CN110749857B - 基于秩损法的均匀矩形阵列二维非圆信号doa估计方法 - Google Patents
基于秩损法的均匀矩形阵列二维非圆信号doa估计方法 Download PDFInfo
- Publication number
- CN110749857B CN110749857B CN201910861631.5A CN201910861631A CN110749857B CN 110749857 B CN110749857 B CN 110749857B CN 201910861631 A CN201910861631 A CN 201910861631A CN 110749857 B CN110749857 B CN 110749857B
- Authority
- CN
- China
- Prior art keywords
- rectangular array
- vector
- signal
- uniform
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000013598 vector Substances 0.000 claims abstract description 69
- 239000011159 matrix material Substances 0.000 claims abstract description 57
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000006073 displacement reaction Methods 0.000 claims abstract description 4
- 238000003491 array Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000010363 phase shift Effects 0.000 claims description 4
- 230000021615 conjugation Effects 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims description 2
- 230000000996 additive effect Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000001228 spectrum Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
-
- 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
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)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法,根据均匀矩形阵列接收到的入射信号数据及其共轭形成一个新的扩展数据矢量;基于新的扩展数据矢量,构建扩展协方差矩阵并对扩展协方差矩阵进行特征分解,得到相应的信号子空间和噪声子空间;再对含有两个角度参数的均匀矩形阵列进行位移处理转化为只含一个角度参数的虚拟长均匀线阵,虚拟长均匀线阵的导向矢量由入射信号中的一个角度参数完全表达,将二维参数解耦为两个一维参数来计算;根据秩损失原理构造出一个信源参数估计器来估计出一个角度,并根据估计出来的角度值再构造出一个信源参数估计器来估计另一个角度。本发明运算量更低,有着更高的参数估计精度,有效提高了DOA估计性能。
Description
技术领域
本发明涉及一种阵列信号处理方法。特别是涉及一种基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法。
背景技术
阵列信号处理在雷达、声呐、移动通信等诸多领域有着广泛应用和发展,空间谱估计是其中一个重要的研究课题。空间谱估计是对接受信号到达角度的估计,也叫波达方向(DOA)估计,近几十年发展迅速。在实际通信中,不能仅限于一维目标角度的获取,需要获得二维精确的角度估计值。在二维DOA估计中,二维均匀矩形阵列非常受欢迎,其结构简单,使用各种情况估计。与一维DOA估计相比,二维DOA估计需要估计信源的方位角和俯仰角,运算量会增大,计算复杂度也会随之增加。因此有人提出“降维”的思想,即将二维DOA联合求解问题划分为两个一维DOA估计问题,降低计算成本,并使得大部分的一维DOA估计算法得以用于解决二维DOA估计问题,但是会导致额外的角度配对运算,而且角度参数匹配不准确,将严重影响角度估计性能。通过考虑非圆信号的协方差矩阵和共轭协方差矩阵,来采用DOA估计也可以达到提高增益的目的。此外传统的二维DOA估计算法已具有较高的角度分辨率,但仍存在一些共有或者特有的弊端,因此研究高效的二维DOA估计技术势必关键。
发明内容
本发明所要解决的技术问题是,提供一种降低了运算量,有效提高了DOA估计性能的基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法。
本发明所采用的技术方案是:一种基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法,首先,根据均匀矩形阵列接收到的入射信号数据及接收到的数据共轭形成一个新的扩展数据矢量;基于所述的新的扩展数据矢量,构建扩展协方差矩阵并对扩展协方差矩阵进行特征分解,得到相应的信号子空间和噪声子空间;再对含有两个角度参数的均匀矩形阵列进行位移处理转化为只含一个角度参数的虚拟长均匀线阵,虚拟长均匀线阵的导向矢量由入射信号中的一个角度参数完全表达,从而将二维参数解耦为两个一维参数来计算;最后,根据秩损失原理构造出一个信源参数估计器来估计出其中一个角度,并根据估计出来的角度值再构造出一个信源参数估计器来估计另一个角度。具体包括如下步骤:
1)建立均匀矩形阵列信号模型,包括:接收数据矢量、扩展数据矢量、扩展协方差矩阵、扩展协方差矩阵的特征分解以及两个不同阵列间导向矢量的转换关系;
2)信源二维DOA估计,是根据秩损失原理构造出一个信源参数估计器来估计出其中一个角度,并根据估计出来的角度值再构造出一个信源参数估计器来估计另一个角度。
本发明的基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法,基于秩损失原理,在均匀矩形阵列情况下,充分利用均匀矩形阵列和均匀线阵两种不同阵列的接收阵列导向矢量间关系转化,通过计算新的导向矢量来估计参数,并利用信号的非圆特性,降低二维DOA估计的运算复杂度、提高DOA估计精度,从而,得到相关的待定参数包括信源的方位角和俯仰角。本发明在均匀阵列情况下所提出的算法与现有的算法相比较,运算量更低,有着更高的参数估计精度,有效提高了DOA估计性能。本发明的方法已通过仿真实验验证。
附图说明
图1是参数α的空间谱图;
图2是参数β的空间谱图。
具体实施方式
下面结合实施例和附图对本发明的基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法做出详细说明。
本发明的基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法,首先,根据均匀矩形阵列接收到的入射信号数据及接收到的数据共轭形成一个新的扩展数据矢量;基于所述的新的扩展数据矢量,构建扩展协方差矩阵并对扩展协方差矩阵进行特征分解,得到相应的信号子空间和噪声子空间;再对含有两个角度参数的均匀矩形阵列进行位移处理转化为只含一个角度参数的虚拟长均匀线阵,虚拟长均匀线阵的导向矢量由入射信号中的一个角度参数完全表达,从而将二维参数解耦为两个一维参数来计算;最后,根据秩损失原理构造出一个信源参数估计器来估计出其中一个角度,并根据估计出来的角度值再构造出一个信源参数估计器来估计另一个角度。
本发明所述的基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法,具体包括如下步骤:
1)建立均匀矩形阵列信号模型,包括:接收数据矢量、扩展数据矢量、扩展协方差矩阵、扩展协方差矩阵的特征分解以及两个不同阵列间导向矢量的转换关系。其中,
(1)所述的均匀矩形阵列是一个位于X-Y平面上的均匀矩形阵列,由N行平行均匀线阵组成,其中每个均匀线阵有M个阵元,相邻阵元间距设为d,为了保证无偏差估计,取d=λ/2,λ为波长;设定有K个远场区域的窄带非圆信号sk(t),k=1,2,…,K,第k个信号的到达角记为(θk,βk),(θk,βk)∈[0,π];在采样t时的N行平行均匀线阵的接收数据矢量xi(t),i=1,2,…,N,即为均匀矩形阵列的接收数据矢量x(t),表示为:
x(t)=As(t)+n(t) (1)
其中,其中,xi(t)=[xi1(t),…,xiM(t)]表示每行线阵的接收数据矢量;s(t)=[s1(t),…,sK(t)]表示信号矢量;/>表示加性高斯白噪声矩阵,ni(t)=[ni1(t),…,niM(t)]表示每行的高斯白噪声矢量,所述高斯白噪声矢量的均值都为零、方差为σ2;/>表示阵列的导向矩阵,a(θk,βk)是NM×1维的阵列导向矢量,A′1=[a′(θ1),…,a′(θK)]表示在Y轴上的第一行均匀线阵的导向矩阵,其中,/>;
对于ρ=1的最大非圆率的信号矢量s(t)表示为:
s(t)=ΦsR(t) (2)
因此式(1)改写为
x(t)=AΦsR(t)+n(t) (3)
其中,sR(t)为s(t)的实部, 分别为信号s1(t),s2(t),…,sK(t)的非圆相位。
(2)所述的扩展数据矢量,是利用信号的非圆特性将阵列的接收数据矢量x(t)与接收数据矢量x(t)的共轭x*(t)组成一个新的扩展数据矢量y(t):
(3)所述的扩展协方差矩阵为:
其中,RS表示信号矢量的实部sR(t)的自协方差矩阵,σ2表示方差,INM表示维度NM的单位阵;
定义均匀矩形阵列的扩展导向矩阵
其中,均匀矩形阵列的扩展导向矢量:
由此得到扩展协方差矩阵
R=BRSBH+σ2INM (11)。
(4)所述的扩展协方差矩阵的特征分解,是对R进行特征分解来划分子空间,即
其中,Λ=diag{[λ1,λ2,…,λ2NM]T}表示由2NM个特征值构成的对角阵,扩展协方差矩阵R的特征值满足关系λ1≥λ2…≥λK≥λK+1=…=λ2NM=σ2,对角阵ΛS由2NM个特征值中前K个大的特征值构成,US则为前K个大的特征值所对应的特征矢量构成的信号子空间,对角阵ΛN由剩余的2NM-K个特征值构成,UN则为剩余的2NM-K个特征值所对应的特征矢量构成的噪声子空间;
(5)所述的两个不同阵列间导向矢量的转换关系,是指均匀矩形阵列中导向矩阵A的导向矢量a(θk,βk)与由均匀矩形阵列转换后的虚拟长均匀线阵的导向矢量的转换关系,所述的虚拟长均匀线阵,是将N行平行均匀线阵视为位于Y轴上的沿着虚拟均匀线阵移位的子阵列,及将X-Y平面的其他均匀线阵依次移位到Y轴上,组成的一个包含NM个阵元的虚拟长均匀线阵;虚拟长均匀线阵的导向矢量表示为导向矩阵A中的导向矢量a(θk,βk)和/>间的关系表示为:
其中,T是一个NM×N维的选择矩阵,也表示为I是单位矩阵,/>表示Kronecker积;h(θk,βk)是由移位引起的N×1维相移矢量,根据移位关系,得到相移矢量表达式:
2)信源二维DOA估计,是根据秩损失原理构造出一个信源参数估计器来估计出其中一个角度,并根据估计出来的角度值再构造出一个信源参数估计器来估计另一个角度。具体包括:
根据子空间原理,均匀矩形阵列的扩展导向矢量b与噪声子空间UN满足正交性,有下式成立
其中,b为b(θ,β)的简写形式。
根据均匀矩形阵列的扩展导向矢量公式,基于秩损失原理与MUSIC算法,上式重新写为:
其中,h为h(θ,β)的简写形式。
定义一个只包含参数θ的2N×2N维矩阵其中
构造以下信源参数估计器估计参数θ
参数是实际参数值θ的估计值,由公式(17)通过搜索K个最大的峰值得到;将每个估计值/>带入公式(14)中,同样基于秩损失原理与MUSIC算法,构造参数β的信源参数估计器:
其中
考虑到实际接收数据矩阵是有限长的,即扩展协方差矩阵的最大似然估计为:
其中,L为快拍数,对的特征分解表示为:
其中,和/>分别是扩展协方差矩阵的最大似然估计/>的信号子空间和噪声子空间,对角阵/>和/>分别是扩展协方差矩阵的最大似然估计/>的信号子空间和噪声子空间的特征值。
本发明实施例考虑均匀矩形阵列,相邻阵元间距为半波长,采用1000的快拍数对协方差矩阵进行估计。假设N×M的UAL阵列,N=3,M=6,在高斯白噪声的条件下,有等功率的二个远场非圆信号到达该阵列,其角度参数分别是(65°,90°)和(50°,105°),非圆相位为(30°,60°)。在信噪比为20dB时,给出所提算法的参数θ和β归一化空间谱。结果如图1,图2所示。从图1可以看出,用代价函数f(θ)估计参数θ,能够精确的估计出参数θ两个角度。将估计值/>的值带入代价函数f(β)中估计参数β,从图2可以看出,该代价函数能够精确估计出参数β的两个角度。
Claims (5)
1.一种基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法,其特征在于,首先,根据均匀矩形阵列接收到的入射信号数据及接收到的数据共轭形成一个新的扩展数据矢量;基于所述的新的扩展数据矢量,构建扩展协方差矩阵并对扩展协方差矩阵进行特征分解,得到相应的信号子空间和噪声子空间;再对含有两个角度参数的均匀矩形阵列进行位移处理转化为只含一个角度参数的虚拟长均匀线阵,虚拟长均匀线阵的导向矢量由入射信号中的一个角度参数完全表达,从而将二维参数解耦为两个一维参数来计算;最后,根据秩损失原理构造出一个信源参数估计器来估计出其中一个角度,并根据估计出来的角度值再构造出一个信源参数估计器来估计另一个角度:包括如下步骤:
1)建立均匀矩形阵列信号模型,包括:接收数据矢量、扩展数据矢量、扩展协方差矩阵、扩展协方差矩阵的特征分解以及两个不同阵列间导向矢量的转换关系;其中:
所述的均匀矩形阵列是一个位于X-Y平面上的均匀矩形阵列,由N行平行均匀线阵组成,其中每个均匀线阵有M个阵元,相邻阵元间距设为d,为了保证无偏差估计,取d=λ/2,λ为波长;设定有K个远场区域的窄带非圆信号sk(t),k=1,2,…,K,第k个信号的到达角记为(θk,βk),(θk,βk)∈[0,π];在采样t时的N行平行均匀线阵的接收数据矢量xi(t),i=1,2,…,N,即为均匀矩形阵列的接收数据矢量x(t),表示为:
x(t)=As(t)+n(t) (1)
其中,其中,xi(t)=[xi1(t),…,xiM(t)]表示每行线阵的接收数据矢量;s(t)=[s1(t),…,sK(t)]表示信号矢量;/>表示加性高斯白噪声矩阵,ni(t)=[ni1(t),…,niM(t)]表示每行的高斯白噪声矢量,所述高斯白噪声矢量的均值都为零、方差为σ2;/>表示阵列的导向矩阵,a(θk,βk)是NM×1维的导向矢量,A′1=[a′(θ1),…,a′(θK)]表示在Y轴上的第一行均匀线阵的导向矩阵,其中,/>
对于ρ=1的最大非圆率的信号矢量s(t)表示为:
s(t)=ΦsR(t) (2)
式(1)改写为
x(t)=AΦsR(t)+n(t) (3)
其中,sR(t)为s(t)的实部, 分别为信号s1(t),s2(t),…,sK(t)的非圆相位;
所述的两个不同阵列间导向矢量的转换关系,是指均匀矩形阵列中导向矩阵A的导向矢量a(θk,βk)与由均匀矩形阵列转换后的虚拟长均匀线阵的导向矢量的转换关系,所述的虚拟长均匀线阵,是将N行平行均匀线阵视为位于Y轴上的沿着虚拟均匀线阵移位的子阵列,及将X-Y平面的其他均匀线阵依次移位到Y轴上,组成的一个包含NM个阵元的虚拟长均匀线阵;虚拟长均匀线阵的导向矢量表示为导向矩阵A中的导向矢量a(θk,βk)和/>间的关系表示为:
其中,T是一个NM×N维的选择矩阵,也表示为/>I是单位矩阵,/>表示Kronecker积;h(θk,βk)是由移位引起的N×1维相移矢量,根据移位关系,得到相移矢量表达式:
2)信源二维DOA估计,是根据秩损失原理构造出一个信源参数估计器来估计出其中一个角度,并根据估计出来的角度值再构造出一个信源参数估计器来估计另一个角度。
2.根据权利要求1所述的基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法,其特征在于,步骤1)中所述的扩展数据矢量,是利用信号的非圆特性将阵列的接收数据矢量x(t)与接收数据矢量x(t)的共轭x*(t)组成一个新的扩展数据矢量y(t):
3.根据权利要求1所述的基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法,其特征在于,步骤1)中所述的扩展协方差矩阵为:
其中,RS表示信号矢量的实部sR(t)的自协方差矩阵,σ2表示方差,INM表示维度NM的单位阵;
定义均匀矩形阵列的扩展导向矩阵
其中,均匀矩形阵列的扩展导向矢量:
由此得到扩展协方差矩阵
R=BRSBH+σ2INM (11)。
4.根据权利要求1所述的基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法,其特征在于,步骤1)中所述的扩展协方差矩阵的特征分解,是对R进行特征分解来划分子空间,即
其中,Λ=diag{[λ1,λ2,…,λ2NM]T}表示由2NM个特征值构成的对角阵,扩展协方差矩阵R的特征值满足关系λ1≥λ2…≥λK≥λK+1=…=λ2NM=σ2,对角阵ΛS由2NM个特征值中前K个大的特征值构成,US则为前K个大的特征值所对应的特征矢量构成的信号子空间,对角阵ΛN由剩余的2NM-K个特征值构成,UN则为剩余的2NM-K个特征值所对应的特征矢量构成的噪声子空间。
5.根据权利要求1所述的基于秩损法的均匀矩形阵列二维非圆信号DOA估计方法,其特征在于,步骤2)具体包括:
根据子空间原理,均匀矩形阵列的扩展导向矢量b与噪声子空间UN满足正交性,有下式成立
其中,b为b(θ,β)的简写形式;
根据均匀矩形阵列的扩展导向矢量公,基于秩损失原理与MUSIC算法,上式重新写为:
其中,h为h(θ,β)的简写形式;
定义一个只包含参数θ的2N×2N维矩阵其中
构造以下信源参数估计器估计参数θ
参数是实际参数值θ的估计值,由公式(17)通过搜索K个最大的峰值得到;将每个估计值/>带入公式(14)中,同样基于秩损失原理与MUSIC算法,构造参数β的信源参数估计器:
其中
考虑到实际接收数据矩阵是有限长的,即扩展协方差矩阵的最大似然估计为:
其中,L为快拍数,对的特征分解表示为:
其中,和/>分别是扩展协方差矩阵的最大似然估计/>的信号子空间和噪声子空间,对角阵/>和/>分别是扩展协方差矩阵的最大似然估计/>的信号子空间和噪声子空间的特征值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910861631.5A CN110749857B (zh) | 2019-09-12 | 2019-09-12 | 基于秩损法的均匀矩形阵列二维非圆信号doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910861631.5A CN110749857B (zh) | 2019-09-12 | 2019-09-12 | 基于秩损法的均匀矩形阵列二维非圆信号doa估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110749857A CN110749857A (zh) | 2020-02-04 |
CN110749857B true CN110749857B (zh) | 2024-03-08 |
Family
ID=69276437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910861631.5A Active CN110749857B (zh) | 2019-09-12 | 2019-09-12 | 基于秩损法的均匀矩形阵列二维非圆信号doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110749857B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111273219B (zh) * | 2020-02-17 | 2023-04-21 | 华南理工大学 | 一种基于圆与非圆混合信号的一维水下波达方向估计方法 |
CN111580039A (zh) * | 2020-03-29 | 2020-08-25 | 重庆邮电大学 | 基于非圆信号的单基地展开互质阵列mimo雷达doa估计方法 |
CN112379327A (zh) * | 2020-12-01 | 2021-02-19 | 北京工业大学 | 一种基于秩损估计的二维doa估计与互耦校正方法 |
CN113238184B (zh) * | 2021-05-17 | 2023-10-13 | 宁波大学 | 一种基于非圆信号的二维doa估计方法 |
CN114167346B (zh) * | 2021-11-22 | 2022-07-19 | 哈尔滨工程大学 | 基于协方差矩阵拟合阵元扩展的doa估计方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004076344A2 (en) * | 2003-02-25 | 2004-09-10 | Yeda Research And Development Company Ltd. | Nanoscopic structure and devices using the same |
CN104749554A (zh) * | 2015-03-20 | 2015-07-01 | 江苏大学 | 一种基于递归秩损的幅相误差校准和波达方向估计方法 |
CN106772224A (zh) * | 2016-12-28 | 2017-05-31 | 武汉大学 | 一种采用时频分析的l型阵列二维波达方向估计算法 |
CN107167763A (zh) * | 2017-04-21 | 2017-09-15 | 天津大学 | 基于非圆特性的远近场混合信号波达方向估计方法 |
CN107656240A (zh) * | 2017-07-27 | 2018-02-02 | 宁波大学 | 一种基于信号非圆特性的分步秩损远近场参数估计算法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI281988B (en) * | 2005-12-16 | 2007-06-01 | Chung Shan Inst Of Science | Module and method for estimating signal direction of arrival |
US10180968B2 (en) * | 2015-07-23 | 2019-01-15 | Netflix, Inc. | Gaussian ranking using matrix factorization |
-
2019
- 2019-09-12 CN CN201910861631.5A patent/CN110749857B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004076344A2 (en) * | 2003-02-25 | 2004-09-10 | Yeda Research And Development Company Ltd. | Nanoscopic structure and devices using the same |
CN104749554A (zh) * | 2015-03-20 | 2015-07-01 | 江苏大学 | 一种基于递归秩损的幅相误差校准和波达方向估计方法 |
CN106772224A (zh) * | 2016-12-28 | 2017-05-31 | 武汉大学 | 一种采用时频分析的l型阵列二维波达方向估计算法 |
CN107167763A (zh) * | 2017-04-21 | 2017-09-15 | 天津大学 | 基于非圆特性的远近场混合信号波达方向估计方法 |
CN107656240A (zh) * | 2017-07-27 | 2018-02-02 | 宁波大学 | 一种基于信号非圆特性的分步秩损远近场参数估计算法 |
Non-Patent Citations (2)
Title |
---|
J.L. Bala ; .Sensivity-based optimal capacitor placement on a radial distribution feeder.《IEEE Technical Applications Conference and Workshops.》.1995,第225-230页. * |
刘松 等,.一种高效稳健的均匀圆阵互耦校正方法.《电子学报》.2017,第第45卷卷(第第45卷期),第2170-2176页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110749857A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110749857B (zh) | 基于秩损法的均匀矩形阵列二维非圆信号doa估计方法 | |
CN106980106B (zh) | 阵元互耦下的稀疏doa估计方法 | |
CN110031794B (zh) | 一种基于差分共性阵重构的相干信源doa估计方法 | |
CN107450047B (zh) | 嵌套阵下基于未知互耦信息的压缩感知doa估计方法 | |
CN104991236B (zh) | 一种单基地mimo雷达非圆信号相干源波达方向估计方法 | |
CN111049556B (zh) | 一种基于干扰协方差矩阵重构的互素阵稳健自适应波束形成方法 | |
CN111352063B (zh) | 一种均匀面阵中基于多项式求根的二维测向估计方法 | |
CN111239678A (zh) | 一种基于l型阵列的二维doa估计方法 | |
CN109946643B (zh) | 基于music求解的非圆信号波达方向角估计方法 | |
CN106526531A (zh) | 基于三维天线阵列的改进传播算子二维doa估计算法 | |
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 | |
CN110954859A (zh) | 基于l型阵列的二维非相干分布式非圆信号参数估计方法 | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN112269172A (zh) | 一种基于张量结构的嵌套mimo雷达角度估计方法和装置 | |
CN111366893A (zh) | 一种均匀圆阵未知互耦条件下的非圆信号方位角估计方法 | |
CN113075610B (zh) | 一种基于互质极化阵列的差分阵列内插的doa估计方法 | |
CN114779236A (zh) | 一种基于空间平滑music改进的米波雷达低仰角测高方法 | |
CN110824416B (zh) | 基于秩损原理的一维非相干分布式非圆信号参数估计方法 | |
CN116299150B (zh) | 一种均匀面阵中降维传播算子的二维doa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 | |
CN111239679A (zh) | 一种用于互质面阵下相干信源doa估计的方法 | |
CN106877918B (zh) | 互耦条件下稳健自适应波束形成方法 | |
CN115421098A (zh) | 嵌套面阵下降维求根music的二维doa估计方法 | |
CN113253195B (zh) | 一种阵元互耦与方向相关情景下的自校正mimo系统测向方法 | |
CN114696876B (zh) | 一种针对MIMO Saleh-Valenzuela信道的收发角度联合估计方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231116 Address after: 518000 1002, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province Applicant after: Shenzhen Wanzhida Technology Co.,Ltd. Address before: 315211 Ningbo University, Jiangbei District, Ningbo City, Zhejiang Province Applicant before: Ningbo University |
|
GR01 | Patent grant | ||
GR01 | Patent grant |