CN111239678A - 一种基于l型阵列的二维doa估计方法 - Google Patents
一种基于l型阵列的二维doa估计方法 Download PDFInfo
- Publication number
- CN111239678A CN111239678A CN202010149829.3A CN202010149829A CN111239678A CN 111239678 A CN111239678 A CN 111239678A CN 202010149829 A CN202010149829 A CN 202010149829A CN 111239678 A CN111239678 A CN 111239678A
- Authority
- CN
- China
- Prior art keywords
- array
- vector
- virtual
- matrix
- signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000013598 vector Substances 0.000 claims abstract description 67
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000001228 spectrum Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 4
- 238000003491 array Methods 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 4
- 208000001992 Autosomal Dominant Optic Atrophy Diseases 0.000 description 2
- 206010011906 Death Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
-
- 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)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
技术领域
本发明涉及阵列信号角度估计技术领域,具体为一种基于L型阵列的二维DOA估计方法。
背景技术
波达方向(DOA)估计是阵列信号处理领域的重要研究内容,在雷达、无线通信、声纳等领域都有广泛的应用。传统的子空间类方法以多重信号分类(MUSIC)算法为代表,从线性空间的概念入手,实现了超高分辨率的DOA估计,具有优良的算法稳定性。但面对地面雷达、非合作通信等实际应用场景中经常出现的信源数大于阵列阵元数目的情况,传统的子空间类方法由于需要提取噪声子空间或信号子空间,且信号子空间维数必须小于接收信号协方差矩阵的维数,故无法解决此类欠定问题和估计信号DOA。为了能有效估计更多信源的DOA和提高估计精度,通常需要增加实际阵列的阵元个数以扩大接收信号协方差矩阵的维数和阵列孔径;但阵元数目的增加势必带来工程应用中设备复杂度和成本的增加。为了解决有限阵元数目下的欠定问题,有学者提出了互质阵的概念,但互质阵阵元间距为信源半波长数倍的特性导致DOA估计中出现角度模糊的问题,且互质阵阵列结构较为复杂。
考虑到L型阵列结构简单、具有高估计精度和易于工程实现的优点,本发明设计了一种基于L型阵列的二维DOA估计方法,以解决上述提到的问题。
发明内容
本发明的目的在于提供一种基于L型阵列的二维DOA估计方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于L型阵列的二维DOA估计方法,包括以下步骤:
步骤1:建立阵列接收的时域模型;
步骤2:将实际的导向矢量分解,并利用哈达玛积对分解后的矢量进行处理;将利用哈达玛积处理后的矢量的后Q个元素置于实际导向矢量的尾部,构建虚拟导向矢量;
步骤4:构建空间谱函数,根据谱峰搜索估计入射信号的DOA。
优选的,所述步骤1的具体方法如下:
假设K个不相关的远场窄带信号S1(t),S2(t),…SK(t)分别以俯仰角θk(k=1,2,…,K)和方位角φk(k=1,2,…,K)同时入射到一个L型接收天线阵列上,信号的波长为λ,该L型阵列天线由两个各包含M根天线的均匀线阵组成,天线间距为d=λ2,令阵列中的天线均为全向天线,天线增益均为单位增益,则入射信号在x轴和y轴上的表达式分别为:
X(t)=AxS(t)+Nx(t),Y(t)=AyS(t)+Ny(t),
其中,信源矩阵S(t)=[S1(t),S2(t),…SK(t)]T,Nx(t)和Ny(t)均为N维噪声矩阵,Ax=[ax,1,ax,2,…,ax,K]和Ay=[ay,1,ay,2,…,ay,K]分别为x轴和y轴上的方向矩阵,且
L型全阵列接收信号矩阵Z(t)的表达式可以表示为:
优选的,所述步骤2的具体方法如下:
步骤2.1:将x轴和y轴上的导向矢量ax,k和ay,k(k=1,2,…,K)分别分解成两个矢量,即
其中,符号“⊙”表示哈达玛乘积运算,同理可得,
步骤2.3:当阵元数M为偶数时,取Q=(M-2)/2;当阵元数M为奇数时,取Q=(M-1)/2,依次从矢量和矢量中分别取出后Q个元素,并将其分别置于导向矢量ax,k和ay,k尾部,组成新的虚拟导向矢量和此时,虚拟导向矢量和均为M+Q维矢量。
优选的,所述步骤3的具体方法如下:
根据虚拟导向矢量构建的接收信号可以表示为:
优选的,所述步骤4的具体方法如下:
根据所提方法估计出的信号空间谱函数为
与现有技术相比,本发明的有益效果是:
1、通过构建虚拟导向矢量可得到Q个虚拟阵元,使得L型接收阵列中每个均匀线阵的阵元数目增长至M+Q,故可准确估计出信源数目大于阵元数目情况下非相关来波信号的DOA,有效解决实际中有限阵元数目下的欠定问题;
2、构建虚拟导向矢量带来的虚拟阵元扩大了阵列孔径,在接收阵元数目有限的情况下,降低了实际应用中设备的复杂度和硬件成本;
3、提高了DOA角度估计的精度,并能更加精确地区分来波方向相近的不同方向上非相干信号的DOA。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的L型天线阵列的结构示意图;
图2为本发明的信号DOA估计方法示意图;
图3为本发明为欠定情况下所提方法估计信号DOA的效果图;
图4为本发明为欠定情况下信号DOA估计值和真实值的对比图;
图5为本发明不同信源数目下MUSIC算法和所提方法估计出的DOA数目对比图;
图6为本发明非相关信号下俯仰角角度的估计性能随信噪比的变化曲线;
图7为本发明为非相关信号下方位角角度的估计性能随信噪比的变化曲线。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
参阅图1-2:本发明提供一种技术方案:一种基于L型阵列的二维DOA估计方法,包括以下步骤:
步骤1:建立阵列接收的时域模型;
假设K个不相关的远场窄带信号S1(t),S2(t),…SK(t)分别以俯仰角θk(k=1,2,…,K)和方位角φk(k=1,2,…,K)同时入射到一个L型接收天线阵列上,信号的波长为λ,该L型阵列天线由两个各包含M根天线的均匀线阵组成,天线间距为d=λ/2,L型阵列天线的结构见附图说明中图1所示。令阵列中的天线均为全向天线,天线增益均为单位增益,则入射信号在x轴和y轴上的表达式分别为:
X(t)=AxS(t)+Nx(t),Y(t)=AyS(t)+Ny(t),
其中,信源矩阵S(t)=[S1(t),S2(t),…SK(t)]T,Nx(t)和Ny(t)均为N维噪声矩阵,Ax=[ax,1,ax,2,…,ax,K]和Ay=[ay,1,ay,2,…,ay,K]分别为x轴和y轴上的方向矩阵,且
L型全阵列接收信号矩阵Z(t)的表达式可以表示为:
步骤2:将实际的导向矢量分解,并利用哈达玛积对分解后的矢量进行处理;将利用哈达玛积处理后的矢量的后Q个元素置于实际导向矢量的尾部,构建虚拟导向矢量;
步骤2.1:将x轴和y轴上的导向矢量ax,k和ay,k(k=1,2,…,K)分别分解成两个矢量,即
其中,符号“⊙”表示哈达玛乘积运算,同理可得,
步骤2.3:当阵元数M为偶数时,取Q=(M-2)/2;当阵元数M为奇数时,取Q=(M-1)/2,依次从矢量和矢量中分别取出后Q个元素,并将其分别置于导向矢量ax,k和ay,k尾部,组成新的虚拟导向矢量和此时,虚拟导向矢量和均为M+Q维矢量。
根据虚拟导向矢量构建的接收信号可以表示为:
步骤4:构建空间谱函数,根据谱峰搜索估计入射信号的DOA;
根据所提方法估计出的信号空间谱函数为
下面通过计算机仿真来验证本发明算法的性能:
一种基于L型阵列的二维DOA估计方法的参数设置如下:L型阵列天线由中均匀线阵阵元数M=9,阵元间距d=λ/2,快拍数为LL=1024,噪声是加性高斯白噪声。
图3是信噪比SNR=30dB且信源数目R=20时所提方法的DOA估计效果图,图4给出了欠定条件下DOA真实值和估计值的对比。从图3和图4中可以看出所提方法可以较好地实现方位角φ和俯仰角θ的估计,有效解决了有限阵元下的欠定问题。图5对比了信噪比SNR=30dB时,不同信源数目下分别采用MUSIC算法和所提方法估计出的DOA数目。从图5中可以看出,在同等条件下,MUSIC算法需要更多的天线才能完成对信号DOA的估计;而所提方法由于具有额外的虚拟阵元,故可使用较少的天线完成对信号DOA的估计。图6和图7分别给出了非相干信号下俯仰角角度和方位角角度的估计性能随信噪比的变化曲线。选定信源的方位角分别取φ=[40° 60° 75°],俯仰角分别取θ=[33° 78° 21°],信源的信噪比范围为-10dB~20dB。从图6和图7中可以看出,MUSIC算法和所提方法的估计误差均随着信噪比的增加而减小;与MUSIC算法相比,所提方法具有更好的估计性能。这是由于所提方法利用虚拟阵元扩展了阵列孔径,故拥有更高的DOA估计精度。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
2.根据权利要求1所述的一种基于L型阵列的二维DOA估计方法,其特征在于:所述步骤1的具体方法如下:
假设K个不相关的远场窄带信号S1(t),S2(t),…SK(t)分别以俯仰角θk(k=1,2,…,K)和方位角φk(k=1,2,…,K)同时入射到一个L型接收天线阵列上,信号的波长为λ,该L型阵列天线由两个各包含M根天线的均匀线阵组成,天线间距为d=λ/2,令阵列中的天线均为全向天线,天线增益均为单位增益,则入射信号在x轴和y轴上的表达式分别为:
X(t)=AxS(t)+Nx(t),Y(t)=AyS(t)+Ny(t),
其中,信源矩阵S(t)=[S1(t),S2(t),…SK(t)]T,Nx(t)和Ny(t)均为N维噪声矩阵,Ax=[ax,1,ax,2,…,ax,K]和Ay=[ay,1,ay,2,…,ay,K]分别为x轴和y轴上的方向矩阵,且
L型全阵列接收信号矩阵Z(t)的表达式可以表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010149829.3A CN111239678B (zh) | 2020-03-06 | 2020-03-06 | 一种基于l型阵列的二维doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010149829.3A CN111239678B (zh) | 2020-03-06 | 2020-03-06 | 一种基于l型阵列的二维doa估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111239678A true CN111239678A (zh) | 2020-06-05 |
CN111239678B CN111239678B (zh) | 2023-03-31 |
Family
ID=70876732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010149829.3A Active CN111239678B (zh) | 2020-03-06 | 2020-03-06 | 一种基于l型阵列的二维doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111239678B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112327244A (zh) * | 2020-10-22 | 2021-02-05 | 中国电子科技集团公司第五十四研究所 | 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 |
CN113238184A (zh) * | 2021-05-17 | 2021-08-10 | 宁波大学 | 一种基于非圆信号的二维doa估计方法 |
CN113466800A (zh) * | 2021-05-11 | 2021-10-01 | 西安电子科技大学 | 基于smv模型利用尾部优化的哈达玛积快速doa估计方法 |
US20220120847A1 (en) * | 2020-10-20 | 2022-04-21 | Aptiv Technologies Limited | Radar System with Modified Orthogonal Linear Antenna Subarrays |
US11644565B2 (en) | 2020-10-13 | 2023-05-09 | Aptiv Technologies Limited | Radar system with sparse primary array and dense auxiliary array |
US11714180B2 (en) | 2021-01-29 | 2023-08-01 | Aptiv Technologies Limited | Radar system to detect angles in bistatic and monostatic scenarios |
US11774570B2 (en) | 2020-02-04 | 2023-10-03 | Aptiv Technologies Limited | Radar device |
US11808846B2 (en) | 2021-02-12 | 2023-11-07 | Aptiv Technologies Limited | Angle-finding process for sparse uniform arrays |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001183437A (ja) * | 1999-12-27 | 2001-07-06 | Toshiba Corp | 到来波の入射方位角測定装置 |
US20130300596A1 (en) * | 2012-05-11 | 2013-11-14 | Fujitsu Limited | Detection and ranging apparatus and ranging method |
CN105445696A (zh) * | 2015-12-22 | 2016-03-30 | 天津理工大学 | 一种嵌套l型天线阵列结构及其波达方向估计方法 |
US20190137616A1 (en) * | 2017-11-09 | 2019-05-09 | Panasonic Intellectual Property Management Co., Ltd. | Radar apparatus and direction-of-arrival estimation device |
CN109917329A (zh) * | 2019-04-15 | 2019-06-21 | 南京邮电大学 | 一种基于协方差匹配准则的l型阵列波达方向估计方法 |
CN109959891A (zh) * | 2019-04-11 | 2019-07-02 | 南京航空航天大学 | 电磁矢量l阵中空间角与极化参数的降维谱峰搜索方法 |
CN110161452A (zh) * | 2019-04-28 | 2019-08-23 | 西安电子科技大学 | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 |
-
2020
- 2020-03-06 CN CN202010149829.3A patent/CN111239678B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001183437A (ja) * | 1999-12-27 | 2001-07-06 | Toshiba Corp | 到来波の入射方位角測定装置 |
US20130300596A1 (en) * | 2012-05-11 | 2013-11-14 | Fujitsu Limited | Detection and ranging apparatus and ranging method |
CN105445696A (zh) * | 2015-12-22 | 2016-03-30 | 天津理工大学 | 一种嵌套l型天线阵列结构及其波达方向估计方法 |
US20190137616A1 (en) * | 2017-11-09 | 2019-05-09 | Panasonic Intellectual Property Management Co., Ltd. | Radar apparatus and direction-of-arrival estimation device |
CN109959891A (zh) * | 2019-04-11 | 2019-07-02 | 南京航空航天大学 | 电磁矢量l阵中空间角与极化参数的降维谱峰搜索方法 |
CN109917329A (zh) * | 2019-04-15 | 2019-06-21 | 南京邮电大学 | 一种基于协方差匹配准则的l型阵列波达方向估计方法 |
CN110161452A (zh) * | 2019-04-28 | 2019-08-23 | 西安电子科技大学 | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 |
Non-Patent Citations (11)
Title |
---|
NIZAR TAYEM ET AL.: "Two-Dimensional DOA Estimation Using Cross-Correlation Matrix With L-Shaped Array", 《IEEE ANTENNAS AND WIRELESS PROPAGATION LETTERS》 * |
TAO WU ET AL.: "Estimation of Two-Dimensional Non-Symmetric Incoherently Distributed Source with L-Shape Arrays", 《SENSORS》 * |
YUXUAN YANG ET AL.: "A novel 2-D DOA estimation method via sparse L-shaped array", 《2016 2ND IEEE INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATIONS》 * |
刘永旭等: "基于子空间投影角度配对的L型阵列二维DOA估计算法", 《电子信息对抗技术》 * |
张贵闵等: "基于L型线阵的二维分布源参数估计方法", 《声学技术》 * |
王晓萌: "L型阵列MIMO雷达多维角度估计方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王薇等: "结合快速傅里叶变换和线性调频变换的快速波达方向设计", 《西安交通大学学报》 * |
董阳阳等: "基于L阵的低计算复杂度二维波达方向估计", 《北京邮电大学学报》 * |
陈丽等: "基于去冗余的MIMO雷达多维角度分阶段估计", 《信号处理》 * |
韩佳辉等: "基于Toeplitz矩阵重构的嵌套阵DOA估计算法", 《火力与指挥控制》 * |
韩佳辉等: "基于虚拟孔径扩展的非均匀稀疏阵DOA估计", 《电光与控制》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11774570B2 (en) | 2020-02-04 | 2023-10-03 | Aptiv Technologies Limited | Radar device |
US11644565B2 (en) | 2020-10-13 | 2023-05-09 | Aptiv Technologies Limited | Radar system with sparse primary array and dense auxiliary array |
US20220120847A1 (en) * | 2020-10-20 | 2022-04-21 | Aptiv Technologies Limited | Radar System with Modified Orthogonal Linear Antenna Subarrays |
US11619705B2 (en) * | 2020-10-20 | 2023-04-04 | Aptiv Technologies Limited | Radar system with modified orthogonal linear antenna subarrays |
US11921228B2 (en) | 2020-10-20 | 2024-03-05 | Aptiv Technologies Limited | Radar system with modified orthogonal linear antenna subarrays |
CN112327244A (zh) * | 2020-10-22 | 2021-02-05 | 中国电子科技集团公司第五十四研究所 | 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 |
US11714180B2 (en) | 2021-01-29 | 2023-08-01 | Aptiv Technologies Limited | Radar system to detect angles in bistatic and monostatic scenarios |
US11808846B2 (en) | 2021-02-12 | 2023-11-07 | Aptiv Technologies Limited | Angle-finding process for sparse uniform arrays |
CN113466800A (zh) * | 2021-05-11 | 2021-10-01 | 西安电子科技大学 | 基于smv模型利用尾部优化的哈达玛积快速doa估计方法 |
CN113466800B (zh) * | 2021-05-11 | 2024-02-06 | 西安电子科技大学 | 基于smv模型利用尾部优化的哈达玛积快速doa估计方法 |
CN113238184A (zh) * | 2021-05-17 | 2021-08-10 | 宁波大学 | 一种基于非圆信号的二维doa估计方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111239678B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111239678B (zh) | 一种基于l型阵列的二维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 | |
Shi et al. | On parameter identifiability of diversity-smoothing-based MIMO radar | |
CN109655799B (zh) | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 | |
CN108375751B (zh) | 多信源波达方向估计方法 | |
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 | |
CN107037392B (zh) | 一种基于压缩感知的自由度增加型互质阵列波达方向估计方法 | |
CN108931758A (zh) | 一种使用互质线阵进行低复杂度角度估计的方法 | |
CN110244272B (zh) | 基于秩一去噪模型的波达方向估计方法 | |
CN112666513B (zh) | 一种改进式music波达方向估计方法 | |
CN112130111A (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
CN111366893B (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 | |
CN111693947A (zh) | 基于互质阵列doa估计的改进music方法 | |
CN106980105B (zh) | 电磁矢量传感器阵列空间旋转解相干测向方法 | |
CN113253192A (zh) | 一种用于非圆信号的互质线阵级联doa估计方法 | |
Qi et al. | Time-frequency DOA estimation of chirp signals based on multi-subarray | |
CN106680779B (zh) | 脉冲噪声下的波束成形方法及装置 | |
Xiao et al. | A weighted forward-backward spatial smoothing DOA estimation algorithm based on TLS-ESPRIT | |
CN108594165B (zh) | 一种基于期望最大化算法的窄带信号波达方向估计方法 | |
CN114884841A (zh) | 基于高阶统计和非均匀阵列的欠定参数联合估计方法 | |
CN112327292B (zh) | 一种二维稀疏阵列doa估计方法 | |
Cai et al. | Forward/backward spatial reconstruction method for directions of arrival estimation of uncorrelated and coherent signals | |
CN114184999B (zh) | 一种互耦小孔径阵列的生成式模型处理方法 | |
CN115421098A (zh) | 嵌套面阵下降维求根music的二维doa估计方法 | |
CN113341371A (zh) | 一种基于l阵和二维esprit算法的doa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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |