CN110221242B - 一种基于时间调制阵列的无人机侦测方法 - Google Patents

一种基于时间调制阵列的无人机侦测方法 Download PDF

Info

Publication number
CN110221242B
CN110221242B CN201910420593.XA CN201910420593A CN110221242B CN 110221242 B CN110221242 B CN 110221242B CN 201910420593 A CN201910420593 A CN 201910420593A CN 110221242 B CN110221242 B CN 110221242B
Authority
CN
China
Prior art keywords
signal
antenna
unmanned aerial
aerial vehicle
array
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
CN201910420593.XA
Other languages
English (en)
Other versions
CN110221242A (zh
Inventor
白琳
张学军
陈群
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN201910420593.XA priority Critical patent/CN110221242B/zh
Publication of CN110221242A publication Critical patent/CN110221242A/zh
Application granted granted Critical
Publication of CN110221242B publication Critical patent/CN110221242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

本发明提出一种基于时间调制阵列的无人机侦测方法，属于无人机探测技术领域。包括：对每个天线单元进行周期性调制后所接收到的多路信号合为一路；合路后的信号进行下变频至中频模拟信号，通过ADC模块进行采样得到相应的数字信号序列s(n)；将数字信号分离重组为多组数字信号，进而得到各组信号的谐波分量；将各组频率分量组合成新的阵列信号谐波矢量，并求取其自相关矩阵；根据DOA估计的子空间算法，求得信号的DOA估计角度；根据估计出的无人机飞控图传信号的DOA，解算无人机的方位。本发明将原本合为单路的信号在基带数字信号中进行拆分，分别进行时频转换，从而提高了测向精度，通过改进了天线响应矢量，进而消除了虚假谱峰。

Description

一种基于时间调制阵列的无人机侦测方法
技术领域
本发明属于无人机探测技术领域，涉及基于调制天线阵列的无人机信号波达角估计方法，具体涉及一种基于时间调制阵列的无人机侦测方法。
背景技术
随着无人机在空中活动量的飞速发展，国内外关于无人机系统安全和管制工作纷纷展开。航空发达国家均将无人机系统综合到国家空域系统列为国家级优先任务，无人机系统安全是公众安全和空中运输领域关切的焦点。尤其是近年来无人机“黑飞”现象严重，威胁人民生命财产安全的现象已多次发生，针对无人机尤其是民用无人机的探测及反制成为各国各相关机构企业研究的热点。
民用级无人机具有“低、慢、小”的特点，其电磁波反射面小，红外特征低，飞行速度慢，对探测设备来说是一个不小的挑战。传统的雷达探测、红外探测等手段不仅成本高昂，且探测效果并不理想。而被动式无源侦测手段，是针对此类无人机的十分重要的探测手段之一，其原理是通过侦测无人机的数传图传信号方位，来实现无人机的发现及定位。其中较常见的是利用阵列天线进行无人机信号的波达角(Direction of Arrival,DOA)估计，估计其来波方向，从而实现对无人机的探测。
现有的被动式无人机信号DOA估计侦测手段多数是基于传统的直线均匀天线阵列估计无人机数传及图传信号的DOA，从而实现无人机的侦测。基于调制天线的DOA估计算法已被提出，利用调制阵列天线所产生的接收信号的谐波分量，来进行DOA估计。利用调制阵列天线来发现“黑飞”无人机的探测系统如图1所示，主要的方法有比幅测向法、扫描法、基于谐波分量的多重信号分类(Multiple Signal Classification，MUSIC)算法等。其中基于谐波分量的MUSIC算法对调制天线的接收信号进行时频转换，得到其各次谐波分量，采用MUSIC算法实现DOA估计。但此方法具有诸多弊端，首先该方法产生了虚假谱峰，严重削弱天线阵列测向能力，现有基于时间调制阵列谐波分量的波达角MUSIC估计方法，会存在虚假谱峰，极大的限制了该方法在全向范围内测向；同时，波达方向越接近虚假谱峰，其测向精度越差；甚至在虚假谱峰附近已经完全无法分辨出信号谱峰。上述问题限制了传统基于时间调制阵列(Time Modulated Array，TMA)的谐波分量的MUSIC方法在实际工程中的应用。
发明内容
针对传统的基于TMA的谐波分量的MUSIC方法存在产生的虚假谱峰，对探测无人机时存在测向不精确、不能在全向范围内测向等问题，本发明提供了一种基于时间调制阵列的无人机侦测方法。
本发明提供的一种基于时间调制阵列的无人机侦测方法，包括如下步骤：
步骤1：时间调制阵列通过周期性的开关控制信号，控制每个天线单元周期性选通，当天线单元被选通时，入射到天线单元的无人机的飞控图传信号将传输给功率分配器，功率分配器将多个天线单元所传输来的多路射频模拟信号合并为一路。
步骤2：对合路后的射频模拟信号进行下变频至中频模拟信号，对中频模拟信号滤波，再进行模数转换得到数字信号s(n)，n为采样序号。
步骤3：根据所述的周期性的开关控制信号，得到各个天线单元导通的时间长度及顺序，将数字信号s(n)分离重组为多组数字信号s1(n),s2(n),…,sN(n)，N为天线单元个数；然后将分离重组的各数字信号进行时频转换，得到对应的谐波分量f1(q),f2(q),…,fN(q)，其中fi(q)为第i根天线接收信号si(n)的各阶谐波分量，q为谐波阶数。
步骤4：根据每个天线单元的数字信号各阶谐波分量，组合形成新的阵列信号谐波矢量y(k)，k为样本序号，y(k)＝[G1,G2,…,GN]T，其中Gi＝Gi(k)＝[fi(-Q),fi(-Q+1),…,fi(Q)]T。
步骤5：在获得预设数量的阵列信号谐波矢量的样本后，求取阵列信号谐波矢量y(k)的自相关矩阵R。
步骤6：对自相关矩阵R奇异值分解，得到噪声子空间EN＝[vL+1,vL+1,…,vN(2Q+1)]，其中L为入射波信源个数，vi为第i个(i>L)特征值对应的特征向量，进一步得到阵列天线接收到的信号对应的空间谱P(θ)。
所述的空间谱P(θ)计算如下：
Figure BDA0002065885600000021
其中，θ为入射信号的波达角，a(θ)为阵列流型矢量；
其中
Figure BDA0002065885600000022
d为天线单元间距，λ为载波波长，Fi为第i根天线的开关控制信号的第-Q至Q次谐波分量。
步骤7：对空间谱P(θ)通过谱峰搜索估计入射波的波达角，根据各个测向站点估计出的无人机飞控图传信号的DOA，解算无人机的方位。
本发明的基于时间调制阵列的无人机侦测方法，相对于现有技术，其优点在于：
(1)本发明采用调制天线阵列的波达角估计方案来对无人机进行发现和定位，极大地简化了硬件系统的成本及复杂度；
(2)本发明将原本合为单路的信号在基带数字信号中进行拆分，分别进行时频转换，从而提高了测向精度；
(3)本发明改进了天线响应矢量，进而消除了虚假谱峰，从而实现了具有全向(-90°至90°)测向能力多用户分类的DOA估计算法；
(4)实验证明，本发明在实现调制天线多用户分类及全向测向的基础上，优化了传统TMA谐波分量MUSIC方法的精度，消除了传统的基于TMA的谐波分量的MUSIC方法中产生的虚假谱峰，实现了无人机的精确测向。
附图说明
图1为无人机探测系统示意图；
图2为本发明所用的调制天线结构示意图；
图3为本发明基于时间调制阵列的无人机侦测方法的步骤流程图；
图4为调制阵列天线的开关控制信号的示意图；
图5为本发明方法与传统基于TMA的MUSIC算法的测向精度对比图；
图6为传统基于TMA的MUSIC算法的空间谱示意图；
图7为本发明方法得到的空间谱示意图。
具体实施方式
下面结合附图和实施例来具体说明本发明的技术方案。
本发明提供的基于时间调制阵列的无人机侦测方法，是一种全向高分辨率的基于波达角估计的无人机探测方案。采用了合路信号分离的子空间算法技术手段，通过将时间调制阵列的射频开关使单路信号分离为多路，从而可以根据其FFT变换后的谐波分量构建改进的天线响应矢量，达到了降低估计误差，同时极大的增加了DOA估计的有效范围，降低多源DOA估计时的采样频率，具有极强的技术优势和理论意义。
如图2所示，为本发明基于时间调制阵列的无人机侦测方法中所用调制天线结构的一个实现示例。其中，每个天线单元都通过一个单刀单掷开关连接至功率分配器，当单刀单掷开关导通时，对应的天线单元被选中，选中的天线单元与功率分配器之间的射频(RF)链路连通，天线单元所接收的射频模拟信号通过RF链路输入到功率分配器中。功率分配器将输入的各路射频模拟信号线性求和，合并为一路射频模拟信号输出。输出的射频模拟信号经过混频器变频，再经过低通滤波器滤除噪声，输出中频模拟信号给模数转换器(ADC)，转换输出的数字信号输入FPGA(Field－Programmable Gate Array,现场可编程门阵列)模块中进行处理，以实现对无人机的侦测。FPGA还产生周期性的开关控制信号，来控制单刀单掷开关周期性的导通和断开。
下面说明本发明的基于时间调制阵列的无人机侦测方法的各个步骤，包括步骤1～步骤7。
步骤1：时间调制阵列通过周期性的开关控制信号，控制每个天线单元周期性选通，当天线单元被选通时，入射到天线单元的无人机的飞控图传信号将传输给功率分配器，功率分配器将多个天线单元所传输来的多路射频模拟信号合并为一路。
如图2所示，调制天线上的每个天线单元都连接一个单刀单掷开关，通过控制信号控制单刀单掷开关的通断，实现对每个天线单元上的接收信号的调制。在无人机的飞控图传信号入射到天线时，高速开关对调制天线上的每个天线单元进行周期性调制，即选通，将由多个天线单元所接收到的多路信号，经过射频(RF)链路后，经过功率分配器合为一路模拟信号。
相较于传统的天线阵列，由于TMA只需要一路信号处理链路，简化了无人机测向系统的硬件。开关的通断由FPGA的开关控制信号进行控制，每个开关的导通时间占调制周期Tm的1/N，开关控制信号的基频1/Tm大于无人机信号带宽，天线开关在每个调制周期内依次导通，且每个时刻只有一路开关导通。
步骤2：对合路后的射频模拟信号进行下变频，下变频至中频模拟信号，对中频模拟信号经低通滤波器滤除噪声后，通过ADC模块进行采样，得到相应的数字信号序列s(n)，n为采样序号，n为正整数。
当射频模拟信号变至中频时，由调制天线产生的各阶频率分量得以保留，即s(n)中保留了天线接收信号后，经过周期性选通开关后所产生的新的频率分量。
步骤3：数字信号序列s(n)输入FPGA中进行处理，如图3所示，以调制天线的开关控制信号为参考，在数字处理过程中，根据各个天线导通的时间长度及顺序，将数字信号s(n)分离重组为多组数字信号s1(n),s2(n),…,sN(n)，其中N为TMA的天线个数。对各组数字信号s1(n),s2(n),…,sN(n)进行时频转换，得到各组信号的谐波分量f1(q),f2(q),…,fN(q)，其中fi(q)为第i根天线接收信号si(n)的各阶谐波分量，q为谐波阶数，即当q＝0时为基频分量，当q＝1时为高于基频的一次谐波，当q＝-1时为低于基频的一次谐波分量，以此类推。设选取的最大谐波分量的阶次为Q，则第i根天线接收信号的各阶谐波分量为fi(-Q),fi(-Q+1),…,fi(Q)。
步骤3中，不同于传统TMA测向方法，本方法中采样后的信号不是直接进行时频转换，而是先要根据调制天线周期性的开关控制信号，确定当前接收信号所对应的接收天线的标号，将相同天线接收的信号按照时间顺序归为一组，分别针对每组信号，即每个天线接收的信号，计算谐波分量fi(q)。而传统方法是将采样后的单路信号直接进行频率变换，从而造成采用子空间算法时会出现虚假谱峰及测向精度降低。
步骤4：根据分离的各数字信号的各阶谐波分量，将各组频率分量组合成新的阵列信号谐波矢量y(k)＝[G1,G2,…,GN]T，其中Gi为Gi(k)，Gi(k)＝[fi(-Q),fi(-Q+1),…,fi(Q)]T,k为求取的各天线接收到的各阶频率分量样本的次序标号。Gi(k)表示第i根天线接收信号的第-Q至Q次谐波分量。
步骤4改变了子空间算法中的阵列输出信号矢量，将各组频率分量组合成新的阵列信号谐波矢量y(k)。
如图3所示，设置计数参数m来标记样本数量，初始设置为0，每获得一个阵列信号谐波矢量y(k)后，m的值增加1，当获得足够的样本数NN后，执行下一步骤。NN为预设的样本数量值。
步骤5：求取天线响应矢量的自相关矩阵，依照下式估计y(k)的自相关矩阵R：
Figure BDA0002065885600000051
其中，NN为计算其中y的自相关矩阵时的最大样本数，上角标H表示共轭转置。
步骤6：对自相关矩阵R进行奇异值分解，求得其噪声子空间EN＝[vL+1,vL+1,…,vN(2Q+1)]，其中L为入射波信源个数，vi为第i个(i>L)特征值对应的特征向量。对矩阵R进行奇异值分解，获得的奇异值为特征值，每个奇异值对应一个特征向量，将奇异值进行从大到小排列，取第L+1至N(2Q+1)个特征值所对应的特征向量组成噪声子空间。
根据下式估计阵列天线接收到的信号对应的空间谱P(θ)：
Figure BDA0002065885600000052
其中：θ为入射信号的DOA，a(θ)为阵列流型矢量。
本发明方法采用新的阵列流型矢量，
Figure BDA0002065885600000053
其实质是将传统阵列流型矢量映射到频域中，其中d为天线单元间距，λ为载波波长，Fi为调制阵列天线的开关控制信号中第i路开关控制信号的第-Q至Q次谐波分量。调制阵列天线的开关控制信号的一个示例如图4所示，开关控制信号为方波，每个单刀单掷开关有一路控制信号，在对应的信号周期内导通，例如第一个开关在信号方波位于τ1,on-τ1,off时导通。第i路开关控制信号的第-Q至Q次谐波分量Fi＝[fi′(-Q),fi′(-Q+1),…,fi′(Q)]T，在给定开关控制信号后，Fi就根据控制信号的波形确定了。
步骤7：对空间谱P(θ)通过谱峰搜索可得到入射波的DOA估计，根据各个测向站点估计出的无人机飞控图传信号的DOA，解算无人机的方位。
对本发明方法进行实验，实验结果表明，本发明方法可以提高测向精度。如图5中所示，本发明与传统基于TMA的MUSIC算法的测向精度对比，样本数NN＝100，在信号从10度入射时的测向均方根误差RSME随着信噪比SNR的变化曲线，可看出，本发明方法的测向精度优于传统基于TMA的MUSIC算法。同时，本发明方法可以消除MUSIC算法在TMA中的虚假谱峰，实现更高的分辨概率。如图6所示，传统的基于TMA的MUSIC算法得到的空间谱，入射信号为5度，其中有多个虚假谱峰，从而限制了其测向范围；图7为本发明方法得到的空间谱，其中信号分别从-45，-20，0，5，45度入射，可从图中看出，图中仅出现了真实谱峰，因而较传统方法，测向范围大大增加。图6和图7中，横坐标表示入射角度θ，纵坐标表示空间频谱(spatialspectrum)。

Claims (1)

1.一种基于时间调制阵列的无人机侦测方法，其特征在于，包括：
步骤1：时间调制阵列通过周期性的开关控制信号，控制每个天线单元周期性选通，当天线单元被选通时，入射到天线单元的无人机的飞控图传信号将传输给功率分配器，功率分配器将多个天线单元所传输来的多路射频模拟信号合并为一路；
步骤2：对合路后的射频模拟信号进行下变频至中频模拟信号，对中频模拟信号滤波，再进行模数转换得到数字信号s(n)，n为采样序号；
步骤3：根据所述的周期性的开关控制信号，得到各个天线单元导通的时间长度及顺序，将数字信号s(n)分离重组为多组数字信号s1(n),s2(n),…,sN(n)，N为天线单元个数；其中，根据周期性的开关控制信号，确定当前接收信号所对应的接收天线的标号，将相同天线接收的信号按照时间顺序归为一组；然后将分离重组的各数字信号时频转换，得到对应的谐波分量f1(q),f2(q),…,fN(q)，其中fi(q)为第i根天线接收信号si(n)的各阶谐波分量，q为谐波阶数；设选取的最大谐波分量的阶次为Q，则第i根天线接收信号的各阶谐波分量为fi(-Q),fi(-Q+1),…,fi(Q)；
步骤4：根据每个天线单元的数字信号各阶谐波分量，组合形成新的阵列信号谐波矢量y(k)，k为样本序号，y(k)＝[G1,G2,…,GN]T，其中Gi＝Gi(k)＝[fi(-Q),fi(-Q+1),…,fi(Q)]T；
步骤5：在获得预设数量的阵列信号谐波矢量的样本后，求取阵列信号谐波矢量的自相关矩阵R；
Figure FDA0002941556130000011
其中，NN为样本总数量，上角标H表示共轭转置；
步骤6：对自相关矩阵R奇异值分解，得到噪声子空间EN＝[vL+1,vL+1,…,vN(2Q+1)]，其中L为入射波信源个数，vi为第i个(i>L)特征值对应的特征向量，进一步得到阵列天线接收到的信号对应的空间谱P(θ)；
所述的空间谱P(θ)计算如下：
Figure FDA0002941556130000012
其中，θ为入射信号的波达角，a(θ)为阵列流型矢量；
其中
Figure FDA0002941556130000013
d为天线单元间距，λ为载波波长，Fi为第i根天线的开关控制信号的第-Q至Q次谐波分量；
步骤7：对空间谱P(θ)通过谱峰搜索估计入射波的波达角，根据波达角解算无人机的方位。
CN201910420593.XA 2019-05-20 2019-05-20 一种基于时间调制阵列的无人机侦测方法 Active CN110221242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910420593.XA CN110221242B (zh) 2019-05-20 2019-05-20 一种基于时间调制阵列的无人机侦测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910420593.XA CN110221242B (zh) 2019-05-20 2019-05-20 一种基于时间调制阵列的无人机侦测方法

Publications (2)

Publication Number Publication Date
CN110221242A CN110221242A (zh) 2019-09-10
CN110221242B true CN110221242B (zh) 2021-07-02

Family

ID=67821617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910420593.XA Active CN110221242B (zh) 2019-05-20 2019-05-20 一种基于时间调制阵列的无人机侦测方法

Country Status (1)

Country Link
CN (1) CN110221242B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111537947A (zh) * 2020-05-12 2020-08-14 上海交通大学 单射频通道空间谱估计测向系统与方法
CN112034416B (zh) * 2020-08-07 2023-07-07 浙江大学 一种自动探测测向无人机的方法
CN111983550B (zh) * 2020-08-27 2024-04-12 航天科工微电子系统研究院有限公司 基于gps的无线电测向精度测试方法
CN113193880B (zh) * 2021-04-21 2022-02-25 北京航空航天大学 一种基于时间调制阵列的无人机反向散射通信方法
CN113567914B (zh) * 2021-07-23 2023-11-07 上海交通大学 基于时间调制阵列的全向宽带测向系统
CN115695129B (zh) * 2022-08-24 2024-03-26 电子科技大学 用于时间调制阵列的边带辐射抑制方法及天线系统
CN115616482B (zh) * 2022-11-15 2023-03-14 理工全盛(北京)科技有限公司 单站点被动式无人机监测的方法、装置及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104011558A (zh) * 2011-12-28 2014-08-27 Hrl实验室有限责任公司 编码的孔径波束分析方法和设备
CN106772226A (zh) * 2016-12-26 2017-05-31 西安电子科技大学 基于压缩感知时间调制阵列的doa估计方法
CN109765520A (zh) * 2018-12-26 2019-05-17 西华大学 一种基于时间调制阵列谐波波束扫描的波达角估计方法
CN110290457A (zh) * 2019-05-20 2019-09-27 北京航空航天大学 一种应用于无人机及飞控源探测定位的时间选择阵列系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6333713B1 (en) * 1999-08-24 2001-12-25 Matsushita Electric Industrial Co., Ltd. Direction estimating apparatus, directivity controlling antenna apparatus, and direction estimating method
US8606491B2 (en) * 2011-02-22 2013-12-10 General Electric Company Methods and systems for managing air traffic

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104011558A (zh) * 2011-12-28 2014-08-27 Hrl实验室有限责任公司 编码的孔径波束分析方法和设备
CN106772226A (zh) * 2016-12-26 2017-05-31 西安电子科技大学 基于压缩感知时间调制阵列的doa估计方法
CN109765520A (zh) * 2018-12-26 2019-05-17 西华大学 一种基于时间调制阵列谐波波束扫描的波达角估计方法
CN110290457A (zh) * 2019-05-20 2019-09-27 北京航空航天大学 一种应用于无人机及飞控源探测定位的时间选择阵列系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Novel SDMA Uplink Method Based on Time-Modulated Array for UAV Communications;Qun Chen etal.;《2018 IEEE International Conference on Communication Systems（ICCS）》;20181231;第19-24页 *
基于压缩感知的时间调制阵列的DOA估计;雷亚杰;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180415;正文第9-10页、第25-28页 *

Also Published As

Publication number Publication date
CN110221242A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
CN110221242B (zh) 一种基于时间调制阵列的无人机侦测方法
Zhang et al. Multi-channel back-projection algorithm for mmwave automotive MIMO SAR imaging with Doppler-division multiplexing
CN109917340A (zh) 一种mimo雷达波形调制解调方法
Gaudio et al. Joint radar target detection and parameter estimation with MIMO OTFS
CN110290457A (zh) 一种应用于无人机及飞控源探测定位的时间选择阵列系统
CN112379333B (zh) 基于空时维正交投影滤波的高频雷达海杂波抑制方法
CN110515033A (zh) 一种基于Toeplitz矩阵恢复的欠通道测向系统及方法
CN114488034A (zh) 一种被动探测与侦察干扰一体化装置及方法
Li et al. Ultra-fast accurate AoA estimation via automotive massive-MIMO radar
KR20170127939A (ko) 상호간섭효과를 보상한 원형 배열 안테나 기반의 도래각 추정 장치 및 추정 방법
Pucci et al. Performance analysis of joint sensing and communication based on 5G New Radio
Jiang et al. Single-channel spatial spectrum estimation direction finding by the time-modulated linear array
Xi et al. Joint range and angle estimation for wideband forward-looking imaging radar
CN105044721B (zh) 机载正前视扫描雷达角超分辨方法
Wang et al. Towards Opportunistic Radar Sensing Using Millimeter-wave Wi-Fi
Sun et al. Embedding the localization and imaging functions in mobile systems: An airport surveillance use case
Li et al. DOA estimation for echo signals and experimental results in the AM radio-based passive radar
Favarelli et al. Tracking and data fusion in joint sensing and communication networks
Dehkordi et al. Multi-static Parameter Estimation in the Near/Far Field Beam Space for Integrated Sensing and Communication Applications
Hong et al. Radar signal decomposition in steering vector space for multi-target classification
Wang et al. Space-time adaptive processing for clutter suppression in coprime array and coprime pulse repetition interval airborne radar
Man et al. On the technology of frequency hopping communication network-station selection
Zhang et al. Mixed-Precision Arrangement via CRB for DOA Estimation Using SLA
Zhao et al. Active phased array radar-based 2D beamspace MUSIC channel estimation for an integrated radar and communication system
Tan et al. Improved Sensing and Positioning via 5G and mmWave radar for Airport Surveillance

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