CN113325364A - 一种基于数据压缩的空时联合测向方法 - Google Patents
一种基于数据压缩的空时联合测向方法 Download PDFInfo
- Publication number
- CN113325364A CN113325364A CN202110801421.4A CN202110801421A CN113325364A CN 113325364 A CN113325364 A CN 113325364A CN 202110801421 A CN202110801421 A CN 202110801421A CN 113325364 A CN113325364 A CN 113325364A
- Authority
- CN
- China
- Prior art keywords
- array
- space
- matrix
- direction finding
- time
- 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 29
- 238000013144 data compression Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 54
- 239000013598 vector Substances 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000007906 compression Methods 0.000 claims abstract description 18
- 230000006835 compression Effects 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 230000003416 augmentation Effects 0.000 claims abstract description 8
- 230000005855 radiation Effects 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 7
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 239000004576 sand Substances 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 5
- 150000001875 compounds Chemical class 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 102000002274 Matrix Metalloproteinases Human genes 0.000 description 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001629 suppression Effects 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)
Abstract
本发明涉及一种基于数据压缩的空时联合测向方法,包括步骤:基于互质阵列建立空时域联合信息的信号模型;对天线阵列接收的包含空时信息的高维数据序列进行滑窗式压缩处理;根据时间平均函数的定义构建阵元接收信号的等价集合;构建共轭增广向量并对其进行伪采样;计算虚拟数据矩阵的协方差矩阵,并对其进行向量化操作;结合压缩感知技术,将角度估计问题转化成求解l1范数最小化问题。本发明解决了空时域联合测向方法中高维数据处理引发的计算复杂度较高的问题,在不损失数据信息量的前提下,对高维数据进行滑窗式压缩处理,保证测向精度的同时提高了算法实时性。
Description
技术领域
本发明属于阵列信号处理领域,具体涉及一种基于数据压缩的空时联合测向方法。
背景技术
稀疏阵列是将阵元按照一定的规则进行稀疏布阵形成的阵列构型,相比于均匀阵列,稀疏阵列突破了空间奈奎斯特采样定理的限制,并且能够工作在阵元数小于信源数的欠定条件下,在阵元布局灵活性、阵列自由度以及抑制阵元间互耦效应等方面具有明显优势,广泛应用于超分辨测向技术中。
基于稀疏阵列测向技术的主流研究思路是通过对阵列接收信号的自相关函数进行向量化处理,获取虚拟阵列的等价接收数据,结合子空间或稀疏重构类方法实现多目标测向,但该类方法只利用了单一维度的空域信息,在一定程度上限制了对多目标辐射源的角度分辨力。空时联合测向类方法是一种基于稀疏阵列的测向新方法,相比于现有单独利用空域或时域信息的测向方法,联合利用信号的空、时域信息有利于扩展有效阵列孔径、提高测角精度和角度分辨力。
然而,空时联合类测向算法涉及到多个伪快拍的高维数据处理,计算复杂度较高,难以满足工程应用条件,测向精度和实时性之间的矛盾也是制约当前空时联合测向技术应用的瓶颈问题。
发明内容
本发明针对现有技术中的不足,提供一种基于数据压缩的空时联合测向方法,旨在保证测向精度的前提下,降低运算复杂度。
为实现上述目的,本发明采用以下技术方案:
一种基于数据压缩的空时联合测向方法,其特征在于,包括以下步骤:
步骤1:基于互质阵列,建立包含空时域联合信息的天线阵列接收信号模型;
步骤2:基于步骤1构建的信号模型,对天线阵列接收的包含空时信息的高维数据序列进行滑窗式压缩处理;
步骤3:计算互质阵列中两组不同的天线在两个不同时刻接收数据的时间平均函数,并构建阵元接收信号的等价集合;
步骤4:根据步骤3的结果,构建共轭增广向量并对其进行伪采样,构建虚拟数据矩阵;
步骤5:计算虚拟数据矩阵的协方差矩阵,并对其进行向量化操作;
步骤6:结合压缩感知理论与空间谱估计理论,将目标辐射源的角度估计问题转化为目标函数的l1范数最小化问题并求解。
进一步地,所述步骤1具体包括以下步骤:
步骤1.1:建立互质阵列,所述互质阵列是由两组阵元数目互质的子阵组成的稀疏阵列,子阵中含有N个间距为Md的阵元,子阵中含有M个间距为Nd的阵元,其中,d=λ/2,λ为入射信号的波长,M<N且M与N互为质数,互质阵列的总阵元数L=M+N-1,阵列构型分布为:
步骤1.2:建立包含空时域联合信息的天线阵列接收信号模型,对于入射角度为{θk|k=1,2,…,K}的K个辐射源,天线阵列接收信号模型表示为:
其中,x(t)、s(t)、n(t)分别表示阵列接收信号矢量、源信号矢量和噪声矢量,A为稀疏阵列的流型矩阵且A=[a(θ1),a(θ2),…,a(θK)],L表示阵元位置分布向量,Gk与wk分别表示第k个目标入射源的幅度和频偏。
进一步地,所述步骤2中,以Tp为周期,对天线阵列接收的包含空时信息的高维数据序列进行滑窗式压缩处理:
其中,xi(t)和xj(t±τ)分别表示互质阵列中第i个和第j个传感器在第t时刻与第t+τ时刻的输出,τ为时间延迟且τ≠0,Ts与Tp分别表示快拍数和伪快拍数;通过滑窗式压缩处理,高维数据序列的总长度由TsTp压缩到Ts+2Tp。
进一步地,所述步骤3具体包括以下步骤:
步骤3.1:计算时间平均函数
步骤3.2:构建阵元接收信号的等价集合
其中,gx(τ)表示阵元接收信号的等价集合,角标[·]T表示转置。
进一步地,所述步骤4具体包括以下步骤:
步骤4.1:根据步骤3的结果构建gx(τ)的共轭增广向量g(τ),
其中,(·)T、(·)H分别表示转置、共轭转置,且
步骤4.2:对共轭增广向量进行伪采样,构建虚拟数据矩阵G,
进一步地,所述步骤5具体包括以下步骤:
步骤5.1:计算虚拟数据矩阵G的协方差矩阵QG,
步骤5.2:向量化协方差矩阵,
进一步地,所述步骤6中,将目标辐射源的角度估计问题转化为求解目标函数的l1范数最小化问题,最小化约束方程为:
其中,为qss的估计值,||·||1和||·||2分别表示矩阵的l1范数和l2范数,B表示由搜索向量构成的感知矩阵,κ为惩罚参数,用于平衡l1范数和l2范数,然后结合空间谱估计理论实现目标辐射源的角估计。
本发明公开了一种基于数据压缩的空时联合测向方法,对天线阵列接收的包含空时信息的高维数据序列进行滑窗式压缩处理,降低了空时联合测向算法的运算复杂度,此外上述处理过程中所有的虚拟数据都参与运算,数据信息量并未损失,保证了算法的测向精度和角度分辨力,解决了空时联合测向方法中测向精度与算法实时性之间的矛盾问题。
附图说明
图1为本发明方法的流程示意图。
图2为滑窗式压缩处理在Ts=3且Tp=4时的实例示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
参照图1,本发明一种基于数据压缩的空时联合测向方法,包括:
步骤1:基于互质阵列,建立包含空时域联合信息的天线阵列接收信号模型,具体包括:
步骤1.1:建立互质阵列模型:
互质阵列是一种由两组阵元数目互质的子阵组成的稀疏阵列,子阵中含有N个间距为Md的阵元,子阵中含有M个间距为Nd的阵元,M<N且M与N互为质数,d=λ/2,λ表示入射信号的波长,总阵元数L=M+N-1,阵列构型分布为:
步骤1.2:建立基于空时域联合信息的信号模型:
对于入射角度为{θk|k=1,2,…,K}的K个辐射源,天线阵列接收信号模型可以表示为;
式中,x(t)、s(t)和n(t)分别表示阵列接收信号矢量、源信号矢量和噪声矢量,A=[a(θ1),a(θ2),…,a(θK)]表示稀疏阵列的流型矩阵,L表示阵元位置分布向量;Gk和wk分别表示第k个目标入射源的幅度和频偏。
步骤2:基于步骤1构建信号模型,对天线阵列接收的包含空时信息的高维数据序列进行滑窗式压缩处理,以Tp为周期,对高维数据进行滑窗式数据压缩处理:
式中,xi(t)和xj(t+τ)表示互质阵列中第i个和第j个传感器在t和第t+τ时刻的输出,τ≠0表示时间延迟,Ts和Tp分别表示快拍数和伪快拍数,通过上述滑窗式数据压缩操作,将数据序列的总长度由TsTp压缩到Ts+2Tp。
步骤3:计算互质阵列中两组不同的天线在两个不同时刻接收数据的时间平均函数,构建阵元接收信号的等价集合,具体包括:
步骤3.1:计算时间平均函数:
步骤3.2:构建阵元接收信号的等价集合:
步骤4:根据步骤3的结果构建共轭增广向量,并对其进行伪采样,构建虚拟数据矩阵,具体包括:
步骤4.1:根据步骤3的结果,构建gx(τ)的共轭增广向量:
步骤5:计算虚拟数据矩阵的协方差矩阵,并对其进行向量化操作,具体包括:
步骤5.1:计算虚拟数据矩阵G的协方差矩阵:
步骤5.2:向量化协方差矩阵:
步骤6:结合压缩感知技术,将目标辐射源的角度估计问题转化成求解目标函数的l1范数最小化问题,最小化约束方程为:
式中,表示qss的估计值,||·||1和||·||2分别表示矩阵的l1范数和l2范数,B表示由搜索向量构成的感知矩阵,κ表示惩罚参数,用于平衡上述两个范数,根据空间谱估计理论构建谱函数,通过谱峰搜索实现对目标辐射源的角估计。
图2是滑窗式压缩处理在Ts=3、Tp=4时的实例。虽然在实际测向中涉及到较长的数据序列,快拍Ts和伪快拍Tp的取值通常以百为数量级,这里为了描述方便选取了较短的数据序列,不影响算法原理。由图2可知,采用本发明公开的基于数据压缩的空时联合测向方法能够在不损失数据信息量的前提下,对高维数据进行有效压缩,降低数据处理的运算复杂度。
综上,本发明公开了一种基于数据压缩的空时联合测向方法,对高维数据进行滑窗式压缩处理,降低了空时联合测向算法的运算复杂度,此外上述处理过程中所有的虚拟数据都参与运算,数据信息量没有损失,保证了算法的测向精度和角度分辨力,解决了现有技术在测向精度与算法实时性之间的矛盾问题。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (7)
1.一种基于数据压缩的空时联合测向方法,其特征在于,包括以下步骤:
步骤1:基于互质阵列,建立包含空时域联合信息的天线阵列接收信号模型;
步骤2:基于步骤1构建的信号模型,对天线阵列接收的包含空时信息的高维数据序列进行滑窗式压缩处理;
步骤3:计算互质阵列中两组不同的天线在两个不同时刻接收数据的时间平均函数,并构建阵元接收信号的等价集合;
步骤4:根据步骤3的结果,构建共轭增广向量并对其进行伪采样,构建虚拟数据矩阵;
步骤5:计算虚拟数据矩阵的协方差矩阵,并对其进行向量化操作;
步骤6:结合压缩感知理论与空间谱估计理论,将目标辐射源的角度估计问题转化为目标函数的l1范数最小化问题并求解。
2.根据权利要求1所述的一种基于数据压缩的空时联合测向方法,其特征在于,所述步骤1具体包括以下步骤:
步骤1.1:建立互质阵列,所述互质阵列是由两组阵元数目互质的子阵组成的稀疏阵列,子阵中含有N个间距为Md的阵元,子阵中含有M个间距为Nd的阵元,其中,d=λ/2,λ为入射信号的波长,M<N且M与N互为质数,互质阵列的总阵元数L=M+N-1,阵列构型分布为:
步骤1.2:建立包含空时域联合信息的天线阵列接收信号模型,对于入射角度为{θk|k=1,2,…,K}的K个辐射源,天线阵列接收信号模型表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110801421.4A CN113325364A (zh) | 2021-07-15 | 2021-07-15 | 一种基于数据压缩的空时联合测向方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110801421.4A CN113325364A (zh) | 2021-07-15 | 2021-07-15 | 一种基于数据压缩的空时联合测向方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113325364A true CN113325364A (zh) | 2021-08-31 |
Family
ID=77426374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110801421.4A Pending CN113325364A (zh) | 2021-07-15 | 2021-07-15 | 一种基于数据压缩的空时联合测向方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113325364A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115078892A (zh) * | 2022-08-19 | 2022-09-20 | 深圳天川电气技术有限公司 | 一种单机大传动变频器状态远程监测系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120150493A1 (en) * | 2010-12-13 | 2012-06-14 | Southwest Research Institute | Sensor Array Processor with Multichannel Reconstruction from Random Array Sampling |
CN104360305A (zh) * | 2014-10-24 | 2015-02-18 | 中国航天科技集团公司第五研究院第五一三研究所 | 联合压缩感知和信号循环平稳特性的辐射源测向定位方法 |
CN105005035A (zh) * | 2015-06-25 | 2015-10-28 | 西安电子科技大学 | 基于二维滑窗稳健空时自适应处理的目标检测方法 |
CN106199553A (zh) * | 2016-07-29 | 2016-12-07 | 西安电子科技大学 | 多帧回波联合相参积累检测海面弱小目标的优化方法 |
CN107037392A (zh) * | 2017-03-01 | 2017-08-11 | 浙江大学 | 一种基于压缩感知的自由度增加型互质阵列波达方向估计方法 |
CN108983168A (zh) * | 2018-04-27 | 2018-12-11 | 常熟理工学院 | 基于孔径补全的压缩感知mimo雷达目标探测方法 |
CN110297209A (zh) * | 2019-04-08 | 2019-10-01 | 华南理工大学 | 一种基于平行互质阵列时空扩展的二维波达方向估计方法 |
CN110850359A (zh) * | 2019-10-24 | 2020-02-28 | 杭州电子科技大学 | 一种基于原子范数的互质阵欠定测向方法 |
CN110927663A (zh) * | 2019-05-16 | 2020-03-27 | 陕西理工大学 | 近场声源参数估计的三维压缩感知降维方法 |
CN110954861A (zh) * | 2019-12-18 | 2020-04-03 | 金陵科技学院 | 一种基于增强型嵌套阵列的doa估计方法 |
CN110954860A (zh) * | 2019-12-18 | 2020-04-03 | 金陵科技学院 | 一种doa和极化参数估计方法 |
CN111239742A (zh) * | 2020-02-26 | 2020-06-05 | 中国民航大学 | 海杂波背景下基于mbmc的低空风切变风速估计方法 |
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 |
CN111610485A (zh) * | 2020-05-03 | 2020-09-01 | 浙江大学 | 基于平面互质阵列块采样张量信号构造的自由度增强型空间谱估计方法 |
CN111610486A (zh) * | 2020-05-03 | 2020-09-01 | 浙江大学 | 基于平面互质阵列虚拟域张量空间谱搜索的高分辨精确二维波达方向估计方法 |
-
2021
- 2021-07-15 CN CN202110801421.4A patent/CN113325364A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120150493A1 (en) * | 2010-12-13 | 2012-06-14 | Southwest Research Institute | Sensor Array Processor with Multichannel Reconstruction from Random Array Sampling |
CN104360305A (zh) * | 2014-10-24 | 2015-02-18 | 中国航天科技集团公司第五研究院第五一三研究所 | 联合压缩感知和信号循环平稳特性的辐射源测向定位方法 |
CN105005035A (zh) * | 2015-06-25 | 2015-10-28 | 西安电子科技大学 | 基于二维滑窗稳健空时自适应处理的目标检测方法 |
CN106199553A (zh) * | 2016-07-29 | 2016-12-07 | 西安电子科技大学 | 多帧回波联合相参积累检测海面弱小目标的优化方法 |
CN107037392A (zh) * | 2017-03-01 | 2017-08-11 | 浙江大学 | 一种基于压缩感知的自由度增加型互质阵列波达方向估计方法 |
CN108983168A (zh) * | 2018-04-27 | 2018-12-11 | 常熟理工学院 | 基于孔径补全的压缩感知mimo雷达目标探测方法 |
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 |
CN110297209A (zh) * | 2019-04-08 | 2019-10-01 | 华南理工大学 | 一种基于平行互质阵列时空扩展的二维波达方向估计方法 |
CN110927663A (zh) * | 2019-05-16 | 2020-03-27 | 陕西理工大学 | 近场声源参数估计的三维压缩感知降维方法 |
CN110850359A (zh) * | 2019-10-24 | 2020-02-28 | 杭州电子科技大学 | 一种基于原子范数的互质阵欠定测向方法 |
CN110954861A (zh) * | 2019-12-18 | 2020-04-03 | 金陵科技学院 | 一种基于增强型嵌套阵列的doa估计方法 |
CN110954860A (zh) * | 2019-12-18 | 2020-04-03 | 金陵科技学院 | 一种doa和极化参数估计方法 |
CN111239742A (zh) * | 2020-02-26 | 2020-06-05 | 中国民航大学 | 海杂波背景下基于mbmc的低空风切变风速估计方法 |
CN111610485A (zh) * | 2020-05-03 | 2020-09-01 | 浙江大学 | 基于平面互质阵列块采样张量信号构造的自由度增强型空间谱估计方法 |
CN111610486A (zh) * | 2020-05-03 | 2020-09-01 | 浙江大学 | 基于平面互质阵列虚拟域张量空间谱搜索的高分辨精确二维波达方向估计方法 |
Non-Patent Citations (1)
Title |
---|
PINJIAO ZHAO等: "Underdetermined DOA Estimation Using Unfold Coprime Array From the Perspective of Sum-Difference Co-Array", IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115078892A (zh) * | 2022-08-19 | 2022-09-20 | 深圳天川电气技术有限公司 | 一种单机大传动变频器状态远程监测系统 |
CN115078892B (zh) * | 2022-08-19 | 2022-11-01 | 深圳天川电气技术有限公司 | 一种单机大传动变频器状态远程监测系统 |
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 | |
CN107037392B (zh) | 一种基于压缩感知的自由度增加型互质阵列波达方向估计方法 | |
CN110031794B (zh) | 一种基于差分共性阵重构的相干信源doa估计方法 | |
CN106980106B (zh) | 阵元互耦下的稀疏doa估计方法 | |
CN107589399B (zh) | 基于多采样虚拟信号奇异值分解的互质阵列波达方向估计方法 | |
CN109655799B (zh) | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 | |
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 | |
CN110109050B (zh) | 嵌套阵列下基于稀疏贝叶斯的未知互耦的doa估计方法 | |
CN111610486B (zh) | 基于平面互质阵列虚拟域张量空间谱搜索的高分辨精确二维波达方向估计方法 | |
JP7327840B2 (ja) | 相互相関テンソルに基づく三次元の互いに素のキュービックアレイの到来方向推定方法 | |
US20210364564A1 (en) | Spatial spectrum estimation method with enhanced degree-of-freedom based on block sampling tensor construction for coprime planar array | |
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 | |
CN104515969A (zh) | 一种基于六角形阵列的相干信号二维doa估计方法 | |
CN110954861A (zh) | 一种基于增强型嵌套阵列的doa估计方法 | |
CN113673317B (zh) | 基于原子范数最小化可降维的二维离格doa估计方法 | |
CN111505564A (zh) | 一种互质阵模型下的降维四阶累积量的正交传播算子方法 | |
CN111366893B (zh) | 一种均匀圆阵未知互耦条件下的非圆信号方位角估计方法 | |
CN112731275A (zh) | 一种基于零化插值的互质阵部分极化信号参数估计方法 | |
CN113552532B (zh) | 基于耦合张量分解的l型互质阵列波达方向估计方法 | |
CN113325364A (zh) | 一种基于数据压缩的空时联合测向方法 | |
CN109521393A (zh) | 一种基于信号子空间旋转特性的波达方向估计算法 | |
CN113625220A (zh) | 一种多径信号波达方向和扩散角快速估计新方法 | |
CN112016037A (zh) | 一种互质面阵中基于降维Capon求根的二维测向估计方法 | |
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 | |
CN115236589B (zh) | 一种基于协方差矩阵修正的极地冰下doa估计方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210831 |