CN111521968B - 基于目标空间分集的欠定doa估计方法 - Google Patents

基于目标空间分集的欠定doa估计方法 Download PDF

Info

Publication number
CN111521968B
CN111521968B CN202010439647.XA CN202010439647A CN111521968B CN 111521968 B CN111521968 B CN 111521968B CN 202010439647 A CN202010439647 A CN 202010439647A CN 111521968 B CN111521968 B CN 111521968B
Authority
CN
China
Prior art keywords
target
signal
array
distance
subspace
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
Application number
CN202010439647.XA
Other languages
English (en)
Other versions
CN111521968A (zh
Inventor
吴文
唐辉
缪晨
齐世山
陈春红
汪敏
康炜
杨国
王晶琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010439647.XA priority Critical patent/CN111521968B/zh
Publication of CN111521968A publication Critical patent/CN111521968A/zh
Application granted granted Critical
Publication of CN111521968B publication Critical patent/CN111521968B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S3/72—Diversity systems specially adapted for direction-finding
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
    • G01S13/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/588—Velocity or trajectory determination systems; Sense-of-movement determination systems deriving the velocity value from the range measurement
    • 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
    • G01S3/46—Systems for determining direction or deviation from predetermined direction using antennas spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems
    • G01S3/48—Systems for determining direction or deviation from predetermined direction using antennas spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems the waves arriving at the antennas being continuous or intermittent and the phase difference of signals derived therefrom being measured

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于目标空间分集的欠定DOA估计方法，针对LFMCW体制雷达。方法包括：利用LFMCW体制雷达的特性对每一路阵列天线接收信号进行2维FFT；选择一路信号进行二维恒虚警率CFAR检测以获取目标的距离速度信息；每一路信号根据目标在距离‑速度空间的分布划分出目标子空间；最后对每个目标子空间分别进行DOA估计。本发明借助LFMCW雷达的特性，对入射目标信号在距离‑速度空间进行分集，能够实现在阵元数固定时估计出更多的目标DOA，提高了阵列的整体性能，并且能够实现目标的距离‑速度‑角度的联合定位。本发明测角精度高，抗噪声性能好，适用于各种阵列结构，且简单易操作，便于工程实际应用。

Description

基于目标空间分集的欠定DOA估计方法
技术领域
本发明涉及阵列信号处理领域，具体涉及LFMCW阵列雷达的到达角估计领域，特别涉及一种基于目标空间分集的欠定DOA估计方法。
背景技术
阵列到达角(DOA:Direction-of-arrival)自上世纪70年代被提出以来，一直是研究的热点和难点，它被广泛应用在雷达、声呐、无线通信及地震传感等阵列信号处理领域。Schmidt提出的多重信号分类算法(MUSIC:Multiple Signal Classification)极大的促进了子空间类DOA估计算法的发展。常规的子空间类超分辨率DOA估计技术虽然能够打破瑞利限的约束，但是大多数算法都要求信源数小于天线阵元数，其所能估计的目标数受到阵列结构的限制。在欠定情况下，即信源数大于阵元数时，该类算法的分辨性能急剧下降，甚至失效。然而在实际中，由于阵元数目较少，周边目标较多，欠定问题是阵列系统工作时常见的情况，特别是采用全向天线时。研究欠定DOA估计的意义在于突破阵列物理结构的限制，用较少的阵元数估计出较多的目标角度，节约资源。
目前欠定DOA估计问题的处理方法中，主要是利用入射信号的特性，通过构造阵列流型矩阵，扩大阵列虚拟孔径，从而实现欠定DOA估计。文献“DOA Estimation of Quasi-Stationary Signals With Less Sensors Than Sources and Unknown Spatial NoiseCovariance:A Khatri–Rao Subspace Approach”利用Kronecker积的性质提出了一种解决欠定DOA估计的方法，可以实现将阵列能估计的目标数目从N增加到2N-1。但是该方法要求入射信号为准平稳信号，故主要应用于声学领域。文献“基于NC-MUSIC的实用超分辨测向算法研究”利用非圆信号椭圆协方差矩阵不为零的特性，提出了一种NC-MUSIC算法，通过改变接收信号的阵列流型，同样使得阵列能估计的信源数达到2N-1，但该方法要求接收信号为非圆信号。这些方法虽然都能够解决欠定DOA估计问题，但实际上所能估计出的信源数目依然是相对有限，特别是在阵元数目较少的情况下，而且对入射信号的特性要求往往太高，不利于实际工程中的推广应用。
发明内容
本发明的目的在于针对上述问题，提供一种基于目标空间分集的欠定DOA估计方法，能实现用较少的阵元数估计出尽可能多的目标数，提高阵列的整体性能，并且能够实现目标的距离-速度-角度的联合定位，有利于精确定位目标。
实现本发明目的的技术解决方案为：基于目标空间分集的欠定DOA估计方法，所述方法包括以下步骤：
步骤1，对LFMCW雷达阵列的每一路信号建立接收数据模型；
步骤2，对每一路信号进行二维FFT变换；
步骤3，选择一路信号的二维FFT数据进行二维恒虚警率CFAR检测，获得目标的距离速度信息；
步骤4，每一路信号根据目标在距离-速度空间的分布划分目标子空间；
步骤5，依据目标子空间重新构建LFMCW雷达阵列的接收数据模型；
步骤6，对每个目标子空间进行DOA估计。
进一步地，步骤1所述对LFMCW雷达阵列的每一路信号建立接收数据模型，具体过程包括：
针对M个窄带信号入射到阵元数为N的均匀圆阵，目标所在的距离和速度分别为rm和vm，m＝1,2,...M，目标的水平角和俯仰角表示为
Figure BDA0002503654420000021
其中θm∈(0,2π)，
Figure BDA0002503654420000022
雷达阵列发射锯齿波LFMCW信号，载波频率为f0，信号波长为λ，调频带宽为B，调频周期为T，调频斜率为k＝B/T；
以均匀圆阵的圆心为参考点，则第n个阵元在t时刻的中频接收信号xn(t)为：
Figure BDA0002503654420000023
式中，对于均匀圆阵，圆心为参考点，则
Figure BDA0002503654420000024
表示接收第m个入射信号时第n个阵元相对于圆心的相位差频率，n＝1,2...,N；sm(t)表示t时刻第m个目标入射到参考点即圆心处的信号；τ0m＝2rm/c为第m个目标相对于参考圆心的固有时间延迟，c表示光速，d表示均匀圆阵的半径；fdm＝2vmf0/c表示第m个目标多普勒频移；fRm＝2krm/c为由第m个目标距离引起的频差；
Figure BDA0002503654420000025
表示时刻t所在的调频周期，其中
Figure BDA0002503654420000026
表示向下取整；nn(t)表示第n个阵元在t时刻的噪声；噪声为均值为0、噪声功率为δ2的高斯白噪声。
进一步地，步骤2所述对每一路信号进行二维FFT变换，具体过程包括：
步骤2-1，对每一路中频接收信号进行AD采样，采样频率为fs，采样周期为Ts＝1/fs；一次循环采样Nr个重复的调频周期，每个调频周期内采样点数为Ns，令nr＝0,1,…Nr-1，ns＝0,1,…Ns-1；因此第n个阵元在t时刻的中频接收信号的离散形式为：
Figure BDA0002503654420000031
式中，xn(nr,ns)表示第nr个重复周期的第ns个采样点；nn(nr,ns)为噪声nn(t)的离散形式；sm(nr,ns)＝exp[j*(2π(f0τ0m+fdm(nr*T)+(fRm+fdm)ns*Ts)]表示第m个目标入射到参考点即均匀圆阵圆心的信号的离散形式；
步骤2-2，对上述中频接收信号的离散公式进行二维FFT变换获得目标的距离和速度信息，第n个阵元在t时刻的中频接收信号的二维FFT表达式为：
Figure BDA0002503654420000032
式中，wn(l,k)为中频接收信号xn(nr,ns)二维FFT变换后的结果，k＝0,1,…,Ns-1；l＝0,1,…,Nr-1；这里沿着ns轴的FFT变换称为距离维变换，沿着nr轴的FFT变换称为速度维变换，得到的数据空间称为目标的距离-速度空间，简记为目标空间；sm(l,k)、nn(l,k)分别表示sm(nr,ns)和nn(nr,ns)的二维FFT结果；距离维变换的谱线间距为1/(Ts*Ns)，每根谱线对应一个距离单元，对应的目标距离为r＝k*cTr/(2B*Ns*Ts)；同样的，速度维变换的谱线间距为1/(T*Nr)，每根谱线对应一个多普勒单元，相对应的目标速度为v＝l*c/(2f0*T*Nr)。
进一步地，步骤3所述选择一路信号的二维FFT数据进行二维恒虚警率CFAR检测，获得目标的距离速度信息，具体包括：
步骤3-1，对二维FFT数据进行CFAR处理获得恒虚警检测门限值；
步骤3-2，比较所述门限值与二维FFT数据，若二维FFT数据值大于门限值，判定为存在目标，记录目标位置所对应的谱线位置，求解目标距离和速度；否则判定为不存在目标。
进一步地，步骤4所述每一路信号根据目标在距离-速度空间的分布划分目标子空间，具体过程包括：
根据恒虚警检测所得的目标数M，将目标空间划分成M个目标子空间；对于第n路二维FFT变换后的信号，第m个目标子空间的数据矩阵wnm表示为：
Figure BDA0002503654420000041
式中，lm、km分别表示第m个目标所在的多普勒单元和速度单元；Nrm、Nsm分别表示第m个目标子空间在距离维和速度维所取数据长度；符号(a:b)表示从a到b连续取值。
进一步地，步骤5所述依据目标子空间重新构建LFMCW雷达阵列的接收数据模型，具体过程包括：
步骤5-1，矢量化矩阵wnm，则有znm(h)＝rvec(wnm)，其中h＝1,2,…,Nsm*Nrm，
Figure BDA0002503654420000042
rvec(·)表示按行矢量化运算；
步骤5-2，将对应同一个目标的每一路信号的子空间数据重组为阵列接收数据矢量：
Figure BDA0002503654420000043
其中，
Figure BDA0002503654420000044
表示第m个目标子空间内参考点目标的信号，
Figure BDA0002503654420000045
表示第n个阵元在第m个目标子空间内的噪声，n＝1,2…,N；
将上述Zm(h)表达式写为矩阵形式：
Zm(h)＝ASm(h)+N(h)
式中，
Figure BDA0002503654420000046
表示阵列流型矩阵，
Figure BDA0002503654420000051
表示的导向矢量和阵列流型矩阵相同，N(h)＝[n1m(h),n2m(h),…nNm(h)]T为阵列目标子空间的噪声数据矢量。
本发明与现有技术相比，其显著优点为：1)本发明提出的基于目标空间分集的欠定DOA估计方法，每个目标子空间内只有一个待估计目标，其可以突破阵列结构的限制，实现用较少的阵元数估计出较多的目标DOA，有利于节约资源，实现资源的充分利用；现有其他的欠定DOA估计方法，虽然也能实现欠定DOA估计，但能够估计的目标数目实际上还是有限的，本方法理论上可以实现估计无限多的目标DOA；2)相比于其他欠定DOA估计方法，前置条件少，对入射信号要求比较低，只需雷达阵列采用LFMCW体制即可，方法简单巧妙，DOA估计方法灵活可选，有利于工程中的实际运用；3)能够实现目标的角度、速度、距离三者之间的联合估计；目标空间分集确保了每个目标子空间内只有一个目标，减少了其他目标的干扰，提高了DOA估计精度，同时由于子空间内只有一个目标，一旦目标DOA估计出来，速度-距离也就随之匹配，这样一方面有利于实现目标在三维立体空间中的定位和跟踪，另一方面还解决了子空间类算法无法分辨距离速度不同但是来波方向相同的目标的问题；4)本发明的欠定DOA估计算法，在进行二维FFT时实现了信号的周期积累，提高了信噪比，因此对噪声具有较强的鲁棒性。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为一个实施例中基于目标空间分集的欠定DOA估计方法的流程图。
图2为一个实施例中均匀圆阵的阵列结构示意图。
图3为一个实施例中锯齿波信号的时频图。
图4为一个实施例中数据采集循环结构示意图。
图5为一个实施例中恒虚警检测后目标的空间分布图。
图6为一个实施例中目标子空间分集示意图。
图7为一个实施例中欠定DOA估计目标空间谱估计结果示意图。
图8为一个实施例中不同信源数下信噪比变化时的测角精度对比图。
图9为一个实施例中距离速度不同、方向相同时的目标空间谱示意图，其中图(a)为目标1子空间的空间谱，图(b)为目标2子空间的空间谱。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本发明考虑用工程运用中常见的LFMCW体制的雷达来解决欠定DOA估计问题。LFMCW体制的雷达目前已经相对比较成熟，而常规的子空间类DOA估计算法也已经比较成熟，用两个成熟的简单方法结合起来解决一个困难的问题，方法简单巧妙，与工程实际相结合，也有利于工程实现，并且能够实现目标的角度-距离-速度三者的联合估计，有利于精确定位目标。
在一个实施例中，结合图1，提供了一种基于目标空间分集的欠定DOA估计方法，该方法包括以下步骤：
步骤S01，对LFMCW雷达阵列的每一路信号建立接收数据模型；
步骤S02，对每一路信号进行二维FFT变换；
步骤S03，选择一路信号的二维FFT数据进行二维恒虚警率CFAR检测，获得目标的距离速度信息；
步骤S04，每一路信号根据目标在距离-速度空间的分布划分目标子空间；
步骤S05，依据目标子空间重新构建LFMCW雷达阵列的接收数据模型；
步骤S06，对每个目标子空间进行DOA估计。这里，因为步骤S05已经重构出了子空间的阵列接收数据矢量，之后即可以利用各种常见的子空间类DOA估计算法估计每个子空间内目标的DOA。至此，本发明就完成了解决欠定DOA估计的问题。
这里优选地，DOA估计算法采用MUSIC算法。
进一步地，在其中一个实施例中，步骤S01所述对LFMCW雷达阵列的每一路信号建立接收数据模型，具体过程包括：
针对M个窄带信号入射到阵元数为N的均匀圆阵，目标所在的距离和速度分别为rm和vm，m＝1,2,...M，目标的水平角和俯仰角表示为
Figure BDA0002503654420000061
其中θm∈(0,2π)，
Figure BDA0002503654420000062
雷达阵列发射锯齿波LFMCW信号，载波频率为f0，信号波长为λ，调频带宽为B，调频周期为T，调频斜率为k＝B/T；
以均匀圆阵的圆心为参考点，则第n个阵元在t时刻的中频接收信号xn(t)为：
Figure BDA0002503654420000071
式中，对于均匀圆阵，圆心为参考点，则
Figure BDA0002503654420000072
表示接收第m个入射信号时第n个阵元相对于圆心的相位差频率，n＝1,2...,N；sm(t)表示t时刻第m个目标入射到参考点即圆心处的信号；τ0m＝2rm/c为第m个目标相对于参考圆心的固有时间延迟，c表示光速，d表示均匀圆阵的半径；fdm＝2vmf0/c表示第m个目标多普勒频移；fRm＝2krm/c为由第m个目标距离引起的频差；
Figure BDA0002503654420000073
表示时刻t所在的调频周期，其中
Figure BDA0002503654420000074
表示向下取整；nn(t)表示第n个阵元在t时刻的噪声；噪声为均值为0、噪声功率为δ2的高斯白噪声。
这里，中频接收信号的公式对于各种阵列结构的LFMCW雷达阵列都是通用的，不同阵列结构的区别仅在于fnm，fnm表示接收第m个入射信号时第n个阵元相对于参考阵元的空间相位差。
这里，考虑到均匀圆阵能够实现360°的方位角覆盖以及能够同时获得目标的水平角和俯仰角，本发明阵列结构采用均匀圆阵。
进一步地，在其中一个实施例中，步骤S02所述对每一路信号进行二维FFT变换，具体过程包括：
步骤S02-1，对每一路中频接收信号进行AD采样，采样频率为fs，采样周期为Ts＝1/fs；一次循环采样Nr个重复的调频周期，每个调频周期内采样点数为Ns，令nr＝0,1,...Nr-1，ns＝0,1,...Ns-1；因此第n个阵元在t时刻的中频接收信号的离散形式为：
Figure BDA0002503654420000075
式中，xn(nr,ns)表示第nr个重复周期的第ns个采样点；nn(nr,ns)为噪声nn(t)的离散形式；sm(nr,ns)＝exp[j*(2π(f0τ0m+fdm(nr*T)+(fRm+fdm)ns*Ts)]表示第m个目标入射到参考点即均匀圆阵圆心的信号的离散形式；这里，由上式可以看出，目标的距离和速度信息隐含在exp的频率和相位项之中，因此对上式进行二维FFT就可以导出目标的距离和速度信息；
步骤S02-2，对上述中频接收信号的离散公式进行二维FFT变换获得目标的距离和速度信息，第n个阵元在t时刻的中频接收信号的二维FFT表达式为：
Figure BDA0002503654420000081
式中，wn(l,k)为中频接收信号xn(nr,ns)二维FFT变换后的结果，k＝0,1,...,Ns-1；l＝0,1,...,Nr-1；这里沿着ns轴的FFT变换称为距离维变换，沿着nr轴的FFT变换称为速度维变换，得到的数据空间称为目标的距离-速度空间，简记为目标空间；sm(l,k)、nn(l,k)分别表示sm(nr,ns)和nn(nr,ns)的二维FFT结果；距离维变换的谱线间距为1/(Ts*Ns)，每根谱线对应一个距离单元，对应的目标距离为r＝k*cTr/(2B*Ns*Ts)；同样的，速度维变换的谱线间距为1/(T*Nr)，每根谱线对应一个多普勒单元，相对应的目标速度为v＝l*c/(2f0*T*Nr)。
进一步地，在其中一个实施例中，步骤S03所述选择一路信号的二维FFT数据进行二维恒虚警率CFAR检测，获得目标的距离速度信息，具体包括：
步骤S03-1，对二维FFT数据进行CFAR处理获得恒虚警检测门限值；
步骤S03-2，比较所述门限值与二维FFT数据，若二维FFT数据值大于门限值，判定为存在目标，记录目标位置所对应的谱线位置，求解目标距离和速度；否则判定为不存在目标。
进一步优选地，在其中一个实施例中，所述恒虚警率CFAR检测具体采用单元平均恒虚警检测CA_CFAR，对于CA_CFAR，判决门限只与判决单元附近的样本数L以及尺度因子a有关。考虑虚警概率为PFA，则尺度因子
Figure BDA0002503654420000082
那么判决门限T的表达式为：
Figure BDA0002503654420000083
式中，wni为所选的进行恒虚警检测的第n路信号目标判决单元周边的数据表示。
进一步地，在其中一个实施例中，步骤4所述每一路信号根据目标在距离-速度空间的分布划分目标子空间，具体过程包括：
为了减少周围目标对当前待进行DOA估计目标的影响，要求划分出的每个目标子空间内只有一个待估计目标，因此将目标空间划分成M个目标子空间，每个子空间内只取目标周边的数据。对于第n路二维FFT变换后的信号，第m个目标子空间的数据矩阵wnm表示为：
Figure BDA0002503654420000091
式中，lm、km分别表示第m个目标所在的多普勒单元和速度单元；Nrm、Nsm分别表示第m个目标子空间在距离维和速度维所取数据长度；符号(a:b)表示从a到b连续取值。
进一步地，在其中一个实施例中，步骤S05所述依据子空间重新构建LFMCW雷达阵列的接收数据模型，具体过程包括：
步骤S05-1，矢量化矩阵wnm，则有znm(h)＝rvec(wnm)，其中h＝1,2,…,Nsm*Nrm，
Figure BDA0002503654420000092
rvec(·)表示按行矢量化运算；
步骤S05-2，将对应同一个目标的每一路信号的子空间数据重组为阵列接收数据矢量：
Figure BDA0002503654420000093
其中，
Figure BDA0002503654420000094
表示第m个目标子空间内参考点目标的信号，
Figure BDA0002503654420000095
表示第n个阵元在第m个目标子空间内的噪声，n＝1,2...,N；
将上述Zm(h)表达式写为矩阵形式：
Zm(h)＝ASm(h)+N(h)
式中，
Figure BDA0002503654420000096
表示阵列流型矩阵，由于此时子空间内目标只有一个，
Figure BDA0002503654420000101
表示的导向矢量和阵列流型矩阵相同，N(h)＝[n1m(h),n2m(h),…nNm(h)]T为阵列目标子空间的噪声数据矢量。
作为一种具体示例，对本发明进行进一步验证说明，包括以下内容：
1、对每一路信号建立接收数据模型：
均匀圆阵的阵列结构如图2所示，考虑M个窄带信号入射到阵元数为N的均匀圆阵，目标所在的距离和速度分别为rm和vm(m＝1,2,...M)，目标的水平角和俯仰角表示为
Figure BDA0002503654420000102
其中θm∈(0,2π)，
Figure BDA0002503654420000103
本实例中目标数M＝10，阵元数N＝5，阵元半径r＝2λ，信噪比为15dB。目标具体的距离。速度和角度信息如下表1所示。
表1 目标具体的距离速度和角度信息
Figure BDA0002503654420000104
雷达发射锯齿波形式的LFMCW信号，其信号的时频图如图3所示。其中载波频率为f0＝9.1GHz，则其信号波长为λ＝33mm；调频带宽为B＝100MHz；调频周期为T＝0.1ms，调频斜率为k＝B/T。以均匀圆阵的圆心为参考点，则第n个阵元在t时刻的中频接收信号xn(t)为：
Figure BDA0002503654420000111
式中，
Figure BDA0002503654420000112
表示接收第m个入射信号时第n个阵元相对于圆心的相位差频率，n＝1,2...,N；sm(t)表示t时刻第m个目标入射到参考点即圆心处的信号；τ0m＝2rm/c为第m个目标相对于参考圆心的固有时间延迟，c表示光速，d表示均匀圆阵的半径；fdm＝2vmf0/c表示第m个目标多普勒频移；fRm＝2krm/c为由第m个目标距离引起的频差；
Figure BDA0002503654420000113
表示时刻t所在的调频周期，其中
Figure BDA0002503654420000114
表示向下取整；nn(t)表示第n个阵元在t时刻的噪声；噪声为均值为0、噪声功率为δ2的高斯白噪声。
2、对每一路信号分别进行二维FFT：
图4给出了数据采集循环结构的图示，考虑对每一路中频接收信号进行AD采样，采样频率为fs＝10MHz，则采样周期为Ts＝0.1us。一次循环采样Nr个重复的调频周期，每个调频周期内采样点数为Ns，令nr＝0,1,...Nr-1；ns＝0,1,...Ns-1。AD采样后第n个阵元在t时刻的中频接收信号的离散形式为：
Figure BDA0002503654420000115
式中，xn(nr,ns)表示第nr个重复周期的第ns个采样点；nn(nr,ns)为噪声nn(t)的离散形式；sm(nr,ns)＝exp[j*(2π(f0τ0m+fdm(nr*T)+(fRm+fdm)ns*Ts)]表示第m个目标入射到参考点即均匀圆阵圆心的信号的离散形式。
由上式可以看出，目标的距离和速度信息隐含在exp的频率和相位项之中，因此对上式进行二维FFT就可以导出目标的距离和速度信息，第n个阵元在t时刻的中频接收信号的二维FFT表达式为：
Figure BDA0002503654420000116
式中，wn(l,k)为中频接收信号xn(nr,ns)二维FFT变换后的结果，k＝0,1,...,Ns-1；l＝0,1,...,Nr-1；这里沿着ns轴的FFT变换称为距离维变换，沿着nr轴的FFT变换称为速度维变换，得到的数据空间称为目标的距离-速度空间，简记为目标空间；sm(l,k)、nn(l,k)分别表示sm(nr,ns)和nn(nr,ns)的二维FFT结果；距离维变换的谱线间距为1/(Ts*Ns)，每根谱线对应一个距离单元，对应的目标距离为r＝k*cTr/(2B*Ns*Ts)；同样的，速度维变换的谱线间距为1/(T*Nr)，每根谱线对应一个多普勒单元，相对应的目标速度为v＝l*c/(2f0*T*Nr)。
3、选择一路信号进行二维CFAR检测，获得目标的距离速度信息：
为了从二维FFT之后的数据中找到目标在距离-速度空间中的具体位置，即求得目标具体的距离和速度，需要进行CFAR检测。首先对输入的二维FFT数据数据进行CFAR处理来获得恒虚警检测门限，对比此门限与输入的二维FFT数据，若输入信号大于门限值，则判定为存在目标，记录下目标位置所对应的谱线位置，求解距离和速度；否则就判定为不存在目标。这里恒虚警处理采用单元平均恒虚警检测(CA_CFAR)。对于CA_CFAR，判决门限只与判决单元附近的样本数L以及尺度因子a有关。这里虚警概率取PFA＝10-2,则尺度因子
Figure BDA0002503654420000121
那么判决门限的表达式T为：
Figure BDA0002503654420000122
式中，wni为所选的进行恒虚警检测的第n路信号目标判决单元周边的数据表示。
恒虚警检测完目标的距离-速度空间的分布图如图5所示。
4、对每一路信号根据目标在距离-速度空间的分布划分目标子空间：
经过上述过程3的数据处理，可以得到目标在距离-速度空间的位置信息以及目标的个数M＝10。因此将目标空间划分成M个目标子空间，每个子空间内只取目标周边的数据。目标空间分集示意图如图6所示。故于第n路二维FFT变换后的信号，第m个目标子空间的数据矩阵wnm表示为：
Figure BDA0002503654420000123
式中，lm、km分别表示第m个目标所在的多普勒单元和速度单元；Nrm、Nsm分别表示第m个目标子空间在距离维和速度维所取数据长度；符号(a:b)表示从a到b连续取值。
5、依据子空间重新构建LFMCW雷达阵列的接收数据模型：
首先矢量化矩阵wnm，则有znm(h)＝rvec(wnm)，其中h＝1,2,…,Nsm*Nrm，
Figure BDA0002503654420000131
rvec(·)表示按行矢量化运算；
然后将对应同一个目标的每一路信号的子空间数据重组为阵列接收数据矢量：
Figure BDA0002503654420000132
其中，
Figure BDA0002503654420000133
表示第m个目标子空间内参考点目标的信号，
Figure BDA0002503654420000134
表示第n个阵元在第m个目标子空间内的噪声，n＝1,2...,N；
将上述Zm(h)表达式写为矩阵形式：
Zm(h)＝ASm(h)+N(h)
式中，
Figure BDA0002503654420000135
表示阵列流型矩阵，由于此时子空间内目标只有一个，
Figure BDA0002503654420000136
表示的导向矢量和阵列流型矩阵相同，N(h)＝[n1m(h),n2m(h),…nNm(h)]T为阵列目标子空间的噪声数据矢量。
6、对每个目标子空间进行DOA估计：
因为上述过程5已经重构出了M个子空间的阵列接收数据矢量，之后即可以利用各种常见的子空间类DOA估计算法估计每个子空间内目标的DOA。本实例中DOA估计采用MUSIC算法：
(1)求子空间阵列接收数据矢量Zm(h)的协方差矩阵
Figure BDA0002503654420000137
其中，(·)H表示共轭转置，IN为N×N维的单位矩阵。由于子空间的阵列接收数据长度有限，因此其数据协方差矩阵可以用其最大似然估计求出，表达式为：
Figure BDA0002503654420000141
其中Ns*Nr表示的子空间数据长度。
(2)对
Figure BDA0002503654420000142
做特征值分解。根据特征值得变化趋势，认为大特征值对应目标特征值，小特征值对应噪声特征值。由于此时已知子空间内目标个数为1，因此可以准确的得到噪声子空间矩阵UN,代入MUSIC算法的谱估计函数，有：
Figure BDA0002503654420000143
对上式进行谱峰搜索，谱峰所在点的
Figure BDA0002503654420000144
值即为信号波达方向的估计值。最终得到的欠定情况下的DOA空间谱如图7所示。这里为了使得结果显示简洁，将多个目标子空间的DOA空间谱叠加到一张图上显示，实际上应该是每个目标子空间一个DOA空间谱。由仿真结果可以看出，本发明所提出的基于目标空间分集的欠定DOA估计方法很好的解决了欠定DOA估计的问题，估计出了所有目标正确的来波方向，并实现了目标距离-速度-角度的联合定位。
图8给出了本发明在不同信噪比下的测角精度，用以说明本发明具有较好的抗噪声性能。分别在目标数为3,、7、10时各进行50次蒙特卡洛实验，MUSIC算法谱峰搜索时扫描间隔为0.5°。这里引入均方根误差(RMSE:root mean square error)来衡量测角精度。均方根误差的表达式如下：
Figure BDA0002503654420000145
其中，G表示蒙特卡洛实验次数，
Figure BDA0002503654420000146
分别表示第g次蒙特卡洛实验时θm和
Figure BDA0002503654420000147
的估计值。
从图8中可以看出，本发明方法在整个仿真区域都具有较好的测角精度，特别是在信噪比大于4dB之后，基本能实现目标角度的无误差估计。对比图中的M＝3、M＝7、M＝10三条折线，可以发现随着目标数目的增加，测角精度在低信噪比时出现下降，但整体来说误差都较小，精度较高，满足工程需要。与MUSIC算法在超定条件下DOA估计结果相比，本发明方法显著提高了该方法在低信噪比条件下的DOA估计性能，MUSIC算法在低信噪比时几乎无法正确估计出目标。
图9考虑空间中存在两个方位相同但是距离或者速度不同的目标，它们的方位角度均为(100°,30°)，目标的距离速度信息分别为(80m,-15m/s),(120m,5m/s)。对于子空间类算法在这种条件下，只能估计出其中的一个目标，而对于本发明方法，此时两个目标都能被正确估计，因为本发明方法还利用了目标的距离和速度信息进行联合估计，仿真结果如图9所示。
综上，本发明方法能够实现目标在欠定条件下的DOA估计。相比于已有的方法，本发明借助LFMCW雷达的特性，对入射目标信号在距离-速度空间进行分集，能够实现在阵元数固定时估计出更多的目标DOA，提高了阵列的整体性能，并且能够实现目标的距离-速度-角度的联合定位，有利于精确定位目标。本发明测角精度高，抗噪声性能好，适用于各种阵列结构，且简单易操作，便于工程实际应用。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实例的限制，上述实例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.基于目标空间分集的欠定DOA估计方法，其特征在于，所述方法包括以下步骤：
步骤1，对LFMCW雷达阵列的每一路信号建立接收数据模型；
步骤2，对每一路信号进行二维FFT变换；具体过程包括：
针对M个窄带信号入射到阵元数为N的均匀圆阵，目标所在的距离和速度分别为rm和vm，m＝1,2,...M，目标的水平角和俯仰角表示为
Figure FDA0003558665200000011
其中θm∈(0,2π)，
Figure FDA0003558665200000012
雷达阵列发射锯齿波LFMCW信号，载波频率为f0，信号波长为λ，调频带宽为B，调频周期为T，调频斜率为k＝B/T；
以均匀圆阵的圆心为参考点，则第n个阵元在t时刻的中频接收信号xn(t)为：
Figure FDA0003558665200000013
式中，对于均匀圆阵，圆心为参考点，则
Figure FDA0003558665200000014
表示接收第m个入射信号时第n个阵元相对于圆心的相位差频率，n＝1,2...,N；sm(t)表示t时刻第m个目标入射到参考点即圆心处的信号；τ0m＝2rm/c为第m个目标相对于参考圆心的固有时间延迟，c表示光速，d表示均匀圆阵的半径；fdm＝2vmf0/c表示第m个目标多普勒频移；fRm＝2krm/c为由第m个目标距离引起的频差；
Figure FDA0003558665200000015
表示时刻t所在的调频周期，其中
Figure FDA0003558665200000016
表示向下取整；nn(t)表示第n个阵元在t时刻的噪声；噪声为均值为0、噪声功率为δ2的高斯白噪声；
步骤3，选择一路信号的二维FFT数据进行二维恒虚警率CFAR检测，获得目标的距离速度信息；
步骤4，每一路信号根据目标在距离-速度空间的分布划分目标子空间；具体过程包括：
根据恒虚警检测所得的目标数M，将目标空间划分成M个目标子空间；对于第n路二维FFT变换后的信号，第m个目标子空间的数据矩阵wnm表示为：
Figure FDA0003558665200000017
式中，lm、km分别表示第m个目标所在的多普勒单元和速度单元；Nrm、Nsm分别表示第m个目标子空间在距离维和速度维所取数据长度；符号(a:b)表示从a到b连续取值；
步骤5，依据目标子空间重新构建LFMCW雷达阵列的接收数据模型；具体过程包括：
步骤5-1，矢量化矩阵wnm，则有znm(h)＝rvec(wnm)，其中h＝1,2,…,Nsm*Nrm，
Figure FDA0003558665200000021
rvec(·)表示按行矢量化运算；
步骤5-2，将对应同一个目标的每一路信号的子空间数据重组为阵列接收数据矢量：
Figure FDA0003558665200000022
其中，
Figure FDA0003558665200000023
表示第m个目标子空间内参考点目标的信号，
Figure FDA0003558665200000024
表示第n个阵元在第m个目标子空间内的噪声，n＝1,2...,N；
将上述Zm(h)表达式写为矩阵形式：
Zm(h)＝ASm(h)+N(h)
式中，
Figure FDA0003558665200000025
表示阵列流型矩阵，
Figure FDA0003558665200000026
表示的导向矢量和阵列流型矩阵相同，N(h)＝[n1m(h),n2m(h),…nNm(h)]T为阵列目标子空间的噪声数据矢量；
步骤6，对每个目标子空间进行DOA估计。
2.根据权利要求1所述的基于目标空间分集的欠定DOA估计方法，其特征在于，步骤2所述对每一路信号进行二维FFT变换，具体过程包括：
步骤2-1，对每一路中频接收信号进行AD采样，采样频率为fs，采样周期为Ts＝1/fs；一次循环采样Nr个重复的调频周期，每个调频周期内采样点数为Ns，令nr＝0,1,...Nr-1，ns＝0,1,...Ns-1；因此第n个阵元在t时刻的中频接收信号的离散形式为：
Figure FDA0003558665200000031
式中，xn(nr,ns)表示第nr个重复周期的第ns个采样点；nn(nr,ns)为噪声nn(t)的离散形式；sm(nr,ns)＝exp[j*(2π(f0τ0m+fdm(nr*T)+(fRm+fdm)ns*Ts)]表示第m个目标入射到参考点即均匀圆阵圆心的信号的离散形式；
步骤2-2，对上述中频接收信号的离散公式进行二维FFT变换获得目标的距离和速度信息，第n个阵元在t时刻的中频接收信号的二维FFT表达式为：
Figure FDA0003558665200000032
式中，wn(l,k)为中频接收信号xn(nr,ns)二维FFT变换后的结果，k＝0,1,...,Ns-1；l＝0,1,...,Nr-1；这里沿着ns轴的FFT变换称为距离维变换，沿着nr轴的FFT变换称为速度维变换，得到的数据空间称为目标的距离-速度空间，简记为目标空间；sm(l,k)、nn(l,k)分别表示sm(nr,ns)和nn(nr,ns)的二维FFT结果；距离维变换的谱线间距为1/(Ts*Ns)，每根谱线对应一个距离单元，对应的目标距离为r＝k*cTr/(2B*Ns*Ts)；同样的，速度维变换的谱线间距为1/(T*Nr)，每根谱线对应一个多普勒单元，相对应的目标速度为v＝l*c/(2f0*T*Nr)。
3.根据权利要求1所述的基于目标空间分集的欠定DOA估计方法，其特征在于，步骤3所述选择一路信号的二维FFT数据进行二维恒虚警率CFAR检测，获得目标的距离速度信息，具体包括：
步骤3-1，对二维FFT数据进行CFAR处理获得恒虚警检测门限值；
步骤3-2，比较所述门限值与二维FFT数据，若二维FFT数据值大于门限值，判定为存在目标，记录目标位置所对应的谱线位置，求解目标距离和速度；否则判定为不存在目标。
4.根据权利要求3所述的基于目标空间分集的欠定DOA估计方法，其特征在于，所述恒虚警率CFAR检测具体采用单元平均恒虚警检测CA_CFAR。
CN202010439647.XA 2020-05-22 2020-05-22 基于目标空间分集的欠定doa估计方法 Active CN111521968B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010439647.XA CN111521968B (zh) 2020-05-22 2020-05-22 基于目标空间分集的欠定doa估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010439647.XA CN111521968B (zh) 2020-05-22 2020-05-22 基于目标空间分集的欠定doa估计方法

Publications (2)

Publication Number Publication Date
CN111521968A CN111521968A (zh) 2020-08-11
CN111521968B true CN111521968B (zh) 2022-05-20

Family

ID=71905786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010439647.XA Active CN111521968B (zh) 2020-05-22 2020-05-22 基于目标空间分集的欠定doa估计方法

Country Status (1)

Country Link
CN (1) CN111521968B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112363106B (zh) * 2020-10-28 2022-11-01 西安电子科技大学 基于量子粒子群的信号子空间波达方向检测方法及系统
CN112630726B (zh) * 2020-11-18 2024-03-29 上海磐启微电子有限公司 一种弧形阵列定位方法及系统
CN113359196B (zh) * 2021-05-26 2023-01-20 上海交通大学 基于子空间法和dbf的多目标生命体征探测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106443570A (zh) * 2016-08-22 2017-02-22 西安电子科技大学 基于多重信号分类算法矢量相关性的波达方向估计方法
CN107390181A (zh) * 2017-07-26 2017-11-24 电子科技大学 一种基于多波束扫描的雷达高分辨成像方法
CN107689825A (zh) * 2016-08-03 2018-02-13 南京理工大学 一种基于压缩感知的星载ais冲突信号分离方法
CN109828252A (zh) * 2019-04-02 2019-05-31 河海大学 一种mimo雷达参数估计方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE463749T1 (de) * 2001-04-27 2010-04-15 Mitsubishi Elec R&D Ct Europe Verfahren zur einfallsrichtungsschätzung
TWI388138B (zh) * 2009-06-30 2013-03-01 Jeich Mar 結合環形陣列天線與多載波直接展頻序列倍頻展頻技術於雙態雷達估測低訊雜比目標來向之接收裝置與估測方法
ITTO20120417A1 (it) * 2012-05-09 2013-11-10 St Microelectronics Srl Procedimento e dispositivi per elaborare segnali radar, ad esempio per sistemi di sicurezza stradale, relativo prodotto informatico
CN102841344B (zh) * 2012-09-13 2015-07-15 电子科技大学 一种少阵元近场宽带信号源参数估计方法
DE102014201026A1 (de) * 2014-01-21 2015-07-23 Robert Bosch Gmbh Verfahren zur Winkelschätzung und Radarsensor für Kraftfahrzeuge
CN104155648B (zh) * 2014-08-26 2016-08-17 国家海洋局第一海洋研究所 基于阵列数据重排的高频地波雷达单次快拍music测向方法
CN105188133B (zh) * 2015-08-11 2018-10-16 电子科技大学 一种基于准平稳信号局部协方差匹配的kr子空间doa估计方法
CN105676171B (zh) * 2016-01-04 2018-06-22 国家无线电监测中心 单通道双基站超短波信号空间定位方法
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
CN107576947B (zh) * 2017-08-08 2020-01-31 西安电子科技大学 基于时间平滑的l型阵对相干信源二维波达方向估计方法
CN108363049A (zh) * 2018-03-09 2018-08-03 西安电子科技大学 非平稳噪声下相干信源mimo雷达角度估计方法
CN110275158B (zh) * 2018-03-15 2023-04-28 南京理工大学 基于贝叶斯压缩感知的宽带雷达回波信号参数估计方法
KR20190124487A (ko) * 2018-04-26 2019-11-05 한국전자통신연구원 레이다 시스템에서 DoA 추정을 위한 신호개수 판별 방법 및 장치
JP7108929B2 (ja) * 2018-09-25 2022-07-29 パナソニックＩｐマネジメント株式会社 レーダ装置及び物標判定方法
CN109471095B (zh) * 2018-11-06 2023-02-14 哈尔滨工程大学 一种基于快速迭代插值的fmcw雷达距离估计方法
CN109975807B (zh) * 2019-03-27 2022-03-18 东南大学 一种适用于毫米波车载雷达的降维子空间测角方法
CN110095750B (zh) * 2019-05-28 2020-11-24 中国人民解放军国防科技大学 基于准平稳信号稀疏重构的快速二维欠定测角方法
CN110133574B (zh) * 2019-07-02 2022-12-16 华南理工大学 利用多频信号二次虚拟扩展的一维doa估计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107689825A (zh) * 2016-08-03 2018-02-13 南京理工大学 一种基于压缩感知的星载ais冲突信号分离方法
CN106443570A (zh) * 2016-08-22 2017-02-22 西安电子科技大学 基于多重信号分类算法矢量相关性的波达方向估计方法
CN107390181A (zh) * 2017-07-26 2017-11-24 电子科技大学 一种基于多波束扫描的雷达高分辨成像方法
CN109828252A (zh) * 2019-04-02 2019-05-31 河海大学 一种mimo雷达参数估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
改进MUSIC算法在DOA估计中的研究;韩江杰;《中国优秀硕士学位论文全文数据库 信息科技辑》;20060915;第1-60页 *

Also Published As

Publication number Publication date
CN111521968A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
US11635506B2 (en) Radar device
CN111521968B (zh) 基于目标空间分集的欠定doa估计方法
US11860267B2 (en) Systems and methods for interpolated virtual aperture radar tracking
US11592521B1 (en) Signal detection and denoising systems
CN109975807B (zh) 一种适用于毫米波车载雷达的降维子空间测角方法
CN110456334B (zh) 基于优化稀疏阵的tdm-mimo雷达系统及其信号处理方法
JP2012168157A (ja) 車載用のマルチビーム方式レーダ装置、マルチビーム方式レーダ方法およびマルチビーム方式レーダプログラム
CN110673086A (zh) 一种基于数字阵列雷达的二维角度超分辨方法
WO2020196575A1 (ja) レーダ装置及びレンジサイドローブ判定方法
CN111239721B (zh) 车载mimo雷达求熵解速度模糊的方法
CN109143230B (zh) 一种应用于s波段穿墙雷达的二维波达方向估计方法
CN115436896A (zh) 快速的雷达单快拍music测角方法
CN112834980A (zh) 一种基于传播算子的涡旋电磁波超分辨测向方法
US11977152B2 (en) Direction finding technique in radar array signal processing
CN108872947B (zh) 一种基于子空间技术的海杂波抑制方法
JP4232628B2 (ja) レーダ装置
CN112363108A (zh) 信号子空间加权超分辨的波达方向检测方法及系统
CN111580040A (zh) 双基地展开互质阵列mimo雷达dod和doa降维估计方法
CN112666558B (zh) 一种适用于汽车fmcw雷达的低复杂度music测向方法及装置
US7372402B2 (en) Method for enhancing the measuring accuracy in an antenna array
JP2019200082A (ja) 方位演算装置及び方位演算方法
WO2021196165A1 (zh) 频率分析方法、装置及雷达
KR102331907B1 (ko) 거리와 각도 동시 추정을 위한 레이더 신호 처리 장치 및 그 방법
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
CN109752688B (zh) 一种针对传感器阵列系统的临近信源角度差值计算方法

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