CN110749855B - 一种基于协方差域零化的均匀线阵波达方向估计方法 - Google Patents
一种基于协方差域零化的均匀线阵波达方向估计方法 Download PDFInfo
- Publication number
- CN110749855B CN110749855B CN201910851813.4A CN201910851813A CN110749855B CN 110749855 B CN110749855 B CN 110749855B CN 201910851813 A CN201910851813 A CN 201910851813A CN 110749855 B CN110749855 B CN 110749855B
- Authority
- CN
- China
- Prior art keywords
- array
- arrival
- covariance
- domain
- matrix
- 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
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于协方差域零化的均匀线阵波达方向估计方法,具体包括以下步骤:均匀线阵阵列数据接收;构造加权索引矩阵;构造协方差域的数据向量及对应的阵列残差的协方差矩阵;基于常规波束形成法的零化滤波器系数初估计;高斯牛顿算法迭代求解阵列残差和零化滤波器系数;根据零化滤波器系数计算所有信号的波达方向。该方法通过在协方差域进行零化,将阵列多快拍数据压缩为单快拍,相比于阵元域零化,无需进行奇异值分解,降低了计算量,且计算量不会随目标数增大而增大;本发明直接利用多块拍形成的阵列协方差矩阵,不需要对阵列数据进行主成分分析,可避免低信噪比或小快拍数条件下主成分分析性能差导致的波达方向估计精度低的问题。
Description
技术领域
本发明属于阵列信号处理领域,特别涉及对雷达、通信等电磁波和声学机械波信号波达方向的估计,具体是一种适用于均匀线阵的波达方向估计方法。
背景技术
波达方向估计属于阵列信号处理领域的一个重要分支,是用传感器阵列来估计信号源的来波到达方向,广泛应用于雷达、通信、声呐及医学诊断等军用和民用领域。为了对波达方向进行有效估计,研究者们提出了各种阵列构型及其对应波达方向估计算法。对于阵列构型,均匀线阵是阵元等间隔分布的直线阵,属于最基本的结构,是构成其他阵型的基础,有着广泛的应用。对于波达方向估计算法,人们希望其拥有高的估计精度的同时,能保持低的计算量,以便实时应用。
在时域中,零化滤波器理论可以用来对信号的频率进行高分辨估计,有着很好的性能。文献:Pan Y,Luo G Q,Jin H,et al.Direction-of-Arrival Estimation With ULA:A Spatial Annihilating Filter Reconstruction Perspective[J].IEEE Access.2018,6:23172-23179将时域的零化滤波器理论转化进了空域,实现了波达方向估计的功能,其估计性能优于传统的子空间类算法,且无需进行空域搜索。但将时域算法转至空域需要处理多块拍数据的利用问题。由于该算法是一种阵元域零化算法,所以其采取的是提取数据主成分的方法。具体来说是将阵列数据进行奇异值分解,取数量为目标数的最大奇异值对应的奇异值加权后的多个奇异向量作为新的阵列数据,此时快拍数压缩至目标数。但这样做会带来两个问题,一方面奇异值分解增大计算量且主成分分析会导致算法的计算量随目标数增加而增加,另一方面,由于主成分分析在低信噪比及小快拍数时性能较差,从而导致算法在对应场景下估计精度下降。
发明内容
针对现有方法的不足,本发明提出一种基于协方差域零化的均匀线阵波达方向估计方法。相对于阵元域零化算法,该方法可有效降低计算量,同时提高其在低信噪比及小快拍数场景下的估计精度。
本发明是通过以下技术方案实现的:一种基于协方差域零化的均匀线阵波达方向估计方法,所述方法包含以下步骤:
(S3):构造协方差域的数据向量y及对应的阵列残差的协方差矩阵Σ。
(S5):根据高斯牛顿算法迭代求解阵列残差ε和零化滤波器系数h。
(S6):根据迭代求解得到的零化滤波器系数h计算所有信号的波达方向。
进一步地,步骤(S2)中构造加权索引矩阵方法为:设置包含M个元素的列向量p,使p[m]=m,其中p[m]为p的第m个元素,其余表示类似。令其中(·)T表示转置,vec(·)表示将矩阵的各列依次堆叠形成向量,eM表示包含M个元素的全1列向量,其余表示类似。设置包含2M-1个元素的列向量p′,使p′[m]=m-M,令再将C中的非0元素改为0,0元素改为1,得到矩阵C′。最后将C′中的每行分别除以对应行的非零元素的个数得到加权索引矩阵B。
进一步地,步骤(S3)中构造协方差域的数据向量y及对应的阵列残差的协方差矩阵Σ的方法为:计算阵列协方差矩阵的估计值并计算去噪后的向量化阵列协方差矩阵的估计值,得到其中(·)H表示共轭转置,IM为有M个对角元的单位矩阵,为阵列噪声方差的估计值,通过取的M-K个最小特征值的均值得到。则协方差域的数据向量阵列残差的协方差矩阵其中表示Kronecker积。
进一步地,步骤(S4)中由基于常规波束形成法的波达方向估计结果,对零化滤波器系数进行初估计的方法为:假设由常规波束形成法得到了K′个波达方向,设为K′≤K。再定义函数对该函数进行逆Z变换即得到零化滤波器系数h的初估计h(0)。其中d为均匀线阵的阵元间距,λ为信号波长。
进一步地,步骤(S5)中迭代求解阵列残差ε和零化滤波器系数h的方法为:迭代之前需要进行初始化,阵列残差ε用零向量初始化,零化滤波器系数用步骤(S4)中的初估计h(0)初始化。迭代过程中ε与h的更新公式为:ε(i+1)=ε(i)+Δε,h(i+1)=h(i)+Δh,上标i表示迭代次数。其中Δh通过解方程组
得到,Δε通过
得到。其中,J1=-T(h(i)),J2=L(y)-L(ε(i)),T(·)与L(·)分别为两种Toeplitz算子。有
λ2为辅助标量。迭代需设置最大迭代次数,每迭代一次检查是否达到最大迭代次数或者h是否收敛,若满足其中一个条件则停止迭代,若都不满足则继续迭代。
进一步地,步骤(S6)中根据迭代求解得到的零化滤波器系数h计算所有信号的波达方向的方法为:以h中元素为系数构造线性方程h[1]αK+h[2]αK-1+...+h[K]α+h[K+1]=0,求其K个根,为则K个信号的波达方向估计为其中angle(·)表示求复数的幅角。
本发明相比现有技术的有益效果为:
首先,通过在协方差域进行零化,可将阵列多快拍数据压缩为单快拍,相比于阵元域零化,无需进行奇异值分解,降低了计算量,且计算量不会随信号源数增大而增大;其次,本发明直接利用多块拍形成的阵列协方差矩阵,不需要对阵列数据进行主成分分析,可避免低信噪比或小快拍数条件下主成分分析性能差导致的波达方向估计精度低的问题。
附图说明
图1为本发明的流程图;
图2为本发明方法与阵元域零化法在不同目标数下的计算耗时对比;
图3为本发明方法与阵元域零化法的估计均方根误差在不同信噪比下的对比;
图4为本发明方法与阵元域零化法的估计均方根误差在不同快拍数下的对比。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步详细说明。参照图1,本发明的具体实施步骤如下:
其中,s(n)为包含K个信号的列向量,K个信号互不相关;υ(n)为阵列噪声列向量,阵列噪声与来波信号互不相关,各阵元噪声满足独立复高斯分布,即为噪声方差,IM为有M个对角元素的单位阵;A=[a(θ1),a(θ2),...,a(θK)]为阵列流型,a(θk)为阵列流型向量,有
(S2):构造加权索引矩阵设置包含M个元素的列向量p,使p[m]=m,其中p[m]为p的第m个元素,其余表示类似。令其中(·)T表示转置,vec(·)表示将矩阵的各列依次堆叠形成向量,eM表示包含M个元素的全1列向量,其余表示类似。设置包含2M-1个元素的列向量p′,使p′[m]=m-M,令再将C中的非0元素改为0,0元素改为1,得到矩阵C′。最后将C′中的每行分别除以对应行的非零元素的个数得到加权索引矩阵B。
(S3):构造协方差域的数据向量y及对应的阵列残差的协方差矩阵Σ:计算阵列协方差矩阵的估计值并计算去噪后的向量化阵列协方差矩阵的估计值,得到其中(·)H表示共轭转置,IM为有M个对角元的单位矩阵,为阵列噪声方差的估计值,通过取的M-K个最小特征值的均值得到。则协方差域的数据向量阵列残差的协方差矩阵其中表示Kronecker积。
对于步骤(S2)和(S3),我们一起做如下解释:
根据式(1)中的模型,我们可以得到去噪阵列协方差矩阵向量化后的真实值r为
这里将该误差称为阵列残差。这里阵列残差满足渐进高斯分布,即可近似表示为
我们知道,对于不相关信号入射到阵列上,阵列数据的协方差矩阵R的各个对角线上的元素相同,是一个Toeplitz矩阵。如果令矩阵则R′同样为Toeplitz矩阵。于是我们将R′的各个对角线元素分别进行平均,形成一个列向量,R′右上角的元素为新的列向量的第一个元素,左下角的元素为新的列向量的最后一个元素。设该新向量为则我们可以通过步骤(S2)构造B,使得由于y是通过阵列协方差矩阵得到的,我们称其为协方差域的数据向量。这样我们用简单的矩阵相乘实现了上述平均Toeplitz矩阵对角元的操作。此处为r的估计值,为阵列噪声方差的估计值,通过取的M-K个最小特征值的均值得到。于是此时阵列残差相应会变为ε=BΔr,根据式(5),我们有所以此时阵列残差的协方差矩阵为
(S4):对协方差域的数据向量y进行基于常规波束形成法的波达方向估计,并以此对零化滤波器系数进行初估计。假设由常规波束形成法得到了K′个波达方向,设为k=1,2,...,K′,K′≤K。再定义函数对该函数进行逆Z变换即得到零化滤波器系数h的初估计h(0)。其中d为均匀线阵的阵元间距,λ为信号波长。
这里由于我们设置根据式(3)和(4)有y=BAvσ2+ε。根据Av的表达式和B的构造方式,我们知道BAvσ2的元素为等间隔采样的复指数的实数加权组合构成,即可认为BAvσ2为一个新的均匀线阵的阵列输出数据。因此y-BΔr可被零化滤波器零化。即
(y-ε)*h=0 (6)
此处*表示卷积。对该零化滤波器进行z变换,有
由上式可知,若可以对θk,k=1,2,...,K进行初估计,则可以用逆z变换对h进行初估计。这里我们取新的数据向量y,并采用计算量最小的常规波束形成波达方向估计法对θk,k=1,2,...,K进行初估计。对于常规波束形成,由于其分辨率有限,如果存在两个目标的波达方向很接近,则常规波束形成的空间谱只能形成一个峰,所以会出现常规波束形成得到的波达方向个数K′≤K,但这不会影响算法最终的性能。
(S5):根据高斯牛顿算法迭代求解阵列残差ε和零化滤波器系数h:迭代之前需要进行初始化,阵列残差ε用零向量初始化,零化滤波器系数用步骤(S4)中的初估计h(0)初始化。迭代过程中ε与h的更新公式为:ε(i+1)=ε(i)+Δε,h(i+1)=h(i)+Δh,上标i表示迭代次数。
其中Δh通过解方程组
得到,Δε通过
得到。其中,J1=-T(h(i)),J2=L(y)-L(ε(i)),T(·)与L(·)分别为两种Toeplitz算子。有
λ2为辅助标量。迭代需设置最大迭代次数,每迭代一次检查是否达到最大迭代次数或者h是否收敛,若满足其中一个条件则停止迭代,若都不满足则继续迭代。
式(6)的零化关系可以写成矩阵相乘的形式L(y-ε)h=0或T(h)(y-ε)=0。于是为了解未知参数ε与h,我们建立如下优化问题:
上述优化问题可以采用高斯牛顿的思想转化为
式中的参数定义见步骤(S5)。解上式可用拉格朗日乘的方法,最终可得到步骤(S5)中的更新公式。
(S6):根据迭代求解得到的零化滤波器系数h计算所有信号的波达方向:以h中元素为系数构造线性方程h[1]αK+h[2]αK-1+...+h[K]α+h[K+1]=0,求其K个根,为则K个信号的波达方向估计为其中angle(·)表示求复数的幅角。
这一步中的求根操作是基于公式(7)的原理。这里最终的测向只需要对迭代求解后的零化系数h构成的方程求根,再加少量的运算即可完成。
为了验证本发明提出的基于协方差域零化的均匀线阵波达方向估计方法的正确性和相对于现有技术的优越性,做以下仿真实验。
考虑均匀现在M=8,d=λ/2的情形,于是此时共有8个阵元。对于本发明提出的方法的(S5)步骤中,最大迭代次数设为100,当||h(i+1)-h(i)||2/||h(i)||2≤10-8则认为h已收敛,其中上标i表示第i次迭代。采用的性能对比算法为背景技术中所引文献中的阵元域零化法。所有仿真结果都基于500次蒙特卡洛实验取平均。
实验一:
设置信噪比为20dB,快拍数为500个。目标数从1扫描到6,目标的波达方向集设为{-60°,-35°,-10°,10°,35°,60°}。当目标数为1时,取第一个波达方向,当目标数为2时,取前两个波达方向,以此类推。每运行一次算法,统计一下运行时间。计算机配置为:i7-7700CPU,16GB内存。阵元域零化算法和本发明算法的计算耗时对比如图2所示。可见,在1个目标的情况下,阵元域零化算法的计算耗时大于本发明算法,这是由于阵元域零化算法需要进行奇异值分解,且我们还发现阵元域零化算法迭代收敛算法稍慢于本发明算法。另外阵元域零化算法的计算耗时随着目标数增加而增加,几乎线性增长。这是由于阵元域零化算法的主成分分析提取的主成分数量等于目标数。本发明算法的计算耗时无上述现象,其计算量低于阵元域算法,大约只需1.5ms即可完成一次波达方向估计。
实验二:
设置快拍数为100,信噪比从-5dB扫描至15dB。设置两个目标,其来波方向分别为-4°和5°。运行算法,并统计波达方向估计的均方根误差。仿真结果如图3所示。可以发现,在高信噪比下阵元域零化算法的估计均方根误差与本发明所想趋同,但在低信噪比下,其均方根误差大于本发明算法。这是由于阵元域零化算法在低信噪比下主成分分析性能较差导致。
实验三:
设置快拍数为0dB,快拍数从20个扫描至200个,信号源设置同上。仿真结果如图4所示。可以发现,本发明的算法的均方根误差低于阵元域零化算法。特别是当快拍数小于60个时,即小快拍数下条件下,本发明算法的波达方向估计精度高出阵元域零化算法较多。
以上所述仅为本发名的较佳实施范例,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于协方差域零化的均匀线阵波达方向估计方法,其特征在于,包括以下步骤:
所述步骤(S2)中构造加权索引矩阵方法为:设置包含M个元素的列向量p,使p[m]=m,其中p[m]为p的第m个元素,其余表示类似;令其中(·)T表示转置,vec(·)表示将矩阵的各列依次堆叠形成向量,eM表示包含M个元素的全1列向量,其余表示类似;设置包含2M-1个元素的列向量p′,使p′[m]=m-M,令再将C中的非0元素改为0,0元素改为1,得到矩阵C′;最后将C′中的每行分别除以对应行的非零元素的个数得到加权索引矩阵B;
(S3):构造协方差域的数据向量y及对应的阵列残差的协方差矩阵Σ;
所述步骤(S3)中构造协方差域的数据向量y及对应的阵列残差的协方差矩阵Σ的方法为:计算阵列协方差矩阵的估计值并计算去噪后的向量化阵列协方差矩阵的估计值,得到其中(·)H表示共轭转置,IM为有M个对角元的单位矩阵,为阵列噪声方差的估计值,通过取的M-K个最小特征值的均值得到;则协方差域的数据向量阵列残差的协方差矩阵其中表示Kronecker积;
所述步骤(S4)中由基于常规波束形成法的波达方向估计结果,对零化滤波器系数进行初估计的方法为:假设由常规波束形成法得到了K′个波达方向,设为再定义函数对该函数进行逆Z变换即得到零化滤波器系数h的初估计h(0);其中d为均匀线阵的阵元间距,λ为信号波长;
(S5):根据高斯牛顿算法迭代求解阵列残差ε和零化滤波器系数h;
所述步骤(S5)中迭代求解阵列残差ε和零化滤波器系数h的方法为:迭代之前需要进行初始化,阵列残差ε用零向量初始化,零化滤波器系数用步骤(S4)中的初估计h(0)初始化;迭代过程中ε与h的更新公式为:ε(i+1)=ε(i)+Δε,h(i+1)=h(i)+Δh,上标i表示迭代次数;其中Δh通过解方程组
得到,Δε通过
得到;其中,J1=-T(h(i)),J2=L(y)-L(ε(i)),T(·)与L(·)分别为两种Toeplitz算子;有
λ2为辅助标量;迭代需设置最大迭代次数,每迭代一次检查是否达到最大迭代次数或者h是否收敛,若满足其中一个条件则停止迭代,若都不满足则继续迭代;
(S6):根据迭代求解得到的零化滤波器系数h计算所有信号的波达方向;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910851813.4A CN110749855B (zh) | 2019-09-10 | 2019-09-10 | 一种基于协方差域零化的均匀线阵波达方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910851813.4A CN110749855B (zh) | 2019-09-10 | 2019-09-10 | 一种基于协方差域零化的均匀线阵波达方向估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110749855A CN110749855A (zh) | 2020-02-04 |
CN110749855B true CN110749855B (zh) | 2021-08-10 |
Family
ID=69276237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910851813.4A Active CN110749855B (zh) | 2019-09-10 | 2019-09-10 | 一种基于协方差域零化的均匀线阵波达方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110749855B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111884689B (zh) * | 2020-07-10 | 2021-10-22 | 中国科学技术大学 | 一种基于阶梯阵列的波达方向-距离自适应波束形成方法 |
CN112731275B (zh) * | 2020-12-28 | 2023-11-03 | 杭州电子科技大学 | 一种基于零化插值的互质阵部分极化信号参数估计方法 |
CN114815436B (zh) * | 2022-04-21 | 2023-05-19 | 电子科技大学 | 基于邻域采样主成分分析的光学相控阵阵元互耦补偿方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761725A (zh) * | 2016-02-03 | 2016-07-13 | 哈尔滨工业大学 | 一种基于时域稀疏性的fri信号重构方法 |
KR101653098B1 (ko) * | 2015-03-11 | 2016-09-01 | 한국과학기술원 | 패치기반 최소 랭크 블락 한켈 행렬을 이용한 영상 채우기 |
EP3510415A1 (en) * | 2016-09-09 | 2019-07-17 | Raytheon Company | Systems and methods for direction finding using augmented spatial sample covariance matrices |
-
2019
- 2019-09-10 CN CN201910851813.4A patent/CN110749855B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101653098B1 (ko) * | 2015-03-11 | 2016-09-01 | 한국과학기술원 | 패치기반 최소 랭크 블락 한켈 행렬을 이용한 영상 채우기 |
CN105761725A (zh) * | 2016-02-03 | 2016-07-13 | 哈尔滨工业大学 | 一种基于时域稀疏性的fri信号重构方法 |
EP3510415A1 (en) * | 2016-09-09 | 2019-07-17 | Raytheon Company | Systems and methods for direction finding using augmented spatial sample covariance matrices |
Non-Patent Citations (5)
Title |
---|
Faouzi Bellili,et al.DOA Estimation for ULA Systems from Short Data Snapshots: an Annihilating Filter Approach.《IEEE》.2011, * |
Low-complexity DOA estimation from short data snapshots for ULA systems using the annihilating filter technique;Faouzi Bellili,et al;《EURASIP Journal on Advances》;20171231;p1-16 * |
Wideband Direction-of-Arrival Estimation With Arbitrary Array via Coherent Annihilating;YUJIAN PAN,et al;《IEEE Access》;20190429;p51057-51068 * |
基于功率测量的单天线测向技术的研究;刘来金;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180315;全文 * |
基于稀疏重构和分布式信源的阵列信号角度估计方法研究;温超;《中国博士学位论文全文数据库 信息科技辑》;20190115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110749855A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107544052B (zh) | 一种基于矩阵补全的二阶统计量重构doa估计方法 | |
CN109444810B (zh) | 一种非负稀疏贝叶斯学习框架下的互质阵列非网格doa估计方法 | |
CN110749855B (zh) | 一种基于协方差域零化的均匀线阵波达方向估计方法 | |
CN108680891B (zh) | 非均匀噪声条件下考虑互耦效应的doa估计方法 | |
CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及系统 | |
CN111337893B (zh) | 一种基于实值稀疏贝叶斯学习的离格doa估计方法 | |
CN110045323B (zh) | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 | |
CN107544051A (zh) | 嵌套阵列基于k‑r子空间的波达方向估计方法 | |
CN112379327A (zh) | 一种基于秩损估计的二维doa估计与互耦校正方法 | |
CN113673317B (zh) | 基于原子范数最小化可降维的二维离格doa估计方法 | |
CN113219402B (zh) | 基于Modified-ALM算法的稀疏阵列DOA估计方法 | |
CN106788655B (zh) | 互耦条件下未知互耦信息的干扰相干稳健波束形成方法 | |
CN111308416B (zh) | 基于四阶累积量的近场非圆信源参数估计方法 | |
CN112485755B (zh) | 基于2q阶嵌套MIMO阵列结构的角度估计方法 | |
CN110749856B (zh) | 一种基于零化去噪技术的互质阵欠定测向方法 | |
CN112763972A (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 | |
CN107135026B (zh) | 未知互耦存在时基于矩阵重构的稳健波束形成方法 | |
CN115248413A (zh) | 一种适用于非均匀线阵的离格信号波达方向估计方法 | |
CN114648041A (zh) | 一种基于平行稀疏阵列的二维欠定doa估计算法 | |
CN112327244B (zh) | 一种基于l型阵列的二维非相干分布式目标参数估计方法 | |
CN114814830A (zh) | 一种基于鲁棒主成分分析降噪的米波雷达低仰角测高方法 | |
CN113381793A (zh) | 一种面向相干信源估计的无网格波达方向估计方法 | |
CN113406560A (zh) | 一种非相干分布宽带源的角度和频率参数估计方法 | |
CN112698263A (zh) | 一种基于正交传播算子的单基地互质mimo阵列doa估计算法 | |
Babu et al. | Adaptive estimation of eigensubspace and tracking the directions of arrival |
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 |