CN109765526A - 一种基于空间谱的目标搜索方法及装置 - Google Patents
一种基于空间谱的目标搜索方法及装置 Download PDFInfo
- Publication number
- CN109765526A CN109765526A CN201811631527.9A CN201811631527A CN109765526A CN 109765526 A CN109765526 A CN 109765526A CN 201811631527 A CN201811631527 A CN 201811631527A CN 109765526 A CN109765526 A CN 109765526A
- Authority
- CN
- China
- Prior art keywords
- matrix
- spectrum
- signal
- dimensional
- spatial spectrum
- 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
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000001228 spectrum Methods 0.000 title claims abstract description 85
- 239000011159 matrix material Substances 0.000 claims abstract description 105
- 230000003595 spectral effect Effects 0.000 claims abstract description 5
- 230000015654 memory Effects 0.000 claims description 21
- 238000012512 characterization method Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 27
- 238000005070 sampling Methods 0.000 abstract description 13
- 238000004364 calculation method Methods 0.000 description 41
- 238000012545 processing Methods 0.000 description 23
- 230000007246 mechanism Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 9
- 229940050561 matrix product Drugs 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 5
- 230000008030 elimination Effects 0.000 description 5
- 238000003379 elimination reaction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本实施例中提供一种基于空间谱的目标搜索方法,包括如下步骤:获取多个通道的信号矩阵;对所述信号矩阵进行分解得到,确定信息子空间和噪声子空间;通过等效空间谱矩阵确定谱峰,通过低维矩阵逼近所述等效空间谱矩阵中的高维矩阵,根据谱峰位置确定目标信号入射方向。本发明提供的基于空间谱的目标搜索方法,为了避免谱搜索过程的遍历复杂度,该方法将其转化为两个高维矩阵相乘过程,避免了针对角度维度的遍历搜索;同时,进一步采用矩阵随机采样与低秩近似方法,实现了低复杂度的高维矩阵相乘。相比于现有的遍历谱搜索方法而言,可以将其计算复杂度降至线性。
Description
技术领域
本发明涉及信息领域,具体涉及一种基于空间谱的目标搜索方法及装置。
背景技术
空间谱估计是阵列信号处理中的一个重要研究方向,在雷达、通信、声呐等众多领域有极为广阔的应用前景。空间谱估计侧重于研究空间多传感器阵列所构成的处理系统对感兴趣的空间信号的多种参数进行准确的估计的能力,主要目的就是估计信号的空域参数或信源位置。
MUSIC(Multiple Signal Classification),多重信号分类,是一类空间谱估计算法。其思想是利用接收数据的协方差矩阵(Rx)进行特征分解,分离出信号子空间和噪声子空间,利用信号方向向量与噪声子空间的正交性来构成空间扫描谱,进行全域搜索谱峰,从而实现信号的参数估计。
MUSIC对多个天线通道信号进行最佳合并处理,最大限度地提升了接收信噪比与未知目标的空间方位估计精度。然而在实际应用中,MUSIC算法涉及很高的计算复杂度,尤其当天线数目或等效接收通道数目较大时,所需的计算资源和处理时延通常无法承担。目前,MUSIC谱估计过程的高复杂度主要来自两部分,高维自相关矩阵SVD分解和未知目标空间谱搜索。对于后者而言,目前主要采取遍历搜索方式,来得到高精度的空间谱搜索结果,其计算复杂度与天线数目M与搜索步长τ有关,大致呈O(M2/τ)。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中的MUSIC谱估计过程计算量大、处理时间长的缺陷,从而提供一种基于空间谱的目标搜索方法。
本发明实施例提供一种基于空间谱的目标搜索方法,包括如下步骤:获取多个通道的信号矩阵,对所述信号矩阵进行分解,确定信息子空间和噪声子空间;通过等效空间谱矩阵确定谱峰,所述等效空间谱矩阵为:
其中Pmusic(θ)表示等效空间谱矩阵,其中,矩阵A和矩阵B为高维矩阵,矩阵和 表示N×M维的复数信号空间,M为通道的个数, K为待估计目标的数量,θ为空间方位角度,EM=V(:,K+1:M)对应于噪声子空间,N为待搜索角度的长度;通过低维矩阵逼近所述矩阵A和矩阵B,计算所述等效空间谱矩阵;根据谱峰位置确定目标信号入射方向。
可选地,所述矩阵A如下:
其中,am(θn)=exp(j2π/λmdθn),表示第m个天线针对第n个搜索角度的方向表征,d为阵元间隔,λ为信号波长,n为自然数。
可选地,所述矩阵B如下:
其中,为所述信号子空间的近似估计,VK为对所述信号矩阵进行 SVD分解,SVD分解矩阵中V前面K个奇异值所对应的分量。
可选地,还包括,利用两个低维矩阵和的乘积,其中s<<M 为随机抽取列和行的长度,s为正整数,来逼近高维矩阵A和B的乘积。
可选地,针对高维矩阵A进行骨架抽取得到表征矩阵C,
可选地,还包括对高维矩阵B进行骨架抽取得到表征矩阵R,
可选地,所述S矩阵中,每一行元素有且只有1个非零值,且该非零值位置随机分布于s长度中;S矩阵中非零值以等概率取值{+1,-1}。
本发明实施例还提供一种服务器,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而所述的方法。
本实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行所述的方法。
本发明技术方案,具有如下优点:
1.本发明提供的基于空间谱的目标搜索方法,为了避免谱搜索过程的遍历复杂度,该方法将其转化为两个高维矩阵相乘过程,避免了针对角度维度的遍历搜索;同时,进一步采用矩阵随机采样与低秩近似方法,实现了低复杂度的高维矩阵相乘。相比于现有的遍历谱搜索方法而言,可以将其计算复杂度降至线性。
2.本发明提供的基于空间谱的目标搜索方法,引入了自动误差基底消除机制,所得到的MUSIC谱与传统遍历搜索方法的估计精度相差无几,因而为大规模天线配置下的快速MUSIC谱搜索提供了一种极具潜力的应用与实现方案,在未来的实时车载雷达目标估计、大规模天线毫米波信号传输和卫星网络中具有重要的理论价值和广泛的应用潜力。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1中基于空间谱的目标搜索方法的一个具体示例的流程图;
图2为本发明实施例1中延时对比图;
图3为本发明实施例1中的目标结果对比图;
图4为本发明实施例2中的服务器的结构框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例中提供一种基于空间谱的目标搜索方法,采用近似矩阵计算和随机矩阵采样的快速MUSIC谱进行目标搜索,包括如下步骤:
S11、获取多个通道的信号矩阵,对所述信号矩阵进行分解,确定信息子空间和噪声子空间。
考虑M阵元均匀线阵,假设存在K个待估计目标(K<M),接收信号矩阵为:
X=AS+N
其中,A=[a(θ1)a(θ2)…a(θk)]T为M×K维方向矢量矩阵,而方位矢量将第1个接收天线阵元作为参考基准,则第k个目标的波程差为d为阵元间隔,λ为信号波长;K个目标信号矩阵为Y=[y1(t) y2(t) … yK(t)],其空间方位角为θk;N=[n1(t) n2(t) … nK(t)]T为M×N维独立同分布的噪声矩阵。
在MUSIC谱估计与目标方位估计过程中,首先需要对M个接收通道的信号自相关矩阵Rx进行SVD分解,得到信号子空间或者噪声子空间。为此,先估计得到接收信号X的协方差自相关矩阵,即
对上述协方差矩阵RX进行SVD分解。
假设自相关矩阵具有低秩特性,即rank(RX)=K<<M,则可进一步采用 K-秩SVD来计算逼近协方差矩阵
其中,UK、ΣK和VK分别对应于SVD分解矩阵U、Σ和V前面K个奇异值所对应的分量。
给出了关于信号子空间的近似估计;
EM=V(:,K+1:M)则对应于噪声子空间。
该步骤中,利用M个通道接收信号 表示M×M维的复数信号空间,估计协方差矩RX,并进行SVD分解,获得信号子空间的估计。
S12、通过等效空间谱矩阵确定谱峰。该步骤中,建立等效空间谱矩阵,利用随机矩阵采样技术对高维矩阵A和B进行降维处理,得到低维表征矩阵C和R,继而利用近似计算方法得到AB,在此基础上得到MUSIC空间谱近似计算结果。
第一,建立等效空间谱矩阵。
传统的MUSIC谱搜索过程需要针对每一个特定角度,执行其功率谱计算。当天线数目很大且角度分辨率很高时,需要耗费大量的计算资源并产生显著的处理时延。本实施例中的方案,在面向信号子空间的MUSIC 谱计算过程,首先得到等效的MUSIC谱搜索过程矩阵表达形式,如下式所示:
其中Pmusic(θ)表示等效空间谱矩阵,其中,矩阵A和矩阵B为高维矩阵,矩阵和M为通道的个数,K为待估计目标的数量,N为待搜索角度的长度;θ为空间方位角度,EM=V(:,K+1:M)对应于噪声子空间。
本实施例中通过构造上述等效矩阵计算,来实现MUSIC空间谱的遍历搜索,该模块主要输出两个高维矩阵A和B所设计方法与装置利用了MUSIC 谱搜索过程等效的矩阵表述形式,以及相关矩阵的低秩特性,通过随机矩阵采样和低维矩阵乘积,来近似计算得到高维矩阵乘积结果,避免了直接在角度域对未知空间谱进行遍历性搜索计算,有效降低了计算复杂度。
第二、确定上述两个高维矩阵A和B。
向量θ∈PN×1表示从0到90之间待遍历的角度值,其长度与搜索精度τ有关,即N=90/τ;可以发现,通过对分母取期望(在天线维度或者K 秩信号空间维度),即可得到关于MUSIC谱的计算结果,可以发现对于传统的噪子空间而言,上述等效矩阵计算方法与遍历搜索机制具有相同的计算复杂度和处理时延。其中,矩阵和分别定义为:
am(θn)=exp(j2π/λmdθn)表示第m个天线针对第n个搜索角度的方向表征,d为阵元间隔,λ为信号波长。
表示N×M维的复数信号空间,表示M×K维的复数信号空间。
S13、通过低维矩阵逼近所述矩阵A和矩阵B,计算所述等效空间谱矩阵。
利用矩阵计算过程来等效MUSIC谱搜索的过程,其核心运算在于计算两个高维矩阵A和B之间的乘积。当M取值很大且角度向量长度N很大(即角度分辨率很高)时,上述高维矩阵的乘法运算占据主要的计算资源和处理时延。为此,本发明提出基于随机矩阵采样和近似计算的方法,即利用两个低维矩阵和的乘积(其中s<<M),来逼近高维矩阵A和B的乘积,从而进一步显著降低计算复杂发和处理时延。
首先需要得到高维矩阵A和B的低维表征C和R。本实施例中主要采取随机列向量(行向量)采样的方法实现上述功能。具体地,首先针对高维矩阵A进行骨架抽取得到表征矩阵C,为了方便起见,可定义等效随机采样矩阵为特别地,该S矩阵具有如下2个特点:(1) 每一行元素有且只有1个非零值,且该非零值位置随机分布于s长度中; (2)该非零值以等概率取值{+1,-1}。按照类似的方法,也可对高维矩阵B进行骨架抽取得到表征矩阵R,即:
为了确保计算精度,需要保证s≥K。进一步地,可以利用低维矩阵 C和R之间的矩阵乘积,来近似计算AB,即有:
通过采用均匀随机采样机制,即在随机选取A矩阵列向量和B矩阵行向量过程中,每一列或每一行按照等概率抽取得到,即pit=1/M。需要注意,上述低维矩阵乘积过程有望精确逼近高维矩阵乘积过程,在合理设置采样概率的情况下,具有以下近似误差界,其中βs为一个与s有关的大常数。
本实施例中的高维矩阵的低维表征方法,通过随机选取高维矩阵A 和B的s列或s列,得到两个低维近似矩阵C和R,且该过程主要通过访问高维矩阵特定行或列的方式实现,不涉及额外矩阵处理,方便于硬件集成设计。采用两个低维矩阵C和R之间的低复杂度乘积运算,来近似得到高维矩阵A和B的高复杂度乘积,在有效降低计算复杂度的同时,可以有效地控制矩阵乘积近似计算误差。
作为优选的方案,还可以进一步包括误差消除的步骤,采用局部邻域的中值来对消未知误差基底。
通过上述等效矩阵关系和低维矩阵近似计算,可以得到关于MUSIC 空间谱的计算结果;在实际应用中,由于上述近似阶段会产生误差,导致在近似计算得到的MUSIC空间谱中存在随机漂移的误差基底。因此,一步引入之中高效的误差基底消除机制,利用简单的比较运算和加减运算,快速消除了近似计算得到的MUSIC空间谱中的随机误差基底,确保了MUSIC空间谱目标检测和方位估计的精度。
本实施例中采用简单的中值校准机制,即采用局部邻域的中值来对消未知误差基底,这样可以避免由于目标本身而引起的均值波动,因而在MUSIC空间谱计算中更加鲁棒。假设局部邻域中包含2L+1角度值,则校准之后的MUSIC空间谱可表示为:
利用随机矩阵采样技术对高维矩阵A和B进行降维处理,得到低维表征矩阵C和R,继而利用近似计算方法得到AB,在此基础上,按照公式(1) 得到MUSIC空间谱近似计算结果P(θ)。
在给定局部邻域长度的情况下,利用中值校准方法,消除近似计算得到的MUSIC空间谱结果中的未知误差基底,并输出最终估计结果。所发明自动误差基底消除方法,利用面向局部邻域的中值校准机制,消除了由于近似误差而引起的未知基底漂移,显著提升了利用随机矩阵计算方式得到的MUSIC空间谱估计结果的精度。
S14、根据谱峰位置确定目标信号入射方向。
为了验证所发明方法的有效性和先进性,针对大规模天线配置下的 MUSIC谱估计进行了仿真实验。分析中,假设天线数目(或等效接收通道数目)M从1500增加至2500,MUSIC谱搜索过程所需的角度精度为τ=0.1度,未知目标个数K=10;大规模天线阵元数目M从200增加至1500,存在K=10个未知待估计目标。如图2所示,为现有的MUSIC谱搜索过程和本方法所需的CPU计算与处理时延。可以发现,随着天线阵元数目M 的增加,本方法所需的计算复杂度(处理时间)呈现出很缓慢的增长趋势,这主要是因为其计算复杂度主要与随机矩阵乘法维度s以及角度分辨率τ有关,与天线数目M相对独立;相比之下,传统基于遍历搜索的MUSIC谱搜索过程则需要针对每个特定角度,执行功率谱计算,其计算复杂度大致呈O(NM2)或O(M2/τ)。以天线数目M=2000为例,传统MUSIC 谱搜索方法所需的CPU处理时延为13.85秒,而新方法所需计算处理时延仅为0.03秒,即计算复杂度和处理时延降低400余倍以上。
图3所示,为本发明方法与传统遍历搜索方法得到的MUSIC空间谱计算结果,可以发现,本实施方式所公开的近似矩阵计算方法所得到的 MUSIC空间谱与遍历搜索方法大致相仿,尽管新方法的结果在噪声抑制方面性能有所下降,但关于多个目标的空间位置的估计相对准确,不影响最终的目标提取与空间方位估计结果。因此,本方法在充分降低大规模天线配置下MUSIC空间谱搜索过程计算复杂度的同时,对于多个目标空间谱的近似计算精度影响很小,因而对于未来实时雷达目标探测与快速信号分析处理具有重要理论意义和实际应用价值,包括车载毫米波雷达、大规模天线5G信号处理以及相控阵卫星数据处理等。
该方案中,将传统的MUSIC空间谱搜索过程,等效转化为两个高维矩阵A和B的乘积形式,避免了现有主流方案中的遍历搜索过程;同时,进一步采用随机矩阵采样与低维近似计算的新思路,利用两个低维矩阵乘积 CR,来近似高计算复杂度的高维矩阵乘积AB;并通过引入自动的误差基底消除机制,利用中值校准机制消除了由于近似误差而引起的未知基底漂移,确保了近似计算MUSIC空间谱的精度。相比于复杂度高、处理时延大的直接MUSIC谱搜索方法,该方法具有低复杂度、低时延、高精度等优势,因而在大规模天线实时目标探测和快速信号处理中具有重要理论价值和实用价值,包括未来的车载毫米波雷达、大规模天线5G通信信号分析与大规模相控阵卫星信息处理等应用场景。
本实施例中的方法,解决了大规模天线场景下MUSIC空间谱搜索复杂度过高的技术难题,提出了空间谱遍历搜索的等效矩阵计算机制,并采用随机矩阵采样和近似矩阵计算的全新技术方案,最大限度降低了 MUSIC空间谱计算载荷与处理时延,突破了现有MUSIC空间谱搜索机制无法应用于大规模天线实时目标估计与信号分析场景的理论难题与技术瓶颈,将在未来雷达信号处理和大规模天线5G通信中具有广泛应用潜力。
实施例2
本实施例中提供一种服务器,可实现基于空间谱的目标搜索方法,其包括:存储器51和处理器52,所述存储器51和所述处理器52之间互相通信连接,其中存储器51和处理器52可以通过总线或者其他方式连接,图 4中以通过总线连接为例。所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行实施例1所述的基于空间谱的目标搜索方法。
存储器51作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器52通过运行存储在存储器51中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现实施例1所述的基于空间谱的目标搜索方法。
处理器52可以为中央处理器(Central Processing Unit,CPU)。处理器 52还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器51可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器 52所创建的数据等。此外,存储器51可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器51可选包括相对于处理器52 远程设置的存储器,这些远程存储器可以通过网络连接至处理器52。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器51中,当被所述处理器52 执行时,执行实施例1所述的基于空间谱的目标搜索方法。
实施例3
本实施例中提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令从而执行实施例1方法。本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(HardDisk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种基于空间谱的目标搜索方法,其特征在于,包括如下步骤:
获取多个通道的信号矩阵,对所述信号矩阵进行分解,确定信息子空间和噪声子空间;
通过等效空间谱矩阵确定谱峰,所述等效空间谱矩阵为:
其中Pmusic(θ)表示等效空间谱矩阵,其中,矩阵A和矩阵B为高维矩阵,矩阵和 表示N×M维的复数信号空间,表示M×K维的复数信号空间,M为通道的个数,K为待估计目标的数量,θ为空间方位角度,EM=V(:,K+1:M)对应于噪声子空间,N为待搜索角度的长度;
通过低维矩阵逼近所述矩阵A和矩阵B,计算所述等效空间谱矩阵;
根据谱峰位置确定目标信号入射方向。
2.根据权利要求1所述的方法,其特征在于,所述矩阵A如下:
其中,αm(θm)=exp(j2π/λmdθn),表示第m个天线针对第n个搜索角度的方向表征,d为阵元间隔,λ为信号波长,n为自然数。
3.根据权利要求2所述的方法,其特征在于,所述矩阵B如下:
其中,为所述信号子空间的近似估计,VK为对所述信号矩阵进行SVD分解,SVD分解矩阵中V前面K个奇异值所对应的分量。
4.根据权利要求3所述的方法,其特征在于,还包括,利用两个低维矩阵和的乘积,其中s<<M为随机抽取列和行的长度,s为正整数,来逼近高维矩阵A和B的乘积。
5.根据权利要求1或2或3或4所述的方法,其特征在于,针对高维矩阵A进行骨架抽取得到表征矩阵C,
6.根据权利要求5所述的方法,其特征在于,还包括对高维矩阵B进行骨架抽取得到表征矩阵R,
7.根据权利要求6所述的方法,其特征在于,所述S矩阵中,每一行元素有且只有1个非零值,且该非零值位置随机分布于s长度中;S矩阵中非零值以等概率取值{+1,-1}。
8.根据权利要求6所述的方法,其特征在于,还包括误差消除的步骤,采用局部邻域的中值来对消未知误差基底。
9.一种服务器装置,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-8任一所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811631527.9A CN109765526B (zh) | 2018-12-29 | 2018-12-29 | 一种基于空间谱的目标搜索方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811631527.9A CN109765526B (zh) | 2018-12-29 | 2018-12-29 | 一种基于空间谱的目标搜索方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109765526A true CN109765526A (zh) | 2019-05-17 |
CN109765526B CN109765526B (zh) | 2021-05-14 |
Family
ID=66452266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811631527.9A Active CN109765526B (zh) | 2018-12-29 | 2018-12-29 | 一种基于空间谱的目标搜索方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109765526B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368679A (zh) * | 2020-02-26 | 2020-07-03 | 西北工业大学 | 一种低秩矩阵分解的谱线检测方法 |
CN113433555A (zh) * | 2021-08-27 | 2021-09-24 | 中国人民解放军国防科技大学 | 一种对空中运动目标的激光外差探测自主搜索方法 |
CN113552533A (zh) * | 2021-07-19 | 2021-10-26 | 北京华力创通科技股份有限公司 | 一种空间谱估计方法、装置、电子设备及存储介质 |
CN114339764A (zh) * | 2021-11-18 | 2022-04-12 | 国网辽宁省电力有限公司 | 导频欺骗攻击检测方法、装置、电子设备及存储介质 |
CN115604060A (zh) * | 2022-10-09 | 2023-01-13 | 上海星思半导体有限责任公司(Cn) | 峰值检测方法、装置、电子设备、存储介质及程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090309784A1 (en) * | 2008-06-17 | 2009-12-17 | Denso Corporation | Target object detection apparatus for acquiring information concerning target objects based on correlation matrix derived from signal values corresponding to reflected electromagnetic waves |
CN103344940A (zh) * | 2013-06-21 | 2013-10-09 | 哈尔滨工业大学深圳研究生院 | 低复杂度的doa估计方法及系统 |
CN103901417A (zh) * | 2014-04-02 | 2014-07-02 | 哈尔滨工程大学 | L型阵列mimo雷达低复杂度空间目标二维角度估计方法 |
CN104182936A (zh) * | 2014-08-14 | 2014-12-03 | 电子科技大学 | 一种基于隐式低秩近似的背景减除算法 |
CN105930308A (zh) * | 2016-04-14 | 2016-09-07 | 中国科学院西安光学精密机械研究所 | 基于低秩恢复的非负矩阵分解方法 |
-
2018
- 2018-12-29 CN CN201811631527.9A patent/CN109765526B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090309784A1 (en) * | 2008-06-17 | 2009-12-17 | Denso Corporation | Target object detection apparatus for acquiring information concerning target objects based on correlation matrix derived from signal values corresponding to reflected electromagnetic waves |
CN103344940A (zh) * | 2013-06-21 | 2013-10-09 | 哈尔滨工业大学深圳研究生院 | 低复杂度的doa估计方法及系统 |
CN103901417A (zh) * | 2014-04-02 | 2014-07-02 | 哈尔滨工程大学 | L型阵列mimo雷达低复杂度空间目标二维角度估计方法 |
CN104182936A (zh) * | 2014-08-14 | 2014-12-03 | 电子科技大学 | 一种基于隐式低秩近似的背景减除算法 |
CN105930308A (zh) * | 2016-04-14 | 2016-09-07 | 中国科学院西安光学精密机械研究所 | 基于低秩恢复的非负矩阵分解方法 |
Non-Patent Citations (2)
Title |
---|
WANG, LM ET AL.: "Uni-Vector-Sensor Dimensionality Reduction MUSIC Algorithm for DOA and Polarization Estimation", 《MATHEMATICAL PROBLEMS IN ENGINEERING》 * |
罗亮 等: "基于非局部双边随机投影低秩逼近图像去噪算法", 《电子与信息学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368679A (zh) * | 2020-02-26 | 2020-07-03 | 西北工业大学 | 一种低秩矩阵分解的谱线检测方法 |
CN111368679B (zh) * | 2020-02-26 | 2022-03-22 | 西北工业大学 | 一种低秩矩阵分解的谱线检测方法 |
CN113552533A (zh) * | 2021-07-19 | 2021-10-26 | 北京华力创通科技股份有限公司 | 一种空间谱估计方法、装置、电子设备及存储介质 |
CN113433555A (zh) * | 2021-08-27 | 2021-09-24 | 中国人民解放军国防科技大学 | 一种对空中运动目标的激光外差探测自主搜索方法 |
CN113433555B (zh) * | 2021-08-27 | 2021-11-12 | 中国人民解放军国防科技大学 | 一种对空中运动目标的激光外差探测自主搜索方法 |
CN114339764A (zh) * | 2021-11-18 | 2022-04-12 | 国网辽宁省电力有限公司 | 导频欺骗攻击检测方法、装置、电子设备及存储介质 |
CN115604060A (zh) * | 2022-10-09 | 2023-01-13 | 上海星思半导体有限责任公司(Cn) | 峰值检测方法、装置、电子设备、存储介质及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN109765526B (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109765526B (zh) | 一种基于空间谱的目标搜索方法及装置 | |
CN111736131B (zh) | 一种剔除一比特信号谐波虚假目标的方法及相关组件 | |
CN108710103B (zh) | 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法 | |
CN106680815B (zh) | 基于张量稀疏表示的mimo雷达成像方法 | |
CN109633538B (zh) | 非均匀采样系统的最大似然时差估计方法 | |
CN105652273A (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
CN111337873B (zh) | 一种基于稀疏阵的doa估计方法 | |
CN111781593A (zh) | 低数据量相干信号doa估计方法、装置、设备及介质 | |
CN105699950B (zh) | 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 | |
CN107907855A (zh) | 一种互素阵列转化为均匀线阵的doa估计方法及装置 | |
CN111781575B (zh) | 一比特信号单快拍波达方向估计方法及相关组件 | |
CN109946663B (zh) | 一种线性复杂度的Massive MIMO目标空间方位估计方法和装置 | |
CN105911527B (zh) | 基于efa与mwf的机载雷达空时自适应处理方法 | |
CN107450046B (zh) | 低仰角多径环境下的波达角估计方法 | |
CN109901103B (zh) | 基于非正交波形的mimo雷达doa估算方法及设备 | |
CN108761380A (zh) | 一种用于提高精度的目标波达方向估计方法 | |
CN115356678A (zh) | 基于dpnalm算法的稀疏阵列doa估计方法 | |
Xie et al. | Regularized covariance estimation for polarization radar detection in compound Gaussian sea clutter | |
KR20190134893A (ko) | 안테나 어레이 외삽을 이용한 레이더 수신신호의 도착방향 추정 방법 및 장치 | |
CN116699511A (zh) | 一种多频点信号波达方向估计方法、系统、设备及介质 | |
WO2020140658A1 (zh) | 波达方向估计方法及装置、雷达、可读存储介质 | |
Tang et al. | Enhanced through-the-wall radar imaging using Bayesian compressive sensing | |
CN109782246B (zh) | 波达方向估计方法及装置、雷达、可读存储介质 | |
CN117420539A (zh) | 稀疏阵毫米波雷达频域波束降维快速联合超分辨估计方法 | |
CN111175747A (zh) | 一种基于多通道复图像空间的相位误差估计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |