CN109828252B - 一种mimo雷达参数估计方法 - Google Patents
一种mimo雷达参数估计方法 Download PDFInfo
- Publication number
- CN109828252B CN109828252B CN201910263813.2A CN201910263813A CN109828252B CN 109828252 B CN109828252 B CN 109828252B CN 201910263813 A CN201910263813 A CN 201910263813A CN 109828252 B CN109828252 B CN 109828252B
- Authority
- CN
- China
- Prior art keywords
- matrix
- signal
- array
- elements
- subspace
- 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
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种MIMO雷达参数估计方法,属于雷达工程领域。所述方法包括如下步骤:建立MIMO雷达信号模型,获取目标的信号数据矩阵;对所述信号数据矩阵进行数据重组、数据矩阵扩展,得到协方差矩阵;对所述协方差矩阵做特征值分解,获得信号子空间;通过所述信号子空间获得信号子空间阵列;联合信号子空间阵列矩阵对其分解得到来波方向的俯仰角、方位角和多普勒频率。本发明算法可以提高对目标的多普勒频率、方位角以及俯仰角的估计精度,同时在多个远场目标相距较近的情况下可以获得高精度的参数估计结果,并且该方法在参数估计过程中实现参数自动配对,不需要进行谱峰搜索。
Description
技术领域
本发明属于雷达工程领域,具体的涉及一种MIMO雷达参数估计方法。
背景技术
多输入多输出(MIMO,multipleinput multipleoutput)雷达通过多个阵元发射多束探测信号,多个阵元接收远场目标反射的散射回波信号,使得其在参数估计性能等方面有着极大地提升空间。MIMO雷达对目标进行估计的参数主要有远场目标的角度、位置、多普勒频率等各项参数,进而确定目标波达到达方向与目标位置信息。
传统的ESPRIT算法对目标来波方向进行估计的原理是:采用均匀线阵的信号模型,将虚拟接收阵列中的均匀线阵分为三个子阵,经匹配滤波处理后得到新的输出数据矩阵。然后求得新矩阵的协方差矩阵相关矩阵并进行特征值分解,较大的特征值对应的特征向量为信号子空间。然后将三个子阵用同样的方式求得对应的信号子空间,结合构造矩阵并对构造矩阵进行特征值分解,联合旋转不变因子估计目标来波方向的俯仰角和方位角信息。
采用传统的ESPRIT算法对MIMO雷达波达方向的俯仰角和方位角进行估计的误差较大,多个远场目标相距较近的情况下进行参数估计时的性能较差,并且没有考虑多普勒频率对角度估计的影响。
发明内容
针对现有技术的不足,本发明的目的在于提供一种MIMO雷达参数估计方法,用于解决现有技术中存在的参数估计性能较差、参数估计结果精度较低的问题。
为解决现有技术问题,本发明采取的技术方案为:
一种MIMO雷达参数估计方法,所述方法包括如下步骤:
建立MIMO雷达非圆信号模型,获取目标的接收信号数据矩阵;
对所述接收信号数据矩阵进行扩展、计算得到协方差矩阵;
对所述协方差矩阵做特征值分解,获取信号子空间;
通过所述信号子空间获取信号子空间矩阵;
联合信号子空间矩阵和构造矩阵得到来波方向的俯仰角、方位角和多普勒频率。
进一步的,所述协方差矩阵获取方法包括:
所述MIMO雷达非圆信号模型包括发射阵列、接收阵列和发射线性独立编码脉冲;
以发射阵列和接收阵列的第一个阵元为参考单元,获得第k个目标的发射信号导向矢量和接收信号导向矢量:
dt=Ndr,K<MN,
其中,a(θk)为第k个目标的发射信号导向矢量,为第k个目标的接收信号导向矢量,θk为第k个目标的波离角,为第k个目标的波达角,dt为发射阵列阵元的间距,dr接收阵列阵元的间距,M为发射阵列的阵元数,N为接受阵列的阵元数,K为目标总数,e为欧拉数,j为虚数单位,λ为波长,T表示对矩阵进行转置;
通过发射信号导向矢量和接收信号导向矢量获得第n个接收阵元的接收信号Xn为:
通过接收阵元的接收信号得到MIMO雷达虚拟收发阵列X为:
其中,
A(θ)=[a(θ1)a(θ2)…a(θk)],
S=ΨS0=[S(1),S(2),…,S(P)],
S0=[s01,s02,…,s0k]T,
fd=[fd1…fdk],
其中,A(θ)为发射阵列方向矩阵,为接收阵列方向矩阵,fdk为第k个目标的归一化的多普勒频率,fd为归一化的多普勒频率,η为K个目标的反射幅度,ηk为第k个目标的反射幅度,S为非圆信号数据矩阵,E空间白与时间白的复高斯白噪声,Ψ为非圆信号的相位矩阵,S0表示一个实值矩阵,Ψk为第k个目标信号的非圆相位,s0k表示能通过移相得到最大非圆信号sk的零初相实信号;
对虚拟收发阵列X进行滤波处理得到滤波后的接收信号数据矩阵、对滤波后的接收信号数据矩阵进行时域延迟抽头采样得到:
即:
Y=AS+E,
其中,
A=[a1,a2…ak],
b(fdk)(k=1…K),
对滤波后的接收信号数据矩阵Y进行扩展,得到:
其中,J是反对角线元素全为1,其余位置全为0的MN×MN维交换矩阵,Y*代表矩阵Y的共轭,E′表示重新构造的噪声矩阵,E*为E的共轭,E为噪声数据矢量,Y′为扩展后的接收信号数据矩阵;
通过对Y′进行计算获得协方差矩阵:
Rzz=E[Y′Y′H]
其中,RZZ为协方差矩阵,Y′H为Y′的共轭转置。
进一步的,所述信号子空间阵列获取方法如下:
对空-时域方向矩阵A进行定义:
对上式进行旋转变换得到:
AD2=AD1φD,AM2=AM1φM,AN2=AN1φN,
其中,AD1为b(fdk)取前P-1个元素所构成的空-时子矩阵,AD2为b(fdk)取后P-1个元素所构成的空-时子矩阵,AM1为a(θk)的前M-1个元素所构成的空-时子矩阵,AM2为a(θk)的后M-1个元素所构成的空-时子矩阵,AN1为的前N-1个元素所构成的空-时子矩阵,AN2为的后M-1个元素所构成的空-时子矩阵;
从信号子空间Es中定义信号子矩阵得到:
Es-D1、Es-D2、Es-M1、Es-M2、Es-N1、Es-N2;
其中,Es-D1为Es对应AD1取前P-1个元素所构成的信号子空间,Es-D2为Es对应AD2取后P-1个元素所构成的信号子空间,Es-M1为Es对应AM1取前M-1个元素所构成的信号子空间,Es-M2为Es对应AM2取后M-1个元素所构成的信号子空间,Es-N1为Es对应AN1取前N-1个元素所构成的信号子空间,Es-N2为Es对应AN2取后M-1个元素所构成的信号子空间。
进一步的,所述俯仰角、方位角和多普勒频率获取方法如下:
根据公式Es-D2=Es-D1ψD,Es-M2=Es-M1ψM,Es-N2=Es-N1ψN,
推导出:
ψD=Q-1φDQ,ψM=Q-1φMQ,ψN=Q-1φNQ,
根据上式得到:ψD、ψM、ψN;其中,ψD为满足Es-D1和Es-D2关系的构造矩阵,ψM为满足Es-M1和Es-M2关系的构造矩阵,ψN为满足Es-N1和Es-N2关系的构造矩阵,Q为非奇异矩阵;
对ψD进行特征值分解得到特征值ΥDk和特征向量VK,由于ψD、ψM具有相同的特征向量,所以有:
ΥMkVK=ψMVK
ΥNkVK=ψNVK
利用特征向量VK和ψM、ψN分别求解出ψM的特征值ΥMk和ψN的特征值ΥNk,实现参数配对;
通过如下公式估计得到俯仰角、方位角以及多普勒频率的估计值:
进一步的,对所述协方差矩阵做特征值分解时,较大的特征值张成信号子空间,剩下的较小的特征值张成噪声子空间。
进一步的,所述发射阵列和接收阵列均由均匀线阵构成,且所有阵元都是全方向的。
一个特定实信号总能通过移相得到一个最大非圆率信号,且这个最大非圆率信号的非圆相位是这个实信号初始相位的两倍。将非圆信号引入,通过数据重组扩大了虚拟阵列孔径,扩大阵元数目,同时考虑多普勒频率,建立信号模型,然后对阵列接收到的非圆信号的数据矩阵进行扩展。然后将虚拟接收阵列分解成多个拥有共同参考阵元的子空间阵列,对于每个子阵应用ESPRIT算法中的时间子空间法,利用接收信号匹配滤波得到输出信号矩阵,求得信号矩阵的协方差矩阵相关矩阵,通过对协方差矩阵做特征值分解,以较大特征值构成信号子空间,以较小的特征值形成噪声子空间,然后构造关系矩阵并进行特征值分解,根据特征值来估计来波方向中俯仰角、方位角以及多普勒频率的信息。
与现有技术相比,本发明有以下有益效果:
本发明利用信号的非圆特性以及多普勒频率对方位角、俯仰角的影响,以非圆信号的数据模型为基础利用时域相邻两级延迟包含的时间相位差、发射阵列相邻阵元包含的空间相位差以及接收阵列相邻阵元包含的空间相位差给出一种基于非圆信号的多维ESPRIT算法的参数估计方法,该算法不需要谱峰搜索,且能自动配对,提高了多个远场目标相距较近时的参数估计性能、参数估计的分辨率以及精度。
附图说明
图1为面阵示意图;
图2为信号射向图示意图;
图3为基于非圆信号的多维ESPRIT参数估计算法流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
建立发射阵列和接收阵列的阵元数分别为M和N的MIMO雷达非圆信号模型,发射阵列和接收阵列都是由均匀线阵构成,且所有阵元都是全方向的,发射阵列和接收阵列阵元的间距分别为dt和dr,为保证MIMO雷达产生的虚拟阵元没有重叠部分,令dt=Ndr,从而收发阵列M+N个阵元可以等效为一个M×N维的虚拟收发阵列,此虚拟收发阵列阵元间距为信号波长的一半,阵列结构如图1所示。
假设空间存在K个不相干的远场点目标,如图2所示,分别来自方向且K<MN。其中θK为波离角(DOD),为波达角(DOA),归一化的多普勒频率分别为fd1,fd2…fdK。发射和接收天线阵列,都以线阵的第一个阵元为参考单元,则第k个目标的方位角为的发射信号导向矢量为:
接收信号的导向矢量为:
其中,a(θk)为第k个目标的发射信号导向矢量,为第k个目标的接收信号导向矢量,θk为第k个目标的波离角,为第k个目标的波达角,dt为发射阵列阵元的间距,dr接收阵列阵元的间距,M为发射阵列的阵元数,N为接受阵列的阵元数,K为目标总数,e为欧拉数,j为虚数单位,λ为波长,T表示对矩阵进行转置;设η=[η1η2…ηk]T为K个目标反射信号的幅度,X为MIMO雷达虚拟收发阵列,E空间白与时间白的复高斯白噪声,噪声为零均值,且各阵元上的噪声与噪声、噪声信号之间互不相关。
则MIMO雷达第n个接收阵元接收的信号为:
即虚拟收发阵列X为:
发射阵列方向矩阵为:
A(θ)=[a(θ1)a(θ2)…a(θk)],
接收阵列方向矩阵为:
其中,A(θ)为发射阵列方向矩阵,为接收阵列方向矩阵,fdk为第k个目标的归一化的多普勒频率,fd为归一化的多普勒频率,η为K个目标的反射幅度,ηk为第k个目标的反射幅度,S为非圆信号数据矩阵,E空间白与时间白的复高斯白噪声,
虚拟收发阵列X通过滤波处理后得到滤波后的接收信号数据矩阵Y,对Y进行时域延迟抽头采样,τ表示数据延迟,τ=1/fr,fr是脉冲重复频率,共有P级,故在Y中第m个元素在第n个接收天线响应数据的第p级延迟。
故Y可以表示为:
定义A=[a1,a2…aK],
因此,虚拟收发阵列通过滤波处理后得到的滤波后的接收信号数据矩阵可以表示为:
Y=AS+E
S为非圆信号数据矩阵。信号数据矩阵可以表示为:
S=ΨS0=[S(1),S(2),…,S(P)]
对滤波后的接收信号数据矩阵Y进行扩展,得到:
其中,J是反对角线元素全为1,其余位置全为0的MN×MN维交换矩阵,Y*代表矩阵Y的共轭,E′表示重新构造的噪声矩阵,E*为E的共轭,E为噪声数据矢量,Y′为扩展后的接收信号数据矩阵。
通过对Y′进行计算获得协方差矩阵RZZ:
Rzz=E[Y′Y′H]
对RZZ的相关矩阵进行特征值分解,较大的K个特征值张成信号子空间Es,剩下的较小的特征值张成噪声子空间En。噪声情况下,或当快拍数趋于无穷情况下,满足Es=AQ,Es和A均为列满秩,因此Q为非奇异矩阵。
对空-时域方向矩阵A进行定义:
对上式进行旋转变换得到:
AD2=AD1φD,AM2=AM1φM,AN2=AN1φN,
其中,AD1为b(fdk)取前P-1个元素所构成的空-时子矩阵,AD2为b(fdk)取后P-1个元素所构成的空-时子矩阵,AM1为a(θk)的前M-1个元素所构成的空-时子矩阵,AM2为a(θk)的后M-1个元素所构成的空-时子矩阵,AN1为的前N-1个元素所构成的空-时子矩阵,AN2为的后M-1个元素所构成的空-时子矩阵;
从信号子空间Es中定义信号子矩阵得到:
从Es中定义信号子矩阵Es-D1、Es-D2、Es-M1、Es-M2、Es-N1、Es-N2满足:
Es-D2=Es-D1ψD,Es-M2=Es-M1ψM,Es-N2=Es-N1ψN
其中,Es-D1为Es对应AD1取前P-1个元素所构成的信号子空间矩阵,Es-D2为Es对应AD2取后P-1个元素所构成的信号子空间矩阵,Es-M1为Es对应AM1取前M-1个元素所构成的信号子空间矩阵,Es-M2为Es对应AM2取后M-1个元素所构成的信号子空间矩阵,Es-N1为Es对应AN1取前N-1个元素所构成的信号子空间矩阵,Es-N2为Es对应AN2取后M-1个元素所构成的信号子空间矩阵。
以上可以推导出:
ψD=T-1φDT,ψM=T-1φMT,ψN=T-1φNT
可以得出,ψD、ψM、ψN的特征值是由φD、φM、φN的对角元素构成,记为:ΥD、ΥM、ΥN。
其中,ψD为满足Es-D1和Es-D2关系的构造矩阵,ψM为满足Es-M1和Es-M2关系的构造矩阵,ψN为满足Es-N1和Es-N2关系的构造矩阵,Q为非奇异矩阵;
因此,先对ψD进行特征值分解得到特征值以及特征向量ΥDk和VK,由于ψD、ψM具有相同的特征向量,所以有:
ΥMkVK=ψMVK
ΥNkVK=ψNVK
利用特征向量VK和ψM、ψN分别求解出ψM的特征值ΥMk和ψN的特征值ΥNk,实现参数配对。
最后,基于多维NC-ESPRIT算法的MIMO雷达俯仰角、方位角以及多普勒频率的估计值可以联合求得如下
综上所述,图3为基于多维NC-ESPRIT算法的MIMO雷达参数估计方法流程图。具体步骤总结如下:
1)将匹配滤波器的输出信号Y进行扩展;
2)按式构造扩展后输出信号的协方差函数;
3)对Rzz做特征值分解,较大特征值构成信号子空间Es;
4)利用信号子空间Es构造信号子空间阵列Es-D1、Es-D2、Es-M1、Es-M2、Es-N1、Es-N2;
5)构造矩阵ψD、ψM、ψN,对ψD进行特征值分解得到特征值以及特征向量ΥDk和VK;
6)利用特征向量VK和ψM、ψN分别求解出ψM的特征值ΥMk和ψN的特征值ΥNk;
利用非圆信号的特性,通过数据重组扩大了虚拟阵列孔径,阵元数目相当于扩大了一倍,进而对阵列接收到的数据矩阵进行扩展,然后考虑多普勒频率对角度估计的影响进而采用多维ESPRIT算法,利用时域相邻两级延迟包含的时间相位差、相邻发射阵元包含的空间相位差以及相邻接收阵元包含的空间相位差作为旋转因子,形成旋转不变子空间,将多维参数估计分解为多个一维ESPRIT算法,分别估计每一维的参数。使得该算法能够精准的估计出目标的方位角、俯仰角以及多普勒频率,提高参数估计的精度与分辨率。
以上所述,仅是本发明的较佳实施例而已,并非对其限制,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可依据本发明的技术实质,做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同替换与修饰等,均仍属于本发明技术方案的保护范围内。
Claims (4)
1.一种MIMO雷达参数估计方法,其特征在于,所述方法包括如下步骤:
建立MIMO雷达非圆信号模型,获取目标的接收信号数据矩阵;
对所述接收信号数据矩阵进行扩展、计算得到协方差矩阵;
对所述协方差矩阵做特征值分解,获取信号子空间;
通过所述信号子空间获取信号子空间矩阵;
联合信号子空间矩阵和构造矩阵得到来波方向的俯仰角、方位角和多普勒频率;
所述协方差矩阵获取方法包括:
所述MIMO雷达非圆信号模型包括发射阵列和接收阵列;
以发射阵列和接收阵列的第一个阵元为参考单元,获得第k个目标的发射信号导向矢量和接收信号导向矢量:
dt=Ndr,K<MN,
其中,a(θk)为第k个目标的发射信号导向矢量,为第k个目标的接收信号导向矢量,θk为第k个目标的波离角,为第k个目标的波达角,dt为发射阵列阵元的间距,dr接收阵列阵元的间距,M为发射阵列的阵元数,N为接受阵列的阵元数,K为目标总数,e为欧拉数,j为虚数单位,λ为波长,T表示对矩阵进行转置;
通过发射信号导向矢量和接收信号导向矢量获得第n个接收阵元的接收信号Xn为:
通过接收阵元的接收信号得到MIMO雷达虚拟收发阵列X为:
其中,
A(θ)=[a(θ1)a(θ2)...a(θk)],
S=ΨS0=[S(1),S(2),...,S(P)],
S0=[s01,s02,...,s0k]T,
fd=[fd1…fdk],
其中,A(θ)为发射阵列方向矩阵,为接收阵列方向矩阵,fdk为第k个目标的归一化的多普勒频率,fd为归一化的多普勒频率,η为K个目标的反射幅度,ηk为第k个目标的反射幅度,S为非圆信号数据矩阵,E空间白与时间白的复高斯白噪声,Ψ为非圆信号的相位矩阵,S0表示一个实值矩阵,Ψk为第k个目标信号的非圆相位,s0k表示能通过移相得到最大非圆信号sk的零初相实信号;
对虚拟收发阵列X进行滤波处理得到滤波后的接收信号数据矩阵、对滤波后的接收信号数据矩阵进行时域延迟抽头采样得到:
即:
Y=AS+E,
其中,
A=[a1,a2...ak],
对滤波后的接收信号数据矩阵Y进行扩展,得到:
其中,J是反对角线元素全为1,其余位置全为0的MN×MN维交换矩阵,Y*代表矩阵Y的共轭,E′表示重新构造的噪声矩阵,E*为E的共轭,E为噪声数据矢量,Y′为扩展后的接收信号数据矩阵;
通过对Y′进行计算获得协方差矩阵:
Rzz=E[Y′Y′H]
其中,Rzz为协方差矩阵,Y′H为Y′的共轭转置;
所述信号子空间矩阵获取方法如下:
对空-时域方向矩阵A进行定义:
对上式进行旋转变换得到:
AD2=AD1φD,AM2=AM1φM,AN2=AN1φN,
其中,AD1为b(fdk)取前P-1个元素所构成的空-时子矩阵,AD2为b(fdk)取后P-1个元素所构成的空-时子矩阵,AM1为a(θk)的前M-1个元素所构成的空-时子矩阵,AM2为a(θk)的后M-1个元素所构成的空-时子矩阵,AN1为的前N-1个元素所构成的空-时子矩阵,AN2为的后M-1个元素所构成的空-时子矩阵;
从信号子空间Es中定义信号子矩阵得到:
Es-D1、Es-D2、Es-M1、Es-M2、Es-N1、Es-N1;
其中,Es-D1为Es对应AD1取前P-1个元素所构成的信号子空间,Es-D2为Es对应AD2取后P-1个元素所构成的信号子空间,Es-M1为Es对应AM1取前M-1个元素所构成的信号子空间,Es-M2为Es对应AM2取后M-1个元素所构成的信号子空间,Es-N1为Es对应AN1取前N-1个元素所构成的信号子空间,Es-N2为Es对应AN2取后M-1个元素所构成的信号子空间。
2.根据权利要求1所述的一种MIMO雷达参数估计方法,其特征在于:所述俯仰角、方位角和多普勒频率获取方法如下:
根据公式Es-D2=Es-D1ψD,Es-M2=Es-M1ψM,Es-N2=Es-N1ψN,
推导出:
ψD=Q-1φDQ,ψM=Q-1φMQ,ψN=Q-1φNQ,
根据上式得到:ψD、ψM、ψN;其中,ψD为满足Es-D1和Es-D2关系的构造矩阵,ψM为满足Es-M1和Es-M2关系的构造矩阵,ψN为满足Es-N1和Es-N2关系的构造矩阵,Q为非奇异矩阵;
对ψD进行特征值分解得到特征值γDk和特征向量VK,由于ψD、ψM具有相同的特征向量,所以有:
γMkVK=ψMVK
γNkVK=ψNVK
利用特征向量VK和ψM、ψM分别求解出ψM的特征值γMk和ψN的特征值γNk,实现参数配对;
通过如下公式估计得到俯仰角、方位角以及多普勒频率的估计值:
3.根据权利要求1所述的一种MIMO雷达参数估计方法,其特征在于,对所述协方差矩阵做特征值分解时,较大的特征值张成信号子空间,剩下的较小的特征值张成噪声子空间。
4.根据权利要求1所述的一种MIMO雷达参数估计方法,其特征在于,所述发射阵列和接收阵列均由均匀线阵构成,且所有阵元都是全方向的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910263813.2A CN109828252B (zh) | 2019-04-02 | 2019-04-02 | 一种mimo雷达参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910263813.2A CN109828252B (zh) | 2019-04-02 | 2019-04-02 | 一种mimo雷达参数估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109828252A CN109828252A (zh) | 2019-05-31 |
CN109828252B true CN109828252B (zh) | 2023-02-28 |
Family
ID=66874725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910263813.2A Active CN109828252B (zh) | 2019-04-02 | 2019-04-02 | 一种mimo雷达参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109828252B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112585496B (zh) * | 2019-10-31 | 2021-10-26 | 华为技术有限公司 | 一种频率分析方法、装置及雷达 |
WO2021138836A1 (zh) * | 2020-01-08 | 2021-07-15 | 华为技术有限公司 | 一种近场估计的方法及装置 |
WO2021196165A1 (zh) * | 2020-04-03 | 2021-10-07 | 华为技术有限公司 | 频率分析方法、装置及雷达 |
CN111521968B (zh) * | 2020-05-22 | 2022-05-20 | 南京理工大学 | 基于目标空间分集的欠定doa估计方法 |
CN111751798A (zh) * | 2020-07-22 | 2020-10-09 | 上海英恒电子有限公司 | 一种雷达测角方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279387A (zh) * | 2011-07-18 | 2011-12-14 | 西安电子科技大学 | Mimo雷达的目标到达角估计方法 |
CN103983952A (zh) * | 2014-05-16 | 2014-08-13 | 哈尔滨工程大学 | 一种非圆信号双基地mimo雷达低复杂度收发角度联合估计方法 |
CN104931931A (zh) * | 2015-05-18 | 2015-09-23 | 哈尔滨工程大学 | 互耦条件下基于张量实值子空间的双基地mimo雷达角度估计方法 |
CN104991236A (zh) * | 2015-06-18 | 2015-10-21 | 哈尔滨工程大学 | 一种单基地mimo雷达非圆信号相干源波达方向估计方法 |
CN105093185A (zh) * | 2015-08-23 | 2015-11-25 | 哈尔滨工程大学 | 基于稀疏表示的单基地多输入多输出雷达目标波达方向估计方法 |
CN107576940A (zh) * | 2017-07-10 | 2018-01-12 | 西安邮电大学 | 一种低复杂度单基地mimo雷达非圆信号角度估计方法 |
CN108363049A (zh) * | 2018-03-09 | 2018-08-03 | 西安电子科技大学 | 非平稳噪声下相干信源mimo雷达角度估计方法 |
CN108490383A (zh) * | 2018-03-07 | 2018-09-04 | 大连理工大学 | 一种基于有界非线性协方差的非圆信号波达方向估计方法 |
CN109407048A (zh) * | 2018-11-12 | 2019-03-01 | 华南理工大学 | 基于非圆信号和夹角可调阵的水下doa估计方法与装置 |
-
2019
- 2019-04-02 CN CN201910263813.2A patent/CN109828252B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279387A (zh) * | 2011-07-18 | 2011-12-14 | 西安电子科技大学 | Mimo雷达的目标到达角估计方法 |
CN103983952A (zh) * | 2014-05-16 | 2014-08-13 | 哈尔滨工程大学 | 一种非圆信号双基地mimo雷达低复杂度收发角度联合估计方法 |
CN104931931A (zh) * | 2015-05-18 | 2015-09-23 | 哈尔滨工程大学 | 互耦条件下基于张量实值子空间的双基地mimo雷达角度估计方法 |
CN104991236A (zh) * | 2015-06-18 | 2015-10-21 | 哈尔滨工程大学 | 一种单基地mimo雷达非圆信号相干源波达方向估计方法 |
CN105093185A (zh) * | 2015-08-23 | 2015-11-25 | 哈尔滨工程大学 | 基于稀疏表示的单基地多输入多输出雷达目标波达方向估计方法 |
CN107576940A (zh) * | 2017-07-10 | 2018-01-12 | 西安邮电大学 | 一种低复杂度单基地mimo雷达非圆信号角度估计方法 |
CN108490383A (zh) * | 2018-03-07 | 2018-09-04 | 大连理工大学 | 一种基于有界非线性协方差的非圆信号波达方向估计方法 |
CN108363049A (zh) * | 2018-03-09 | 2018-08-03 | 西安电子科技大学 | 非平稳噪声下相干信源mimo雷达角度估计方法 |
CN109407048A (zh) * | 2018-11-12 | 2019-03-01 | 华南理工大学 | 基于非圆信号和夹角可调阵的水下doa估计方法与装置 |
Non-Patent Citations (3)
Title |
---|
低快拍下MIMO雷达收发角度联合估计方法;王咸鹏 等;《哈尔滨工程大学学报》;20140930;正文第1129-1134页 * |
单基地MIMO雷达的非圆信号DOA估计;李永潮 等;《应用科技》;20160228;正文第5-8页 * |
王咸鹏 等.低快拍下MIMO雷达收发角度联合估计方法.《哈尔滨工程大学学报》.2014, * |
Also Published As
Publication number | Publication date |
---|---|
CN109828252A (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109828252B (zh) | 一种mimo雷达参数估计方法 | |
CN107290730B (zh) | 互耦条件下双基地mimo雷达角度估算方法 | |
US20230333206A1 (en) | Signal detection and denoising systems | |
CN109188344B (zh) | 脉冲噪声环境下基于互循环相关music算法信源个数与来波方向角估计方法 | |
CN107436429B (zh) | 冲击噪声环境下基于稀疏重构的极化双基地mimo雷达参数估计方法 | |
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 | |
CN107064892B (zh) | 基于张量子空间和旋转不变的mimo雷达角度估计算法 | |
CN110927661A (zh) | 基于music算法的单基地展开互质阵列mimo雷达doa估计方法 | |
CN102156279B (zh) | 基于mimo的双基地雷达地面动目标检测方法 | |
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 | |
CN109471086B (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 | |
CN103383449B (zh) | 基于esprit算法的机载雷达近程杂波抑制方法 | |
CN111580039A (zh) | 基于非圆信号的单基地展开互质阵列mimo雷达doa估计方法 | |
CN109188386B (zh) | 基于改进二维esprit算法的mimo雷达高分辨率参数估计方法 | |
CN108303683B (zh) | 单基地mimo雷达实值esprit非圆信号角度估计方法 | |
CN103901417A (zh) | L型阵列mimo雷达低复杂度空间目标二维角度估计方法 | |
CN107064926B (zh) | 空域色噪声背景下的双基地mimo雷达角度估算方法 | |
CN103983952A (zh) | 一种非圆信号双基地mimo雷达低复杂度收发角度联合估计方法 | |
CN109254272B (zh) | 一种共点式极化mimo雷达的两维角度估计方法 | |
CN108828504B (zh) | 基于部分相关波形的mimo雷达目标方向快速估计方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN103217671B (zh) | 色噪声环境下的多输入多输出雷达收发角度快速估计方法 | |
An et al. | Single-snapshot DOA estimation in MIMO radar using fast iterative interpolated beamforming | |
CN110579737A (zh) | 一种杂波环境中基于稀疏阵列的mimo雷达宽带doa计算方法 | |
CN109597034B (zh) | 一种基于欧几里得距离的空时自适应处理方法 |
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 |