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 PDF

Info

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
Application number
CN202210043718.3A
Other languages
English (en)
Inventor
汪清
孙润心
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN202210043718.3A priority Critical patent/CN114371440A/zh
Publication of CN114371440A publication Critical patent/CN114371440A/zh
Pending legal-status Critical Current

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
    • 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

基于信息几何的互质阵DOA估计方法
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：求解由(2M+N-1)个阵元构成的互质阵接收信号的实际协方差矩阵
Figure BDA0003471325740000021
步骤2：利用互质阵构造虚拟阵列
Figure BDA0003471325740000022
步骤3：利用实际协方差矩阵
Figure BDA0003471325740000023
对虚拟阵列下的接收信号求解协方差矩阵Rxx；
步骤4：通过对协方差矩阵Rxx进行奇异值分解求解得到发射信号功率Pt以及噪声功率
Figure BDA0003471325740000024
步骤5：对协方差矩阵Rxx进行归一化处理得到
Figure BDA0003471325740000025
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
Figure BDA0003471325740000026
步骤7：求解得到Φ使得
Figure BDA0003471325740000027
与
Figure BDA0003471325740000028
间Fisher信息距离最小。
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：
Figure BDA0003471325740000031
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：
Figure BDA0003471325740000032
其中，
Figure BDA0003471325740000033
P是信号源的功率，
Figure BDA0003471325740000034
是噪声信号功率，I为单位矩阵；
对互质阵列接收信号的协方差矩阵向量化得
Figure BDA0003471325740000035
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
Figure BDA0003471325740000036
将实际协方差矩阵
Figure BDA0003471325740000037
代替理想协方差矩阵Ry构造虚拟阵列；
步骤3：将
Figure BDA0003471325740000038
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
Figure BDA0003471325740000039
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：
Figure BDA00034713257400000310
步骤4：对Rxx进行特征值分解得到发射功率及噪声功率
Figure BDA00034713257400000311
Figure BDA00034713257400000312
其中，
Figure BDA00034713257400000313
表示特征分解过程，特征值按照λ1≥λ2＝…＝λM排序，
Figure BDA00034713257400000314
是对应的特征向量；
步骤5：对协方差矩阵Rxx进行归一化处理得到
Figure BDA00034713257400000315
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
Figure BDA00034713257400000316
其中，
Figure BDA00034713257400000317
由于
Figure BDA00034713257400000318
是经过归一化处理后的，因此R(Φ)也要写成以下形式
Figure BDA00034713257400000319
步骤7：利用最小化R(Φ)与
Figure BDA00034713257400000320
间的Fisher信息距离，求解得到Φ
Figure BDA0003471325740000041
其中，
Figure BDA0003471325740000042
a1,…,an是
Figure BDA0003471325740000043
的根，当R(Φ)的秩为1时，公式可简化为以下形式
Figure BDA0003471325740000044
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
Figure BDA0003471325740000045
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：
步骤1：求解由(2M+N-1)个阵元构成的互质阵接收信号的实际协方差矩阵
Figure BDA0003471325740000046
步骤2：利用互质阵构造虚拟阵列
Figure BDA0003471325740000047
步骤3：利用实际协方差矩阵
Figure BDA0003471325740000048
对虚拟阵列下的接收信号求解协方差矩阵Rxx；
步骤4：通过对协方差矩阵Rxx进行奇异值分解求解得到发射信号功率Pt以及噪声功率
Figure BDA0003471325740000049
步骤5：对协方差矩阵Rxx进行归一化处理得到
Figure BDA0003471325740000051
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
Figure BDA0003471325740000052
步骤7：求解得到Φ使得
Figure BDA0003471325740000053
与
Figure BDA0003471325740000054
间Fisher信息距离最小；
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：
Figure BDA0003471325740000055
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：
Figure BDA0003471325740000056
其中，
Figure BDA0003471325740000057
P是信号源的功率，
Figure BDA0003471325740000058
是噪声信号功率，I为单位矩阵。
对互质阵列接收信号的协方差矩阵向量化得
Figure BDA0003471325740000059
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
Figure BDA00034713257400000510
将实际协方差矩阵
Figure BDA00034713257400000511
代替理想协方差矩阵Ry构造虚拟阵列。
步骤3：将
Figure BDA00034713257400000512
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
Figure BDA00034713257400000513
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:
Figure BDA00034713257400000514
步骤4：对Rxx进行特征值分解得到发射功率及噪声功率
Figure BDA00034713257400000515
Figure BDA00034713257400000516
其中，
Figure BDA0003471325740000061
表示特征分解过程，特征值按照λ1≥λ2＝…＝λM排序，
Figure BDA0003471325740000062
是对应的特征向量。
步骤5：对协方差矩阵Rxx进行归一化处理得到
Figure BDA0003471325740000063
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
Figure BDA0003471325740000064
其中，
Figure BDA0003471325740000065
由于
Figure BDA0003471325740000066
是经过归一化处理后的，因此R(Φ)也要写成以下形式
Figure BDA0003471325740000067
步骤7：利用最小化R(Φ)与
Figure BDA0003471325740000068
间的Fisher信息距离，求解得到Φ。
Figure BDA0003471325740000069
其中，
Figure BDA00034713257400000610
a1,…,an是
Figure BDA00034713257400000611
的根，当R(Φ)的秩为1时，公式可简化为以下形式
Figure BDA00034713257400000612
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
Figure BDA00034713257400000613
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。
2.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，具体步骤如下：
步骤1：求解由(2M+N-1)个阵元构成的互质阵接收信号的实际协方差矩阵
Figure FDA0003471325730000011
步骤2：利用互质阵构造虚拟阵列
Figure FDA0003471325730000012
步骤3：利用实际协方差矩阵
Figure FDA0003471325730000013
对虚拟阵列下的接收信号求解协方差矩阵Rxx；
步骤4：通过对协方差矩阵Rxx进行奇异值分解求解得到发射信号功率Pt以及噪声功率
Figure FDA0003471325730000014
步骤5：对协方差矩阵Rxx进行归一化处理得到
Figure FDA0003471325730000015
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
Figure FDA0003471325730000016
步骤7：求解得到Φ使得
Figure FDA0003471325730000017
与
Figure FDA0003471325730000018
间Fisher信息距离最小。
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：
Figure FDA0003471325730000019
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：
Figure FDA00034713257300000110
其中，
Figure FDA00034713257300000111
P是信号源的功率，
Figure FDA00034713257300000112
是噪声信号功率，I为单位矩阵；
对互质阵列接收信号的协方差矩阵向量化得
Figure FDA00034713257300000113
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
Figure FDA00034713257300000114
将实际协方差矩阵
Figure FDA00034713257300000115
代替理想协方差矩阵Ry构造虚拟阵列；
步骤3：将
Figure FDA00034713257300000116
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
Figure FDA00034713257300000117
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：
Figure FDA0003471325730000021
步骤4：对Rxx进行特征值分解得到发射功率及噪声功率
Figure FDA0003471325730000022
Figure FDA0003471325730000023
其中，
Figure FDA0003471325730000024
表示特征分解过程，特征值按照λ1≥λ2＝…＝λM排序，
Figure FDA0003471325730000025
是对应的特征向量；
步骤5：对协方差矩阵Rxx进行归一化处理得到
Figure FDA0003471325730000026
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
Figure FDA0003471325730000027
其中，a(Φ)＝[1,e-jπsin(θ),…,e-jπMNsin(θ)]T。由于
Figure FDA0003471325730000028
是经过归一化处理后的，因此R(Φ)也要写成以下形式
Figure FDA0003471325730000029
步骤7：利用最小化R(Φ)与
Figure FDA00034713257300000210
间的Fisher信息距离，求解得到Φ
Figure FDA00034713257300000211
其中，
Figure FDA00034713257300000212
a1,…,an是
Figure FDA00034713257300000213
的根，当R(Φ)的秩为1时，公式可简化为以下形式
Figure FDA00034713257300000214
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
Figure FDA00034713257300000215
进而利用谱峰搜索进行DOA估计。
CN202210043718.3A 2022-01-14 2022-01-14 基于信息几何的互质阵doa估计方法 Pending CN114371440A (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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