CN113640749A - 一种基于3d-cs电磁矢量传感器阵列角度估计方法与系统 - Google Patents
一种基于3d-cs电磁矢量传感器阵列角度估计方法与系统 Download PDFInfo
- Publication number
- CN113640749A CN113640749A CN202111201100.7A CN202111201100A CN113640749A CN 113640749 A CN113640749 A CN 113640749A CN 202111201100 A CN202111201100 A CN 202111201100A CN 113640749 A CN113640749 A CN 113640749A
- Authority
- CN
- China
- Prior art keywords
- matrix
- array
- tensor
- order
- array data
- 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
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于3D‑CS电磁矢量传感器阵列角度估计方法:构建分离式正交长电偶极子阵列的三阶张量阵列数据;对三阶张量阵列数据进行压缩采样;采用平行因子分解方法得出流形矩阵的估计值;采用正交匹配追踪方法得到各个方向余弦估计值;根据各个方向余弦估计值,推算出二维角度估计值。本发明所提阵列是一个稀疏均匀阵列,与实际装备中EMVS阵列布阵方式几乎一致,具有互耦低、工程实现易的优点;所提方法采用压缩感知技术,不但计算量低,而且可以估计相干和非相干信源混合场景下的方位角和俯仰角,可实现不同信源的方位角和俯仰角估计值自动匹配。本发明还提供了相应的基于3D‑CS电磁矢量传感器阵列角度估计系统。
Description
技术领域
本发明属于阵列信号处理领域,更具体地,涉及一种基于3D-CS电磁矢量传感器阵列角度估计方法与系统。本发明可估计相干源和非相干源混和场景下的角度,有利于提升雷达测角鲁棒性。
背景技术
电磁矢量传感器(Electromagnetic Vector Sensor,EMVS)阵列参数估计问题一直是学者们关注重点之一。很长时间以来,学者们主要精力在于研究小尺寸EMVS(电偶极子长度和磁环周长小于十分之一波长)阵列参数估计方法。然而,与大尺寸EMVS(电偶极子长度和磁环周长大于十分之一波长)相比,小尺寸EMVS辐射效率不足。工程中实际的EMVS也采用大尺寸的EMVS,特别是分离式的正交长电偶极子。因此,研究大尺寸的EMVS参数估计方法更有实际意义。
近几年有学者开始研究辐射效率更强的大尺寸EMVS阵列参数估计算法,为研究大尺寸EMVS参数估计问题奠定了良好基础,但是这些方法只能给出独立信源的参数估计结果。而现代雷达往往面对的是独立和相干信源混合存在的场景。因此,有必要研究大尺寸EMVS阵列相干信源的角度估计方法。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于3D-CS电磁矢量传感器阵列角度估计方法,其目的在于估计相干源的二维角度,由此解决贴近实际的EMVS阵列相干源测角的技术问题。
为了实现上述目的,按照本发明的一个方面,提供了一种基于3D-CS电磁矢量传感器阵列角度估计方法,包括:
(1)构建分离式正交长电偶极子阵列的三阶张量阵列数据:从原始分离式正交长电偶极子阵列矩阵形式的信号模型出发,利用矩阵和张量变换理论,逐步推出用张量表示的三阶张量阵列数据;
(2)对三阶张量阵列数据进行压缩采样:根据三阶张量阵列数据每阶的大小,选取3个低维随机矩阵作为测量矩阵,将三阶张量阵列数据与3个测量矩阵进行模-n积,得到压缩后的三阶张量阵列数据,其中n=1,2,3;
(3)采用平行因子分解方法得出流形矩阵的估计值:对所述压缩后的三阶张量阵列数据进行平行因子分解获得各阶因子矩阵;
(4)采用正交匹配追踪方法得到各个方向余弦估计值:将所述各阶因子矩阵的各列作为测量数据,根据方向余弦取值范围构造完备字典,采用正交匹配追踪方法得到一个稀疏向量,根据非零元素的支撑位置得出各个方向余弦估计值;
(5)根据各个方向余弦估计值,推算出二维角度估计值。
按照本发明的另一方面,还提供了一种基于3D-CS电磁矢量传感器阵列角度估计系统,包括三阶张量阵列数据推论模块、三阶张量阵列数据压缩模块、三阶张量阵列数据分解模块、余弦估计值计算模块和二维角度估计值推算模块,其中:
所述三阶张量阵列数据推论模块,用于构建分离式正交长电偶极子阵列的三阶张量阵列数据:从原始分离式正交长电偶极子阵列矩阵形式的信号模型出发,利用矩阵和张量变换理论,逐步推出用张量表示的三阶张量阵列数据;
所述三阶张量阵列数据压缩模块,用于对三阶张量阵列数据进行压缩采样:根据三阶张量阵列数据每阶的大小,选取3个低维随机矩阵作为测量矩阵,将三阶张量阵列数据与3个测量矩阵进行模-n积,得到压缩后的三阶张量阵列数据,其中n=1,2,3;
所述三阶张量阵列数据分解模块,用于采用平行因子分解方法得出流形矩阵的估计值:对所述压缩后的三阶张量阵列数据进行平行因子分解获得各阶因子矩阵;
所述余弦估计值计算模块,用于采用正交匹配追踪方法得到各个方向余弦估计值:将所述各阶因子矩阵的各列作为测量数据,根据方向余弦取值范围构造完备字典,采用正交匹配追踪方法得到一个稀疏向量,根据非零元素的支撑位置得出各个方向余弦估计值;
所述二维角度估计值推算模块,用于根据各个方向余弦估计值,推算出二维角度估计值。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有如下有益效果:
(1)本发明所提阵列是一个稀疏均匀阵列,与实际装备中EMVS阵列布阵方式几乎一致,具有互耦低、工程实现易的优点;
(2)本发明所提方法采用压缩感知技术,不但计算量低,而且可以估计相干和非相干信源混合场景下的方位角和俯仰角;
(3)本发明所提方法可实现不同信源的方位角和俯仰角估计值自动匹配。
附图说明
图1是本发明所述一种基于3D-CS电磁矢量传感器阵列角度估计方法的流程示意图;
图2是本发明分离式正交长电偶极子阵列示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,为本发明基于3D-CS电磁矢量传感器阵列角度估计方法的流程示意图,方法包括:
(1)构建分离式正交长电偶极子阵列的三阶张量阵列数据:从原始分离式正交长电偶极子阵列矩阵形式的信号模型出发,利用矩阵和张量变换理论,逐步推出用张量表示的三阶张量阵列数据;
参照图2,首先对原始分离式正交长电偶极子阵列矩阵形式的信号模型进行描述,假设K个远场窄带平面波完全极化信号从不同方向入射到M 1×M 2稀疏分离式长电偶极子阵列,阵元间距d设为1倍波长,分别表示信源的俯仰角和方位角,阵元为分离式的正交长电偶极子,表示x轴方向放置的长电偶极子,表示y轴方向放置的长电偶极子,电偶极子长度L均设为半波长,对于第k(k=1, 2, …, K)个信源来说,其流形矢量为:
其中:
其中,分别表示x轴和y轴的方向余弦,表示极化辅助角,表示极化相位差,表示波长,表示Hadamard积,式(1)中,表示传统小尺寸正交电偶极子的极化矢量,是分离式结构带来的相移因子,是电偶极子长度带来的相移因子,y轴和x轴方向的空域导向矢量分别表示为:
其次,下面将矩阵形式的信号模型转化为张量表示的三阶张量阵列数据,将式(12)中的噪声项N忽略,对式(12)两边进行转置操作得到:
根据张量性质,将式(13)转化为如下张量Turker分解形式:
(2)对三阶张量阵列数据进行压缩采样:根据三阶张量阵列数据每阶的大小,选取3个低维随机矩阵作为测量矩阵,将三阶张量阵列数据与3个测量矩阵进行模-n积,得到压缩后的三阶张量阵列数据,其中n=1,2,3;
进一步得到:
(3)采用平行因子分解方法得出流形矩阵的估计值:对所述压缩后的三阶张量阵列数据进行平行因子分解获得各阶因子矩阵;
其中,表示矩阵伪逆,采用交替迭代的方式更新,直至收敛。但是交替最小二乘法对初值敏感,所以此处采用COMFAC算法加速算法收敛,得到各阶因子矩阵的估计值。此处采用收敛速度快的COMFAC工具函数获得各阶因子矩阵。
(4)采用正交匹配追踪方法得到各个方向余弦估计值:将所述各阶因子矩阵的各列作为测量数据,根据方向余弦取值范围构造完备字典,采用正交匹配追踪方法得到一个稀疏向量,根据非零元素的支撑位置得出各个方向余弦估计值;
得到压缩后的因子矩阵估计值后,通过构造完备字典的方法重构出方向余弦和,从而算出目标方位角和俯仰角,将所有可能的方向余弦在[0,1]范围内离散化取值,离散间隔设为,y轴和x轴方向流形矩阵的过完备字典构造为如下形式
构造的完备字典与估计出的因子矩阵有如下关系
(5)根据各个方向余弦估计值,推算出二维角度估计值。
根据方向余弦的相互关系算出俯仰角和方位角估计值:
进一步地,本发明还提供了一种基于3D-CS电磁矢量传感器阵列角度估计系统,包括三阶张量阵列数据推论模块、三阶张量阵列数据压缩模块、三阶张量阵列数据分解模块、余弦估计值计算模块和二维角度估计值推算模块,其中:
所述三阶张量阵列数据推论模块,用于构建分离式正交长电偶极子阵列的三阶张量阵列数据:从原始分离式正交长电偶极子阵列矩阵形式的信号模型出发,利用矩阵和张量变换理论,逐步推出用张量表示的三阶张量阵列数据;
所述三阶张量阵列数据压缩模块,用于对三阶张量阵列数据进行压缩采样:根据三阶张量阵列数据每阶的大小,选取3个低维随机矩阵作为测量矩阵,将三阶张量阵列数据与3个测量矩阵进行模-n积,得到压缩后的三阶张量阵列数据,其中n=1,2,3;
所述三阶张量阵列数据分解模块,用于采用平行因子分解方法得出流形矩阵的估计值:对所述压缩后的三阶张量阵列数据进行平行因子分解获得各阶因子矩阵;
所述余弦估计值计算模块,用于采用正交匹配追踪方法得到各个方向余弦估计值:将所述各阶因子矩阵的各列作为测量数据,根据方向余弦取值范围构造完备字典,采用正交匹配追踪方法得到一个稀疏向量,根据非零元素的支撑位置得出各个方向余弦估计值;
所述二维角度估计值推算模块,用于根据各个方向余弦估计值,推算出二维角度估计值。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于3D-CS电磁矢量传感器阵列角度估计方法,其特征在于,包括:
(1)构建分离式正交长电偶极子阵列的三阶张量阵列数据:从原始分离式正交长电偶极子阵列矩阵形式的信号模型出发,利用矩阵和张量变换理论,逐步推出用张量表示的三阶张量阵列数据;
(2)对三阶张量阵列数据进行压缩采样:根据三阶张量阵列数据每阶的大小,选取3个低维随机矩阵作为测量矩阵,将三阶张量阵列数据与3个测量矩阵进行模-n积,得到压缩后的三阶张量阵列数据,其中n=1,2,3;
(3)采用平行因子分解方法得出流形矩阵的估计值:对所述压缩后的三阶张量阵列数据进行平行因子分解获得各阶因子矩阵;
(4)采用正交匹配追踪方法得到各个方向余弦估计值:将所述各阶因子矩阵的各列作为测量数据,根据方向余弦取值范围构造完备字典,采用正交匹配追踪方法得到一个稀疏向量,根据非零元素的支撑位置得出各个方向余弦估计值;
(5)根据各个方向余弦估计值,推算出二维角度估计值。
2.如权利要求1所述的基于3D-CS电磁矢量传感器阵列角度估计方法,其特征在于,所述步骤(1)具体为:
首先对原始分离式正交长电偶极子阵列矩阵形式的信号模型进行描述,假设K个远场窄带平面波完全极化信号从不同方向入射到M 1×M 2稀疏分离式长电偶极子阵列,阵元间距d设为1倍波长,分别表示信源的俯仰角和方位角,阵元为分离式的正交长电偶极子,表示x轴方向放置的长电偶极子,表示y轴方向放置的长电偶极子,电偶极子长度L均设为半波长,对于第k(k=1, 2, …, K)个信源来说,其流形矢量为:
其中:
其中,分别表示x轴和y轴的方向余弦,表示极化辅助角,表示极化相位差,表示波长,表示Hadamard积,式(1)中,表示传统小尺寸正交电偶极子的极化矢量,是分离式结构带来的相移因子,是电偶极子长度带来的相移因子,y轴和x轴方向的空域导向矢量分别表示为:
其次,下面将矩阵形式的信号模型转化为张量表示的三阶张量阵列数据,将式(12)中的噪声项N忽略,对式(12)两边进行转置操作得到:
根据张量性质,将式(13)转化为如下张量Turker分解形式:
7.如权利要求4所述的基于3D-CS电磁矢量传感器阵列角度估计方法,其特征在于,采用COMFAC算法加速算法收敛,得到各阶因子矩阵的估计值。
8.如权利要求6所述的基于3D-CS电磁矢量传感器阵列角度估计方法,其特征在于,采用收敛速度快的COMFAC工具函数获得各阶因子矩阵。
9.一种基于3D-CS电磁矢量传感器阵列角度估计系统,其特征在于,包括三阶张量阵列数据推论模块、三阶张量阵列数据压缩模块、三阶张量阵列数据分解模块、余弦估计值计算模块和二维角度估计值推算模块,其中:
所述三阶张量阵列数据推论模块,用于构建分离式正交长电偶极子阵列的三阶张量阵列数据:从原始分离式正交长电偶极子阵列矩阵形式的信号模型出发,利用矩阵和张量变换理论,逐步推出用张量表示的三阶张量阵列数据;
所述三阶张量阵列数据压缩模块,用于对三阶张量阵列数据进行压缩采样:根据三阶张量阵列数据每阶的大小,选取3个低维随机矩阵作为测量矩阵,将三阶张量阵列数据与3个测量矩阵进行模-n积,得到压缩后的三阶张量阵列数据,其中n=1,2,3;
所述三阶张量阵列数据分解模块,用于采用平行因子分解方法得出流形矩阵的估计值:对所述压缩后的三阶张量阵列数据进行平行因子分解获得各阶因子矩阵;
所述余弦估计值计算模块,用于采用正交匹配追踪方法得到各个方向余弦估计值:将所述各阶因子矩阵的各列作为测量数据,根据方向余弦取值范围构造完备字典,采用正交匹配追踪方法得到一个稀疏向量,根据非零元素的支撑位置得出各个方向余弦估计值;
所述二维角度估计值推算模块,用于根据各个方向余弦估计值,推算出二维角度估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111201100.7A CN113640749B (zh) | 2021-10-15 | 2021-10-15 | 一种基于3d-cs电磁矢量传感器阵列角度估计方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111201100.7A CN113640749B (zh) | 2021-10-15 | 2021-10-15 | 一种基于3d-cs电磁矢量传感器阵列角度估计方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113640749A true CN113640749A (zh) | 2021-11-12 |
CN113640749B CN113640749B (zh) | 2021-12-28 |
Family
ID=78427079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111201100.7A Active CN113640749B (zh) | 2021-10-15 | 2021-10-15 | 一种基于3d-cs电磁矢量传感器阵列角度估计方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113640749B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355278A (zh) * | 2021-11-26 | 2022-04-15 | 广东工业大学 | 基于失配偶极子模型的电磁波参数估计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140266888A1 (en) * | 2013-03-15 | 2014-09-18 | US Gov't Represented by Secretary of the Navy Chief of Naval Research Office of Counsel ONR/NRL | Electromagnetic vector sensors (emvs) apparatus method and system |
CN105046072A (zh) * | 2015-07-08 | 2015-11-11 | 陕西理工学院 | 基于压缩感知理论的二维到达角估计方法 |
US20170363705A1 (en) * | 2013-03-15 | 2017-12-21 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Electromagnetic vector sensor (emvs) |
CN109143152A (zh) * | 2018-09-25 | 2019-01-04 | 哈尔滨工业大学 | 基于张量建模的极化阵列波达方向和极化参数估计方法 |
CN110161452A (zh) * | 2019-04-28 | 2019-08-23 | 西安电子科技大学 | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 |
CN110412537A (zh) * | 2019-09-05 | 2019-11-05 | 武汉亿维登科技发展有限公司 | 一种双基地mimo雷达角度估计方法 |
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 |
-
2021
- 2021-10-15 CN CN202111201100.7A patent/CN113640749B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140266888A1 (en) * | 2013-03-15 | 2014-09-18 | US Gov't Represented by Secretary of the Navy Chief of Naval Research Office of Counsel ONR/NRL | Electromagnetic vector sensors (emvs) apparatus method and system |
US20170363705A1 (en) * | 2013-03-15 | 2017-12-21 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Electromagnetic vector sensor (emvs) |
CN105046072A (zh) * | 2015-07-08 | 2015-11-11 | 陕西理工学院 | 基于压缩感知理论的二维到达角估计方法 |
CN109143152A (zh) * | 2018-09-25 | 2019-01-04 | 哈尔滨工业大学 | 基于张量建模的极化阵列波达方向和极化参数估计方法 |
CN110161452A (zh) * | 2019-04-28 | 2019-08-23 | 西安电子科技大学 | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 |
CN110412537A (zh) * | 2019-09-05 | 2019-11-05 | 武汉亿维登科技发展有限公司 | 一种双基地mimo雷达角度估计方法 |
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 |
Non-Patent Citations (2)
Title |
---|
JIN HE 等: "Cumulant-Based 2-D Direction Estimation Using an Acoustic Vector Sensor Array", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS 》 * |
张小飞 等: "电磁矢量阵中基于平行因子压缩感知的角度估计算法", 《数据采集与处理》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355278A (zh) * | 2021-11-26 | 2022-04-15 | 广东工业大学 | 基于失配偶极子模型的电磁波参数估计方法 |
CN114355278B (zh) * | 2021-11-26 | 2022-09-23 | 广东工业大学 | 基于失配偶极子模型的电磁波参数估计方法、系统、计算机存储介质与设备、阵列天线 |
Also Published As
Publication number | Publication date |
---|---|
CN113640749B (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110161452B (zh) | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 | |
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 | |
WO2021068496A1 (zh) | 基于结构化虚拟域张量信号处理的互质面阵二维波达方向估计方法 | |
CN108872926B (zh) | 一种基于凸优化的幅相误差校正及doa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 | |
CN108020812B (zh) | 基于特殊三平行线阵结构的二维doa估计方法 | |
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 | |
WO2021068495A1 (zh) | 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 | |
CN113640749B (zh) | 一种基于3d-cs电磁矢量传感器阵列角度估计方法与系统 | |
CN102087359A (zh) | 一维镜像综合孔径辐射成像方法 | |
CN109343003B (zh) | 一种快速迭代收缩波束形成声源识别方法 | |
CN112269172A (zh) | 一种基于张量结构的嵌套mimo雷达角度估计方法和装置 | |
CN110009745B (zh) | 根据平面基元和模型驱动对点云提取平面的方法 | |
CN101900805B (zh) | 一种球面波成像数学模型及近场效应的补偿方法 | |
CN110895325A (zh) | 基于增强四元数多重信号分类的到达角估计方法 | |
WO2023279411A1 (zh) | 基于耦合张量分解的l型互质阵列波达方向估计方法 | |
CN108614234B (zh) | 基于多采样快拍互质阵列接收信号快速傅里叶逆变换的波达方向估计方法 | |
CN112711000B (zh) | 基于最小化准则的电磁矢量互质面阵张量功率谱估计方法 | |
CN105242237B (zh) | 一种基于压缩感知的电磁矢量阵列参数估计方法 | |
CN105022025B (zh) | 基于稀疏处理的信号波达方向估计方法 | |
WO2021068494A1 (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 | |
CN113325364A (zh) | 一种基于数据压缩的空时联合测向方法 | |
CN112710983A (zh) | 基于乘性张量波束扫描的电磁矢量互质面阵多维参数估计方法 | |
CN111781596A (zh) | 基于无网格压缩感知的isar目标散射中心参数估计方法 | |
CN114994591B (zh) | 基于压缩测量的emvs阵列2d-doa和极化参数联合估计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |