T-1ΦyT
其中
Figure BDA0001789957720000121
对ψy特征值分解可得K个特征值λk(k=1,2,…,K),其特征矢量对应于
Figure BDA0001789957720000122
可得
Figure BDA0001789957720000123
Figure BDA0001789957720000124
步骤四具体为:获得
Figure BDA0001789957720000125
的估计值为
Figure BDA0001789957720000126
在不考虑噪声情况下,对
Figure BDA0001789957720000127
交换行顺序,可以重构出
Figure BDA0001789957720000128
Figure BDA0001789957720000129
表示为
Figure BDA00017899577200001210
构造矩阵
Figure BDA00017899577200001211
同理于E构造得到E1和E2,根据同样的步骤,可以用E'构造得到E1'和E2',可知E1'和E2'之间存在关系式
Figure BDA00017899577200001212
其中
Figure BDA00017899577200001213
为了实现仰角与方位角的自动匹配,需要保证
Figure BDA00017899577200001214
和Φy具有相同的列模糊,
Figure BDA00017899577200001215
通过构造式子
Figure BDA00017899577200001216
获得,从而得知
Figure BDA00017899577200001217
Figure BDA00017899577200001218
其中
Figure BDA00017899577200001219
Figure BDA00017899577200001220
的第k个对角元素值,k=1,2,…,K。
通过获得的估计值
Figure BDA00017899577200001221
Figure BDA00017899577200001222
方位角和仰角分别表示为
Figure BDA00017899577200001223
Figure BDA00017899577200001224
步骤五具体为:根据获得的
Figure BDA00017899577200001225
的估计值
Figure BDA00017899577200001226
极化参数估计值能够被唯一确定,令
Figure BDA00017899577200001227
ax,k表示
Figure BDA00017899577200001228
的第1到第i2行,第k列,k=1,2,…,K。同理令
Figure BDA00017899577200001229
可以得知ax,k和az,k存在关系式
Figure BDA0001789957720000131
令p_u=pinv(az,k)·ax,k,再根据得到的角度估计值,可知
Figure BDA0001789957720000132
Figure BDA0001789957720000133
Figure BDA0001789957720000134
Figure BDA0001789957720000135
其中real(·)表示取实部操作,imag(·)表示取虚部操作。因为
Figure BDA0001789957720000136
Figure BDA0001789957720000137
根据
Figure BDA0001789957720000138
的估计值得出,所以能够实现与仰角和方位角的自动匹配。
对本文的DOA角度估计方法进行复杂度分析,获得R的复杂度为16L(M+N)2,其中L表示接收信号快拍数,得到
Figure BDA0001789957720000139
的复杂度为16i4(M+3-i)2,计算P的复杂度为8i2K2+K3+4i2K(4i2-K),得到ψy和ψx的复杂度均为12iK2(i-1)+K3,得到
Figure BDA00017899577200001310
的复杂度为4i2K2,重构E'复杂度为4i2K2+K3,ψy协方差分解复杂度为K3,ψx分解复杂度为2K3,求得算法总复杂度为16L(M+N)2+16i4(M+3-i)2+7K3+36i2K2+16i4K-24iK2
本文阵列具有较高的空间自由度,本文算法空间自由度为O{(M+2)2-1},将本文阵列与电磁矢量均匀L阵列空间自由度对比,对比结果如表1所示:
表1不同阵列空间自由度对比
M=?N=2 2 4 8 10 12 20
均匀L阵 7 11 19 23 27 43
嵌套矢量L阵 15 35 99 143 195 483
根据本发明方法原理,为了保证矢量化后的虚拟阵元可以得到最大化利用,此处N取值为2,电磁矢量嵌套L阵物理阵元数为2M+4,同理均匀L阵物理阵元也取值为2M+4,根据表1所得结果,电磁矢量嵌套L阵具有更高的空间自由度,而且随着物理阵元数的增加,电磁矢量嵌套L阵的自由度优势更加明显。
仿真结果:
假设空间远场两个窄带极化信号
Figure BDA0001789957720000144
Figure BDA0001789957720000145
入射到图1所示阵列上,信号之间互不相关,且为完全极化波。本文采用1000次蒙特卡洛仿真来评估DOA和极化参数估计性能,定义均方根误差(RMSE)表达式如下:
Figure BDA0001789957720000141
其中
Figure BDA0001789957720000142
表示第k个信源在第n次蒙特卡洛仿真时参数估计结果,wk表示第k个信源的参数真实值。
图2给出了在相同条件下电磁矢量嵌套L阵的PM算法、电磁矢量嵌套L阵的ESPRIT算法和均匀L阵的PM算法随信噪比(SNR)变化的角度估计
Figure BDA0001789957720000143
性能曲线图。
仿真参数设置为电磁矢量嵌套L阵X轴和Y轴上阵元数M=8,N=2,均匀L阵X轴和Y轴上阵元数为M+N=10,空间平滑面阵大小设为i=5,快拍数L=1000。
从图中可以看出,电磁矢量嵌套L阵PM算法在非高信噪比条件下,具有较高的角度估计性能,且信噪比越低,角度估计性能优势越明显。低信噪比条件下,均匀L阵的PM算法基本已经失效,而且电磁矢量嵌套L阵PM算法和电磁矢量嵌套L阵ESPRIT算法角度估计性能基本相同,但PM算法比ESPRIT算法具有更低的算法复杂度。
图3给出在相同信噪比条件下,电磁矢量嵌套L阵的PM算法、电磁矢量嵌套L阵的ESPRIT算法和均匀L阵PM算法角度估计随着快拍变化的性能曲线图,阵元数设置同图2所示,信噪比设置为SNR=0dB。
从图3中可以看出,随着快拍数的增加,两种阵列的角度估计性能更优,且电磁矢量嵌套L阵的PM算法和电磁矢量嵌套L阵ESPRIT算法性能明显优于均匀L阵PM算法。
图4和图5分别给出了电磁矢量嵌套L阵的PM算法、电磁矢量嵌套L阵的ESPRIT算法和均匀L阵的PM算法极化参数γ和η的RMSE性能图,仿真参数设置与图2相同。
从图4与图5中可以看出,无论是γ还是η的参数估计值,电磁矢量嵌套L阵的算法性能在低信噪比条件下均优于均匀L阵的算法性能,且在矢量传感器场景下,电磁矢量嵌套L阵的PM算法和电磁矢量嵌套L阵ESPRIT算法基本具有相同的算法性能。
对比γ和η的估计性能图,可知参数γ的估计性能要优于η的估计性能,这是因为η的估计是建立于得到的γ的估计和角度估计的基础之上,所以具有更大的误差,导致参数估计性能的下降。
图6和图7给出了电磁矢量嵌套L阵的PM算法在不同快拍数条件下γ和η的估计性能图,仿真条件设置快拍数分别为L=800,L=1200,L=1600,随着快拍数的增加,极化参数γ和η的估计性能变优,从而验证了本发明方法的有效性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种电磁矢量嵌套L阵下低复杂度的DOA与极化联合估计方法,其特征在于,包括如下步骤:
步骤一:矢量化接收信号协方差矩阵R,对矢量化后得到的虚拟信号r进行行变换后得到新的虚拟信号r';假设空间远场有K个不相关的窄带完全极化信号入射到电磁矢量嵌套L阵上,其中电磁矢量传感器阵列是由平行于X轴和平行于Z轴的一对电偶极子组成,X轴和Y轴上都为二级嵌套线阵,一级子阵阵元数为M,阵元间距为d,二级子阵阵元数为N,阵元间距为(M+1)d,其中d=λ/2,λ表示为电磁波波长,
阵列的阵元位置可以用如下集合表示,
Sx={(md,0,0)∪(nd,0,0)|m=1,2,…,Mn=M+1,2(M+1),…,N(M+1)}
Sy={(0,md,0)∪(0,nd,0)|m=1,2,…,Mn=M+1,2(M+1),…,N(M+1)}
第k个信号,k=1,2,…,K,的极化矢量可以表示为,
Figure FDA0002499307920000011
其中ex和ez分别表示x轴和z轴上的电偶极子矢量,
Figure FDA0002499307920000012
分别为第k个信号源的仰角、方位角、极化辅角和极化相位差,θ∈[0,π],
Figure FDA0002499307920000013
γ∈[0,π/2],η∈[-π,π],假设
Figure FDA0002499307920000014
那么阵列方向矢量可以表示为
Figure FDA0002499307920000015
其中qxk和qyk分别为
Figure FDA0002499307920000016
Figure FDA0002499307920000017
所提电磁矢量传感器阵列的导向矢量可以表示为
Figure FDA0002499307920000018
其中
Figure FDA0002499307920000019
aK为导向矢量,
Figure FDA00024993079200000110
接收信号可以表示为
X(t)=AS(t)+N(t)
其中S(t)=[s1(t),s2(t),…,sK(t)]T为信源矩阵,N(t)为高斯白噪声矩阵,
根据接收信号X(t)可以得出接收信号协防差矩阵为,
R=E{X(t)XH(t)}
=ARsAH2I2(M+N)
其中Rs=diag(σ1 22 2,…,σK 2),σk 2表示第k个信号的功率,σ2表示噪声功率,不考虑噪声影响下,对接收信号协方差矩阵矢量化可得到
Figure FDA0002499307920000021
其中P=[σ1 22 2,…,σK 2]T,r为一个新的虚拟接收信号,其导向矢量变为A*⊙A,对r行变换后重构可得r'如下:
Figure FDA0002499307920000022
步骤二:新的虚拟信号r'中包含连续部分与非连续部分,选取连续虚拟面阵部分信号记为
Figure FDA0002499307920000023
通过二维空间平滑技术对虚拟面阵接收信号
Figure FDA0002499307920000024
的各个子阵信号空间平滑,并求得满秩协方差矩阵
Figure FDA0002499307920000025
步骤三:通过
Figure FDA0002499307920000026
构造传播算子P,将得到的E分成两个部分E1和E2,对E1取伪逆运算得到E1 +,对E1 +E2进行特征分解可以得到
Figure FDA0002499307920000027
步骤四:获得虚拟子面阵导向矢量
Figure FDA0002499307920000028
的估计值,对E重构得到E',用E'构造得到部分E'1和E'2,对E'1取伪逆运算得到E'1 +,对E'1 +E'2进行特征分解可以得到
Figure FDA0002499307920000029
利用获得的
Figure FDA00024993079200000210
Figure FDA00024993079200000211
得到方位角和仰角的角度估计值;
步骤五:利用
Figure FDA00024993079200000212
的估计值
Figure FDA00024993079200000213
构造ax,k和az,k,求出极化参数
Figure FDA00024993079200000214
Figure FDA00024993079200000215
2.根据权利要求1所述的一种电磁矢量嵌套L阵下低复杂度的DOA与极化联合估计方法,其特征在于,步骤二具体为:假设
Figure FDA00024993079200000216
那么
Figure FDA00024993079200000217
可以表示为
Figure FDA00024993079200000218
根据差分阵列的概念,可知
Figure FDA0002499307920000031
可以表示为一个虚拟面阵的方向矢量,此时的虚拟面阵包含连续部分和不连续部分,并且连续部分阵元间距为半波长,
根据上述表达式,虚拟面阵方向矢量
Figure FDA0002499307920000032
分为四个部分,分别为
Figure FDA0002499307920000033
Figure FDA00024993079200000317
Figure FDA0002499307920000034
对应于虚拟阵元位置分别表示为Sxx,Sxy,Syx和Syy
Sxx={(x,0,0)|x=-N(M+1),…,N(M+1)}
Syy={(0,y,0)|y=-N(M+1),…,N(M+1)}
Sxy={(-x,y,0)|x=y=1,2,…M,(M+1),2(M+1),…,N(M+1)}
Syx={(x,-y,0)|x=y=1,2,…M,(M+1),2(M+1),…,N(M+1)}
Sxx,Sxy中阵元连续且间隔为1,而Syx和Syy只有部分间距为1的连续阵元,选取Sxx,Sxy,Syx和Syy中相接的阵元连续部分,设其阵元位置坐标为S1和S2,S1和S2阵元坐标可以表示为S1={(-x,y,0)|x=y=0,1,…(M+1)},S2={(x,-y,0)|x=y=0,1,…(M+1)},选取连续虚拟面阵S1,设其方向矢量为
Figure FDA0002499307920000035
Figure FDA0002499307920000036
表示为
Figure FDA0002499307920000037
根据嵌套阵列理论,虚拟面阵S1的接收信号
Figure FDA0002499307920000038
可从虚拟接收信号r'中选取得到,具体表现为根据虚拟接收信号
Figure FDA0002499307920000039
的阵元位置从r'中选取对应的接收数据,其中
Figure FDA00024993079200000310
可以表示为
Figure FDA00024993079200000311
S1虚拟面阵大小为(M+2)×(M+2),引入空间平滑技术恢复虚拟接收信号协方差矩阵的满秩特性,假设S1w是S1中的第w个连续子面阵,其大小设为i×i,其中1≤i<M+2,可知S1中共有(M+3-i)2个不同的连续子面阵,也就是说w=1,2,…,(M+3-i)2,假设S1w的虚拟接收信号设为
Figure FDA00024993079200000312
可知
Figure FDA00024993079200000313
是根据S1w中对应的阵元位置从
Figure FDA00024993079200000314
中选取得到的,其协方差矩阵表示为
Figure FDA00024993079200000315
引入二维空间平滑技术得到,
Figure FDA00024993079200000316
假设
Figure FDA0002499307920000041
其中
Figure FDA0002499307920000042
根据嵌套阵列理论,可知
Figure FDA0002499307920000043
可以重新表示为
Figure FDA0002499307920000044
从上式可得协防差矩阵
Figure FDA0002499307920000045
满足满秩特性,利用
Figure FDA0002499307920000046
可以将子空间类DOA估计算法应用于其中实现角度与极化的联合估计。
3.根据权利要求1所述的一种电磁矢量嵌套L阵下低复杂度的DOA与极化联合估计方法,其特征在于,步骤三具体为:协方差矩阵
Figure FDA0002499307920000047
可分解为
Figure FDA0002499307920000048
其中
Figure FDA0002499307920000049
Figure FDA00024993079200000410
根据最小二乘法则,传播算子P的解可以表示为
P=G+H
Figure FDA00024993079200000411
分块为
Figure FDA00024993079200000412
其中
Figure FDA00024993079200000413
根据传播算子理论,
Figure FDA00024993079200000414
Figure FDA00024993079200000415
的关系可以表示为
Figure FDA00024993079200000416
其中,(·)H表示矩阵共轭转置,
构造下列关系式
Figure FDA00024993079200000417
其中,
Figure FDA00024993079200000418
是一个满秩矩阵,构造矩阵E11=E(1:i(i-1),:),E11表示取E的第1到i(i-1)行,同理构造E12=E((i2+1):2i(i-1),:),E13=E((2i2+1):3i(i-1),:),E14=E((3i2+1):4i(i-1),:),将所有值组合为E1=[E11 T,E12 T,E13 T,E14 T]T,同理构造矩阵E21=E((i+1):i2,:),E22=E(i2+(i+1):2i2,:),E23=E(2i2+(i+1):3i2,:),E24=E(3i2+(i+1):4i2,:),令E2=[E21 T,E22 T,E23 T,E24 T]T,可知E1和E2之间存在关系式
ψy=E1 +E2=T-1ΦyT
其中E1 +表示对E1取伪逆运算,
Figure FDA0002499307920000051
对ψy特征值分解可得K个特征值λk,k=1,2,…,K,其特征矢量对应于
Figure FDA0002499307920000052
可得
Figure FDA0002499307920000053
Figure FDA0002499307920000054
4.根据权利要求1所述的一种电磁矢量嵌套L阵下低复杂度的DOA与极化联合估计方法,其特征在于,步骤四具体为:获得
Figure FDA0002499307920000055
的估计值为
Figure FDA0002499307920000056
在不考虑噪声情况下,对
Figure FDA0002499307920000057
交换行顺序,可以重构出
Figure FDA0002499307920000058
Figure FDA0002499307920000059
表示为
Figure FDA00024993079200000510
构造矩阵
Figure FDA00024993079200000511
同理于E构造得到E1和E2,根据同样的步骤,可以用E'构造得到E1'和E2',可知E1'和E2'之间存在关系式
ψx=E'1 +E'2=T-1ΦxT
其中
Figure FDA00024993079200000512
为了实现仰角与方位角的自动匹配,需要保证
Figure FDA00024993079200000513
和Φy具有相同的列模糊,即对应于相同的待估计角度,保证其估计信息位于
Figure FDA00024993079200000514
和Φy中相同的列,那么
Figure FDA00024993079200000515
需通过构造式子
Figure FDA00024993079200000516
获得,从而得知
Figure FDA00024993079200000517
Figure FDA00024993079200000518
其中
Figure FDA00024993079200000519
Figure FDA00024993079200000520
的第k个对角元素值,k=1,2,…,K;
通过获得的估计值
Figure FDA00024993079200000521
Figure FDA00024993079200000522
方位角和仰角分别表示为
Figure FDA00024993079200000523
Figure FDA00024993079200000524
5.根据权利要求1所述的一种电磁矢量嵌套L阵下低复杂度的DOA与极化联合估计方法,其特征在于,步骤五具体为:根据获得的
Figure FDA00024993079200000525
的估计值
Figure FDA00024993079200000526
极化参数估计值能够被唯一确定,令
Figure FDA0002499307920000061
ax,k表示
Figure FDA0002499307920000062
的第1到第i2行,第k列,k=1,2,…,K,同理令
Figure FDA0002499307920000063
可以得知ax,k和az,k存在关系式
Figure FDA0002499307920000064
令p_u=pinv(az,k)·ax,k,再根据得到的角度估计值,可知
Figure FDA0002499307920000065
Figure FDA0002499307920000066
Figure FDA0002499307920000067
Figure 1
CN201811031916.8A 2018-09-05 2018-09-05 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法 Active CN109375152B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811031916.8A CN109375152B (zh) 2018-09-05 2018-09-05 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811031916.8A CN109375152B (zh) 2018-09-05 2018-09-05 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法

Publications (2)

Publication Number Publication Date
CN109375152A CN109375152A (zh) 2019-02-22
CN109375152B true CN109375152B (zh) 2020-08-07

Family

ID=65404386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811031916.8A Active CN109375152B (zh) 2018-09-05 2018-09-05 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法

Country Status (1)

Country Link
CN (1) CN109375152B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109959891B (zh) * 2019-04-11 2023-05-23 南京航空航天大学 电磁矢量l阵中空间角与极化参数的降维谱峰搜索方法
CN111707986B (zh) * 2020-06-18 2022-05-27 重庆邮电大学 一种基于稀疏面阵的三维参数估计方法
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
CN113391266B (zh) * 2021-05-28 2023-04-18 南京航空航天大学 基于非圆多嵌套阵降维子空间数据融合的直接定位方法
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
CN114113808B (zh) * 2021-11-22 2023-08-15 杭州电子科技大学 基于残缺电矢量传感器的doa-极化信息联合估计方法
CN116593965B (zh) * 2023-07-19 2023-09-29 中国海洋大学 一种基于远场机会声源的水平阵阵型估计方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104730491A (zh) * 2015-03-06 2015-06-24 中国计量学院 一种基于l型阵的虚拟阵列doa估计方法
CN105335615A (zh) * 2015-10-31 2016-02-17 电子科技大学 一种低复杂度的二维角度和极化参数联合估计方法
CN106526530A (zh) * 2016-09-30 2017-03-22 天津大学 基于传播算子的2‑l型阵列二维doa估计算法
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
CN107315160A (zh) * 2017-05-03 2017-11-03 浙江大学 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
EP3306345A1 (en) * 2015-06-08 2018-04-11 Samsung Electronics Co., Ltd. Optical device and depth information generating method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104730491A (zh) * 2015-03-06 2015-06-24 中国计量学院 一种基于l型阵的虚拟阵列doa估计方法
EP3306345A1 (en) * 2015-06-08 2018-04-11 Samsung Electronics Co., Ltd. Optical device and depth information generating method
CN105335615A (zh) * 2015-10-31 2016-02-17 电子科技大学 一种低复杂度的二维角度和极化参数联合估计方法
CN106526530A (zh) * 2016-09-30 2017-03-22 天津大学 基于传播算子的2‑l型阵列二维doa估计算法
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
CN107315160A (zh) * 2017-05-03 2017-11-03 浙江大学 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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Joint Two-Dimensional DOA and Frequency Estimation for L-Shaped Array via Compressed Sensing PARAFAC Method;LE XU et al.;《IEEE Access》;20180731;全文 *
声矢量传感器阵中基于Kalman滤波和OPASTd的DOA跟踪算法;陈未央 等;《南京航空航天大学学报》;20150630;第47卷(第3期);全文 *
多级嵌套L型阵列及其测向算法;邵华 等;《宇航学报》;20130228;第34卷(第2期);全文 *

Also Published As

Publication number Publication date
CN109375152A (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
CN109375152B (zh) 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法
CN111190136B (zh) 一种基于特定频率组合信号的一维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
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
CN107450047B (zh) 嵌套阵下基于未知互耦信息的压缩感知doa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
CN108120967B (zh) 一种平面阵列doa估计方法及设备
CN104898085A (zh) 一种极化敏感阵列参数估计的降维music算法
CN107576931B (zh) 一种基于协方差低维度迭代稀疏重构的相关/相干信号波达方向估计方法
CN112731278B (zh) 一种部分极化信号的角度与极化参数欠定联合估计方法
Wu et al. Direction-of-arrival estimation based on Toeplitz covariance matrix reconstruction
CN109696657B (zh) 一种基于矢量水听器的相干声源定位方法
CN111965591A (zh) 一种基于四阶累积量矢量化dft的测向估计方法
CN111352063A (zh) 一种均匀面阵中基于多项式求根的二维测向估计方法
CN112731275A (zh) 一种基于零化插值的互质阵部分极化信号参数估计方法
CN106980105B (zh) 电磁矢量传感器阵列空间旋转解相干测向方法
Qi et al. Time-frequency DOA estimation of chirp signals based on multi-subarray
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
CN112733333A (zh) 互质面阵中一种基于多项式求根的二维测向估计方法
CN112016037A (zh) 一种互质面阵中基于降维Capon求根的二维测向估计方法
CN108872930B (zh) 扩展孔径二维联合对角化doa估计方法
CN111337872B (zh) 一种用于相干信源测向的广义doa矩阵方法
Tayem et al. Propagator rooting method direction of arrival estimation based on real data
CN113281698A (zh) 一种嵌套阵中基于级联的非高斯信源测向方法
CN113391266A (zh) 基于非圆多嵌套阵降维子空间数据融合的直接定位方法

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