CN112180327B - 一种存在互耦条件下基于多普勒频移的直接定位方法 - Google Patents

一种存在互耦条件下基于多普勒频移的直接定位方法 Download PDF

Info

Publication number
CN112180327B
CN112180327B CN202010919481.1A CN202010919481A CN112180327B CN 112180327 B CN112180327 B CN 112180327B CN 202010919481 A CN202010919481 A CN 202010919481A CN 112180327 B CN112180327 B CN 112180327B
Authority
CN
China
Prior art keywords
array
mutual coupling
target information
station
information source
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
CN202010919481.1A
Other languages
English (en)
Other versions
CN112180327A (zh
Inventor
汪跃先
马菲
王伶
陈清浪
丁立超
谢坚
张兆林
杨欣
陶明亮
粟嘉
邢自健
韩闯
刘龙
宫延云
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202010919481.1A priority Critical patent/CN112180327B/zh
Publication of CN112180327A publication Critical patent/CN112180327A/zh
Application granted granted Critical
Publication of CN112180327B publication Critical patent/CN112180327B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/04—Position of source determined by a plurality of spaced direction-finders
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • 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
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种存在互耦条件下基于多普勒频移的直接定位方法，通过利用一个运动单站在沿L型轨迹运动时，在K个时隙内阵列天线接收数据直接估计目标信源的位置坐标。首先，建立存在互耦条件下基于多普勒频移信息的运动单站多时隙阵列信号模型；然后，使用基于秩损法和阵列互耦矩阵结构的算法，初步估计目标信源的位置坐标；使用初步估计出的目标信源位置，估计出阵列互耦系数；估计出阵列的互耦系数后，使用MUSIC算法估计出更准确的目标信源的位置。相比于现有运动多站定位方法，本发明方法可以解决存在互耦条件下的直接定位问题，显著提高对目标的定位精度，尤其是可以提高阵列的自由度；在超自由度的直接定位问题中，该定位方法精度优势更加明显。

Description

一种存在互耦条件下基于多普勒频移的直接定位方法
技术领域
本发明属于信号处理领域，具体涉及一种定位方法。
背景技术
基于多普勒频移的直接定位系统,如图2所示，有若干个目标信源，一个运动的天线阵列在若干个时隙内不同位置上接收目标辐射的信号，联合分析若干个时隙内接收到的信号，对目标信源的位置进行估计。
对于多站定位静止目标问题，通常使用时延参数对目标进行定位，但是这种方法要求多个接收站之间时间同步，当信号带宽较窄时，这种方法很难达到较高的时间同步精度，而此时可以得到较高的频差进度，因此基于多普勒频移的直接定位技术是目前电子侦察中的重要技术之一。
当前基于多普勒频移的直接定位算法，可以在忽略天线阵列阵元间相互作用的条件下，准确估计出目标信源的位置。但是，在实际应用环境中，天线阵列存在互耦误差，并且阵元间距越小，互耦效应越显著。所以，阵元互耦误差在实际应用中不应该被忽视。
发明内容
为了克服现有技术的不足，本发明提供了一种存在互耦条件下基于多普勒频移的直接定位方法，通过利用一个运动单站在沿L型轨迹运动时，在K个时隙内阵列天线接收数据直接估计目标信源的位置坐标。首先，建立存在互耦条件下基于多普勒频移信息的运动单站多时隙阵列信号模型；然后，使用基于秩损法和阵列互耦矩阵结构的算法，初步估计目标信源的位置坐标；使用初步估计出的目标信源位置，估计出阵列互耦系数；估计出阵列的互耦系数后，使用MUSIC算法估计出更准确的目标信源的位置。相比于已有的运动多站定位方法，本发明提供的方法可以解决存在互耦条件下的直接定位问题，显著提高对目标的定位精度，尤其是可以提高阵列的自由度，在超自由度的直接定位问题中，该定位方法精度优势更加明显。
本发明解决其技术问题所采用的技术方案包括以下步骤：
步骤1：假设：运动单站是由M个阵元构成的均匀直线阵；运动单站沿L型轨迹运动，在K个观测间隙内运动单站对Q个静止目标信源进行检测；目标信源发射载频为fc的窄带信号s(t)，各观测时隙窄带信号s(t)到达运动单站的复包络相同；
定义目标信源位置坐标为pq＝[xq,yq]T,q＝1,2,…,Q，运动单站在第k个观测间隙内的位置和速度分别为和/>k＝1,2,…,K；将每个观测时隙对窄带信号s(t)进行N次快拍采样，每个快拍采样又分为L个样本点；
步骤2：按照预设的采样信号时域模型得到目标信源K个时隙的时域数据，生成第n个采样时刻的观测模型为：
式中，Ts＝T/N表示采样周期，T为每个观测间隙时长，wk(n)为均值为0的高斯白噪声序列，s(n)表示第n个采样时刻的窄带信号；
C为互耦矩阵，形式是呈带状对称的Toeplitz矩阵，互耦长度为l，表示如式(2)
式中，[c0,c1,…,cl]为互耦系数，且满足|cl|<…<|c1|<|c0|＝1；ak(p)为阵列流型，fk(p)为多普勒频移，p＝[x,y]为运动单站移动范围内任意一点；
定义互耦系数向量c＝[c0,c1,…,cl]；
阵列流型和多普勒频移与目标信源位置之间的代数关系式分别为式(3)和式(4)：
其中，d表示运动单站阵元间距，λ表示窄带信号波长，vc为光速；
假定同一时隙中运动单站的天线阵列接收目标信源发射的窄带信号角度和多普勒频移保持不变；定义如下向量：
式中，gk(pq)为时域的阵列流型向量，bk(pq)为LM维空时阵列流型向量，Bk(p)为阵列接收到的Q个目标信源的阵列流型向量，表示矩阵的维度为LM×Q，/>表示Kronecker积，更新式(1)中第n个采样时刻的观测模型表示为：
xk(n)＝Bk(p)sk(n)+wk(n) (6)
步骤3：定义运动单站在第k个时隙内接收到信号的协方差矩阵为：
式中，E[·]表示求期望，(·)H表示矢量的共轭转置；对Rk进行特征值分解，得到：
式中，Us和Un分别表示运动单站接收信号的信号子空间和噪声子空间，Σs＝diag(γ1,γ2,…,γQ)，Σn＝diag(γQ+1,γQ+2,…,γM)是由Rk的M个特征值γ组成的对角阵，且γ1＞γ2＞…＞γM；
步骤4：定义存在互耦的阵列流型ack(p)为：
计算：
其中，IL×L为L×L维单位阵，
式中，
其中，m＝1,2,…,l-1；
根据子空间原理，入射信号的导向矢量正交于噪声子空间，则有：
假设不等于0，把式(7)代入式(10)得到：
其中，
采用下面函数对目标信源的位置进行估计：
P(p)的Q个最大峰值对应的坐标即为估计的所求目标信源的初次求解位置,用表示；
步骤5：定义υ＝[υ1,υ2,…,υl-1]T，其中υi＝[εmin]l+i，εmin表示Q(p)的最小特征值，[εmin]l+i表示εmin的第l+i个元素；
定义α的估计值为得到/>则：
其中，
令
当1≤i≤l-1时，式(14)写为：
[f1,…,fl-1]Tc＝[h1,…,hl-1]T (18)
则能用下式估计运动单站的互耦系数向量：
c＝F-1H (19)
其中，和/>
步骤6：得到互耦系数向量c后，采用MUSIC算法进一步估计出目标信源的准确位置：
其中，
本发明具有以下有益效果：
本发明提供的一种存在互耦条件下基于多普勒频移的直接定位方法可以解决存在互耦条件下的直接定位问题，同时多普勒频移信息的引入可以明显提高对目标的定位精度，尤其是可以提高阵列的自由度；在超自由度的直接定位问题中，该定位精度优势更加明显。
附图说明
图1为本发明方法的定位流程示意图。
图2为本发明方法的原理示意图。
图3为本发明实施例运动单站多时隙观测的定位场景示意图。
图4为本发明实施例互耦系数估计的均方根误差随信噪比的变化曲线。
图5为本发明实施例的目标定位均方根误差随信噪比的变化曲线。
图6为本发明实施例超自由度情况下运动单站多时隙观测的定位场景示意图。
图7为本发明实施例超自由度情况下互耦系数估计的均方根误差随信噪比的变化曲线。
图8为本发明实施例超自由度情况下目标定位均方根误差随信噪比的变化曲线。
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。
如图1所示，一种存在互耦条件下基于多普勒频移的直接定位方法，包括以下步骤：
步骤1：假设：运动单站是由M个阵元构成的均匀直线阵；运动单站沿L型轨迹运动，在K个观测间隙内运动单站对Q个静止目标信源进行检测；目标信源发射载频为fc的窄带信号s(t)，各观测时隙窄带信号s(t)到达运动单站的复包络相同；
定义目标信源位置坐标为pq＝[xq,yq]T,q＝1,2,…,Q，运动单站在第k个观测间隙内的位置和速度分别为和/>k＝1,2,…,K；将每个观测时隙对窄带信号s(t)进行N次快拍采样，每个快拍采样又分为L个样本点；
步骤2：按照预设的采样信号时域模型得到目标信源K个时隙的时域数据，生成第n个采样时刻的观测模型为：
式中，Ts＝T/N表示采样周期，T为每个观测间隙时长，wk(n)为均值为0的高斯白噪声序列，s(n)表示第n个采样时刻的窄带信号；
C为互耦矩阵，建立均匀线阵的互耦模型时，形式是呈带状对称的Toeplitz矩阵，互耦长度为l，表示如式(2)
式中，[c0,c1,…,cl]为互耦系数，且满足|cl|<…<|c1|<|c0|＝1；ak(p)为阵列流型，fk(p)为多普勒频移，p＝[x,y]为运动单站移动范围内任意一点；
定义互耦系数向量c＝[c0,c1,…,cl]；
阵列流型和多普勒频移与目标信源位置之间的代数关系式分别为式(3)和式(4)：
其中，d表示运动单站阵元间距，λ表示窄带信号波长，vc为光速；
天线阵列在K个时隙内不同位置上接收目标辐射的信号，假定同一时隙中运动单站的天线阵列接收目标信源发射的窄带信号角度和多普勒频移保持不变；定义如下向量：
式中，gk(pq)为时域的阵列流型向量，bk(pq)为LM维空时阵列流型向量，Bk(p)为阵列接收到的Q个目标信源的阵列流型向量，表示矩阵的维度为LM×Q，/>表示Kronecker积，更新式(1)中第n个采样时刻的观测模型表示为：
xk(n)＝Bk(p)sk(n)+wk(n) (6)
步骤3：定义运动单站在第k个时隙内接收到信号的协方差矩阵为：
式中，E[·]表示求期望，(·)H表示矢量的共轭转置；对Rk进行特征值分解，得到：
式中，Us和Un分别表示运动单站接收信号的信号子空间和噪声子空间，Σs＝diag(γ1,γ2,…,γQ)，Σn＝diag(γQ+1,γQ+2,…,γM)是由Rk的M个特征值γ组成的对角阵，且γ1＞γ2＞…＞γM；
步骤4：定义存在互耦的阵列流型ack(p)为：
计算：
其中，IL×L为L×L维单位阵，
式中，
其中，m＝1,2,…,l-1；
根据子空间原理，入射信号的导向矢量正交于噪声子空间，则有：
假设不等于0，把式(7)代入式(10)得到：
其中，
通常，Q(p)是一个满秩矩阵，但是当p＝pq时，矩阵Q(p)会变成一个非满秩的矩阵，其行列式为0，根据这一性质，Q(p)的行列式可用于直接定位，采用下面函数对目标信源的位置进行估计：
在移动区域内对x和y进行搜索，P(p)的Q个最大峰值对应的坐标即为估计的所求目标信源的初次求解位置,用表示；
步骤5：定义υ＝[υ1,υ2,…,υl-1]T，其中υi＝[εmin]l+i，εmin表示Q(p)的最小特征值，[εmin]l+i表示εmin的第l+i个元素；
定义α的估计值为得到/>则：
其中，
令
当1≤i≤l-1时，式(14)写为：
[f1,…,fl-1]Tc＝[h1,…,hl-1]T (18)
则能用下式估计运动单站的互耦系数向量：
c＝F-1H (19)
其中，和/>
步骤6：得到互耦系数向量c后，采用MUSIC算法进一步估计出目标信源的准确位置：
其中，
具体实施例：
初始化参数，设置运动单站为阵元数M＝4的均匀线阵，在K＝5个观测时隙内接收Q＝2个目标信源发射的信号，如图3所示。
两个目标信源的真实位置分别为(5,25)和(-5,35)，运动单站在各个观测时隙的位置为(-15,15)，(0,15)，(15,15)，(15,30)和(15,45)。互耦长度为2，已知互耦系数向量为c＝[1,0.1545+0.4755i]，快拍数N＝200。
信信噪比的变化范围为从-5dB开始以2dB为间隔增长到15dB。进行500次蒙特卡洛实验，并对估计出的目标信源位置和互耦矩阵求解其随信噪比变化的均方根误差(RMSE)，其均方根误差公式分别为
其中，表示目标信源位置坐标估计值，/>表示估计出的运动单站在第k个时隙内的互耦系数向量的第j个元素，cj是互耦系数向量的第j个元素。
采用本发明方法可以估计出目标信源的位置及互耦矩阵，图4为估计互耦系数的RMSEc随信噪比的变化曲线，图5为估计目标信源位置的RMSEp随信噪比的变化曲线。图5给出了在互耦系数未知情况下，步骤3中初次估计的目标信源位置结果、步骤6再次估计的目标信源位置结果以及在互耦系数已知情况下直接将互耦矩阵代入式(20)估计出来的目标信源结果的均方根误差随信噪比变化情况。从图4和图5可以看出，本发明可以解决存在互耦条件下的直接定位问题，显著提高对目标的定位精度。
在超自由度情况下，也就是目标信源的个数大于等于运动单站阵元数的情况下，设置如下参数，运动单站为阵元数M＝4的均匀线阵，在K＝5个观测时隙内接收Q＝4个目标信源发射的信号，如图6所示。
目标信源的真实位置分别为(5,25)，(-5,35)，(5,35)和(-5,25)，运动单站在各个观测时隙的位置为(-15,15)，(0,15)，(15,15)，(15,30)和(15,45)。互耦长度为2，已知互耦系数向量为c＝[1,0.1545+0.4755i]，快拍数N＝200。
图7为超自由度情况下估计互耦系数的RMSEc随信噪比的变化曲线，图8为超自由度情况下估计目标信源位置的RMSEp随信噪比的变化曲线。图8给出了互耦系数未知情况下，步骤3初次估计的目标信源位置结果、步骤6再次估计的目标信源位置结果以及互耦系数已知情况下直接将互耦矩阵代入式(20)估计出来的目标信源结果的均方根误差随信噪比变化情况。从图7和图8可以看出，本发明可以扩展阵列的自由度，在超自由度的直接定位问题中，该方法定位精度优势也很明显。

Claims (1)

1.一种存在互耦条件下基于多普勒频移的直接定位方法，其特征在于，步骤1：假设：运动单站是由M个阵元构成的均匀直线阵；运动单站沿L型轨迹运动，在K个观测间隙内运动单站对Q个静止目标信源进行检测；目标信源发射载频为fc的窄带信号s(t)，各观测时隙窄带信号s(t)到达运动单站的复包络相同；
定义目标信源位置坐标为pq＝[xq，yq]T，q＝1，2，…，Q，运动单站在第k个观测间隙内的位置和速度分别为和/>将每个观测时隙对窄带信号s(t)进行N次快拍采样，每个快拍采样又分为L个样本点；
步骤2：按照预设的采样信号时域模型得到目标信源K个时隙的时域数据，生成第n个采样时刻的观测模型为：
式中，Ts＝T/N表示采样周期，T为每个观测间隙时长，wk(n)为均值为0的高斯白噪声序列，s(n)表示第n个采样时刻的窄带信号；
C为互耦矩阵，形式是呈带状对称的Toeplitz矩阵，互耦长度为l，表示如式(2)
式中，[c0，c1，...，cl]为互耦系数，且满足|cl|＜…＜|c1|＜|c0|＝1；ak(p)为阵列流型，fk(p)为多普勒频移，p＝[x，y]为运动单站移动范围内任意一点；
定义互耦系数向量c＝[c0，c1，...，cl]；
阵列流型和多普勒频移与目标信源位置之间的代数关系式分别为式(3)和式(4)：
其中，d表示运动单站阵元间距，λ表示窄带信号波长，vc为光速；
假定同一时隙中运动单站的天线阵列接收目标信源发射的窄带信号角度和多普勒频移保持不变；定义如下向量：
式中，gk(pq)为时域的阵列流型向量，bk(pq)为LM维空时阵列流型向量，Bk(p)为阵列接收到的Q个目标信源的阵列流型向量，表示矩阵的维度为LM×Q，/>表示Kronecker积，更新式(1)中第n个采样时刻的观测模型表示为：
xk(n)＝Bk(p)sk(n)+wk(n) (6)
步骤3：定义运动单站在第k个时隙内接收到信号的协方差矩阵为：
式中，E[·]表示求期望，(·)H表示矢量的共轭转置；对Rk进行特征值分解，得到：
式中，Us和Un分别表示运动单站接收信号的信号子空间和噪声子空间，∑s＝diag(γ1，γ2，…，γQ)，∑n＝diag(γQ+1，γQ+2，…，γM)是由Rk的M个特征值γ组成的对角阵，且γ1＞γ2＞…＞γM；
步骤4：定义存在互耦的阵列流型ack(p)为：
计算：
其中，IL×L为L×L维单位阵，
式中，α＝[μ1，...，μl-1，1，α1，...，αl-1]T，
其中，m＝1，2，…，l-1；
根据子空间原理，入射信号的导向矢量正交于噪声子空间，则有：
假设不等于0，把式(7)代入式(10)得到：
其中，
采用下面函数对目标信源的位置进行估计：
P(p)的Q个最大峰值对应的坐标即为估计的所求目标信源的初次求解位置，用表示；
步骤5：定义υ＝[υ1，υ2，…，υl-1]T，其中υi＝[εmin]l+i，εmin表示Q(p)的最小特征值，[εmin]l+i表示εmin的第l+i个元素；
定义α的估计值为得到/>则：
其中，
令
当1≤i≤l-1时，式(14)写为：
[f1，…，fl-1]Tc＝[h1，…，hl-1]T (18)
则能用下式估计运动单站的互耦系数向量：
c＝F-1H (19)
其中，和/>
步骤6：得到互耦系数向量c后，采用MUSIC算法进一步估计出目标信源的准确位置：
其中，
CN202010919481.1A 2020-09-04 2020-09-04 一种存在互耦条件下基于多普勒频移的直接定位方法 Active CN112180327B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010919481.1A CN112180327B (zh) 2020-09-04 2020-09-04 一种存在互耦条件下基于多普勒频移的直接定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010919481.1A CN112180327B (zh) 2020-09-04 2020-09-04 一种存在互耦条件下基于多普勒频移的直接定位方法

Publications (2)

Publication Number Publication Date
CN112180327A CN112180327A (zh) 2021-01-05
CN112180327B true CN112180327B (zh) 2024-04-09

Family

ID=73924133

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010919481.1A Active CN112180327B (zh) 2020-09-04 2020-09-04 一种存在互耦条件下基于多普勒频移的直接定位方法

Country Status (1)

Country Link
CN (1) CN112180327B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113238208B (zh) * 2021-05-06 2022-08-02 山东省科学院海洋仪器仪表研究所 非规则轨迹水中运动目标前向声散射多普勒频移计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6489923B1 (en) * 1999-09-16 2002-12-03 Nortel Networks Limited Position location method and apparatus for a mobile telecommunications system
WO2019095912A1 (zh) * 2017-11-16 2019-05-23 华南理工大学 基于可调夹角均匀线阵的水下波达方向估计方法及装置
CN110927659A (zh) * 2019-11-25 2020-03-27 长江大学 互耦条件下任意阵列流形doa估计与互耦校准方法及系统
CN111537974A (zh) * 2020-05-20 2020-08-14 成都航空职业技术学院 一种去耦合的空时自适应信号处理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6489923B1 (en) * 1999-09-16 2002-12-03 Nortel Networks Limited Position location method and apparatus for a mobile telecommunications system
WO2019095912A1 (zh) * 2017-11-16 2019-05-23 华南理工大学 基于可调夹角均匀线阵的水下波达方向估计方法及装置
CN110927659A (zh) * 2019-11-25 2020-03-27 长江大学 互耦条件下任意阵列流形doa估计与互耦校准方法及系统
CN111537974A (zh) * 2020-05-20 2020-08-14 成都航空职业技术学院 一种去耦合的空时自适应信号处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
频域空时域级联导航抗干扰技术研究;徐娟;姚如贵;陈;王伶;张兆林;;弹箭与制导学报;20150415(第02期);全文 *

Also Published As

Publication number Publication date
CN112180327A (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
Vankayalapati et al. TDOA based direct positioning maximum likelihood estimator and the Cramer-Rao bound
CN110261819B (zh) 基于时延补偿的多无人机协同定位方法
US11982698B2 (en) Joint denoising and delay estimation for the extraction of pulse-width of signals in RF interference
Ge et al. A computationally efficient EK-PMBM filter for bistatic mmWave radio SLAM
CN107124762B (zh) 一种高效消减非视距误差的无线定位方法
CN112180327B (zh) 一种存在互耦条件下基于多普勒频移的直接定位方法
Naseri et al. Machine learning-based angle of arrival estimation for ultra-wide band radios
Zhang et al. A training-free multipath enhancement (TFME-RTI) method for device-free multi-target localization
CN107966676A (zh) 复杂噪声环境下阵列天线角度和信源个数联合估计方法
Sun et al. Refining inaccurate sensor positions using target at unknown location
CN111007457B (zh) 一种基于块稀疏贝叶斯模型的辐射源直接定位方法
Ma et al. Super-resolution time delay estimation using exponential kernel correlation in impulsive noise and multipath environments
Teng et al. Variational bayesian multiuser tracking for reconfigurable intelligent surface aided mimo-ofdm systems
Ge et al. Iterated posterior linearization PMB filter for 5G SLAM
US10156630B2 (en) Method for passively locating a non-movable transmitter
Peng et al. A novel mobility induced channel prediction mechanism for vehicular communications
CN113671441B (zh) 一种基于超宽带技术的室内无源实时定位方法
CN115242367B (zh) 面向工业无线信道脉冲响应的数据误差矫正方法
Qin et al. A ML-based direct localization method for multiple sources with moving arrays
CN112333629A (zh) 一种互耦未知条件下分布式阵列多目标定位方法
Xu et al. Unscented kalman filtering based multipath-assisted positioning with peak flow tracking
Robaei et al. Adaptive millimeter-wave channel estimation and tracking
CN117319938B (zh) 一种基于智能反射面辅助的毫米波位置跟踪系统
CN113359095A (zh) 一种相干被动mimo雷达克拉美罗界的计算方法
Nyantakyi et al. ACGA: Adaptive Conjugate Gradient Algorithm for non-line-of-sight hybrid TDOA-AOA localization

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