CN110197112B - 一种基于协方差修正的波束域Root-MUSIC方法 - Google Patents
一种基于协方差修正的波束域Root-MUSIC方法 Download PDFInfo
- Publication number
- CN110197112B CN110197112B CN201910206347.4A CN201910206347A CN110197112B CN 110197112 B CN110197112 B CN 110197112B CN 201910206347 A CN201910206347 A CN 201910206347A CN 110197112 B CN110197112 B CN 110197112B
- Authority
- CN
- China
- Prior art keywords
- matrix
- covariance matrix
- covariance
- subspace
- error
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种基于协方差修正的波束域Root‑MUSIC方法:首先建立均匀圆阵远场窄带信号模型,为了满足所需要的范德蒙德结构,将空域阵列输出模型转换到波束域;构建广义线性组合协方差矩阵,该矩阵由传统样本协方差矩阵和先验知识矩阵组合得到;利用该协方差得到初始的DOA估计值及空域导向向量;求出传感器较少带来的波束域转换误差矩阵与低快拍下子空间泄露造成的误差矩阵;寻找最优的修正因子不断降低样本协方差与真实值之间的误差,最后利用新的协方差矩阵获得新的波达方向。该方法同时考虑了低快拍下子空间泄露问题和传感器数目较少带来的波束域转换误差,因此可以显著降低样本协方差矩阵与理想值之间的误差,从而提升了估计精度。
Description
技术领域
本发明涉及一种基于协方差修正的波束域求根多重信号分类(Root MultipleSignal Classification,Root-MUSIC)方法,应用于智能天线、雷达、导航等技术领域。
背景技术
作为阵列信号处理的重要研究方向之一,空间信号波达方向(Direction ofArrival,DOA)估计的基本原理是通过传感器阵列获取空间信号源的离散观测数据,并对接收到的数据进行处理得到目标方位。近年来,许多研究者从各个方面发展和完善了DOA估计方法,并将其广泛应用于雷达、声纳、地震勘测、语音处理系统等领域。子空间类算法是DOA估计的一类经典算法,主要包括MUSIC和旋转不变(Estimation of Signal Parameter viaRotational Invariance Technique,ESPRIT)方法。这两类方法均是建立在这样一个基本观察之上:若传感器数比信源数多,则阵列数据的信号分量一定位于一个低秩的子空间;在一定条件下,这个子空间将唯一确定信号的波达方向,并可用数值稳定的奇异值分解(或特征值分解)准确地确定波达方向。
Schmidt提出的MUSIC算法是DOA估计理论发展历史上的一次质的飞跃,它促进了特征结构类算法的兴起和发展。MUSIC算法是指将协方差矩阵特征分解为与信号分量相关的信号子空间以及与其相正交的噪声子空间,然后利用空间的正交性构造空间伪谱函数进行谱峰搜索,得到信号的方位信息。该方法需要将目标空间以一定间隔进行划分,减小扫描间隔即提高扫描精度则会增大计算量、降低搜索速度,反之将会降低角度估计精度。与MUSIC方法不同,ESPRIT算法主要是利用子阵之间的相移不变性,构造相应的等价关系,然后通过特征值分解得到信号子空间,并考虑信号特征值与角度之间的关系,反解出角度,这样就避免了谱峰搜索,减少了计算量,但ESPRIT算法较MUSIC算法估计精度较低。Rao和Hari利用Pisarenko分解的思想,提出了Root-MUSIC算法,在保证估计精度的基础上,用多项式求根的方式来替代MUSIC算法中的谱峰搜索,从而降低运算量、提高了算法运行速度。但实际应用中真实协方差矩阵总是难以得到的,一般会通过前向平均、前后向平均等估计器来获取,因此得到的样本协方差矩阵往往受快拍数影响较大,信号子空间和噪声子空间也不完全满足完全正交关系,这样就会导致子空间泄漏问题。
常用的阵列结构有一维线阵、二维平面阵和三维立体阵,其中线阵较简单且容易实现,但是该类阵列只能实现源信号180°的方位角搜索,所提供的信号空间信息远远不够。三维立体阵虽然可以采集到空间信号的全方位信息,但模型处理起来较棘手且计算复杂度较大。作为二维面阵中的典型阵列,均匀圆阵(Uniform Circular Arrays,UCAs)是将若干个阵元均匀分布在x-y平面的圆周上,从而可以获得更多的信号空间信息(方位角和俯仰角)。与均匀线阵相比,UCAs不具有范德蒙结构,因此不能直接将其直接运用于Root-MUSIC中,需要进行波束空间转换。当阵元数较少时,波束空间转换对导向向量造成的误差往往是无法忽略的,从而造成了协方差矩阵的不准确估计,也就降低了DOA估计精度。
发明内容
针对现有技术的不足,本发明提出一种基于协方差修正的波束域Root-MUSIC方法,该方法降低了波束域协方差矩阵与真实值之间的误差,提高了DOA估计精度。
为了实现上述目的,本发明的构思是:
首先建立基于UCAs的信号模型;然后在有限快拍下,构建新的协方差矩阵;再分别计算波束域转换和子空间泄露误差矩阵,进一步降低样本协方差估计误差;最后选择最优的修正因子,提取声源的方位。
具体是首先建立均匀圆阵远场窄带信号模型,为了满足Root-MUSIC算法所需要的范德蒙结构,将空域阵列输出模型转换到波束域;考虑到有限快拍对DOA估计的影响,构建广义线性组合协方差矩阵,该矩阵由传统样本协方差矩阵和先验知识矩阵组合得到;利用该协方差得到初始的DOA估计值及空域导向向量;求出由于传感器较少带来的波束域转换误差矩阵与低快拍下子空间泄露造成的误差矩阵;寻找最优的修正因子不断降低样本协方差与真实值之间的误差,最后利用新的协方差矩阵获得新的波达方向。
根据上述发明构思,本发明采用的技术方案是:
一种基于协方差修正的波束域Root-MUSIC方法,具体包括以下步骤:
1)、建立均匀圆阵远场窄带信号模型,将空域阵列输出模型转换到波束域,使其具有范德蒙结构;
2)、利用传统样本协方差矩阵和先验知识矩阵的广义线性组合生成新的样本协方差矩阵;
3)、将步骤2)中得到的样本协方差矩阵应用于Root-MUSIC算法中,求解出初始的方位角和空域导向向量;
4)、在传感器数较少与低快拍数的前提下,计算波束域转换误差矩阵与子空间泄露造成的误差矩阵;
5)、利用随机最大似然目标函数寻找最优的修正因子来降低样本协方差与真实值之间的误差,得到修正后的协方差矩阵,从而获得最终的DOA估计结果。
本发明方法与现有技术相比,具有如下的优点:
在本方法同时考虑了低快拍下子空间泄露问题和传感器数目较少带来的波束域转换误差,利用了随机最大似然函数得到最优的修正因子,因此可以显著降低样本协方差矩阵与理想值之间的误差,从而提升了估计精度。
附图说明
图1为本发明一种基于协方差修正的波束域Root-MUSIC方法的流程图。
图2为本发明的均匀圆形阵列的坐标系示意图。
图3为本发明的通过随机最大似然目标函数寻找最佳修正因子的示意图。
具体实施方式
为了更好地理解本发明的技术方案,以下结合附图对本发明作进一步的详细描述:
本方法的流程参见图1,一种基于协方差修正的波束域Root-MUSIC方法,对均匀圆阵阵列输出模型进行波束域转换,考虑低快拍影响,利用传统估计协方差矩阵和先验知识矩阵的广义线性组合修正协方差矩阵,利用该协方差得到初始的DOA估计值及空域导向向量,基于考虑传感器较少带来的波束域转换误差与低快拍下子空间泄露造成的误差,并寻找最优的修正因子不断降低样本协方差与真实值之间的误差,从而得到最终修正后的样本协方差,具体实施步骤如下:
1)、如图2所示,建立均匀圆阵信号模型,对均匀圆阵的输出模型进行波束域转换,使其具有范德蒙结构,具体如下:
假设有D个信号源入射到阵元数为N的均匀圆阵,则阵列输出向量为:
其中s(t)=[s1(t),...,sD(t)]T是声源信号向量,是噪声向量,/>是阵列空域导向矩阵,第d个导向向量表示为:
其中R是均匀圆阵的半径,λ是波长,θd和分别表示第d个源信号的入射俯仰角和方位角,rn=2π(n-1)/N,n=1,...,N表示均匀圆阵上N个阵元的位置。/>用傅里叶级数展开为:
其中am(θd)=jmJm(kRsinθd)为第m阶的第一类贝塞尔函数,k为波数。第m个相位模式激励的权向量表示为:
其中(g)H表示共轭转置运算,所以利用相位模式激励产生的导向向量为:
当阵元间距小于半波长或阵元数较大时,式(5)中的第一项为主要项,占据了大部分的能量,剩余项的值可以忽略。波束空间转换矩阵为:
其中为最高阶模态常量,且符号/>表示向上取整。因此经过波束空间转换后的导向向量为:
其中F(θ)=diag{a-M(θ),...,aM(θ)},经过波束空间转换之后的阵列输出为
x(t)=Bs(t)+v(t) (8)
其中为波束域导向向量。
2)、利用传统估计协方差矩阵和先验知识矩阵的广义线性组合修正协方差矩阵,其具体过程如下:
为了减少有限样本数的影响,使用广义线性组合创建新的协方差矩阵,表示为:
其中为前向平均样本协方差矩阵,T为有限快拍数,R0为先验知识矩阵,一般与已知期望导向向量有关,收敛参数α>0、β>0,这两个参数通过以下最小均方误差约束得到:
其中R=E{x(t)xH(t)}为真实协方差矩阵;由此求解出:
其中从而得到新的协方差矩阵
3)、将步骤2)中得到的协方差矩阵应用于Root-MUSIC算法中,求解出初始的方位角和空域导向向量,其过程具体如下:
对步骤2)中得到的协方差矩阵进行特征分解:
其中λ1≥λ2≥…≥λ2M+1为降序排列的的特征值,ei(i=1,2,...,2M+1)为对应特征向量;Us是由前D个大特征值对应的特征向量张成的子空间,即信号子空间Us=[e1,...,eD];Un是由余下2M-D+1个小特征值对应的特征向量张成的子空间,即噪声子空间:
Un=[eD+1,...,e2M+1] (14)
在理想条件中,数据空间中的信号子空间和噪声子空间是相互正交的,即
假设入射信号的俯仰角为固定值,则利用如下标准空间方位谱得到方位角估计:
用求解多项式根的形式求解空间谱:
由此求得初始角度基于此重构空域初始导向矩阵其中第d项/>如式(2)所示。
4)、在传感器数较少与低快拍数的前提下,计算波束域转换误差矩阵与子空间泄露造成的误差矩阵,其具体步骤如下:
首先不考虑波束域转换和子空间泄露带来的影响,则经过前向平均之后的协方差矩阵为:
其中有限快拍下信号子空间和噪声子空间不完全正交,则产生了子空间泄露的问题,此时同时考虑波束域转换带来的误差,得到的协方差矩阵为:
其中P2=ΔBRsBH,P3=B0RsΔBH,/>对比式(18)和(19),得到误差协方差矩阵为:
因此,修正后协方差矩阵为:
基于步骤3)的信源方位角预估计得到空域初始导向矩阵因此波束域初始矩阵为/>根据/>约束得到信源估计为/>所以分别表示为:
其中I2M+1为(2M+1)×(2M+1)大小的单位阵,Q=ΔQ+Q0,/>且/>的具体形式如/>所示。
5)、如图3所示,利用随机最大似然目标函数寻找最优的修正因子不断降低样本协方差与真实值之间的误差,得到修正后的协方差矩阵,从而获得最终的DOA估计结果,具体如下:
设定一个修正因子μ,它的取值范围为0到1,步长为0.01,求得更新后的协方差矩阵:
将该协方差矩阵代入到Root-MUSIC算法中求得新的方位角信息,以此来更新和/>并求得对应的随机最大似然目标函数值,重复步骤4)直至μ=1。选取使得U(μ)最小的μ得到相应的/>即最终的修正协方差,通过该协方差获得最终的DOA估计值/>
Claims (2)
1.一种基于协方差修正的波束域Root-MUSIC方法,其特征在于,具体包括以下步骤:
1)、建立均匀圆阵远场窄带信号模型,将空域阵列输出模型转换到波束域,使其具有范德蒙结构;
2)、利用传统样本协方差矩阵和先验知识矩阵的广义线性组合生成新的样本协方差矩阵;
3)、将步骤2)中得到的样本协方差矩阵应用于Root-MUSIC算法中,求解出初始的方位角和空域导向向量;
4)、计算波束域转换误差矩阵与子空间泄露造成的误差矩阵;
5)、利用随机最大似然目标函数寻找最优的修正因子来降低样本协方差与真实值之间的误差,得到修正后的协方差矩阵,从而获得最终的DOA估计结果;
步骤1)中的建立均匀圆阵信号模型,对均匀圆阵的输出模型进行波束域转换,使其具有范德蒙结构,具体如下:
假设有D个信号源入射到阵元数为N的均匀圆阵,则阵列输出向量为:
其中s(t)=[s1(t),...,sD(t)]T是声源信号向量,是噪声向量,是阵列空域导向矩阵,第d个导向向量表示为:
其中R是均匀圆阵的半径,λ是波长,θd和分别表示第d个源信号的入射俯仰角和方位角,rn=2π(n-1)/N,n=1,...,N表示均匀圆阵上N个阵元的位置;/>用傅里叶级数展开为:
其中am(θd)=jmJm(kRsinθd)为第m阶的第一类贝塞尔函数,k为波数;第m个相位模式激励的权向量表示为:
其中(g)H表示共轭转置运算,所以利用相位模式激励产生的导向向量为:
当阵元间距小于半波长时,式(5)中的第一项为主要项,占据了大部分的能量,剩余项的值能忽略;波束空间转换矩阵为:
其中为最高阶模态常量,且符号/>表示向上取整;因此经过波束空间转换后的导向向量为:
其中F(θ)=diag{a-M(θ),...,aM(θ)},/>经过波束空间转换之后的阵列输出为
x(t)=Bs(t)+v(t) (8)
其中为波束域导向向量;
步骤2)中的利用传统样本协方差矩阵和先验知识矩阵的广义线性组合修正协方差矩阵,其具体过程如下:
使用广义线性组合创建新的协方差矩阵,表示为:
其中为前向平均样本协方差矩阵,T为有限快拍数,R0为先验知识矩阵,该矩阵一般与已知期望导向向量有关,收敛参数α>0、β>0,这两个参数通过以下最小均方误差约束得到:
其中R=E{x(t)xH(t)}为真实协方差矩阵;由此求解出:
其中从而得到新的协方差矩阵/>
步骤3)中的将步骤2)中得到的协方差矩阵应用于Root-MUSIC算法中,求解出初始的方位角和空域导向向量,其过程具体如下:
对步骤2)中得到的协方差矩阵进行特征分解:
其中λ1≥λ2≥…≥λ2M+1为降序排列的的特征值,ei(i=1,2,...,2M+1)为对应特征向量;Us是由前D个大特征值对应的特征向量张成的子空间,即信号子空间Us=[e1,...,eD];Un是由余下2M-D+1个小特征值对应的特征向量张成的子空间,即噪声子空间:
Un=[eD+1,...,e2M+1] (14)
在理想条件中,数据空间中的信号子空间和噪声子空间是相互正交的,即
假设入射信号的俯仰角为固定值,则利用如下标准空间方位谱得到方位角估计:
用求解多项式根的形式求解空间谱:
由此求得初始角度基于此重构空域初始导向矩阵其中第d项/>如式(2)所示;
步骤4)中计算波束域转换误差矩阵与子空间泄露造成的误差矩阵,其具体步骤如下:
首先不考虑波束域转换和子空间泄露带来的影响,则经过前向平均之后的协方差矩阵为:
其中有限快拍下信号子空间和噪声子空间不完全正交,则产生了子空间泄露的问题,此时同时考虑波束域转换带来的误差,得到的协方差矩阵为:
其中P2=ΔBRsBH,P3=B0RsΔBH,/>对比式(18)和(19),得到误差协方差矩阵为:
因此,修正后协方差矩阵为:
基于步骤3)的信源方位角预估计得到空域初始导向矩阵因此波束域初始矩阵为根据/>约束得到信源估计为/>所以分别表示为:
其中Q⊥=I2M+1-Q,I2M+1为(2M+1)×(2M+1)大小的单位阵,Q=ΔQ+Q0,/>且/>的具体形式如/>所示。
2.根据权利要求1所述的一种基于协方差修正的波束域Root-MUSIC方法,其特征在于,步骤5)中的利用随机最大似然目标函数寻找最优的修正因子不断降低样本协方差与真实值之间的误差,得到修正后的协方差矩阵,从而获得最终的DOA估计结果,具体如下:
设定一个修正因子μ,它的取值范围为0到1,步长为0.01,求得更新后的协方差矩阵:
将该协方差矩阵代入到Root-MUSIC算法中求得新的方位角信息,以此来更新和并求得对应的随机最大似然目标函数/>值,重复步骤4)直至μ=1;选取使得U(μ)最小的μ得到相应的/>即最终的修正协方差,通过该协方差获得最终的DOA估计值/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910206347.4A CN110197112B (zh) | 2019-03-19 | 2019-03-19 | 一种基于协方差修正的波束域Root-MUSIC方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910206347.4A CN110197112B (zh) | 2019-03-19 | 2019-03-19 | 一种基于协方差修正的波束域Root-MUSIC方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110197112A CN110197112A (zh) | 2019-09-03 |
CN110197112B true CN110197112B (zh) | 2023-07-18 |
Family
ID=67751770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910206347.4A Active CN110197112B (zh) | 2019-03-19 | 2019-03-19 | 一种基于协方差修正的波束域Root-MUSIC方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110197112B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111551924B (zh) * | 2020-06-10 | 2022-11-04 | 重庆圭研科技有限公司 | 一种数字信号处理方法 |
CN113219398B (zh) * | 2020-06-22 | 2022-09-13 | 哈尔滨工业大学(威海) | 远场窄带无线电信号波达方向估计方法 |
CN112051542B (zh) * | 2020-08-25 | 2023-09-29 | 华中科技大学 | 基于多快照差分的sair rfi源地理定位方法和系统 |
CN112630724B (zh) * | 2020-10-30 | 2022-11-08 | 哈尔滨工程大学 | 一种适用于uuv平台的高分辨目标方位估计方法 |
CN112346005B (zh) * | 2020-10-30 | 2022-07-12 | 哈尔滨工程大学 | 一种应用于均匀圆水听器阵的空域旋转方位估计方法 |
CN114994651B (zh) * | 2022-05-18 | 2024-02-06 | 电子科技大学 | 一种存在通道幅相误差的双基地互质mimo雷达目标定位方法 |
CN114994595A (zh) * | 2022-08-03 | 2022-09-02 | 四川太赫兹通信有限公司 | 波达方向获取方法、太赫兹相控阵波束控制方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408278A (zh) * | 2014-10-09 | 2015-03-11 | 哈尔滨工程大学 | 一种基于干扰噪声协方差矩阵估计的稳健波束形成方法 |
CN106125056A (zh) * | 2016-06-13 | 2016-11-16 | 西安电子科技大学 | 基于修正因子的最小方差谱估计方法 |
CN107167778A (zh) * | 2017-07-03 | 2017-09-15 | 电子科技大学 | 一种基于协方差矩阵重构和导向矢量估计的稳健波束形成方法 |
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 |
CN109254261A (zh) * | 2018-08-30 | 2019-01-22 | 湖北工业大学 | 基于均匀圆阵epuma的相干信号零陷加深方法 |
-
2019
- 2019-03-19 CN CN201910206347.4A patent/CN110197112B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408278A (zh) * | 2014-10-09 | 2015-03-11 | 哈尔滨工程大学 | 一种基于干扰噪声协方差矩阵估计的稳健波束形成方法 |
CN106125056A (zh) * | 2016-06-13 | 2016-11-16 | 西安电子科技大学 | 基于修正因子的最小方差谱估计方法 |
CN107167778A (zh) * | 2017-07-03 | 2017-09-15 | 电子科技大学 | 一种基于协方差矩阵重构和导向矢量估计的稳健波束形成方法 |
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 |
CN109254261A (zh) * | 2018-08-30 | 2019-01-22 | 湖北工业大学 | 基于均匀圆阵epuma的相干信号零陷加深方法 |
Non-Patent Citations (1)
Title |
---|
《MIMO雷达波形设计与实时处理系统研究》;杨涛;《信息科技》;20141015;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110197112A (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110197112B (zh) | 一种基于协方差修正的波束域Root-MUSIC方法 | |
CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
CN109061554B (zh) | 一种基于空间离散网格动态更新的目标到达角度估计方法 | |
CN107870315B (zh) | 一种利用迭代相位补偿技术估计任意阵列波达方向方法 | |
CN108845325B (zh) | 拖曳线列阵声纳子阵误差失配估计方法 | |
CN109633522B (zh) | 基于改进的music算法的波达方向估计方法 | |
CN109490820B (zh) | 一种基于平行嵌套阵的二维doa估计方法 | |
CN104730491A (zh) | 一种基于l型阵的虚拟阵列doa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 | |
CN112130111B (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
CN111983552B (zh) | 一种基于差分共阵的嵌套阵列快速doa估计方法与装置 | |
CN112630784B (zh) | 基于凸优化和神经网络的平面阵列幅相误差校正方法 | |
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 | |
CN103353588A (zh) | 基于天线均匀平面阵的二维波达方向角估计方法 | |
CN109541573B (zh) | 一种弯曲水听器阵列的阵元位置校准方法 | |
CN113567913A (zh) | 基于迭代重加权可降维的二维平面doa估计方法 | |
CN113671439A (zh) | 基于非均匀智能超表面阵列的无人机集群测向系统及方法 | |
CN109541526A (zh) | 一种利用矩阵变换的圆环阵方位估计方法 | |
CN109507634B (zh) | 一种任意传感器阵列下的基于传播算子的盲远场信号波达方向估计方法 | |
CN111368256A (zh) | 一种基于均匀圆阵的单快拍测向方法 | |
CN112444773A (zh) | 基于空域融合的压缩感知二维doa估计方法 | |
CN112763972B (zh) | 基于稀疏表示的双平行线阵二维doa估计方法及计算设备 | |
CN111366891B (zh) | 一种基于伪协方差矩阵的均匀圆阵单快拍测向方法 | |
CN115421098A (zh) | 嵌套面阵下降维求根music的二维doa估计方法 | |
CN113093098B (zh) | 基于lp范数补偿的轴向不一致矢量水听器阵列测向方法 |
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 |