CN114371440A - 基于信息几何的互质阵doa估计方法 - Google Patents
基于信息几何的互质阵doa估计方法 Download PDFInfo
- Publication number
- CN114371440A CN114371440A CN202210043718.3A CN202210043718A CN114371440A CN 114371440 A CN114371440 A CN 114371440A CN 202210043718 A CN202210043718 A CN 202210043718A CN 114371440 A CN114371440 A CN 114371440A
- Authority
- CN
- China
- Prior art keywords
- array
- virtual
- prime
- covariance matrix
- 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.)
- Pending
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003491 array Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000006880 cross-coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect 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
-
- 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)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属雷达系统波达方向估计领域,为获得相同阵元数条件下更高的估计精度。为此,本发明采取的技术方案是,基于信息几何的互质阵DOA估计方法,在基于概率分布几何结构的基础上,利用虚拟阵列接收信号的协方差矩阵作为参数空间,通过最小化接收信号概率密度函数的理论值与实际值间的差异,进行到达角估计。本发明主要应用于雷达系统波达方向估计场合。
Description
技术领域
本发明涉及雷达系统波达方向估计领域,具体涉及基于信息几何的互质阵DOA估计方法。
背景技术
阵列信号处理的一个基本问题是空间信号波达方向(Direction of Arrival,DOA)估计的问题,也是雷达、声呐等许多领域的重要任务之一。早期的波达方向估计方法还包括基于统计分析的最大似然谱估计方法、最大熵谱估计方法、自回归滑动平均(AutoRegression Moving Average,ARMA)谱分析方法等,但是这些方法的计算复杂度普遍较高,与实际应用中的要求并不完全匹配。1979年Schmidt等人[1]提出的多信号分类(MultipleSignal Classification,MUSIC)算法,该算法是将利用信号子空间与噪声子空间的正交性将阵列协方差矩阵划分成两个空间进行参数估计,是阵列信号处理领域一个具有里程碑式意义的工作,它突破了传统方法中瑞利限的限制,实现了波达方向估计性能质的飞跃;1986年Roy等人[2]提出的基于旋转不变技术的信号参数估计(Estimating Signal Parametervia Rotational Invariance Techniques,ESPRIT)算法,基本思想是研究由阵列的移不变特性而引起的信号子空间的旋转不变性,该算法无需谱峰搜索,具有比MUSIC算法更低的计算复杂度;1997年,Gorodnitsky等人[3]提出了欠定系统局灶解法(FocalUnderdetermined System Solver,FOCUSS),该算法利用信号的稀疏性进行统计信号处理,避免了低信噪比情况下子空间扰动造成的性能衰减,且能够求解相干信号,具有较强的鲁棒性。
波达方向估计在上述各具有里程碑式意义的代表性算法基础上得到了广泛的研究,并从不同的角度形成了一系列优化算法设计。注意到在现有的波达方向估计算法中,均匀线性阵列是最为常用的一种阵列结构。但是,采用均匀线性阵列进行波达方向估计时,其自由度性能受限于物理阵元的个数。与此同时,更大的阵列孔径是实现波达方向估计分辨率和准确度的保证。为了获得更高的自由度和更好的波达方向估计效果,传统算法需要通过增加物理阵元的方式实现,造成了硬件复杂度和计算复杂度的增加。因此,波达方向估计的算法性能与复杂度之间存在一定的权衡关系。
互质阵列(Coprime array)是互质采样技术框架下空间域中典型的稀疏阵列结构之一,通过选取一对互质整数,即可实现稀疏阵列的架构[4]。与传统的均匀线性阵列相比,互质阵列中的阵元被稀疏放置,因而极大地增大了阵列孔径,减少了阵元间的互耦效应,提高了估计精度和分辨率;此外,我们能够根据质数的性质推导出一组包含更多虚拟阵元的虚拟均匀线性阵列,从而有效突破传统均匀线性阵列结构中物理阵元个数对自由度的限制。因此,在使用相同个数物理阵元的情况下,采用互质阵列能够获得比均匀线性阵列更高的分辨率和更大的自由度。
信息几何(Information Geometry,IG)是研究概率分布族所构成的统计流形的内在几何性质的理论体系,它将概率论及统计学中的概念看作统计流形的几何结构,从而采用微分几何方法来研究流形上的结构性质。S.T.Jensen[5]等人提出一种Fisher信息距离的表示方法。Mario等人[6]基于这种方法提出了一种基于信息几何的DOA估计新方法——IG方法,该方法可以提供比传统方法更高的分辨率。IG方法考虑到协方差矩阵参数化后的概率分布空间的几何形状,利用测地线距离准则建立一个优化问题,并用线性搜索法求解。但通过分析发现,IG方法的性能与阵元数、信号功率以及噪声功率有关,只有满足一定条件才能估计准确。
[1]R.Schmidt,"Multiple emitter location and signal parameterestimation,"in IEEE Transactions on Antennas and Propagation,vol.34,no.3,pp.276-280,March 1986,doi:10.1109/TAP.1986.1143830.
[2]R.Roy and T.Kailath,"ESPRIT-estimation of signal parameters viarotational invariance techniques,"in IEEE Transactions on Acoustics,Speech,and Signal Processing,vol.37,no.7,pp.984-995,July 1989,doi:10.1109/29.32276.
[3]I.F.Gorodnitsky and B.D.Rao,"Sparse signal reconstruction fromlimited data using FOCUSS:a re-weighted minimum norm algorithm,"in IEEETransactions on Signal Processing,vol.45,no.3,pp.600-616,March 1997,doi:10.1109/78.558475.
[4]沈一帆.基于互质阵列的无网格化波达方向估计算法研究[D].浙江大学,2017.
[5]S.T.Jensen,private communication in[2],1976.
[6]M.Coutino,R.Pribic and G.Leus,"Direction of arrival estimationbased on information geometry,"2016IEEE International Conference onAcoustics,Speech and Signal Processing(ICASSP),2016,pp.3066-3070,doi:10.1109/ICASSP.2016.7472241。
发明内容
为克服现有技术的不足,本发明旨在通过对实际接收信号协方差矩阵进行归一化处理,解除对于阵元数、信号功率以及噪声功率的限制,进而将此方法应用到基于互质阵列的虚拟阵列协方差矩阵中,从而获得相同阵元数条件下更高的估计精度。为此,本发明采取的技术方案是,基于信息几何的互质阵DOA估计方法,在基于概率分布几何结构的基础上,利用虚拟阵列接收信号的协方差矩阵作为参数空间,通过最小化接收信号概率密度函数的理论值与实际值间的差异,进行到达角估计。
具体步骤如下:
步骤1:阵列1由2M个间距为Nd的阵列天线构成,阵列2是由N个间距为Md的阵列天线构成,M、N是互质整数,d是半波长,将这两个稀疏阵结合,得到(2M+N-1)的互质阵列配置;
根据互质阵列接收信号得到的实际协方差矩阵为:
其中,其中K是快拍数,y[k]是接收信号矩阵,[·]H表示矩阵的共轭转置;
步骤2:根据互质阵列接收信号构造的理论协方差矩阵为:
对互质阵列接收信号的协方差矩阵向量化得
其中,z对应一个虚拟阵列,虚拟阵列各阵元位置为
S(x,y)={ux-uy∣x,y=1,2,…,2M+N-1}
S(x,y)的值存在重复,在去掉各位置上重叠的虚拟阵元之后,得到一段非均匀虚拟阵列Sc,其等价虚拟信号可通过选取向量z中相对应位置上的元素获得;选取这段非均匀虚拟阵列Sc中以0为中心长度最大的一段连续均匀虚拟阵元,形成一个包含(2MN+1)个虚拟阵元的均匀虚拟阵列将实际协方差矩阵代替理想协方差矩阵Ry构造虚拟阵列;
步骤3:将对应的从(MN)d到-(MN)d的虚拟线性阵列Y分成若干部分重叠的子阵列Vi.Vi对应于Y中位置为(-i+1)d到(-i+MN+1)d的虚拟阵元,每一个虚拟子阵列的等价虚拟接收信号向量通过选取向量z中(MN+2-i)到(2MN+2-i)行中的元素构成,表示为基于原互质阵列的虚拟阵列协方差矩阵Rxx,可通过取所有虚拟子阵的单秩空间平滑协方差矩阵的算术平方根获得:
步骤4:对Rxx进行特征值分解得到发射功率及噪声功率
步骤6:构造对应于虚拟阵元位置位于0到MNd的虚拟阵列子阵的协方差矩阵
最终,基于信息几何的互质阵DOA估计方法变为以下优化问题
进而利用谱峰搜索进行DOA估计。
本发明的特点及有益效果是:
本发明提出的基于信息几何的互质阵DOA估计方法,解除了IG方法对于阵元数、信号功率以及噪声功率的限制。在仿真实验中,设定阵元数均为8,信噪比均为20dB。图4展示了不同发射功率下,本算法与IG方法在不同发射功率下的DOA估计精度对比情况,可以看到只有在发射功率为1时IG方法估计精度优于本算法。随着发射功率越来越大,算法间估计精度差距也越来越大。
附图说明:
图1互质阵列形成过程。
图2空间平滑技术示意图。
图3算法步骤。
图4本算法与IG算法在不同发射功率下的DOA估计精度对比。
具体实施方式
本发明属于雷达系统波达方向估计领域,设计了一种基于信息几何的互质阵DOA估计方法,利用信息几何中的Fisher信息距离完成对接收信号概率密度函数间差异的度量。
Mario等人提出的IG方法的性能与阵元数、信号功率以及噪声功率有关,为克服现有技术的不足,本发明通过对实际接收信号协方差矩阵进行归一化处理,解除IG方法对于阵元数、信号功率以及噪声功率的限制,进而将此方法应用到基于互质阵列的虚拟阵列协方差矩阵中,从而获得相同阵元数条件下更高的估计精度。
本发明旨在提出一种基于信息几何的互质阵DOA估计方法,在基于概率分布几何结构的基础上,利用虚拟阵列接收信号的协方差矩阵作为参数空间,通过最小化接收信号概率密度函数的理论值与实际值间的差异,进行到达角估计。本发明采用的技术方案的具体步骤如下:
下面结合附图和具体实例进一步详细说明本发明。
以估计一个信源为例:
步骤1:阵列1由2M个间距为Nd的阵列天线构成,阵列2是由N个间距为Md的阵列天线构成,如图1所示。M、N是互质整数,d是半波长。将这两个稀疏阵结合,得到(2M+N-1)的互质阵列配置。
根据互质阵列接收信号得到的实际协方差矩阵为:
其中,其中K是快拍数,y[k]是接收信号矩阵,[·]H表示矩阵的共轭转置;
步骤2:根据互质阵列接收信号构造的理论协方差矩阵为:
对互质阵列接收信号的协方差矩阵向量化得
其中,z对应一个虚拟阵列,虚拟阵列各阵元位置为
S(x,y)={ux-uy∣x,y=1,2,…,2M+N-1}
S(x,y)的值存在重复,在去掉各位置上重叠的虚拟阵元之后,得到一段非均匀虚拟阵列Sc,其等价虚拟信号可通过选取向量z中相对应位置上的元素获得。选取这段非均匀虚拟阵列Sc中以0为中心长度最大的一段连续均匀虚拟阵元,形成一个包含(2MN+1)个虚拟阵元的均匀虚拟阵列将实际协方差矩阵代替理想协方差矩阵Ry构造虚拟阵列。
步骤3:将对应的从(MN)d到-(MN)d的虚拟线性阵列Y分成若干部分重叠的子阵列Vi.Vi对应于Y中位置为(-i+1)d到(-i+MN+1)d的虚拟阵元,每一个虚拟子阵列的等价虚拟接收信号向量通过选取向量z中(MN+2-i)到(2MN+2-i)行中的元素构成,表示为基于原互质阵列的虚拟阵列协方差矩阵Rxx,可通过取所有虚拟子阵的单秩空间平滑协方差矩阵的算术平方根获得:
步骤4:对Rxx进行特征值分解得到发射功率及噪声功率
步骤6:构造对应于虚拟阵元位置位于0到MNd的虚拟阵列子阵的协方差矩阵
最终,基于信息几何的互质阵DOA估计方法变为以下优化问题
进而利用谱峰搜索进行DOA估计。
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披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种基于信息几何的互质阵DOA估计方法,其特征是,在基于概率分布几何结构的基础上,利用虚拟阵列接收信号的协方差矩阵作为参数空间,通过最小化接收信号概率密度函数的理论值与实际值间的差异,进行到达角估计。
3.如权利要求1所述的基于信息几何的互质阵DOA估计方法,其特征是,步骤1:阵列1由2M个间距为Nd的阵列天线构成,阵列2是由N个间距为Md的阵列天线构成,M、N是互质整数,d是半波长,将这两个稀疏阵结合,得到(2M+N-1)的互质阵列配置;
根据互质阵列接收信号得到的实际协方差矩阵为:
其中,其中K是快拍数,y[k]是接收信号矩阵,[·]H表示矩阵的共轭转置;
步骤2:根据互质阵列接收信号构造的理论协方差矩阵为:
对互质阵列接收信号的协方差矩阵向量化得
其中,z对应一个虚拟阵列,虚拟阵列各阵元位置为
S(x,y)={ux-uy∣x,y=1,2,…,2M+N-1}
S(x,y)的值存在重复,在去掉各位置上重叠的虚拟阵元之后,得到一段非均匀虚拟阵列Sc,其等价虚拟信号可通过选取向量z中相对应位置上的元素获得;选取这段非均匀虚拟阵列Sc中以0为中心长度最大的一段连续均匀虚拟阵元,形成一个包含(2MN+1)个虚拟阵元的均匀虚拟阵列将实际协方差矩阵代替理想协方差矩阵Ry构造虚拟阵列;
步骤3:将对应的从(MN)d到-(MN)d的虚拟线性阵列Y分成若干部分重叠的子阵列Vi.Vi对应于Y中位置为(-i+1)d到(-i+MN+1)d的虚拟阵元,每一个虚拟子阵列的等价虚拟接收信号向量通过选取向量z中(MN+2-i)到(2MN+2-i)行中的元素构成,表示为基于原互质阵列的虚拟阵列协方差矩阵Rxx,可通过取所有虚拟子阵的单秩空间平滑协方差矩阵的算术平方根获得:
步骤4:对Rxx进行特征值分解得到发射功率及噪声功率
步骤6:构造对应于虚拟阵元位置位于0到MNd的虚拟阵列子阵的协方差矩阵
最终,基于信息几何的互质阵DOA估计方法变为以下优化问题
进而利用谱峰搜索进行DOA估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210043718.3A CN114371440A (zh) | 2022-01-14 | 2022-01-14 | 基于信息几何的互质阵doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210043718.3A CN114371440A (zh) | 2022-01-14 | 2022-01-14 | 基于信息几何的互质阵doa估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114371440A true CN114371440A (zh) | 2022-04-19 |
Family
ID=81143140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210043718.3A Pending CN114371440A (zh) | 2022-01-14 | 2022-01-14 | 基于信息几何的互质阵doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114371440A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107102291A (zh) * | 2017-05-03 | 2017-08-29 | 浙江大学 | 基于虚拟阵列内插的无网格化互质阵列波达方向估计方法 |
CN107329108A (zh) * | 2017-05-03 | 2017-11-07 | 浙江大学 | 基于内插虚拟阵列协方差矩阵Toeplitz化重建的互质阵列波达方向估计方法 |
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 |
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 |
CN112698264A (zh) * | 2020-12-10 | 2021-04-23 | 南京航空航天大学 | 增广互质阵列脉冲噪声环境下相干信源的doa估计方法 |
-
2022
- 2022-01-14 CN CN202210043718.3A patent/CN114371440A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107102291A (zh) * | 2017-05-03 | 2017-08-29 | 浙江大学 | 基于虚拟阵列内插的无网格化互质阵列波达方向估计方法 |
CN107329108A (zh) * | 2017-05-03 | 2017-11-07 | 浙江大学 | 基于内插虚拟阵列协方差矩阵Toeplitz化重建的互质阵列波达方向估计方法 |
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 |
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 |
CN112698264A (zh) * | 2020-12-10 | 2021-04-23 | 南京航空航天大学 | 增广互质阵列脉冲噪声环境下相干信源的doa估计方法 |
Non-Patent Citations (2)
Title |
---|
MARIO COUTINO ET AL.: "Direction of arrival estimation based on information geometry", 《2016 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)》, 25 March 2016 (2016-03-25), pages 3066 - 3070, XP032901167, DOI: 10.1109/ICASSP.2016.7472241 * |
占成宏 等: "基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法", 《系统工程与电子技术》, vol. 42, no. 7, 31 July 2020 (2020-07-31), pages 1455 - 1463 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
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 | |
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 | |
CN110412499B (zh) | 基于压缩感知理论下的rss算法的宽带doa估计算法 | |
CN109557502B (zh) | 基于互质双频的稀疏嵌套mimo阵列doa估计方法 | |
CN111736118B (zh) | 一种线列阵阵列扩展方法 | |
CN113189538B (zh) | 一种基于互质稀疏排列的三元阵列及其空间谱估计方法 | |
CN108267712B (zh) | 一种基于压缩平移互素阵列的doa估计方法及装置 | |
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 | |
CN106980105B (zh) | 电磁矢量传感器阵列空间旋转解相干测向方法 | |
Li et al. | An improved co-prime parallel array with conjugate augmentation for 2-D DOA estimation | |
Khan et al. | Comparative analysis of various matrix pencil methods for direction of arrival estimation | |
CN111239679B (zh) | 一种用于互质面阵下相干信源doa估计的方法 | |
CN115236589B (zh) | 一种基于协方差矩阵修正的极地冰下doa估计方法 | |
CN114371440A (zh) | 基于信息几何的互质阵doa估计方法 | |
Pan et al. | Enhanced doa estimation with co-prime array in the scenario of impulsive noise: A pseudo snapshot augmentation perspective | |
CN115453450A (zh) | 一种嵌套阵下对抗互藕的稳健doa估计方法 | |
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 | |
CN114184999B (zh) | 一种互耦小孔径阵列的生成式模型处理方法 | |
CN115616478A (zh) | 一种基于混合远近场的新型对称稀疏阵列的设计方法 | |
CN113325364A (zh) | 一种基于数据压缩的空时联合测向方法 | |
CN114397619A (zh) | 基于非均匀稀疏阵列二维定位算法 | |
CN113281698A (zh) | 一种嵌套阵中基于级联的非高斯信源测向方法 | |
CN113820655A (zh) | 一种基于Toeplitz矩阵重构和矩阵填充的互质阵相干信号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 |