CN111257822A - 基于近场稀疏阵列的准平稳信号参数估计方法 - Google Patents
基于近场稀疏阵列的准平稳信号参数估计方法 Download PDFInfo
- Publication number
- CN111257822A CN111257822A CN202010145637.5A CN202010145637A CN111257822A CN 111257822 A CN111257822 A CN 111257822A CN 202010145637 A CN202010145637 A CN 202010145637A CN 111257822 A CN111257822 A CN 111257822A
- Authority
- CN
- China
- Prior art keywords
- array
- matrix
- formula
- angle
- 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 13
- 239000011159 matrix material Substances 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000003491 array Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000001228 spectrum Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003199 nucleic acid amplification method 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
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)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于近场稀疏阵列的准平稳信号参数估计方法，阵列模型由3个子阵组成，对所有天线阵列采样，得到多路数字信号，进行矩阵去冗余和矩阵向量化，通过一维角度解算和一维距离解算后，进行一次谱峰扫描，每一次扫描产生一个波峰所对应的距离即为入射信源的距离，从而完成目标信号的DOA信息估计。本发明通过将角度、距离参数分离，实现降维处理，减少了算法计算量，并且有效的解决了近场参数估计中的欠定问题，在有限的阵元数条件下，可识别信源的个数远远大于阵元数，而且具备一定的参数估计精度以及分辨率。
Description
技术领域
本发明涉及阵列信号处理领域，尤其是一种空间谱估计方法。
背景技术
传统的参数估计算法大多都是针对远场信号模型提出的，近几年随着近场通信的兴起，阵列信号处理技术被广泛应用到近场信号模型上，然而采用基于远场信号的空间谱估计算法无法直接去处理近场信号问题，因此，研究针对近场信号模型的参数估计算法具有很高的实用价值。
目前的近场参数估计算法大多基于均匀线阵模型提出，必须保证阵元间距不超过信号波长的四分之一才能避免相位模糊问题，导致天线阵列孔径比较小，参数估计分辨率十分有限。采用稀疏阵列模型不仅能扩展阵列有效孔径，还可以提高算法的可识别信源数，有效解决参数估计欠定问题。
此外，近年来近场参数估计领域关于准平稳信号的研究逐渐引起关注，诸如：语音、视频、脑电波等信号。传统的近场算法在处理准平稳信号时算法性能会下降，寻找合适的基于准平稳信号的近场算法具有实际应用价值。
发明内容
为了克服现有技术的不足，本发明提供一种基于近场稀疏阵列的准平稳信号参数估计方法及装置，利用高阶累积量将角度和距离的二维联合谱峰搜算转换为两次一维谱峰搜索，从而实现降维计算。此外，利用准平信号特性以及近场稀疏阵列特性，大大提高了参数估计分辨率以及可识别信源数。
本发明解决其技术问题所采用的技术方案包括以下步骤：
(a)阵列排布：阵列模型由3个子阵组成总阵元数为2N1+2N2-1的稀疏线阵，其中N1和N2是正整数，子阵1居中，是阵元数为2N1-1的均匀线阵，阵元间距为d，子阵2和子阵3是分别位于子阵1两侧，阵元数均为N2的均匀线阵，阵元间距为 (2N1-1)d，而子阵1与子阵2和子阵3的间距均为2N1d，以子阵1中心阵元的位置为坐标原点，三个子阵各阵元位置如下：
(b)数据采集：将所有天线阵列从左到右依次编号为{-M,-M+1,,M}，对2M+1 个天线阵列接收数据同时进行深度为T的采样，得到多路数字信号，其中每路采样数据分为K帧，每帧数据长度为L，即T＝KL，将每一帧接收信号记为xm,k(t)，其中m代表编号为m的阵元，k代表第k帧信号，所有阵元接收数据的每一帧信号单独处理，利用各阵元的第k帧采样信号求四阶累积量矩阵中的元素：
公式(2)中Ck(m,q)代表四阶累积量矩阵Ck第m行q列的元素，m,q∈[-M,M]；
公式(3)中E代表求期望；
将近场信号模型公式(4)代入公式(2)中得到公式(5)：
公式(4)中N为信源个数，
为角度参数，
为角度距离混参，公式(5)中只剩下γn，只含角度参数，即仅通过公式(2)的计算将一个二维的联合参数估计问题降维成两个单独的一维问题处理；
(c)矩阵去冗余：通过步骤(b)中按照公式(2)计算，得到所有的四阶累积量元素Ck(m,q)，从而组成一个四阶累积量矩阵C4,k∈C(2M+1)×(2M+1)：
将Ck(m,q)写成Ck(sm-sq)，其中sm代表第m个阵元的位置，其值参照公式(1) 得到；
利用MUSIC算法只需要C4,k矩阵中的部分元素，根据近场稀疏阵的排布，计算得到NV＝2N1+2N1N2-N2，NV为近场稀疏阵阵元位置作差集后其中连续集合的上限，对 C4,k矩阵进行去冗余降维，组成一个新的矩阵
按照步骤(c)处理最终实现原始阵列数据等效成虚拟均匀线阵的处理；
(d)矩阵向量化：对由第k帧信号得到的四阶累积量矩阵C4,k,new进行向量化，得到
yk＝vec(C4,k,new) (8)
同样的，对每一帧信号都按上述步骤(a)(b)(c)(d)处理，从而得到一个新的矩阵
K即K帧信息：
Yqs＝[y1,y2,…,yK] (9)
(e)一维角度解算：利用步骤(d)中得到的Yqs矩阵作奇异值分解得到：
其中，US是包含所有大特征值对应的特征向量张成的信号子空间，UN是剩下所有小特征值对应的特征向量张成的噪声子空间，大特征值个数由入射信源数N决定，两者数值保持一致；
经过步骤(e)的SVD奇异值分解求得噪声子空间UN后，利用MUSIC谱峰搜索找到波峰对应的角度即为入射信号的来波方向，如式(11)所示：
其中，
为导向矢量，表达式如下：
其中
只含有信源方位角的相位信息；
(f)一维距离解算：将估计出的角度
代入到导向矢量a(θ,r)中得到
依然利用MUSIC谱峰搜索，即可得到角度估计值：
公式(12)中近场导向矢量
N个信号的距离分别按照步骤(f)进行一次谱峰扫描，每一次扫描产生一个波峰所对应的距离即为入射信源的距离，此距离与公式(13)所代入的角度参数是一一对应的，完成目标信号的DOA信息估计。
本发明的有益效果在于通过将角度、距离参数分离，实现降维处理，减少了算法计算量，并且有效的解决了近场参数估计中的欠定问题，在有限的阵元数条件下，可识别信源的个数远远大于阵元数，而且具备一定的参数估计精度以及分辨率。
附图说明
图1是本发明近场稀疏阵阵列模型示意图。
图2是本发明基于近场稀疏阵列的准平稳信号参数估计方法的装置结构框图。
图3是本发明测向软硬件模块结构框图。
图4是本发明近场稀疏阵列的准平稳信号参数估计方法流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
本发明的技术方案的步骤如下：
(a)阵列排布：阵列模型由3个子阵组成总阵元数为2N1+2N2-1的稀疏线阵，其中N1和N2是正整数，子阵1居中，是阵元数为2N1-1的均匀线阵，阵元间距为d，子阵2和子阵3是分别位于子阵1两侧，阵元数均为N2的均匀线阵，阵元间距为 (2N1-1)d，而子阵1与子阵2和子阵3的间距均为2N1d，以子阵1中心阵元的位置为坐标原点，三个子阵各阵元位置如下：
(b)数据采集：将所有天线阵列从左到右依次编号为{-M,-M+1,,M}(左右可颠倒)，对2M+1个天线阵列接收数据同时进行深度为T的采样，得到多路数字信号，其中每路采样数据分为K帧，每帧数据长度为L，即T＝KL，将每一帧接收信号记为 xm,k(t)，其中m代表编号为m的阵元，k代表第k帧信号，所有阵元接收数据的每一帧信号单独处理，利用各阵元的第k帧采样信号求四阶累积量矩阵中的元素：
公式(2)中Ck(m,q)代表四阶累积量矩阵Ck第m行q列的元素，m,q∈[-M,M]；
公式(3)中E代表求期望；
如果将近场信号模型公式(4)代入公式(2)中得到公式(5)：
公式(4)中N为信源个数，
为角度参数，
为角度距离混参，公式(5)中只剩下γn，只含角度参数，即仅通过公式(2)的计算将一个二维的联合参数估计问题降维成两个单独的一维问题处理；
(c)矩阵去冗余：通过步骤(b)中按照公式(2)计算，得到所有的四阶累积量元素Ck(m,q)，从而组成一个四阶累积量矩阵C4,k∈C(2M+1)×(2M+1)：
将Ck(m,q)写成Ck(sm-sq)，其中sm代表第m个阵元的位置，其值参照公式(1) 得到，比如公式(6)中Ck(-M,-M)＝Ck(s-M-s-M)＝Ck(0)；
利用MUSIC算法只需要C4,k矩阵中的部分元素，根据近场稀疏阵的排布，计算得到NV＝2N1+2N1N2-N2这个常值，NV为近场稀疏阵阵元位置作差集后其中连续集合的上限，对C4,k矩阵进行去冗余降维，组成一个新的矩阵
按照步骤(c)处理最终实现原始阵列数据等效成虚拟均匀线阵的处理；
(d)矩阵向量化：对由第k帧信号得到的四阶累积量矩阵C4,k,new进行向量化，得到
yk＝vec(C4,k,new) (8)
同样的，对每一帧信号都按上述步骤(a)(b)(c)(d)处理，从而得到一个新的矩阵
K即K帧信息：
Yqs＝[y1,y2,…,yK] (9)
(e)一维角度解算：利用步骤(d)中得到的Yqs矩阵作奇异值分解得到：
其中，US是包含所有大特征值对应的特征向量张成的信号子空间，UN是剩下所有小特征值对应的特征向量张成的噪声子空间，大特征值个数由入射信源数N决定，两者数值保持一致；
经过步骤(e)的SVD奇异值分解求得噪声子空间UN后，利用MUSIC谱峰搜索找到波峰对应的角度即为入射信号的来波方向，如式(11)所示：
其中，
为导向矢量，表达式如下：
其中
只含有信源方位角的相位信息；
(f)一维距离解算：将估计出的角度
代入到导向矢量a(θ,r)中得到
依然利用MUSIC谱峰搜索，即可得到角度估计值：
公式(12)中近场导向矢量
N个信号的距离分别按照步骤(f)进行一次谱峰扫描，每一次扫描产生一个波峰所对应的距离即为入射信源的距离，此距离与公式(13)所代入的角度参数是一一对应的，完成目标信号的DOA信息估计。
本发明提出了一种基于近场稀疏阵列的参数估计方法，突破了传统均匀线阵的阵元间距限制，大大扩展了阵列孔径，并且可以扩展阵列自由度，本发明采用的7阵元近场稀疏阵型示意图，如图1所示。
图2是基于近场稀疏阵列的准平稳信号参数估计方法的装置结构框图，图3是本发明测向软硬件模块结构框图，该系统软硬件所涉及的最核心的芯片。
本发明实施例的相应流程如图4所示：
步骤一：模拟下变频：对7路天线阵列接收到的射频模拟信号进行低噪声放大，然后经下变频为中频信号后，得到7路中频模拟信号。
步骤二：A/D采样：对7路中频模拟信号进行A/D采样，得到7路中频数字信号，采样深度为4000。
步骤三：将步骤二中的数据进行正交下变频，然后通过FIR数字滤波，得到7路滤除带外噪声信号的数字复信号。
步骤四：将步骤三中的复信号进行FFT变换，得到校正系数，各路信号通过校正系数进行补偿，消除误差，从而得到7路幅度相位一致性信号。
步骤五：计算幅相误差校正后的每帧信号的四阶累积量矩阵C4,k∈C7×7，具体按照式(3)计算。其中每帧长度定义为400，共10帧，正好对应总采样深度4000。其中关于矩阵的计算可以只计算上三角矩阵，矩阵另一半可根据共轭性直接得出。
步骤六：按照公式(8)进行数据处理得到新的矩阵C4,k,new∈C10×10并向量化。
步骤七：按照公式(10)得到新的矩阵Yqs∈C10×10，假设来波信源为5个，利用SVD 分解得出噪声子空间UN∈C10×5，并计算
步骤八：按照公式(12)，对角度进行谱峰搜索，得到准确方位角θ信息；再将刚解算出的角度信息代入，按照公式(14)，求解出距离信息，完成目标信号的DOA 信息估计。
Claims (1)
1.一种基于近场稀疏阵列的准平稳信号参数估计方法，其特征在于包括下述步骤：
(a)阵列排布：阵列模型由3个子阵组成总阵元数为2N1+2N2-1的稀疏线阵，其中N1和N2是正整数，子阵1居中，是阵元数为2N1-1的均匀线阵，阵元间距为d，子阵2和子阵3是分别位于子阵1两侧，阵元数均为N2的均匀线阵，阵元间距为(2N1-1)d，而子阵1与子阵2和子阵3的间距均为2N1d，以子阵1中心阵元的位置为坐标原点，三个子阵各阵元位置如下：
(b)数据采集：将所有天线阵列从左到右依次编号为{-M,-M+1,...,M}，对2M+1个天线阵列接收数据同时进行深度为T的采样，得到多路数字信号，其中每路采样数据分为K帧，每帧数据长度为L，即T＝KL，将每一帧接收信号记为xm,k(t)，其中m代表编号为m的阵元，k代表第k帧信号，所有阵元接收数据的每一帧信号单独处理，利用各阵元的第k帧采样信号求四阶累积量矩阵中的元素：
公式(2)中Ck(m,q)代表四阶累积量矩阵Ck第m行q列的元素，m,q∈[-M,M]；
公式(3)中E代表求期望；
将近场信号模型公式(4)代入公式(2)中得到公式(5)：
公式(4)中N为信源个数，
为角度参数，
为角度距离混参，公式(5)中只剩下γn，只含角度参数，即仅通过公式(2)的计算将一个二维的联合参数估计问题降维成两个单独的一维问题处理；
(c)矩阵去冗余：通过步骤(b)中按照公式(2)计算，得到所有的四阶累积量元素Ck(m,q)，从而组成一个四阶累积量矩阵C4,k∈C(2M+1)×(2M+1)：
将Ck(m,q)写成Ck(sm-sq)，其中sm代表第m个阵元的位置，其值参照公式(1)得到；
利用MUSIC算法只需要C4,k矩阵中的部分元素，根据近场稀疏阵的排布，计算得到NV＝2N1+2N1N2-N2，NV为近场稀疏阵阵元位置作差集后其中连续集合的上限，对C4,k矩阵进行去冗余降维，组成一个新的矩阵
按照步骤(c)处理最终实现原始阵列数据等效成虚拟均匀线阵的处理；
(d)矩阵向量化：对由第k帧信号得到的四阶累积量矩阵C4,k,new进行向量化，得到
yk＝vec(C4,k,new) (8)
同样的，对每一帧信号都按上述步骤(a)(b)(c)(d)处理，从而得到一个新的矩阵
K即K帧信息：
Yqs＝[y1,y2,…,yK] (9)
(e)一维角度解算：利用步骤(d)中得到的Yqs矩阵作奇异值分解得到：
其中，US是包含所有大特征值对应的特征向量张成的信号子空间，UN是剩下所有小特征值对应的特征向量张成的噪声子空间，大特征值个数由入射信源数N决定，两者数值保持一致；
经过步骤(e)的SVD奇异值分解求得噪声子空间UN后，利用MUSIC谱峰搜索找到波峰对应的角度即为入射信号的来波方向，如式(11)所示：
其中，
为导向矢量，表达式如下：
其中
只含有信源方位角的相位信息；
(f)一维距离解算：将估计出的角度
代入到导向矢量a(θ,r)中得到
依然利用MUSIC谱峰搜索，即可得到角度估计值：
公式(12)中近场导向矢量
N个信号的距离分别按照步骤(f)进行一次谱峰扫描，每一次扫描产生一个波峰所对应的距离即为入射信源的距离，此距离与公式(13)所代入的角度参数是一一对应的，完成目标信号的DOA信息估计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010145637.5A CN111257822B (zh) | 2020-03-05 | 2020-03-05 | 基于近场稀疏阵列的准平稳信号参数估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010145637.5A CN111257822B (zh) | 2020-03-05 | 2020-03-05 | 基于近场稀疏阵列的准平稳信号参数估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111257822A true CN111257822A (zh) | 2020-06-09 |
| CN111257822B CN111257822B (zh) | 2022-12-30 |
Family
ID=70947633
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010145637.5A Active CN111257822B (zh) | 2020-03-05 | 2020-03-05 | 基于近场稀疏阵列的准平稳信号参数估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111257822B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105510874A (zh) * | 2015-12-15 | 2016-04-20 | 吉林大学 | 一种近场信源多参数联合估计的降维music方法 |
| CN105589056A (zh) * | 2015-12-15 | 2016-05-18 | 吉林大学 | 一种多目标远近场混合源定位方法 |
| CN107340512A (zh) * | 2017-06-29 | 2017-11-10 | 电子科技大学 | 一种基于子阵划分的近远场混合源被动定位方法 |
| CN107422299A (zh) * | 2017-05-03 | 2017-12-01 | 惠州学院 | 一种混合信号源定位方法和混合信号源定位系统 |
| CN108680894A (zh) * | 2018-05-18 | 2018-10-19 | 电子科技大学 | 一种基于重构累积量矩阵的混合场信源定位方法 |
| CN108919178A (zh) * | 2018-08-06 | 2018-11-30 | 电子科技大学 | 一种基于对称嵌套阵列的混合场信源定位方法 |
| CN109738857A (zh) * | 2019-02-26 | 2019-05-10 | 中电科技扬州宝军电子有限公司 | 基于交叉偶极子阵列的非圆信号定位快速估计方法及装置 |
| CN109870670A (zh) * | 2019-03-12 | 2019-06-11 | 西北工业大学 | 一种基于阵列重构的混合信号参数估计方法 |
| CN110531312A (zh) * | 2019-08-29 | 2019-12-03 | 深圳市远翰科技有限公司 | 一种基于稀疏对称阵列的doa估计方法和系统 |
-
2020
- 2020-03-05 CN CN202010145637.5A patent/CN111257822B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105510874A (zh) * | 2015-12-15 | 2016-04-20 | 吉林大学 | 一种近场信源多参数联合估计的降维music方法 |
| CN105589056A (zh) * | 2015-12-15 | 2016-05-18 | 吉林大学 | 一种多目标远近场混合源定位方法 |
| CN107422299A (zh) * | 2017-05-03 | 2017-12-01 | 惠州学院 | 一种混合信号源定位方法和混合信号源定位系统 |
| CN107340512A (zh) * | 2017-06-29 | 2017-11-10 | 电子科技大学 | 一种基于子阵划分的近远场混合源被动定位方法 |
| CN108680894A (zh) * | 2018-05-18 | 2018-10-19 | 电子科技大学 | 一种基于重构累积量矩阵的混合场信源定位方法 |
| CN108919178A (zh) * | 2018-08-06 | 2018-11-30 | 电子科技大学 | 一种基于对称嵌套阵列的混合场信源定位方法 |
| CN109738857A (zh) * | 2019-02-26 | 2019-05-10 | 中电科技扬州宝军电子有限公司 | 基于交叉偶极子阵列的非圆信号定位快速估计方法及装置 |
| CN109870670A (zh) * | 2019-03-12 | 2019-06-11 | 西北工业大学 | 一种基于阵列重构的混合信号参数估计方法 |
| CN110531312A (zh) * | 2019-08-29 | 2019-12-03 | 深圳市远翰科技有限公司 | 一种基于稀疏对称阵列的doa估计方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 谢坚: "近场复杂源高分辨参数估计算法研究", 《中国优秀博硕士学位论文全文数据库（博士） 信息科技辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111257822B (zh) | 2022-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111190136B (zh) | 一种基于特定频率组合信号的一维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 | |
| CN107315160B (zh) | 基于内插虚拟阵列信号原子范数最小化的互质阵列波达方向估计方法 | |
| CN107102291B (zh) | 基于虚拟阵列内插的无网格化互质阵列波达方向估计方法 | |
| CN106054123B (zh) | 一种稀疏l阵及其二维doa估计方法 | |
| Gershman et al. | One-and two-dimensional direction-of-arrival estimation: An overview of search-free techniques | |
| CN109490820B (zh) | 一种基于平行嵌套阵的二维doa估计方法 | |
| CN111929637B (zh) | 基于互质阵列差和虚拟扩充的一维波达方向估计方法 | |
| CN107340512B (zh) | 一种基于子阵划分的近远场混合源被动定位方法 | |
| CN109581276A (zh) | 一种基于求和求差嵌套阵的doa估计方法 | |
| CN109239657A (zh) | 装载嵌套阵无人机平台下的辐射源高精度定位方法 | |
| CN109696657B (zh) | 一种基于矢量水听器的相干声源定位方法 | |
| CN108919178A (zh) | 一种基于对称嵌套阵列的混合场信源定位方法 | |
| CN109946643B (zh) | 基于music求解的非圆信号波达方向角估计方法 | |
| 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 | |
| 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 | |
| CN112731278B (zh) | 一种部分极化信号的角度与极化参数欠定联合估计方法 | |
| CN110286350A (zh) | 一种l型稀疏阵doa估计的精确配对方法及装置 | |
| CN112130111A (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
| CN113567913A (zh) | 基于迭代重加权可降维的二维平面doa估计方法 | |
| CN108680894A (zh) | 一种基于重构累积量矩阵的混合场信源定位方法 | |
| CN109696651B (zh) | 一种基于m估计的低快拍数下波达方向估计方法 | |
| CN108226855A (zh) | 互耦情况下的远近场非圆联合参数估计方法 | |
| CN109870670B (zh) | 一种基于阵列重构的混合信号参数估计方法 | |
| CN111368256B (zh) | 一种基于均匀圆阵的单快拍测向方法 |
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 |