CN110927660B - 一种基于互质阵列的混合信号波达方向估计方法 - Google Patents
一种基于互质阵列的混合信号波达方向估计方法 Download PDFInfo
- Publication number
- CN110927660B CN110927660B CN201911146461.9A CN201911146461A CN110927660B CN 110927660 B CN110927660 B CN 110927660B CN 201911146461 A CN201911146461 A CN 201911146461A CN 110927660 B CN110927660 B CN 110927660B
- Authority
- CN
- China
- Prior art keywords
- signal
- array
- matrix
- cyclic
- estimating
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开的一种基于互质阵列的混合信号波达方向估计方法,包括以下步骤:搜集接收端天线互质阵列的阵元分布信息,以及大致估计信号源的数目;利用发射信号的循环性与非循环性特征对接收信号进行扩维并计算扩维信号的自相关矩阵,然后将自相关矩阵重构成一个矢量;并利用做空间平滑后所得的协方差矩阵估计信号波达方向;取出估计性能最好的若干个估计方向,并估算对应的信号功率;计算原始接收信号的自相关矩阵,将自相关矩阵重构成一个向量后再从中删除与非循环信号对应的分量,通过空间平滑操作并在所得的协方差矩阵上使用MUSIC算法,估计出循环信号的波达方向。本发明能够进一步增强阵列性能,以更少数目的阵元分辨更多信号源。
Description
技术领域
本发明涉及信号处理领域,特别涉及一种基于互质阵列的混合信号波达方向估计方法。
背景技术
阵列信号处理技术被广泛应用于国防与人们生活的方方面面。波达方向(DOA)估计是阵列信号处理领域中的一个重要的问题,在雷达、声纳、无线通信、智能天线和无源定位等方面中,有较多的应用。传统的波达方向估计方法只能求解目标数少于阵元数的情况,因此如何用少量的阵元检测更多的目标成为一个新的挑战。
近几年,一种新型几何结构的线列阵——互质阵的提出,可达到估计的DOA数目远超过阵元数目。由于互质阵阵元的位置分布特殊,在经过数学运算处理后,可以形成孔径更大的虚拟阵,估计出的目标数目已经远大于同等数目物理阵元的均匀线列阵。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于互质阵列的混合信号波达方向估计方法,该方法能够进一步增强阵列性能,以更少数目的阵元分辨更多信号源。
本发明的目的通过以下的技术方案实现:
一种基于互质阵列的混合信号波达方向估计方法,包括以下步骤:
系统服务器需要搜集接收端天线互质阵列的阵元分布信息,以及大致估计信号源的数目;
系统服务器利用发射信号的循环性与非循环性特征对接收信号进行扩维并计算扩维信号的自相关矩阵,然后将自相关矩阵重构成一个矢量;并对做空间平滑后所得的协方差矩阵使用多重信号分类(MUSIC)算法估计信号波达方向;取出估计性能最好的若干个估计方向,并估算对应的信号功率;
计算原始接收信号的自相关矩阵,将自相关矩阵重构成一个向量后再从中删除与非循环信号对应的分量,通过空间平滑操作并在所得的协方差矩阵上使用MUSIC算法,估计出循环信号的波达方向。
所述互质阵列的阵元分布信息,是指接收端天线阵列的空间分布信息。
所述信号源数目,是指接收信号中循环信号、非循环信号各自的数目。
所述利用发射信号的循环性与非循环性特征对接收信号进行扩维,具体为:在信号处理过程中,利用接收信号本身及其共轭所携带的信息。
所述将自相关矩阵重构成一个矢量,具体为:根据互质阵列的空间分布信息,将自相关矩阵中所有元素映射到虚拟差分阵列各个阵元的接收信号,对差分阵列的阵元差值进行排序,对取同一个差值的重复项合并为一项(比如取均值,但不局限与此),取连续长度最大的虚拟差值序列对应的自相关矩阵元素作为虚拟差分阵列的接收信号。
所述估算对应的信号功率,具体为:对空间平滑后所得的协方差矩阵进行特征分解,利用信号子空间对应的特征值及特征向量,与估计角度进行相关运算,得到对应估计角度的信号功率。
所述删除与非循环信号对应的分量,具体为:在重构后的虚拟连续差分阵列的接收数据中,删除与非循环信号对应的分量,即信号功率与导向矢量的乘积。
一种基于互质阵列的混合信号波达方向估计方法,包括以下步骤:
S101、搜集接收端天线互质阵列的阵元分布信息和大致估计信号的源数目k,其中非循环信号源的数目为k1,循环信号源的数目为k2;
S102、对互质阵列中的天线接收到的混合信号进行抽样,获得接收信号;其中,发射信号中的非循环信号记为s1,对应的方向矩阵记为A1,发射信号中的循环信号记为s2,对应的方向矩阵记为A2,同时用n表示本次信号传输的噪声,接收信号为x=A1s1+A2s2+n;
S105、将自相关矩阵重构成矢量,即根据互质阵列的空间分布信息,将自相关矩阵中所有元素映射到虚拟差分阵列各个阵元的接收信号,对差分阵列的阵元差值进行排序,对取同一个差值的重复项合并为一项(比如取均值,但不局限与此),取连续长度最大的虚拟差值序列对应的自相关矩阵元素作为虚拟差分阵列的接收信号z1;
S106、对z1进行空间平滑,得到协方差矩阵R1;
S108、计算S102中的接收信号x的自相关矩阵Rxx;
S110、估算非循环信号的功率,对S106中的R1进行特征分解,得到m个特征值γk,其中k1+2k2个大特征值,组成对角阵并记为其对应的信号子空间记为Vs,及m-(k1+2k2)个小特征值,组成对角阵并记为其对应的噪声子空间记为Vn;信号k的功率系数估计为其中方向矢量由S106空间平滑时的第一个子阵决定;
本发明与现有技术相比,具有如下优点和有益效果:
本发明将混合信号的DOA估计划分为两种信号的区别分步检测,目标终端对接收信号的扩维过程相当于增加了接收天线的数目,大大提高了对噪声的抑制。另外,仿真结果表明,采用本发明方法的DOA估计方法以相同的阵元数目检测出更高的DOA数目,并且降低了估计误差,DOA角度估计准确率更高。
本发明可应用于同时存在非循环信号与循环信号的混合信号环境中。本发明利用混合信号的循环性和非循环性,将接收信号与其共轭信号组合重构新的信号模型。相比传统的互质阵列处理方法,本发明最多可以将可用的虚拟维度扩增至原来的两倍。本发明先估计出非循环信号的波达方向,再利用信号功率估计技术估计出非循环信号的功率,并从重构的接收信号中删除若干个与非循环信号对应的分量,再根据剩余的信号分量对循环信号的波达方向进行估计。本发明与传统互质阵列方法相比,提高自由度、增加识别信源数目的同时,提高了波达方向估计的准确度。
附图说明
图1为本发明所述一种基于互质阵列的混合信号波达方向估计方法的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1,一种基于互质阵列的混合信号波达方向估计方法,包括以下步骤:
系统服务器需要预先搜集接收端天线互质阵列的阵元分布信息和大致估计信号的源数目;
系统服务器需要对接收信号进行扩维,同时利用接收信号本身及其共轭所携带的信息;
系统服务器需要将扩维信号的自相关矩阵重构成一个矢量,进行空间平滑处理;
系统服务器需要对空间平滑后所得的协方差矩阵进行特征分解,利用其特征值估计非循环信号的功率值;
系统服务器需要将原始接收信号自相关矩阵重构成一个矢量,并去除估计的非循环信号信息,再进行空间平滑处理;
系统服务器需要在空间平滑所得的协方差矩阵上使用MUSIC算法,估计混合信号的DOA。
一种基于互质阵列的混合信号波达方向估计方法,包括以下步骤:
系统服务器需要搜集接收端天线互质阵列的阵元分布信息,以及大致估计信号源的数目;
系统服务器利用发射信号的循环性与非循环性特征对接收信号进行扩维并计算扩维信号的自相关矩阵,然后将自相关矩阵重构成一个矢量;并对做空间平滑后所得的协方差矩阵使用多重信号分类(MUSIC)算法估计信号波达方向;取出估计性能最好的若干个估计方向,并估算对应的信号功率;
计算原始接收信号的自相关矩阵,将自相关矩阵重构成一个向量后再从中删除与非循环信号对应的分量,通过空间平滑操作并在所得的协方差矩阵上使用MUSIC算法,估计出循环信号的波达方向。
所述互质阵列的阵元分布信息,是指接收端天线阵列的空间分布信息。
所述信号源数目,是指接收信号中循环信号、非循环信号各自的数目。
所述利用发射信号的循环性与非循环性特征对接收信号进行扩维,具体为:在信号处理过程中,利用接收信号本身及其共轭所携带的信息。
所述将自相关矩阵重构成一个矢量,具体为:根据互质阵列的空间分布信息,将自相关矩阵中所有元素映射到虚拟差分阵列各个阵元的接收信号,对差分阵列的阵元差值进行排序,对取同一个差值的重复项合并为一项(比如取均值,但不局限与此),取连续长度最大的虚拟差值序列对应的自相关矩阵元素作为虚拟差分阵列的接收信号。
所述估算对应的信号功率,具体为:对空间平滑后所得的协方差矩阵进行特征分解,利用信号子空间对应的特征值及特征向量,与估计角度进行相关运算,得到对应估计角度的信号功率。
所述删除与非循环信号对应的分量,具体为:在重构后的虚拟连续差分阵列的接收数据中,删除与非循环信号对应的分量,即信号功率与导向矢量的乘积。
一种基于互质阵列的混合信号波达方向估计方法,包括以下步骤:
S101、搜集接收端天线互质阵列的阵元分布信息和大致估计信号的源数目k,其中非循环信号源的数目为k1,循环信号源的数目为k2;
S102、对互质阵列中的天线接收到的混合信号进行抽样,获得接收信号;其中,发射信号中的非循环信号记为s1,对应的方向矩阵记为A1,发射信号中的循环信号记为s2,对应的方向矩阵记为A2,同时用n表示本次信号传输的噪声,接收信号为x=A1s1+A2s2+n;
S105、将自相关矩阵重构成矢量,即根据互质阵列的空间分布信息,将自相关矩阵中所有元素映射到虚拟差分阵列各个阵元的接收信号,对差分阵列的阵元差值进行排序,对取同一个差值的重复项合并为一项(比如取均值,但不局限与此),取连续长度最大的虚拟差值序列对应的自相关矩阵元素作为虚拟差分阵列的接收信号z1;
S106、对z1进行空间平滑,得到协方差矩阵R1;
S108、计算S102中的接收信号x的自相关矩阵Rxx;
S110、估算非循环信号的功率,对S106中的R1进行特征分解,得到m个特征值γk,其中k1+2k2个大特征值,组成对角阵并记为其对应的信号子空间记为Vs,及m-(k1+2k2)个小特征值,组成对角阵并记为其对应的噪声子空间记为Vn;信号k的功率系数估计为其中方向矢量由S106空间平滑时的第一个子阵决定;
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种基于互质阵列的混合信号波达方向估计方法,其特征在于,包括以下步骤:
系统服务器需要搜集接收端天线互质阵列的阵元分布信息,以及大致估计信号源的数目;
系统服务器利用发射信号的循环性与非循环性特征对接收信号进行扩维并计算扩维信号的自相关矩阵,然后将自相关矩阵重构成一个矢量;并对做空间平滑后所得的协方差矩阵使用MUSIC算法估计信号波达方向;取出估计性能最好的若干个估计方向,并估算对应的信号功率;
计算原始接收信号的自相关矩阵,将自相关矩阵重构成一个向量后再从中删除与非循环信号对应的分量,通过空间平滑操作并在所得的协方差矩阵上使用MUSIC算法,估计出循环信号的波达方向;
具体包括以下步骤:
S101、搜集接收端天线互质阵列的阵元分布信息和大致估计信号的源数目k,其中非循环信号源的数目为k1,循环信号源的数目为k2;
S102、对互质阵列中的天线接收到的混合信号进行抽样,获得接收信号;其中,发射信号中的非循环信号记为s1,对应的方向矩阵记为A1,发射信号中的循环信号记为s2,对应的方向矩阵记为A2,同时用n表示本次信号传输的噪声,接收信号为x=A1s1+A2s2+n;
S103、对S102中得到的接收信号模型x进行扩维,取共轭,重构新的信号模型即:
S104、计算的自相关矩阵
S105、将自相关矩阵重构成矢量,即根据互质阵列的空间分布信息,将自相关矩阵中所有元素映射到虚拟差分阵列各个阵元的接收信号,对差分阵列的阵元差值进行排序,对取同一个差值的重复项合并为一项,取连续长度最大的虚拟差值序列对应的自相关矩阵元素作为虚拟差分阵列的接收信号z1;
S106、对z1进行空间平滑,得到协方差矩阵R1;
S107、对R1使用MUSIC算法进行空间谱计算,估算非循环信号的DOA记为
S108、计算S102中的接收信号x的自相关矩阵Rxx;
S109、将自相关矩阵Rxx重构成矢量,同S105,得到虚拟差分阵列的接收信号z2,及其对应信号的方向矢量
S110、估算非循环信号的功率,对S106中的R1进行特征分解,得到m个特征值γk,其中k1+2k2个大特征值,组成对角阵并记为其对应的信号子空间记为Vs,及m-(k1+2k2)个小特征值,组成对角阵并记为其对应的噪声子空间记为Vn;信号k的功率系数估计为其中方向矢量由S106空间平滑时的第一个子阵决定;
S111、删除非循环信号信息,对z′2进行空间平滑,得到协方差矩阵R2;
S112、对R2使用MUSIC算法进行空间谱计算,估算循环信号的DOA记为
2.根据权利要求1所述基于互质阵列的混合信号波达方向估计方法,其特征在于,所述互质阵列的阵元分布信息,是指接收端天线阵列的空间分布信息。
3.根据权利要求1所述基于互质阵列的混合信号波达方向估计方法,其特征在于,所述信号源数目,是指接收信号中循环信号、非循环信号各自的数目。
4.根据权利要求1所述基于互质阵列的混合信号波达方向估计方法,其特征在于,所述利用发射信号的循环性与非循环性特征对接收信号进行扩维,具体为:在信号处理过程中,利用接收信号本身及其共轭所携带的信息。
5.根据权利要求1所述基于互质阵列的混合信号波达方向估计方法,其特征在于,所述将自相关矩阵重构成一个矢量,具体为:根据互质阵列的空间分布信息,将自相关矩阵中所有元素映射到虚拟差分阵列各个阵元的接收信号,对差分阵列的阵元差值进行排序,对取同一个差值的重复项合并为一项,取连续长度最大的虚拟差值序列对应的自相关矩阵元素作为虚拟差分阵列的接收信号。
6.根据权利要求1所述基于互质阵列的混合信号波达方向估计方法,其特征在于,所述估算对应的信号功率,具体为:对空间平滑后所得的协方差矩阵进行特征分解,利用信号子空间对应的特征值及特征向量,与估计角度进行相关运算,得到对应估计角度的信号功率。
7.根据权利要求1所述基于互质阵列的混合信号波达方向估计方法,其特征在于,所述删除与非循环信号对应的分量,具体为:在重构后的虚拟连续差分阵列的接收数据中,删除与非循环信号对应的分量,即信号功率与导向矢量的乘积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911146461.9A CN110927660B (zh) | 2019-11-21 | 2019-11-21 | 一种基于互质阵列的混合信号波达方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911146461.9A CN110927660B (zh) | 2019-11-21 | 2019-11-21 | 一种基于互质阵列的混合信号波达方向估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110927660A CN110927660A (zh) | 2020-03-27 |
CN110927660B true CN110927660B (zh) | 2023-04-21 |
Family
ID=69851466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911146461.9A Active CN110927660B (zh) | 2019-11-21 | 2019-11-21 | 一种基于互质阵列的混合信号波达方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110927660B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112363107B (zh) * | 2020-09-21 | 2023-08-22 | 华南理工大学 | 基于互质阵列的混合信号波达方向估计方法 |
CN112285642B (zh) * | 2020-09-22 | 2023-09-29 | 华南理工大学 | 一种无重叠优化互质阵列的信号波达方向估计方法 |
CN112162240A (zh) * | 2020-09-25 | 2021-01-01 | 五邑大学 | 基于互质阵列的稀疏频率波形产生方法、装置及存储介质 |
CN112526446B (zh) * | 2020-11-27 | 2022-08-09 | 石家庄铁道大学 | 用于评价电磁干扰源doa估计算法分辨率的方法 |
CN117388835B (zh) * | 2023-12-13 | 2024-03-08 | 湖南赛能环测科技有限公司 | 一种多拼融合的声雷达信号增强方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11166965A (ja) * | 1997-12-03 | 1999-06-22 | Mitsubishi Electric Corp | 測角信号処理装置およびこの測角信号処理装置における測角信号処理方法 |
CN104749552A (zh) * | 2015-03-21 | 2015-07-01 | 西安电子科技大学 | 基于稀疏重构的互质阵列波达方向角估计方法 |
CN106324558A (zh) * | 2016-08-30 | 2017-01-11 | 东北大学秦皇岛分校 | 基于互质阵列的宽带信号doa估计方法 |
CN107329108A (zh) * | 2017-05-03 | 2017-11-07 | 浙江大学 | 基于内插虚拟阵列协方差矩阵Toeplitz化重建的互质阵列波达方向估计方法 |
CN109932680A (zh) * | 2019-04-04 | 2019-06-25 | 哈尔滨工程大学 | 一种基于平移互质阵列的非圆信号波达方向估计方法 |
-
2019
- 2019-11-21 CN CN201911146461.9A patent/CN110927660B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11166965A (ja) * | 1997-12-03 | 1999-06-22 | Mitsubishi Electric Corp | 測角信号処理装置およびこの測角信号処理装置における測角信号処理方法 |
CN104749552A (zh) * | 2015-03-21 | 2015-07-01 | 西安电子科技大学 | 基于稀疏重构的互质阵列波达方向角估计方法 |
CN106324558A (zh) * | 2016-08-30 | 2017-01-11 | 东北大学秦皇岛分校 | 基于互质阵列的宽带信号doa估计方法 |
CN107329108A (zh) * | 2017-05-03 | 2017-11-07 | 浙江大学 | 基于内插虚拟阵列协方差矩阵Toeplitz化重建的互质阵列波达方向估计方法 |
CN109932680A (zh) * | 2019-04-04 | 2019-06-25 | 哈尔滨工程大学 | 一种基于平移互质阵列的非圆信号波达方向估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110927660A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110927660B (zh) | 一种基于互质阵列的混合信号波达方向估计方法 | |
CN109932680B (zh) | 一种基于平移互质阵列的非圆信号波达方向估计方法 | |
Zheng et al. | DOA estimation for coprime linear arrays: An ambiguity-free method involving full DOFs | |
CN109738861B (zh) | 一种基于Wi-Fi信道状态信息的三维联合估计方法 | |
CN107167763B (zh) | 基于非圆特性的远近场混合信号波达方向估计方法 | |
CN107450047B (zh) | 嵌套阵下基于未知互耦信息的压缩感知doa估计方法 | |
CN110007266B (zh) | 一种冲击噪声下的任意阵列相干源测向方法 | |
CN106021637B (zh) | 互质阵列中基于迭代稀疏重构的doa估计方法 | |
CN107561507B (zh) | 一种外辐射源雷达的杂波对消方法 | |
Zhang et al. | Estimation of two-dimensional direction-of-arrival for uncorrelated and coherent signals with low complexity | |
Gu et al. | Compressed sensing for DOA estimation with fewer receivers than sensors | |
CN109917329B (zh) | 一种基于协方差匹配准则的l型阵列波达方向估计方法 | |
Zheng et al. | Two-dimensional DOA estimation for coprime planar array: A coarray tensor-based solution | |
CN109917328B (zh) | 一种基于原子范数最小化的l型阵列波达方向估计方法 | |
CN111965596A (zh) | 一种基于联合参数估计的低复杂度单锚节点定位方法及装置 | |
Liao et al. | Resolution Improvement for MUSIC and ROOT MUSIC Algorithms. | |
Qi et al. | Time-frequency DOA estimation of chirp signals based on multi-subarray | |
Gao et al. | An improved music algorithm for DOA estimation of coherent signals | |
CN109270483B (zh) | 三维阵虚拟扩展相干源二维波达方向估计方法 | |
CN109521393A (zh) | 一种基于信号子空间旋转特性的波达方向估计算法 | |
CN112363107B (zh) | 基于互质阵列的混合信号波达方向估计方法 | |
CN112285642B (zh) | 一种无重叠优化互质阵列的信号波达方向估计方法 | |
CN113391266B (zh) | 基于非圆多嵌套阵降维子空间数据融合的直接定位方法 | |
CN113238184B (zh) | 一种基于非圆信号的二维doa估计方法 | |
Yin et al. | Resolution enhanced Newtonized orthogonal matching pursuit solver for compressive beamforming |
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 |