CN110488097A - 基于线极化平台阵列的极化参数求解方法 - Google Patents
基于线极化平台阵列的极化参数求解方法 Download PDFInfo
- Publication number
- CN110488097A CN110488097A CN201910587725.8A CN201910587725A CN110488097A CN 110488097 A CN110488097 A CN 110488097A CN 201910587725 A CN201910587725 A CN 201910587725A CN 110488097 A CN110488097 A CN 110488097A
- Authority
- CN
- China
- Prior art keywords
- polarization
- parameter
- polarization parameter
- matrix
- linear polarization
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
- G01R29/0892—Details related to signal analysis or treatment; presenting results, e.g. displays; measuring specific signal features other than field strength, e.g. polarisation, field modes, phase, envelope, maximum value
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明提供了一种基于线极化平面阵列的极化参数求解方法,该方法包括如下步骤:S1:谱峰搜索;S2:极化参数求解;S3:参数输出。本发明提供的求解方法可直接根据DOA估计结果利用数学公式求解。该方法能提高参数的估计精度,同时也可以有效地降低计算量,提升信号极化参数估计的效率。
Description
技术领域
本发明属于电磁波信号参数估计技术领域,具体涉及一种基于线极化平台阵列的极化参数求解方法。
背景技术
电磁波信号的参数估计是信号接收设备的核心任务之一,也是阵列信号处理技术领域的一个重要的研究方向。传统的信号接收设备通常采用圆极化天线组成的标量阵列估计信号来波方向(DOA),这种阵列对电磁信号的极化特性不敏感,因此无法估计其极化参数。为了获取更为完整的电磁波信号特征参数就需要借助极化特性敏感阵列参数估计技术。
由多个不同极化方向的线极化天线组成的平面阵列属于极化特性敏感阵列,这种阵列对电磁波信号的极化特性敏感可以用于估计其极化参数。极化参数的估计对于接收设备具有重要意义,这主要体现在以下两个方面:(1)可使设备具有一定的目标分辨识别功能;(2) 可提高设备的抗干扰能力。
传统阵列信号处理技术中的参数估计算法大多只关注信号的DOA估计,比如经典的具有高精度和高分辨性能的多重信号分类(Multiple Signal Classification,MUSIC)算法。该算法实质上是利用噪声子空间和信号子空间的正交原理而进行参数估计的。MUSIC算法自提出以来,就得到了广泛的关注和研究,是一种渐进无偏估计的高分辨率参数估计算法。将MUSIC 算法应用于极化敏感阵列的DOA与极化参数估计,可以通过构造信号DOA 与极化参数的联合谱函数,利用一次四维谱峰搜索,实现对信号DOA和极化参数的联合估计。但是该算法运算量巨大,耗费的计算资源较多,不易于工程实现。
现已有研究人员研究出信号DOA和极化参数降维估计的MUSIC算法,该算法可以将信号DOA与极化参数进行分离估计,通过一次二维谱峰搜索,实现对信号DOA的估计,然而,该算法后续仍需根据DOA的估计结果进行多次二维谱峰搜索得出响应的极化参数估计。所以,这种算法对极化参数的估计精度受搜索步长的限制且仍需进行多次二维谱峰搜索,计算量依旧较大。
发明目的
为了解决现有的信号DOA和极化参数联合估计算法普遍存在计算量大,耗费硬件资源严重,实时性差效率低等不利于实际应用的问题。本发明提出了一种线极化平面阵列的信号极化参数求解方法。
技术方案
为了达到上述目的,本发明提供了如下技术方案:
基于线极化平面阵列的极化参数求解方法,所述方法包括如下步骤:
S1:谱峰搜索;
S2:极化参数求解;
S3:参数输出。
进一步的,所述步骤S1包括:在二维参数空间中迭代计算谱函数值,并将谱值与毗邻的其他8个谱值进行绝对值比较,找出所有区域极大值及其位置。将所有区域极大值进行排序并按某一固定门限进行计数,输出前L个最大谱值所对应的DOA参数。
进一步的,所述谱峰搜索的门电路实现步骤如下:
A:存储器控制操作;
B:3个行ram存储器;
C:运用比较逻辑求邻域极小值;
D:把上述步骤所求出的邻域极小值对应的方位角α、仰角β、 2阶矩阵H元素值、谱峰值写入谱峰极大值缓存器FIFO;
E:把谱峰极大值缓存器FIFO中的数据串行排序,顺序找出最大的L个谱峰值;
F:输出上述L个谱峰值对应的方位角α与仰角β及其矩阵H。
进一步的,所述存储器控制操作3个行ram存储器进行读写操作,依次读出方位角为α、仰角为β的谱函数表达式:
P=1/|H(α,β)|。
进一步的,所述步骤S2包括:
①、输入矩阵H的第一行元素;
②、数据复用逻辑产生数据,生成角度计算电路所需的被除数值和除数值;
③、数据复用逻辑;
④、极化参数计算逻辑;
⑤、极化参数输出。
进一步的,对L个矩阵H进行特征值分解,Hl|的两个特征值中较小的那个必然为0,即:
λmin=0
设其对应的特征向量为vmin,则有:
Hlvmin=λminvmin=02×1
其中:为第I个H矩阵,I的取值范围为1~L;
pl和vmin均是齐次线性方程组Hlx=0的解,又由于rank(Hl)=1,考虑齐次线性方程组的性质可知:
pl=Fvmin
其中,F为任意常数,即:
则极化参数的求解公式为:
γl=arctan(|υmin2/υmin1|)
ηl=arg(Vmin2/vmin1)
其中,
其中,vmin为谱函数Hl的小特征值λmin对应的特征向量。
进一步的,所述步骤②中,奇数时钟周期对应的被除数为a,除数为偶数时钟周期对应的被除数为-c,除数为b。
进一步的,矩阵H属于Herimitian类型,则将其写成通式,则有:
由于rank(Hl)=1,可以推导得出vmin1与vmin2应满足下面的关系:
υmin2/υmin1=-a/(b+cj);
将其代入步骤6所得的极化的参数求解公式中可得:
ηl=π+arctan(-c/b)。
进一步的,所述步骤③为数据复用逻辑,对被除数和除数值进行计算。
进一步的,所述步骤④为参数计算逻辑,采用流水Cordic电路计算反正切角度值。
有益效果:
本发明基于多个不同极化方向的线极化天线而提出的,适用于任意排布的平面极化敏感阵列;
本发明在求解信号极化参数时,可直接根据DOA估计结果利用数学公式求解。该方法能提高参数的估计精度,同时也可以有效地降低计算量,提升信号极化参数估计的效率;
本发明提出了一种DOA和极化参数求解方法。本发明可通过门电路实现谱峰搜索和极化参数求解,有别于传统方法只能采用微处理器的实现方式,可极大提高处理吞吐率并降低处理延时;
本发明通过实现闭幕式求解极化参数,有效地提高信号接收设备的参数估计的精度与效率;
本发明主要采用电磁波信号的参数估计,能够同时准确地获知信号的DOA参数和极化参数。
附图说明:
图1:参数估计处理流程图;
图2:数字电路处理流程图;
图3:极化参数计算流程图;
图4:不同极化方向的偶极子天线平面列示意图。
具体实施方式
下面结合附图对本发明的技术方案做进一步描述,
现有的MUSIC算法步骤如下:
假设同时有L个不相关的窄带远场信号入射到由N个天线阵元组成的阵列,其接收信号X的表达式为:
X=AS+T (1)
其中,S为信号数据矩阵;T为零均值高斯白噪声数据矩阵;A为阵列流型矩阵。对于不同极化方向的线极化天线组成的平面阵列而言, A的列向量Al表达式为:
Al=Dl(αl,βl)pl(γl,ηl)
l=1...L (2)
其中,Dl表示各线极化天线阵元的空域导向矢量,其具体表达式与阵元指向与阵列形式相关。pl表示各线极化天线阵元的极化域导向矢量,假设电磁波是完全极化波,利用幅相电描述法对极化参数进行表述,可得pl的表达式为:
当各阵元在时间上对采样信号进行数据累积时,可以通过X可以求得协方差矩阵
对进行矩阵特征值分解,并对特征值和特征向量按照特征值的大小进行排序。根据特征值的大小排序,利用N-L个较小的特征值对应的特征向量构造噪声子空间:
UN=[vL+1 vL+2…vN] (5)
由于信号导向矢量张成的子空间与噪声子空间正交,有:
根据式(2),上式两边同时左乘则有:
无论信号的极化方式如何,由极化矢量的定义可知pl的元素不可能同时为0,则上式成立的充分必要条件是:
|Hl|=0 (8)
Hl:是一个2阶的复共轭对称矩阵,|Hl|是对Hl求行列式值运算。
因此,可以利用D(α,β)与UN构建秩亏MUSIC谱函数:
然而,该算法后续仍需根据DOA的估计结果进行多次二维谱峰搜索得出相应的极化参数估计。所以,这种算法对极化参数的估计精度受搜索步长的限制且仍需进行多次二维谱峰搜索,计算量依旧较大。
本发明提供的基于线极化平面列阵的极化参数求解方法,以不同极化方向的线极化天线组成平面阵列(以图4所示的偶极子天线为例) 接收自由空间的信号源作为输入信息,经过接收设备对信号进行数据采样,并通过谱估计算法对信号源DOA进行估计,最终根据信号DOA 参数对相应的极化参数进行闭模式求解。
步骤如下:
第一步:谱峰搜索
该步骤对应于图1中的21操作,在二维参数空间中迭代计算谱函数值,并将谱值与毗邻的其他8个谱值进行绝对值比较,找出所有区域极大值及其位置。将所有区域极大值进行排序并按某一固定门限进行计数,输出前L个最大谱值所对应的DOA参数。
在MUSIC算法中,谱函数的谱峰为邻域极大值,它被表征为导向矢量与噪声子空间矩阵相乘后二范数的行列式倒数。邻域极大值的求解在硬件上采用差分算法实现,谱峰搜索的门电路硬件实现架构如图 3所示。图2中的31操作是存储器控制操作。图2中的32操作是 3个行ram存储器。图2中的33操作是比较逻辑。记谱峰表达式 P=1/|H(α,β)|,α为方位角,β为仰角,求P的邻域极大值转变为求 |H(α,β)||的邻域极小值。
line0_ram存储的谱函数值为P(αm,β0),P(αm,β1)…P(αm,βn-1)。
P(αm+1,β0),P(αm+1,β1)…P(αm+1,βn-1)
line1_ram存储的谱函数值为。
line2ram存储的谱函数值为:
P(αm+2,β0),P(αm+2,β1)…P(αm+2,βn-1)。
这三个行ram的读写地址为0~n-1,为相对于起始仰角的步进值。
方位角变为αm+2’,存储器控制操作包含如下同时并行操作:
1)line0_ram的读操作,读地址从0~n-1,依次读出 P(αm,β0),P(αm,β1)…P(αm+1,βn-1);;
2)line1_ram的读操作,读地址从0~n-1,依次读出 P(αm+1,β0),P(αm+1,β1)…P(αm+1,βn-1);
3)line2ram的写操作,写地址从0~n-1,流水写入 P(αm+2,β0),P(αm+2,β1)…P(αm+2,βn-1)。
方位角变为αm+3,,前次的line1_ram变为line0_ram,前次的line2ram变为line1_ram,本次的line0_ram变为line2ram,存储器控制操作包含如下同时并行操作:
1)line0_ram的读操作,读地址从0~n-1,依次读出 P(αm+1,β0),P(αm+1,β1)…P(αm+1,βn-1);
2)line1_ram的读操作,读地址从0~n-1,依次读出 P(αm+2,β0),P(αm+2,β1)…P(αm+2,βn-1);
3)line2ram的写操作,写地址从0~n-1,将谱函数计算模块输出的数据流水写入P(αm+3,β0),P(αm+3,β1)…P(αm+3,βn-1)。
图2中的33操作是比较逻辑用于求邻域极小值操作。以仰角为βr+2和方位角αm+2为例,其中r+2≤n-1,说明其操作。
line0_ram的流水读出数据为P(αm,βr),P(αm,βr+1),P(αm,βr+2);
line1ram的流水读出数据为:
P(αm+1,βr),P(αm+1,βr+1),P(αm+1,βr+2);
谱函数计算模块输出的流水数据为:
P(αm+2,βr),P(αm+2,βr+1),P(αm+2,βr+2);
将P(αm,βr)、P(αm+1,βr)、P(αm+2,βr)延迟两个时钟周期,
将P(αm,βr+1)、P(αm+1,βr+1)、P(αm+2,βr+1)延迟一个时钟周期。
如此便有P(αm,βr),P(αm,βr+1),P(αm,βr+2);P(αm+1,βr), P(αm+1,βr+1),P(αm+1,βr+2);P(αm+2,βr),P(αm+2,βr+1),P(αm+2,βr+2) 在一个时钟周期同时有效。如果满足P(αm+1,βr+1)均不大于其余8个谱函数值时,P(αm+1,βr+1)即为此邻域极小值。
图2中的34操作是把所有的邻域谱峰极值所对应的方位角和仰角、2阶矩阵H元素值、谱峰值写入谱峰极大值缓存器FIFO。
图2中的35操作是把邻域谱峰极值缓存器FIFO缓存值依次读出,顺序找出最大的L个P的值,然后将其对应的方位角α、仰角β和 2阶矩阵H元素值输出给极化参数计算模块。
第二步:极化参数求解
该步骤对应于图2中的22操作,对L个矩阵Hl进行特征值分解。 Hl的两个特征值中较小的那个必然为0,即矩阵H的最小特征值:
λmin=0 (10)
设其对应的特征向量为vmin,则有:
Hlυmin=λminvmin=O2×1 (11)
对比式(7)和(11),可知pl和υmin均是齐次线性方程组Hlx=0 的解,又由于rank(Hl)=1,考虑齐次线性方程组的性质可知:
pl=Fvmin (12)
F为任意常数。即:
则极化参数的求解公式为:
γl=arctan(|vmin2/υmin1|)
ηl=arg(vmin2/vmin1) (14)
其中,
即在已经求出信号DOA的前提下,可根据式(14)由谱函数Hl的小特征值λmin对应的特征向量vmin推导出该方向上信号的极化参数,也就是说来波极化特性的估计是某一确定方向的闭模式解。针对L个不同的DOA参数重复该步骤L次即可分别得到L个信号的极化参数。
该步骤的门电路硬件实现架构如图3所示。图中的41操作为数据复用逻辑产生数据,生成角度计算电路所需的被除数值和除数值。由于矩阵Hl属于Hermitian类型将其写成通式,有:
同时,由于rank(Hl)=1,可以推导得出υmin1与vmin2应满足下面的关系:
vmin2/vmin1=-a(b+cj) (17)
因此,根据式(14)得出:
ηl=π+arctan(-c/b) (18)
图3中的42操作为数据复用逻辑,奇数时钟周期对应被除数为a,除数为偶数时钟周期对应被除数为--c,除数为b。图4中的43操作为参数计算逻辑,采用流水Cordic电路计算反正切角度值。
第三步:参数输出
该步骤对应于图1中的23操作,将得到的DOA参数与极化参数输出。
对于极化敏感阵列的信号DOA与极化参数联合估计,传统的算法均需要对极化参数进行谱峰搜索计算,计算量巨大,且估计精度不足。而本发明的算法不仅将DOA与极化参数进行分离估计,同时采用了极化参数的闭模式求解,不仅大大降低了硬件的计算复杂度,而且提高了极化参数的估计精度。在硬件实现上,本发明利用门电路架构进行设计可极大提高处理吞吐率并降低处理延时。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.基于线极化平面阵列的极化参数求解方法,其特征在于,所述方法包括如下步骤:
S1:谱峰搜索;
S2:极化参数求解;
S3:参数输出。
2.根据权利要求1所述的基于线极化平面阵列的极化参数求解方法,其特征在于,所述步骤S1包括:在二维参数空间中迭代计算谱函数值,并将谱值与毗邻的其他8个谱值进行绝对值比较,找出所有区域极大值及其位置。将所有区域极大值进行排序并按某一固定门限进行计数,输出前L个最大谱值所对应的DOA参数。
3.根据权利要求2所述的基于线极化平面阵列的极化参数求解方法,其特征在于,所述谱峰搜索的门电路实现步骤如下:
A:存储器控制操作;
B:3个行ram存储器;
C:运用比较逻辑求邻域极小值;
D:把上述步骤所求出的邻域极小值对应的方位角α、仰角β、2阶矩阵H元素值、谱峰值写入谱峰极大值缓存器FIFO;
E:把谱峰极大值缓存器FIFO中的数据串行排序,顺序找出最大的L个谱峰值;
F:输出上述L个谱峰值对应的方位角α与仰角β及其矩阵H。
4.根据权利要求3所述的基于线极化平面阵列的极化参数求解方法,其特征在于,所述存储器控制操作3个行ram存储器进行读写操作,依次读出方位角为α、仰角为β的谱函数表达式:
P=1/|H(α,β)|。
5.根据权利要求1所述的基于线极化平面列阵的极化参数求解方法,其特征在于,所述步骤S2包括:
①、输入矩阵H的第一行元素;
②、数据复用逻辑产生数据,生成角度计算电路所需的被除数值和除数值;
③、数据复用逻辑;
④、极化参数计算逻辑;
⑤、极化参数输出。
6.根据权利要求5所述的基于线极化平面列阵的极化参数求解方法,其特征在于,对L个矩阵H进行特征值分解,Hl的两个特征值中较小的那个必然为0,即:
λmin=0
设其对应的特征向量为υmin,则有:
Hlυmin=λminυmin=02×1
其中:为第I个H矩阵,I的取值范围为1~L;
pl和υmin均是齐次线性方程组Hlx=0的解,又由于rank(Hl)=1,
考虑齐次线性方程组的性质可知:
pl=Fυmin
其中,F为任意常数,即:
则极化参数的求解公式为:
γl=arctan(|υmin2/υmin1|)
ηl=arg(υmin2/υmin1)
其中,
其中,υmin为谱函数Hl的小特征值λmin对应的特征向量。
7.根据权利要求6所述的基于线极化平面列阵的极化参数求解方法,其特征在于,所述步骤②中,奇数时钟周期对应的被除数为a,除数为偶数时钟周期对应的被除数为-c,除数为b。
8.根据权利要求7所述的基于线极化平面列阵的极化参数求解方法,其特征在于,矩阵H属于Herimitian类型,则将其写成通式,则有:
由于rank(Hl)=1,可以推导得出υmin1与υmin2应满足下面的关系:
υmin2/υmin1=-a/(b+cj);
将其代入步骤6所得的极化的参数求解公式中可得:
ηl=π+arctan(-c/b)。
9.根据权利要求5所述的基于线极化平面列阵的极化参数求解方法,其特征在于,所述步骤③为数据复用逻辑,对被除数和除数值进行计算。
10.根据权利要求5所述的基于线极化平面列阵的极化参数求解方法,其特征在于,所述步骤④为参数计算逻辑,采用流水Cordic电路计算反正切角度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587725.8A CN110488097B (zh) | 2019-07-02 | 2019-07-02 | 基于线极化平面阵列的极化参数求解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587725.8A CN110488097B (zh) | 2019-07-02 | 2019-07-02 | 基于线极化平面阵列的极化参数求解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110488097A true CN110488097A (zh) | 2019-11-22 |
CN110488097B CN110488097B (zh) | 2021-10-12 |
Family
ID=68546488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910587725.8A Active CN110488097B (zh) | 2019-07-02 | 2019-07-02 | 基于线极化平面阵列的极化参数求解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110488097B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050028A (zh) * | 2021-01-29 | 2021-06-29 | 沈阳航空航天大学 | 基于张量的矢量共形阵列极化-doa联合估计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070147482A1 (en) * | 2005-12-28 | 2007-06-28 | Denso Corporation | Arrival direction estimation apparatus |
CN103914625A (zh) * | 2014-04-10 | 2014-07-09 | 电子科技大学 | 基于cordic算法的无线信号测向方法 |
CN103941221A (zh) * | 2014-03-12 | 2014-07-23 | 西安电子科技大学 | 空间拉伸电磁矢量传感器阵列参数估计方法 |
CN105335615A (zh) * | 2015-10-31 | 2016-02-17 | 电子科技大学 | 一种低复杂度的二维角度和极化参数联合估计方法 |
CN106990386A (zh) * | 2017-04-13 | 2017-07-28 | 哈尔滨工程大学 | 一种单偶极子极化敏感旋转阵列doa与极化参数联合估计方法 |
CN109738853A (zh) * | 2018-11-21 | 2019-05-10 | 南京航空航天大学 | 一种电磁矢量互质阵基于旋转不变性的角度与极化估计方法 |
-
2019
- 2019-07-02 CN CN201910587725.8A patent/CN110488097B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070147482A1 (en) * | 2005-12-28 | 2007-06-28 | Denso Corporation | Arrival direction estimation apparatus |
CN103941221A (zh) * | 2014-03-12 | 2014-07-23 | 西安电子科技大学 | 空间拉伸电磁矢量传感器阵列参数估计方法 |
CN103914625A (zh) * | 2014-04-10 | 2014-07-09 | 电子科技大学 | 基于cordic算法的无线信号测向方法 |
CN105335615A (zh) * | 2015-10-31 | 2016-02-17 | 电子科技大学 | 一种低复杂度的二维角度和极化参数联合估计方法 |
CN106990386A (zh) * | 2017-04-13 | 2017-07-28 | 哈尔滨工程大学 | 一种单偶极子极化敏感旋转阵列doa与极化参数联合估计方法 |
CN109738853A (zh) * | 2018-11-21 | 2019-05-10 | 南京航空航天大学 | 一种电磁矢量互质阵基于旋转不变性的角度与极化估计方法 |
Non-Patent Citations (1)
Title |
---|
司伟建等: "平面极化天线阵列的DOA及极化参数降维估计方法", 《通信学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050028A (zh) * | 2021-01-29 | 2021-06-29 | 沈阳航空航天大学 | 基于张量的矢量共形阵列极化-doa联合估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110488097B (zh) | 2021-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Robust estimation of structured covariance matrix for heavy-tailed elliptical distributions | |
CN106980106B (zh) | 阵元互耦下的稀疏doa估计方法 | |
Jain | Advances in mathematical models for image processing | |
Dai et al. | Direction-of-arrival estimation via real-valued sparse representation | |
CN106054123A (zh) | 一种稀疏l阵及其二维doa估计方法 | |
Reddy et al. | Reduced-complexity super-resolution DOA estimation with unknown number of sources | |
CN110361691B (zh) | 基于非均匀阵列的相干信源doa估计fpga实现方法 | |
CN105510874A (zh) | 一种近场信源多参数联合估计的降维music方法 | |
CN108896954A (zh) | 互质阵中一种基于联合实值子空间的波达角估计方法 | |
CN105335615B (zh) | 一种低复杂度的二维角度和极化参数联合估计方法 | |
CN107450047A (zh) | 嵌套阵下基于未知互耦信息的压缩感知doa估计方法 | |
CN112051540B (zh) | 一种快速高精度测向方法 | |
CN110398732B (zh) | 低计算量自适应步长迭代搜索的目标方向检测方法 | |
CN107907855A (zh) | 一种互素阵列转化为均匀线阵的doa估计方法及装置 | |
CN104793176A (zh) | 一种基于fpga的doa估计快速实现方法 | |
CN106291449A (zh) | 对称稳定分布噪声下波达方向角估计新方法 | |
Feng et al. | An off-grid iterative reweighted approach to one-bit direction of arrival estimation | |
CN110895325B (zh) | 基于增强四元数多重信号分类的到达角估计方法 | |
Tan et al. | Covariance matrix reconstruction for direction finding with nested arrays using iterative reweighted nuclear norm minimization | |
Wang et al. | A modified algorithm based on smoothed l0 norm in compressive sensing signal reconstruction | |
CN110488097A (zh) | 基于线极化平台阵列的极化参数求解方法 | |
Qin et al. | An improved attention-guided network for arbitrary-oriented ship detection in optical remote sensing images | |
CN105608057A (zh) | 一种分时复用硬件资源的信号子空间分解的fpga实现模块及其fpga实现方法 | |
CN112528224B (zh) | 一种矩阵特征值分解分组循环迭代流水实现方法及系统 | |
Tian et al. | 2D-DOA estimation in arc-array with a DNN based covariance matrix completion strategy |
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 |