CN110031794B - 一种基于差分共性阵重构的相干信源doa估计方法 - Google Patents
一种基于差分共性阵重构的相干信源doa估计方法 Download PDFInfo
- Publication number
- CN110031794B CN110031794B CN201910302937.7A CN201910302937A CN110031794B CN 110031794 B CN110031794 B CN 110031794B CN 201910302937 A CN201910302937 A CN 201910302937A CN 110031794 B CN110031794 B CN 110031794B
- Authority
- CN
- China
- Prior art keywords
- array
- signal
- matrix
- covariance matrix
- 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
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
- G01S3/16—Systems for determining direction or deviation from predetermined direction using amplitude comparison of signals derived sequentially from receiving antennas or antenna systems having differently-oriented directivity characteristics or from an antenna system having periodically-varied orientation of directivity characteristic
- G01S3/22—Systems for determining direction or deviation from predetermined direction using amplitude comparison of signals derived sequentially from receiving antennas or antenna systems having differently-oriented directivity characteristics or from an antenna system having periodically-varied orientation of directivity characteristic derived from different combinations of signals from separate antennas, e.g. comparing sum with difference
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/08—Position of single direction-finder fixed by determining direction of a plurality of spaced sources of known location
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)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于差分共性阵重构的相干信源DOA估计方法。该方法为:首先利用均匀线性天线阵列接收相干信号,计算观测信号的协方差矩阵;然后对观测信号的协方差矩阵进行矢量化处理,并构造阵列选择矩阵对其进行重构,得到具有更高自由度的差分共性阵列流形虚拟阵观测信号数据;接着根据均匀线性阵列的平移不变性,对新的阵列流形进行空间平滑处理;最后计算平滑后的数据的协方差矩阵并进行特征值分解,实现信号子空间与噪声子空间的分离,并采用基于子空间的DOA估计算法得到全部信源的DOA估计值。本发明具有DOA估计精度好、分辨率高的优点,在低信噪比或低快拍数条件下具有更好的抗噪声能力和鲁棒性,且复杂度低,易于工程实现。
Description
技术领域
本发明属于信号波达角(direction of arrival,DOA)估计算法的研究领域,特别是基于差分共性阵重构的相干信源DOA估计方法。
背景技术
信号波达方向角估计是雷达、频谱检测、水声探测等领域的重要研究内容。目前以多重信号分类算法(multiple signal classification,MUSIC)为代表的超分辨率算法是现代空间谱估计中最常用的方法,其原理是通过对观测信号的协方差矩阵进行特征值分解,分离信号子空间和噪声子空间来实现对信源波达角的估计。然而当信源之间存在相干性或强相关性时,观测信号的协方差矩阵会出现秩亏缺的情况,这将导致基于子空间的DOA估计算法性能显著下降。
为了解决相干信号源波达角估计问题,出现了很多技术和方法。其中最常见的是通过对均匀线阵接收的信号进行空间平滑处理,恢复观测信号协方差矩阵的秩,使其重新满足MUSIC等子空间DOA估计算法的应用条件。然而应用空间平滑算法会导致阵列的自由度下降,从而导致DOA估计的性能下降,尤其在低信噪比或接收信号低快拍数条件下,使用传统空间平滑方法的DOA估计算法存在估计精度差、分辨率低的问题。近年来也出现了基于Khatri-Rao积的相干信源DOA估计算法,能够在不损失自由度的前提下实现相干信源DOA估计。但是,由于该算法要求信号必须满足准平稳条件,限制了实际应用范围。
发明内容
本发明的目的在于提供一种能够提高精确度和分辨率的基于差分共性阵重构的相干信源DOA估计方法。
实现本发明目的的技术解决方案为:一种基于差分共性阵重构的相干信源DOA估计方法,包括以下步骤:
步骤1、利用均匀线性天线阵列接收相干信号,计算观测信号的协方差矩阵;
步骤2、对观测信号的协方差矩阵进行矢量化处理,并构造阵列选择矩阵进行重构,得到差分共性阵列流形的虚拟阵观测信号数据;
步骤3、计算虚拟阵观测信号数据的协方差矩阵,并根据均匀线性阵列的平移不变性,对新的阵列流形进行空间平滑处理;
步骤4、计算平滑后的数据的协方差矩阵并进行特征值分解,实现信号子空间与噪声子空间的分离,并采用基于子空间的DOA估计算法得到全部信源的DOA估计值。
进一步地,步骤1所述的利用均匀线性天线阵列接收相干信号,计算观测信号的协方差矩阵,具体如下:
布置均匀线性天线阵列,阵元数为N,阵元间隔d等于接收信号波长的二分之一,设定空间中有K个由相干信源发射的远场窄带信号s(t)入射到天线阵列上,方向角分别为[θ1,θ2,…,θK],以阵元1作为参考,则接收信号x(t)为:
其中,t表示时间;n(t)为噪声矢量;A=[a(θ1),a(θ2),…,a(θK)]T为方向矩阵;a(θi)为第i个入射信号的方向矢量,表达式为
其中,λ为信号波长;
观测信号的协方差矩阵R为:
其中,M为观测信号的快拍数,ti表示第i个采样时刻,x(ti)表示第i个采样时刻对应的接收信号。
进一步地,步骤2所述对观测信号的协方差矩阵进行矢量化处理,并构造阵列选择矩阵进行重构,得到差分共性阵列流形的虚拟阵观测信号数据,具体如下:
对观测信号的协方差矩阵进行矢量化处理,得到矢量化矩阵:
其中,vec()表示矢量化处理;r为N2×K维矩阵,A*⊙A表示A的Khatri-Rao积;
针对均匀线阵结构参数,根据差分共性阵的原理构造阵列选择矩阵W:
其中,N为阵元数量,i和j为N×N维差分矩阵中的行号与列号;m表示矢量化后向量的序号;
将式(6)中阵列选择矩阵W左乘矢量化矩阵r,得:
其中,Bv等效为信号q入射在长度为2N-1的虚拟均匀线阵上的流形,从而得到等效观测信号z中第p个虚拟阵元zp的表达式为:
其中,p表示第p个虚拟阵元序号,Ri,j表示观测信号的协方差矩阵R中的第i行、第j列的值。
进一步地,步骤3所述的计算虚拟阵观测信号数据的协方差矩阵,并根据均匀线性阵列的平移不变性,对新的阵列流形进行空间平滑处理,具体如下:
其中F为空间平滑矩阵,其表达式为:
Fi=[0(N-L+1)×(i-1)|I(N-L+1)|0(N-L+1)×(L-i)] (11)
进一步地,步骤4所述的计算平滑后的数据的协方差矩阵并进行特征值分解,实现信号子空间与噪声子空间的分离,并采用基于子空间的DOA估计算法得到全部信源的DOA估计值,具体如下:
所述基于子空间DOA估计算法,采用传统MUSIC算法的谱搜索算法,或采用求根MUSIC方法;
对RZSS进行特征值分解:
其中,Us和UN分别为对应K个较大特征值的特征矢量构成的信号子空间和对应N-K个较小特征值的特征矢量构成的噪声子空间;Σs和ΣN分别为K个较大特征值和N-K个较小特征值构成的对角阵;
利用MUSIC算法构建空间谱函数:
其中,空间谱中的极大值点所对应的角度即为信号源的波达方向角。
本发明与现有技术相比,其显著优点在于:(1)通过对均匀线阵进行差分共性阵列重构处理,得到自由度更大的虚拟均匀线阵,并结合空间平滑处理实现对相干信号波达角估计;(2)无论在信源不相关情况下还是在相干信源情况下,都能得到准确、稳定的DOA估计结果;(3)在低信噪比或接收信号低快拍数条件下,具有更高的精确度和分辨率;(4)具有出色的抗噪声干扰能力和鲁棒性,且复杂度低,易于工程实现。
附图说明
图1是本发明基于差分共性阵重构的相干信源DOA估计方法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
结合图1,本发明基于差分共性阵重构的相干信源DOA估计方法,通过对均匀线阵进行差分共性阵列重构处理,得到自由度更大的虚拟均匀线阵,并结合空间平滑处理实现对相干信号波达角估计,具体包括以下步骤:
步骤1、利用均匀线性天线阵列接收相干信号,计算观测信号的协方差矩阵,具体如下:
布置均匀线性天线阵列,阵元数为N,阵元间隔d等于接收信号波长的二分之一,设定空间中有K个由相干信源发射的远场窄带信号s(t)入射到天线阵列上,方向角分别为[θ1,θ2,…,θK],以阵元1作为参考,则接收信号x(t)为:
其中,t表示时间;n(t)为噪声矢量;A=[a(θ1),a(θ2),…,a(θK)]T为方向矩阵;a(θi)为第i个入射信号的方向矢量,表达式为
其中,λ为信号波长;
观测信号的协方差矩阵R为:
其中,M为观测信号的快拍数,ti表示第i个采样时刻,x(ti)表示第i个采样时刻对应的接收信号。
步骤2、对观测信号的协方差矩阵进行矢量化处理,并构造阵列选择矩阵对其进行重构,得到具有更高自由度的差分共性阵列流形的虚拟阵观测信号数据,具体如下:
对观测信号的协方差矩阵进行矢量化处理,得到矢量化矩阵:
其中,vec()表示矢量化处理;r为N2×K维矩阵,A*⊙A表示A的Khatri-Rao积;
针对均匀线阵结构参数,根据差分共性阵的原理构造阵列选择矩阵W:
其中,N为阵元数量,i和j为N×N维差分矩阵中的行号与列号;m表示矢量化后向量的序号;
将式(6)中阵列选择矩阵W左乘矢量化矩阵r,得:
其中,Bv等效为信号q入射在长度为2N-1的虚拟均匀线阵上的流形,从而得到等效观测信号z中第p个虚拟阵元zp的表达式为:
其中,p表示第p个虚拟阵元序号,Ri,j表示观测信号的协方差矩阵R中的第i行、第j列的值。
步骤3、计算虚拟阵观测信号数据的协方差矩阵,并根据均匀线性阵列的平移不变性,对新的阵列流形进行空间平滑处理,具体如下:
其中F为空间平滑矩阵,其表达式为:
Fi=[0(N-L+1)×(i-1)|I(N-L+1)|0(N-L+1)×(L-i)] (11)
步骤4、计算平滑后的数据的协方差矩阵并进行特征值分解,实现信号子空间与噪声子空间的分离,并采用基于子空间的DOA估计算法得到全部信源的DOA估计值,具体如下:
所述基于子空间DOA估计算法,采用传统MUSIC算法的谱搜索算法,或采用求根MUSIC方法;
对RZSS进行特征值分解:
其中,Us和UN分别为对应K个较大特征值的特征矢量构成的信号子空间和对应N-K个较小特征值的特征矢量构成的噪声子空间;Σs和ΣN分别为K个较大特征值和N-K个较小特征值构成的对角阵;
利用MUSIC算法构建空间谱函数:
其中,空间谱中的极大值点所对应的角度即为信号源的波达方向角。
通过以上步骤可以实现在信源不相关情况和相干信源情况下的信号DOA估计,得到稳定、准确的测向结果。
综上所述,本发明提出的基于差分共性阵重构的相干信源DOA估计方法,具有很好的抗噪声干扰能力和鲁棒性,而且复杂度低,适用于低信噪比条件以及观测信号快拍数有限时的相干信源测向应用,易于工程实现。
Claims (1)
1.一种基于差分共性阵重构的相干信源DOA估计方法,其特征在于,包括以下步骤:
步骤1、利用均匀线性天线阵列接收相干信号,计算观测信号的协方差矩阵;
步骤2、对观测信号的协方差矩阵进行矢量化处理,并构造阵列选择矩阵进行重构,得到差分共性阵列流形的虚拟阵观测信号数据;
步骤3、计算虚拟阵观测信号数据的协方差矩阵,并根据均匀线性阵列的平移不变性,对新的阵列流形进行空间平滑处理;
步骤4、计算平滑后的数据的协方差矩阵并进行特征值分解,实现信号子空间与噪声子空间的分离,并采用基于子空间的DOA估计算法得到全部信源的DOA估计值;
步骤1所述的利用均匀线性天线阵列接收相干信号,计算观测信号的协方差矩阵,具体如下:
布置均匀线性天线阵列,阵元数为N,阵元间隔d等于接收信号波长的二分之一,设定空间中有K个由相干信源发射的远场窄带信号s(t)入射到天线阵列上,方向角分别为[θ1,θ2,…,θK],以阵元1作为参考,则接收信号x(t)为:
其中,t表示时间;n(t)为噪声矢量;A=[a(θ1),a(θ2),…,a(θK)]T为方向矩阵;a(θi)为第i个入射信号的方向矢量,表达式为
其中,λ为信号波长;
观测信号的协方差矩阵R为:
其中,M为观测信号的快拍数,ti表示第i个采样时刻,x(ti)表示第i个采样时刻对应的接收信号;
步骤2所述对观测信号的协方差矩阵进行矢量化处理,并构造阵列选择矩阵进行重构,得到差分共性阵列流形的虚拟阵观测信号数据,具体如下:
对观测信号的协方差矩阵进行矢量化处理,得到矢量化矩阵:
其中,vec()表示矢量化处理;r为N2×K维矩阵,A*⊙A表示A的Khatri-Rao积;
针对均匀线阵结构参数,根据差分共性阵的原理构造阵列选择矩阵W:
其中,N为阵元数量,i和j为N×N维差分矩阵中的行号与列号;m表示矢量化后向量的序号;
将式(6)中阵列选择矩阵W左乘矢量化矩阵r,得:
其中,Bv等效为信号q入射在长度为2N-1的虚拟均匀线阵上的流形,从而得到等效观测信号z中第p个虚拟阵元zp的表达式为:
其中,p表示第p个虚拟阵元序号,Ri,j表示观测信号的协方差矩阵R中的第i行、第j列的值;
步骤3所述的计算虚拟阵观测信号数据的协方差矩阵,并根据均匀线性阵列的平移不变性,对新的阵列流形进行空间平滑处理,具体如下:
其中F为空间平滑矩阵,其表达式为:
Fi=[0(N-L+1)×(i-1)|I(N-L+1)|0(N-L+1)×(L-i)] (11)
步骤4所述的计算平滑后的数据的协方差矩阵并进行特征值分解,实现信号子空间与噪声子空间的分离,并采用基于子空间的DOA估计算法得到全部信源的DOA估计值,具体如下:
所述基于子空间DOA估计算法,采用传统MUSIC算法的谱搜索算法,或采用求根MUSIC方法;
对RZSS进行特征值分解:
其中,Us和UN分别为对应K个较大特征值的特征矢量构成的信号子空间和对应N-K个较小特征值的特征矢量构成的噪声子空间;Σs和ΣN分别为K个较大特征值和N-K个较小特征值构成的对角阵;
利用MUSIC算法构建空间谱函数:
其中,空间谱中的极大值点所对应的角度即为信号源的波达方向角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910302937.7A CN110031794B (zh) | 2019-04-16 | 2019-04-16 | 一种基于差分共性阵重构的相干信源doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910302937.7A CN110031794B (zh) | 2019-04-16 | 2019-04-16 | 一种基于差分共性阵重构的相干信源doa估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110031794A CN110031794A (zh) | 2019-07-19 |
CN110031794B true CN110031794B (zh) | 2021-11-09 |
Family
ID=67238538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910302937.7A Active CN110031794B (zh) | 2019-04-16 | 2019-04-16 | 一种基于差分共性阵重构的相干信源doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110031794B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110736958B (zh) * | 2019-09-18 | 2021-09-28 | 中国人民解放军国防科技大学 | 一种基于多策略矩阵重构的自适应信源数估计方法 |
CN111107626A (zh) * | 2019-12-13 | 2020-05-05 | 重庆邮电大学 | 一种基于时间反演的doa定位方法 |
CN111352063B (zh) * | 2019-12-20 | 2023-08-01 | 南京航空航天大学 | 一种均匀面阵中基于多项式求根的二维测向估计方法 |
CN111190136B (zh) * | 2020-01-08 | 2023-03-24 | 华南理工大学 | 一种基于特定频率组合信号的一维doa估计方法 |
CN111273218A (zh) * | 2020-03-09 | 2020-06-12 | 上海无线电设备研究所 | 一种基于多层互质阵列的相干源波达方向估计方法 |
CN111693947A (zh) * | 2020-07-06 | 2020-09-22 | 羿升(深圳)电子装备有限公司 | 基于互质阵列doa估计的改进music方法 |
CN111830460B (zh) * | 2020-07-23 | 2022-11-01 | 哈尔滨工业大学(威海) | 基于序贯music的doa估计方法 |
CN112327245A (zh) * | 2020-10-24 | 2021-02-05 | 西北工业大学 | 一种基于高分辨率特征空间doa估计方法 |
CN112526446B (zh) * | 2020-11-27 | 2022-08-09 | 石家庄铁道大学 | 用于评价电磁干扰源doa估计算法分辨率的方法 |
CN112666513B (zh) * | 2020-12-11 | 2024-05-07 | 中国人民解放军63892部队 | 一种改进式music波达方向估计方法 |
CN113093097B (zh) * | 2021-03-18 | 2022-07-08 | 南京航空航天大学 | 一种使用互质阵列的概率假设密度doa跟踪的方法 |
CN113381793B (zh) * | 2021-05-24 | 2022-10-21 | 南京理工大学 | 一种面向相干信源估计的无网格波达方向估计方法 |
CN113359086B (zh) * | 2021-06-25 | 2023-05-12 | 南京航空航天大学 | 基于增广互质阵列的加权子空间数据融合直接定位方法 |
CN113820655A (zh) * | 2021-09-18 | 2021-12-21 | 宜宾电子科技大学研究院 | 一种基于Toeplitz矩阵重构和矩阵填充的互质阵相干信号DOA估计方法 |
CN114236463B (zh) * | 2021-12-21 | 2024-04-02 | 哈尔滨工业大学(威海) | 基于联合对角化的相干源测向方法 |
CN114814813B (zh) * | 2022-04-15 | 2022-10-28 | 中国人民解放军国防科技大学 | 一种基于均匀圆阵的宽带雷达外辐射源信号定位方法 |
CN114844544B (zh) * | 2022-04-28 | 2024-05-14 | 中国人民解放军国防科技大学 | 一种基于低管秩张量分解的互质阵列波束成形方法、系统及介质 |
CN115242282B (zh) * | 2022-07-04 | 2024-05-03 | 南京信息技术研究院 | 一种基于dmrs信号的5g nr doa估计方法及估计系统 |
CN115514389B (zh) * | 2022-09-16 | 2024-03-15 | 西北工业大学 | 一种同步直扩信号的源数估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092007A (zh) * | 2017-05-25 | 2017-08-25 | 电子科技大学 | 一种虚拟二阶阵列扩展的波达方向估计方法 |
CN107315162A (zh) * | 2017-07-25 | 2017-11-03 | 西安交通大学 | 基于内插变换和波束形成的远场相干信号doa估计方法 |
CN108957388A (zh) * | 2018-05-21 | 2018-12-07 | 南京信息工程大学 | 一种基于协方差匹配sl0算法的mimo雷达相干信源doa估计方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788653B (zh) * | 2016-11-25 | 2020-11-27 | 西安电子科技大学 | 一种基于协方差矩阵重构的自适应波束形成方法 |
CN108919178A (zh) * | 2018-08-06 | 2018-11-30 | 电子科技大学 | 一种基于对称嵌套阵列的混合场信源定位方法 |
CN109507636B (zh) * | 2018-11-16 | 2022-08-16 | 南京邮电大学 | 基于虚拟域信号重构的波达方向估计方法 |
CN109581276A (zh) * | 2018-11-26 | 2019-04-05 | 电子科技大学 | 一种基于求和求差嵌套阵的doa估计方法 |
-
2019
- 2019-04-16 CN CN201910302937.7A patent/CN110031794B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092007A (zh) * | 2017-05-25 | 2017-08-25 | 电子科技大学 | 一种虚拟二阶阵列扩展的波达方向估计方法 |
CN107315162A (zh) * | 2017-07-25 | 2017-11-03 | 西安交通大学 | 基于内插变换和波束形成的远场相干信号doa估计方法 |
CN108957388A (zh) * | 2018-05-21 | 2018-12-07 | 南京信息工程大学 | 一种基于协方差匹配sl0算法的mimo雷达相干信源doa估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110031794A (zh) | 2019-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031794B (zh) | 一种基于差分共性阵重构的相干信源doa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 | |
CN109655799B (zh) | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 | |
Zheng et al. | DOA estimation for coprime linear arrays: An ambiguity-free method involving full DOFs | |
CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
Shi et al. | On parameter identifiability of diversity-smoothing-based MIMO radar | |
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 | |
CN109633522B (zh) | 基于改进的music算法的波达方向估计方法 | |
CN109375154B (zh) | 一种冲击噪声环境下基于均匀圆阵的相干信号参数估计方法 | |
CN111239678A (zh) | 一种基于l型阵列的二维doa估计方法 | |
CN110082741B (zh) | 一种基于伪数据重构的超分辨波达角估计算法 | |
Roy et al. | Comparative performance of ESPRIT and MUSIC for direction-of-arrival estimation | |
CN109471063B (zh) | 基于延迟快拍的均匀线列阵高分辨波达方向估计方法 | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN106980105B (zh) | 电磁矢量传感器阵列空间旋转解相干测向方法 | |
CN111693947A (zh) | 基于互质阵列doa估计的改进music方法 | |
Khan et al. | Comparative analysis of various matrix pencil methods for direction of arrival estimation | |
CN113625220A (zh) | 一种多径信号波达方向和扩散角快速估计新方法 | |
CN110703185B (zh) | 一种基于多级扩展嵌套阵列的波达方向估计方法 | |
Yan et al. | Two-Step root-MUSIC for direction of arrival estimation without EVD/SVD computation | |
CN113791379A (zh) | 嵌套阵列非高斯环境下的正交匹配追踪doa估计方法 | |
CN113093097B (zh) | 一种使用互质阵列的概率假设密度doa跟踪的方法 | |
Maisto et al. | A Computationally Light MUSIC Based Algorithm for Automotive RADARs | |
Huang et al. | DOA estimation of quasi-stationary signals with a nested array in unknown noise field | |
CN112487703B (zh) | 基于稀疏贝叶斯在未知噪声场的欠定宽带信号doa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 |