CN112666558A - 一种适用于汽车fmcw雷达的低复杂度music测向方法及装置 - Google Patents
一种适用于汽车fmcw雷达的低复杂度music测向方法及装置 Download PDFInfo
- Publication number
- CN112666558A CN112666558A CN201910980639.3A CN201910980639A CN112666558A CN 112666558 A CN112666558 A CN 112666558A CN 201910980639 A CN201910980639 A CN 201910980639A CN 112666558 A CN112666558 A CN 112666558A
- Authority
- CN
- China
- Prior art keywords
- fmcw radar
- complex
- peak value
- search
- matrix
- 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 38
- 239000011159 matrix material Substances 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 230000003595 spectral effect Effects 0.000 claims abstract description 11
- 238000012935 Averaging Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种适用于汽车FMCW雷达的低复杂度MUSIC测向方法，包括：对FMCW雷达阵列信号进行DFT处理；对DFT处理后的雷达阵列信号进行峰值搜索生成峰值对应的阵列数据；对每个峰值对应的相邻阵列数据进行维度为2的相关矩阵估算得到N‑1个2×2复矩阵；所述复矩阵为2阶Hermite矩阵；对所述复矩阵进行特征值分解，求解特征值和特征向量；利用所述特征值和特征向量进行谱峰搜索得到N‑1个对应的方向搜索结果；对N‑1个方向搜索结果进行求和平均，使用CFAR检测得出对应的检测方向输出。本方法大大简化了运算过程，方便了实时实现，可有效提升超分辨估计目标个数和运算速度。
Description
技术领域
本发明涉及FMCW雷达信号处理技术领域，尤其涉及一种适用于汽车FMCW雷达的低复杂度MUSIC测向方法及装置。
背景技术
近些年来，基于毫米波频段的汽车雷达越来越得到了工业界和学术界的关注。该雷达工作在24GHz或者77GHz，带宽可达1GHz以上，一般采用FMCW锯齿波或三角波波形。FMCW雷达的基本概念是产生并发射线性调频信号，通过混合发送和接收的信号，在接收机中产生拍频信号，通过对这种拍频进行频谱分析来获得距离和速度分布。同时，可以从不同雷达天线阵元之间的相位延迟中提取目标的角度分布，从而实现对目标的距离、速度和方向的估计。汽车雷达因为成本和体积的限制，接收天线数目有限，因此准确的目标方向(DOA) 估计成为了汽车雷达信号处理的关键技术之一。目前汽车雷达中常用的DOA估计有经典的数字波束技术、三级FFT技术和基于超分辨率谱估计方法的DOA估计技术等三种方法。上述方法各有优缺点，其中第一种和第二种方法最大的优点是计算简单、可实时实现，但均受到瑞利限的限制，估计精度很难达到汽车雷达方向分辨率的要求，若使用多输入多输出(MIMO)雷达，虚拟阵列的等效孔径是物理孔径的M倍(M为发射信号个数)，可以提高对应的角度分辨率，但依然很难满足实际需求。第三种方法常用的算法是对接收到的N个通道的数据进行MUSIC或ESPRIT等超分辨率谱估计算法，从而得出DOA估计结果。该算法最大的优点是角度分辨率高，可满足汽车雷达的设计要求，但实际运算过程中需要进行特征值分解，因而运算量大，很难实时实现的缺点，同时要求目标个数不能多于接收通道个数 N-1，因此在车道旁边有很多栅栏或隧道中行驶等反射体较多等场合时该算法也不太适用。
发明内容
有鉴于此，本发明提供一种适用于汽车FMCW雷达的低复杂度 MUSIC测向方法及装置，该方法大大简化了运算量，方便用户实现。可有效提升超分辨估计目标个数和运算速度。
为达到上述目的，本发明采用如下技术方案：
本发明实施例提供了一种适用于汽车FMCW雷达的低复杂度 MUSIC测向方法，包括：
对FMCW雷达阵列信号进行DFT处理；
对DFT处理后的雷达阵列信号进行峰值搜索生成峰值对应的阵列数据；
对每个峰值对应的相邻阵列数据进行维度为2的相关矩阵估算得到N-1个2×2复矩阵，所述复矩阵为2阶Hermite矩阵；N为采样点数；
对所述复矩阵进行特征值分解，求解特征值和特征向量；
利用所述特征值和特征向量进行谱峰搜索得到N-1个对应的方向搜索结果；
对N-1个方向搜索结果进行求和平均，使用CFAR检测得出对应的检测方向输出。
进一步地，“对FMCW雷达阵列信号进行DFT处理”之前还包括：对所述FMCW雷达阵列信号依次进行混频、滤波以及A/D转换处理。
进一步地，“对所述复矩阵进行特征值分解，求解特征值和特征向量”具体包括：
将复矩阵表示成表达式
其中r11、r22、a、b均为实数；
计算出复矩阵的2个特征值λ1和λ2，其中，特征值
特征值
根据特征值λ1和λ2计算出对应的特征向量v1和v2，其中特征值λ1对应的特征向量
特征值λ2对应的特征向量
进一步地，所述FMCW雷达使用均匀线阵结构。
进一步地，所述对DFT处理后的雷达阵列信号进行峰值搜索采用CFAR检测算法。
进一步地，利用公式
进行相关矩阵估算，其中N是采样点数；X为2×M的矩阵，X表示为第i路和第i+1路天线接收信号经DFT处理后在目标距离上对应的频域峰值矢量。
进一步地，所述“利用所述特征值和特征向量进行谱峰搜索得到 N-1个对应的方向搜索结果”具体包括：
将最小特征值对应的特征向量选定为噪声子空间特征向量；
利用MUSIC算法构造空间谱方式，进行目标方位估计；其空间伪谱表达式为：
其中，
为噪声子空间特征向量；
为天线阵列导向向量；H表示共轭转置操作。
进一步地，所述“对N-1个方向搜索结果进行求和平均，使用 CFAR检测得出对应的检测方向输出”具体包括：
对于MUSIC算出的具体N-1个PMUi(θ)，进行求和平均，即计算：
对PMUa(θ)结果使用CFAR算法进行方位的检测，得出检测结果。
本发明实施例提供了一种适用于汽车FMCW雷达的低复杂度 MUSIC测向装置，包括：
离散傅里叶变换模块，用于对FMCW雷达阵列信号进行DFT处理；
阵列数据生成模块，用于对DFT处理后的雷达阵列信号进行峰值搜索生成峰值对应的阵列数据；
相关矩阵估算模块，用于对每个峰值对应的相邻阵列数据进行维度为2的相关矩阵估算得到N-1个2×2复矩阵，所述复矩阵为2阶 Hermite矩阵；N为采样点数；
特征值特征向量求解模块，用于对所述复矩阵进行特征值分解，求解特征值和特征向量；
谱峰搜索模块，用于利用所述特征值和特征向量进行谱峰搜索得到N-1个对应的方向搜索结果；
检测方向输出模块，用于对N-1个方向搜索结果进行求和平均，使用CFAR检测得出对应的检测方向输出。
基于本发明提供的上述方案，本发明可直接对相关矩阵进行特征值和特征向量求解，无需使用迭代的方法进行SVD分解,大大简化了运算过程，方便了实时实现，先在频率域进行了DFT运算可有效提升超分辨估计目标个数，可有效提升超分辨估计目标个数和运算速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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为本发明实施例提供的一种适用于汽车FMCW雷达的低复杂度MUSIC测向方法的流程示意图；
图2为本发明实施例提供的数据结构和DFT处理后的选取数据图；
图3为本发明实施例提供的DOA估计结果；
图4为本发明实施例提供的一种适用于汽车FMCW雷达的低复杂度MUSIC测向装置的结构示意图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种适用于汽车FMCW雷达的低复杂度MUSIC测向方法，包括：
S101、对FMCW雷达阵列信号进行DFT处理。
“对FMCW雷达阵列信号进行DFT处理”之前还包括：对所述 FMCW雷达阵列信号依次进行混频、滤波以及A/D转换处理。
对FMCW雷达接收信号进行混频、滤波、A/D转换，选取一路对A/D转换的结果进行DFT运算处理。
S102、对DFT处理后的雷达阵列信号进行峰值搜索生成峰值对应的阵列数据。
对DFT处理后的雷达阵列信号进行峰值搜索优先采用CFAR检测算法以确定目标个数及相应距离。在FMCW雷达中，是通过对接收信号进行DFT变换，检测具体的差频信号，通过差频信号的频率和个数确定目标的距离和个数。
对于采用锯齿波波形的FMCW毫米波汽车雷达，其扫描周期在 10微秒以内，FMCW雷达使用均匀线阵(Uniform Linear Arrays,ULA) 结构，则两根天线之间的相位差为
其中，
指的是相邻两个的天线之间的相位差，d指两个天线之间的距离差，θ是目标入射方向，λ是雷达的工作频率。接收信号混频后进行合理近似，可以写成与ts,n,k相关的函数形式，其中ts表示时间，n表示该帧中第 n个扫描周期，k表示第k根接收天线，如公式(1)所示：
其中Ri、vi、θi分别为第i个目标的距离、速度和方位角，Ai为第i个目标反射信号的衰减系数，α为FMCW雷达的频率变化率，fc 是FMCW雷达的工作频率，T表示FMCW一帧数据的时间。若每个扫描周期采样N个点，每帧包括M个扫描周期，一共有K个接收天线。因此对上述信号在一个T内进行DFT处理就可以估算出相应的速度，DFT后使用CFAR检测算法找出对应的峰值f1，f2，……，fl，然后再选择出对应于每个峰值的DFT后的数据，具体如图2所示。每个峰值对应1个M×K的阵列数据，如图2中的深色部分所示，而 fi即对应目标相应的距离。
S103、对每个峰值对应的相邻阵列数据进行维度为2的相关矩阵估算得到N-1个2×2复矩阵，所述复矩阵为2阶Hermite矩阵；N为采样点数。
可在K路接收天线中任意选取2路相邻天线DFT后的信号进行相关矩阵估计，也可以多次选取估计后进行平均，在本实施例中使用第1路和第2路天线的信号进行自相关矩阵估计，可使用公式(2)进行估计。
利用公式
进行相关矩阵估算，其中N是采样点数；X为2×M的矩阵，X 表示为第1路和第2路天线接收信号经DFT处理后在目标距离上对应的频域峰值矢量。
在FMCW毫米波汽车雷达中，由于雷达带宽很大，因此距离分辨率比较高，同一距离上存在多个目标的概率就很小，因此我们可以看做同一距离上仅存在1个目标，若有多个目标也可以通过跟踪或继续在速度域进行处理等方法来消除这一问题；因此，我们仅使用2根天线上的数据就可以处理侧向问题。一般认为天线越多越好，但天线越多MUSIC运算量就越大，当相关矩阵为2维时，可以通过解析解来求解相关矩阵的特征值和特征向量，而超过2维时就需要采用迭代来计算特征值和特征向量了。因此本申请最大的特点就是只使用2 维特征矩阵来进行特定于汽车雷达的侧向问题。
S104、对所述复矩阵进行特征值分解，求解特征值和特征向量。
将复矩阵
表示成公式3；
求解特征值，令
即(r11-λ)(r22-λ)-(a+bj)(a-bj)＝0。
化为一元二次方程为λ2-(r11+r22)λ+r11r22-a2-b2＝0。
利用公式法计算出复矩阵的2个特征值λ1和λ2，其中，特征值
特征值
根据特征值λ1和λ2计算出对应的特征向量v1和v2，其中特征值λ1对应的特征向量
特征值λ2对应的特征向量
对于维数高于2阶的相关矩阵是没有办法使用解析法求解特征值和特征向量的，都是使用jacobi或者其他的算法来求解，这些算法运算量很大，而本发明就局限于2阶，因此可以使用解析算法来方便求解特征值和特征向量。
S105、利用所述特征值和特征向量进行谱峰搜索得到N-1个对应的方向搜索结果。
将最小特征值对应的特征向量选定为噪声子空间特征向量；利用 MUSIC算法构造空间谱方式，进行目标方位估计；其空间伪谱表达式为：
其中，
为噪声子空间特征向量；
为天线阵列导向向量；H表示共轭转置操作。
选择最小特征值对应的特征向量v2，即对于不相关信号，最小特征值等于噪声的方差，构造由噪声特征向量张开的M×1维子空间，即
在到达角θ处，噪声子空间特征向量与天线阵列导向向量正交。
S106、对N-1个方向搜索结果进行求和平均，使用CFAR检测得出对应的检测方向输出。
对于MUSIC算出的具体N-1个PMUi(θ)，进行求和平均，即计算：
对PMUa(θ)结果使用CFAR算法进行方位的检测，得出检测结果。
如图3所示，使用本申请提供的测向方法计算得出的目标方位估计结果，在仿真中我们设计了3个目标，其距离为(40 50 60)，方位分别为(0° 4° 20°)，仿真结果表明该算法有效。与传统FMCW雷达DOA的MUSIC估计方法相比，本发明可直接对自相关矩阵进行特征值和特征向量求解，无需使用迭代的方法进行SVD分解(奇异值分解),大大简化了运算过程，方便了实时实现。
如图4所示，本发明实施例提供一种适用于汽车FMCW雷达的低复杂度MUSIC测向装置，包括：
离散傅里叶变换模块101，用于对FMCW雷达阵列信号进行DFT 处理；
阵列数据生成模块102，用于对DFT处理后的雷达阵列信号进行峰值搜索生成峰值对应的阵列数据；
相关矩阵估算模块103，用于对每个峰值对应的相邻阵列数据进行维度为2的相关矩阵估算得到N-1个2×2复矩阵，所述复矩阵为2 阶Hermite矩阵；N为采样点数；
特征值特征向量求解模块104，用于对所述复矩阵进行特征值分解，求解特征值和特征向量；
谱峰搜索模块105，用于利用所述特征值和特征向量进行谱峰搜索得到N-1个对应的方向搜索结果；
检测方向输出模块106，用于对N-1个方向搜索结果进行求和平均，使用CFAR检测得出对应的检测方向输出。
需要说明的是：上述实施例提供的适用于汽车FMCW雷达的低复杂度MUSIC测向装置与适用于汽车FMCW雷达的低复杂度MUSIC 测向方法实施例属于同一构思，其具体实现过程以及效果详见方法项实施例。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种适用于汽车FMCW雷达的低复杂度MUSIC测向方法，其特征在于，包括：
对FMCW雷达阵列信号进行DFT处理；
对DFT处理后的雷达阵列信号进行峰值搜索生成峰值对应的阵列数据；
对每个峰值对应的相邻阵列数据进行维度为2的相关矩阵估算得到N-1个2×2复矩阵，所述复矩阵为2阶Hermite矩阵；N为采样点数；
对所述复矩阵进行特征值分解，求解特征值和特征向量；
利用所述特征值和特征向量进行谱峰搜索得到N-1个对应的方向搜索结果；
对N-1个方向搜索结果进行求和平均，使用CFAR检测得出对应的检测方向输出。
2.根据权利要求1所述的方法，其特征在于，“对FMCW雷达阵列信号进行DFT处理”之前还包括：对所述FMCW雷达阵列信号依次进行混频、滤波以及A/D转换处理。
3.根据权利要求1所述的方法，其特征在于，“对所述复矩阵进行特征值分解，求解特征值和特征向量”具体包括：
将复矩阵表示成表达式
其中r11、r22、a、b均为实数；
计算出复矩阵的2个特征值λ1和λ2，其中，特征值
特征值
根据特征值λ1和λ2计算出对应的特征向量v1和v2，其中特征值λ1对应的特征向量
特征值λ2对应的特征向量
4.根据权利要求1所述的方法，其特征在于，所述FMCW雷达使用均匀线阵结构。
5.根据权利要求1所述的方法，其特征在于，所述对DFT处理后的雷达阵列信号进行峰值搜索采用CFAR检测算法。
6.根据权利要求1所述的方法，其特征在于，利用公式
进行相关矩阵估算，其中N是采样点数；X为2×M的矩阵，X表示为第i路和第i+1路天线接收信号经DFT处理后在目标距离上对应的频域峰值矢量。
7.根据权利要求1所述的方法，其特征在于，所述“利用所述特征值和特征向量进行谱峰搜索得到N-1个对应的方向搜索结果”具体包括：
将最小特征值对应的特征向量选定为噪声子空间特征向量；
利用MUSIC算法构造空间谱方式，进行目标方位估计；其空间伪谱表达式为：
其中，
为噪声子空间特征向量；
为天线阵列导向向量；H表示共轭转置操作。
8.根据权利要求7所述的方法，其特征在于，所述“对N-1个方向搜索结果进行求和平均，使用CFAR检测得出对应的检测方向输出”具体包括：对于MUSIC算出的具体N-1个PMUi(θ)，进行求和平均，即计算：
对PMUa(θ)结果使用CFAR算法进行方位的检测，得出检测结果。
9.一种适用于汽车FMCW雷达的低复杂度MUSIC测向装置，其特征在于，包括：
离散傅里叶变换模块，用于对FMCW雷达阵列信号进行DFT处理；
阵列数据生成模块，用于对DFT处理后的雷达阵列信号进行峰值搜索生成峰值对应的阵列数据；
相关矩阵估算模块，用于对每个峰值对应的相邻阵列数据进行维度为2的相关矩阵估算得到N-1个2×2复矩阵，所述复矩阵为2阶Hermite矩阵；N为采样点数；
特征值特征向量求解模块，用于对所述复矩阵进行特征值分解，求解特征值和特征向量；
谱峰搜索模块，用于利用所述特征值和特征向量进行谱峰搜索得到N-1个对应的方向搜索结果；
检测方向输出模块，用于对N-1个方向搜索结果进行求和平均，使用CFAR检测得出对应的检测方向输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910980639.3A CN112666558B (zh) | 2019-10-16 | 2019-10-16 | 一种适用于汽车fmcw雷达的低复杂度music测向方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910980639.3A CN112666558B (zh) | 2019-10-16 | 2019-10-16 | 一种适用于汽车fmcw雷达的低复杂度music测向方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112666558A true CN112666558A (zh) | 2021-04-16 |
| CN112666558B CN112666558B (zh) | 2024-05-14 |
Family
ID=75400112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910980639.3A Active CN112666558B (zh) | 2019-10-16 | 2019-10-16 | 一种适用于汽车fmcw雷达的低复杂度music测向方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112666558B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116973835A (zh) * | 2023-07-29 | 2023-10-31 | 同方工业有限公司 | 一种多信号混叠的伪空间谱累积测向方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104251989A (zh) * | 2014-10-09 | 2014-12-31 | 哈尔滨工程大学 | 基于压缩空间谱的单基地mimo雷达目标波达方向估计方法 |
| US20160334502A1 (en) * | 2015-05-15 | 2016-11-17 | Texas Instruments Incorporated | Low Complexity Super-Resolution Technique for Object Detection in Frequency Modulation Continuous Wave Radar |
| CN107505602A (zh) * | 2017-07-25 | 2017-12-22 | 南京航空航天大学 | 嵌套阵下基于dft的doa估计方法 |
| CN107728104A (zh) * | 2017-10-09 | 2018-02-23 | 中国电子科技集团公司第二十研究所 | 一种改进的卫星导航干扰测向方法 |
| CN108008386A (zh) * | 2017-11-22 | 2018-05-08 | 电子科技大学 | 一种基于单快拍music算法的距离向处理方法 |
| CN109633522A (zh) * | 2018-12-26 | 2019-04-16 | 西安烽火电子科技有限责任公司 | 基于改进的music算法的波达方向估计方法 |
| KR20190056071A (ko) * | 2017-11-16 | 2019-05-24 | 재단법인대구경북과학기술원 | 저 복잡도의 스펙트럼을 이용한 타겟 위치 결정 방법 |
-
2019
- 2019-10-16 CN CN201910980639.3A patent/CN112666558B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104251989A (zh) * | 2014-10-09 | 2014-12-31 | 哈尔滨工程大学 | 基于压缩空间谱的单基地mimo雷达目标波达方向估计方法 |
| US20160334502A1 (en) * | 2015-05-15 | 2016-11-17 | Texas Instruments Incorporated | Low Complexity Super-Resolution Technique for Object Detection in Frequency Modulation Continuous Wave Radar |
| CN107505602A (zh) * | 2017-07-25 | 2017-12-22 | 南京航空航天大学 | 嵌套阵下基于dft的doa估计方法 |
| CN107728104A (zh) * | 2017-10-09 | 2018-02-23 | 中国电子科技集团公司第二十研究所 | 一种改进的卫星导航干扰测向方法 |
| KR20190056071A (ko) * | 2017-11-16 | 2019-05-24 | 재단법인대구경북과학기술원 | 저 복잡도의 스펙트럼을 이용한 타겟 위치 결정 방법 |
| CN108008386A (zh) * | 2017-11-22 | 2018-05-08 | 电子科技大学 | 一种基于单快拍music算法的距离向处理方法 |
| CN109633522A (zh) * | 2018-12-26 | 2019-04-16 | 西安烽火电子科技有限责任公司 | 基于改进的music算法的波达方向估计方法 |
Non-Patent Citations (2)
| Title |
|---|
| GLEB O. MANOKHIN 等: "Low-Complexity Joint Extrapolation-MUSIC-Based 2-D Parameter Estimator for Vital FMCW Radar", 2015 IEEE 15TH MEDITERRANEAN MICROWAVE SYMPOSIUM (MMS), 11 January 2016 (2016-01-11) * |
| 张秦 等: "任意阵列双基地MIMO雷达的半实值MUSIC目标DOD和DOA联合估计", 系统工程与电子技术, no. 03, 31 March 2016 (2016-03-31) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116973835A (zh) * | 2023-07-29 | 2023-10-31 | 同方工业有限公司 | 一种多信号混叠的伪空间谱累积测向方法 |
| CN116973835B (zh) * | 2023-07-29 | 2024-01-30 | 同方工业有限公司 | 一种多信号混叠的伪空间谱累积测向方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112666558B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104749553B (zh) | 基于快速稀疏贝叶斯学习的波达方向角估计方法 | |
| CN109188344B (zh) | 脉冲噪声环境下基于互循环相关music算法信源个数与来波方向角估计方法 | |
| CN108375763B (zh) | 一种应用于多声源环境的分频定位方法 | |
| CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
| CN108303683B (zh) | 单基地mimo雷达实值esprit非圆信号角度估计方法 | |
| CN104730491A (zh) | 一种基于l型阵的虚拟阵列doa估计方法 | |
| CN109765521B (zh) | 一种基于子阵划分的波束域成像方法 | |
| CN111736131A (zh) | 一种剔除一比特信号谐波虚假目标的方法及相关组件 | |
| CN113109781B (zh) | 波达方向估计方法、雷达和可移动设备 | |
| CN105911527B (zh) | 基于efa与mwf的机载雷达空时自适应处理方法 | |
| Qi et al. | Time-frequency DOA estimation of chirp signals based on multi-subarray | |
| Li et al. | Parameter estimation based on fractional power spectrum density in bistatic MIMO radar system under impulsive noise environment | |
| CN115436896A (zh) | 快速的雷达单快拍music测角方法 | |
| Gao et al. | Frequency diverse array MIMO radar adaptive beamforming with range-dependent interference suppression in target localization | |
| CN110196417B (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
| CN108828586B (zh) | 一种基于波束域的双基地mimo雷达测角优化方法 | |
| CN113032721B (zh) | 一种低计算复杂度的远场和近场混合信号源参数估计方法 | |
| Xi et al. | Joint range and angle estimation for wideband forward-looking imaging radar | |
| 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 | |
| Reaz et al. | A comprehensive analysis and performance evaluation of different direction of arrival estimation algorithms | |
| CN110389319B (zh) | 一种基于低空多径情况下的mimo雷达doa估计方法 | |
| Sreekumar et al. | Performance analysis of fractional Fourier domain beam-forming methods for sensor arrays | |
| Hassanien et al. | Time-frequency ESPRIT for direction-of-arrival estimation of chirp signals | |
| 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 |
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 |