CN111693947A - 基于互质阵列doa估计的改进music方法 - Google Patents
基于互质阵列doa估计的改进music方法 Download PDFInfo
- Publication number
- CN111693947A CN111693947A CN202010640000.3A CN202010640000A CN111693947A CN 111693947 A CN111693947 A CN 111693947A CN 202010640000 A CN202010640000 A CN 202010640000A CN 111693947 A CN111693947 A CN 111693947A
- Authority
- CN
- China
- Prior art keywords
- covariance matrix
- array
- signal
- noise
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 46
- 238000003491 array Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Electromagnetism (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于互质阵列DOA估计的改进MUSIC方法,本发明针对互质天线阵列,通过对传统MUSIC方法进行改进实现基于互质阵列的DOA估计问题。首先求得接收矩阵的协方差矩阵,并对协方差矩阵进行向量化处理,得到一个单快拍数据,将这个信号作为新的接收信号进行处理,并运用平滑MUSIC算法进行波达方向估计,由于向量化之后形成的虚拟孔径对阵列进行了重构,提高了阵列对于MUSIC算法的适应能力。本发明方法从检测的场景出发,对传统的DOA估计算法进行改进,经仿真证明,本发明中改进的DOA估计方法有效可行,性能可靠,可以准确地提取出各个目标的信号。
Description
技术领域
本发明属于雷达技术领域,特别是一种基于互质阵列DOA估计的改进MUSIC方法。
背景技术
波达方向(Direction of Arrival,DOA)估计是阵列信号处理的重要分支之一,自从 第二次世界大战以来,其发展迅速,并且被广泛应用在军事和民用的各个方面。经典 的DOA估计方法主要分为子空间分解和子空间拟合两类,这两类方法都需要在多快 拍条件下进行,并且都有着各自本身难以克服的缺陷。压缩感知(Compressive Sensing, CS)理论克服了Nyquist采样定理的限制,为信号处理提供了新的思路。
传统DOA估计大都基于均匀线性阵开展研究,为获得高的方位分辨率需要较多 阵元数。实际应用中,受天线制作成本、尺寸等因素限制,希望采用较少阵元实现高 分辨的DOA估计。本发明针对稀疏天线阵列DOA估计问题开展研究,通过对传统 MUSIC方法进行改进实现基于稀疏天线阵列的DOA估计问题。本发明中基于互质阵 列DOA估计的改进MUSIC方法有效可行,性能可靠,可以准确地提取出各个目标的 信号。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种基于互质阵列DOA估计的改进MUSIC方法。
技术方案
一种基于互质阵列DOA估计的改进MUSIC方法,其特征在于步骤如下:
步骤1:由互质阵列获取雷达接收信号;
步骤1-1:构造互质阵列:选取间距为m=3的均匀线阵1,和间距为n=7的均匀 线阵2,由均匀线阵1和均匀线阵2叠加,选取总的阵元数N=9构造互质阵列;
步骤1-2:获取雷达信号:由构造的互质阵列接受雷达回波信号,获取的雷达接 收信号X(k),k=1,2…,N;
步骤2:采用MUSIC方法构造协方差矩阵;
定义阵列的协方差矩阵:
步骤3:对协方差矩阵进行向量化处理:
其中,为新的导向矢量,θk为入射角度,表示Kronecker积,A*表示共轭,表示第k个 信源的名义导向矢量,为信号的功率,σ2为 噪声功率,ei表示第i个位置为1其余位置全为0的向量, 将Z作为优化后的入射信号;
步骤4:将向量化处理后的信号利用前向平滑MISIC方法构造修正协方差矩阵;
步骤4-1:由新的入射信号Z(k),k=1,2…,N构造协方差矩阵:
步骤5:对修正协方差矩阵进行特征分解,得到噪声子空间与信号子空间;
步骤5-1:特征分解:对协方差矩阵进行特征值分解,并将得到的特征值进行排序,得到特征值的集合∑s=(λ1,λ2,…,λM),其中λ1≥λ2≥…≥λP>λP+1=λP+2=...=λM=σ2), M为特征值的个数,其中P个大的特征值对应信号子空间,M-P个小的特征值对应的 是噪声子空间,这M-P个小的特征值λi=σ2,i=P+1,P+2,...,M;
步骤5-2:噪声子空间的构造:λi=σ2是协方差矩阵小的特征值,则有:
Rfvi=σ2vi,i=P+1,P+2,...,M
将噪声的特征向量构造出噪声子空间矩阵En:
En=[vP+1,vP+2,...,vM]
步骤6:由噪声子空间得到空间谱函数,由谱函数的峰值确定来波方向:
步骤6-1:由信号子空间构造空间谱函数:
步骤6-2:将θ从-90°~90°进行遍历,P个峰值对应的角度即为各个目标所在的方位角。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1所述方 法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1所述方法的步骤。
有益效果
本发明提出的一种基于互质阵列DOA估计的改进MUSIC方法,与现有技术相比, 其显著优点在于:本发明方法从检测的场景出发,对传统的DOA估计方法进行改进, 经仿真证明,本发明中改进的DOA估计方法有效可行,性能可靠,可以准确地提取 出各个目标的信号。
附图说明
图1是本发明基于互质阵列DOA估计的改进MUSIC方法的流程图。
图2是本发明互质阵列的设计图。
图3是本发明DOA估计的结果图。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
结合图1,一种利用本发明的基于互质阵列DOA估计的改进MUSIC方法,方法 步骤如下:
步骤1、由互质阵列获取雷达接收信号,具体为:
步骤1-1、互质阵列构造:互质阵列是一类特殊的稀疏阵列,与均匀线阵相比, 互质阵列旁瓣低,阵列数量较少,故障率低,天线系统成本较低。互质阵列由两个间 距不等的均匀线阵交替组成的。由于组成互质阵列的两个均匀阵列的阵元间距必须等 于半波长的整数倍,而且这两个倍数必须是互质的。(如选取间距为m=3的均匀线阵1, 和间距为n=7的均匀线阵2,由均匀线阵1和均匀线阵2叠加,选取总的阵元数为9, 阵元位置具体为[0,3,6,7,9,12,14,15,18])。
步骤1-2、雷达系统接收P=2个实验对象的回波,2个实验对象距离雷达阵列的 垂直距离均为2.4m,相对于雷达阵列中心的角度分别为0°、40°和35°、40°。每 个雷达接收通道分别接收N=2000个快拍数据;
步骤1-3、天线接收的回波经过雷达接收机处理后变为数字信号,则雷达阵列接收到的信号模型表示为:
X(k)=AS(k)+n(k)(k=1,2,…,N)
式中X(k)为M×1维接收信号
X(k)=[x1(k),x2(k),…,xM(k)]T
n(k)为M×1维噪声向量,与回波信号不相关。
n(k)=[n1(k),n2(k),…,nM(k)]T S(k)为P×1维回波信号
S(k)=[s1(k),s2(k),…,sP(k)]T
其中su(k)(u=1,…,P)为第u个目标的回波信号。
A表示M×P维阵列流形矩阵
步骤2、由步骤1中接收信号的模型,利用传统MUSIC算法构造协方差矩阵,具 体为:
协方差矩阵构造:定义阵列的协方差矩阵:
步骤3、对协方差矩阵进行向量化处理,将向量化处理后的信号作为新的接收信号,具体为:
向量化处理:对协方差矩阵进行向量化处理:
步骤4、将向量化处理后的信号利用前向平滑MISIC方法构造修正协方差矩阵, 具体为:
步骤4-1、由新的入射信号Z(k),k=1,2…,N构造协方差矩阵:
步骤5、对修正协方差矩阵进行特征分解,得到噪声子空间与信号子空间,具体为:
步骤5-1、特征分解:对协方差矩阵进行特征值分解,并将得到的特征值进行排序,得到特征值的集合∑s=(λ1,λ2,…,λM),其中P个较大的特征值对应信号子空间,M- P个较小的特征值对应的是噪声子空间。
步骤5-2、噪声子空间的构造:λi=σ2是协方差矩阵较小的特征值,则有:
Rfvi=σ2vi,i=P+1,P+2,...,M
将噪声的特征向量构造出噪声子空间矩阵En:
En=[vP+1,vP+2,...,vM]
步骤6、由噪声子空间得到空间谱函数,由谱函数的峰值确定来波方向,具体为:
步骤6-1、由信号子空间构造空间谱函数:
步骤6-2、将θ从-90°~90°进行遍历,P个峰值对应的角度即为各个目标所在的 方位角。
Claims (3)
1.一种基于互质阵列DOA估计的改进MUSIC方法,其特征在于步骤如下:
步骤1:由互质阵列获取雷达接收信号;
步骤1-1:构造互质阵列:选取间距为m=3的均匀线阵1,和间距为n=7的均匀线阵2,由均匀线阵1和均匀线阵2叠加,选取总的阵元数N=9构造互质阵列;
步骤1-2:获取雷达信号:由构造的互质阵列接受雷达回波信号,获取的雷达接收信号X(k),k=1,2…,N;
步骤2:采用MUSIC算法构造协方差矩阵;
定义阵列的协方差矩阵:
步骤3:对协方差矩阵进行向量化处理:
其中,为新的导向矢量,θk为入射角度,表示Kronecker积,A*表示共轭,表示第k个信源的名义导向矢量,为信号的功率,σ2为噪声功率,ei表示第i个位置为1其余位置全为0的向量,将Z作为优化后的入射信号;
步骤4:将向量化处理后的信号利用前向平滑MISIC算法构造修正协方差矩阵;
步骤4-1:由新的入射信号Z(k),k=1,2…,N构造协方差矩阵:
步骤5:对修正协方差矩阵进行特征分解,得到噪声子空间与信号子空间;
步骤5-1:特征分解:对协方差矩阵进行特征值分解,并将得到的特征值进行排序,得到特征值的集合∑s=(λ1,λ2,…,λM),其中λ1≥λ2≥…≥λP>λP+1=λP+2=…=λM=σ2),M为特征值的个数,其中P个大的特征值对应信号子空间,M-P个小的特征值对应的是噪声子空间,这M-P个小的特征值λi=σ2,i=P+1,P+2,...,M;
步骤5-2:噪声子空间的构造:λi=σ2是协方差矩阵小的特征值,则有:
Rfvi=σ2vi,i=P+1,P+2,...,M
将噪声的特征向量构造出噪声子空间矩阵En:
En=[vP+1,vP+2,...,vM]
步骤6:由噪声子空间得到空间谱函数,由谱函数的峰值确定来波方向:
步骤6-1:由信号子空间构造空间谱函数:
步骤6-2:将θ从-90°~90°进行遍历,P个峰值对应的角度即为各个目标所在的方位角。
2.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1所述方法的步骤。
3.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010640000.3A CN111693947A (zh) | 2020-07-06 | 2020-07-06 | 基于互质阵列doa估计的改进music方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010640000.3A CN111693947A (zh) | 2020-07-06 | 2020-07-06 | 基于互质阵列doa估计的改进music方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111693947A true CN111693947A (zh) | 2020-09-22 |
Family
ID=72485354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010640000.3A Pending CN111693947A (zh) | 2020-07-06 | 2020-07-06 | 基于互质阵列doa估计的改进music方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111693947A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462363A (zh) * | 2020-10-15 | 2021-03-09 | 中国人民解放军空军预警学院 | 非均匀稀疏极化阵列相干目标参数估计方法 |
CN113075610A (zh) * | 2021-02-19 | 2021-07-06 | 电子科技大学 | 一种基于互质极化阵列的差分阵列内插的doa估计方法 |
CN114063120A (zh) * | 2021-10-21 | 2022-02-18 | 中国人民解放军61081部队 | 信号doa的仿真识别方法、装置、设备及存储介质 |
CN114994651A (zh) * | 2022-05-18 | 2022-09-02 | 电子科技大学 | 一种存在通道幅相误差的双基地互质mimo雷达目标定位方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106707257A (zh) * | 2016-12-01 | 2017-05-24 | 西安电子科技大学 | 基于嵌套阵列的mimo雷达波达方向估计方法 |
CN107015190A (zh) * | 2017-03-01 | 2017-08-04 | 浙江大学 | 基于虚拟阵列协方差矩阵稀疏重建的互质阵列波达方向估计方法 |
CN107092004A (zh) * | 2017-05-05 | 2017-08-25 | 浙江大学 | 基于信号子空间旋转不变性的互质阵列波达方向估计方法 |
CN107290709A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 基于范德蒙分解的互质阵列波达方向估计方法 |
CN107561484A (zh) * | 2017-08-24 | 2018-01-09 | 浙江大学 | 基于内插互质阵列协方差矩阵重建的波达方向估计方法 |
CN109655799A (zh) * | 2018-12-26 | 2019-04-19 | 中国航天科工集团八五研究所 | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 |
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 |
CN110007266A (zh) * | 2019-04-22 | 2019-07-12 | 哈尔滨工程大学 | 一种冲击噪声下的任意阵列相干源测向方法 |
CN110031794A (zh) * | 2019-04-16 | 2019-07-19 | 中国人民解放军国防科技大学 | 一种基于差分共性阵重构的相干信源doa估计方法 |
CN110109077A (zh) * | 2019-04-26 | 2019-08-09 | 西安电子科技大学 | 基于时间反演的mimo雷达相干角度估计方法 |
US20200200861A1 (en) * | 2018-12-21 | 2020-06-25 | King Fahd University Of Petroleum And Minerals | Signal emitter location determination using sparse doa estimation based on a multi-level prime array with compressed subarray |
-
2020
- 2020-07-06 CN CN202010640000.3A patent/CN111693947A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106707257A (zh) * | 2016-12-01 | 2017-05-24 | 西安电子科技大学 | 基于嵌套阵列的mimo雷达波达方向估计方法 |
CN107015190A (zh) * | 2017-03-01 | 2017-08-04 | 浙江大学 | 基于虚拟阵列协方差矩阵稀疏重建的互质阵列波达方向估计方法 |
CN107092004A (zh) * | 2017-05-05 | 2017-08-25 | 浙江大学 | 基于信号子空间旋转不变性的互质阵列波达方向估计方法 |
CN107290709A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 基于范德蒙分解的互质阵列波达方向估计方法 |
CN107561484A (zh) * | 2017-08-24 | 2018-01-09 | 浙江大学 | 基于内插互质阵列协方差矩阵重建的波达方向估计方法 |
US20200200861A1 (en) * | 2018-12-21 | 2020-06-25 | King Fahd University Of Petroleum And Minerals | Signal emitter location determination using sparse doa estimation based on a multi-level prime array with compressed subarray |
CN109655799A (zh) * | 2018-12-26 | 2019-04-19 | 中国航天科工集团八五研究所 | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 |
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 |
CN110031794A (zh) * | 2019-04-16 | 2019-07-19 | 中国人民解放军国防科技大学 | 一种基于差分共性阵重构的相干信源doa估计方法 |
CN110007266A (zh) * | 2019-04-22 | 2019-07-12 | 哈尔滨工程大学 | 一种冲击噪声下的任意阵列相干源测向方法 |
CN110109077A (zh) * | 2019-04-26 | 2019-08-09 | 西安电子科技大学 | 基于时间反演的mimo雷达相干角度估计方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462363A (zh) * | 2020-10-15 | 2021-03-09 | 中国人民解放军空军预警学院 | 非均匀稀疏极化阵列相干目标参数估计方法 |
CN112462363B (zh) * | 2020-10-15 | 2024-05-21 | 中国人民解放军空军预警学院 | 非均匀稀疏极化阵列相干目标参数估计方法 |
CN113075610A (zh) * | 2021-02-19 | 2021-07-06 | 电子科技大学 | 一种基于互质极化阵列的差分阵列内插的doa估计方法 |
CN113075610B (zh) * | 2021-02-19 | 2022-05-03 | 电子科技大学 | 一种基于互质极化阵列的差分阵列内插的doa估计方法 |
CN114063120A (zh) * | 2021-10-21 | 2022-02-18 | 中国人民解放军61081部队 | 信号doa的仿真识别方法、装置、设备及存储介质 |
CN114994651A (zh) * | 2022-05-18 | 2022-09-02 | 电子科技大学 | 一种存在通道幅相误差的双基地互质mimo雷达目标定位方法 |
CN114994651B (zh) * | 2022-05-18 | 2024-02-06 | 电子科技大学 | 一种存在通道幅相误差的双基地互质mimo雷达目标定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN111693947A (zh) | 基于互质阵列doa估计的改进music方法 | |
Schmidt et al. | Multiple source DF signal processing: An experimental system | |
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 | |
CN111239678B (zh) | 一种基于l型阵列的二维doa估计方法 | |
CN107092004B (zh) | 基于信号子空间旋转不变性的互质阵列波达方向估计方法 | |
CN109633522B (zh) | 基于改进的music算法的波达方向估计方法 | |
CN108896954B (zh) | 互质阵中一种基于联合实值子空间的波达角估计方法 | |
CN107870315B (zh) | 一种利用迭代相位补偿技术估计任意阵列波达方向方法 | |
CN108120967B (zh) | 一种平面阵列doa估计方法及设备 | |
EP1423726A2 (en) | Adaptive digital beamforming radar method and system for maintaining multiple source angle super-resolution capability in jamming | |
CN109633520B (zh) | 一种均匀圆阵超分辨率空间谱估计方法 | |
CN112487703B (zh) | 基于稀疏贝叶斯在未知噪声场的欠定宽带信号doa估计方法 | |
CN112462363B (zh) | 非均匀稀疏极化阵列相干目标参数估计方法 | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN112363108B (zh) | 信号子空间加权超分辨的波达方向检测方法及系统 | |
CN112327292B (zh) | 一种二维稀疏阵列doa估计方法 | |
CN112733333A (zh) | 互质面阵中一种基于多项式求根的二维测向估计方法 | |
CN114563760B (zh) | 一种基于sca阵型的二阶超波束形成方法、设备及介质 | |
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 | |
Ni et al. | Information-theoretic target localization with compressed measurement using FDA radar | |
CN114265004A (zh) | 一种基于子空间对消的干扰下的目标角度估计方法 | |
CN114487985A (zh) | 一种基于差-和信号的波束锐化方法及系统 | |
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 | |
Al Jabr et al. | Modified UCA-ESPRIT for estimating DOA of coherent signals using one snapshot |
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 |