CN114415137A - 一种基于矩阵束原理的频率分集mimo雷达参数估计方法 - Google Patents
一种基于矩阵束原理的频率分集mimo雷达参数估计方法 Download PDFInfo
- Publication number
- CN114415137A CN114415137A CN202111510293.4A CN202111510293A CN114415137A CN 114415137 A CN114415137 A CN 114415137A CN 202111510293 A CN202111510293 A CN 202111510293A CN 114415137 A CN114415137 A CN 114415137A
- Authority
- CN
- China
- Prior art keywords
- matrix
- target
- vector
- signal
- frequency diversity
- 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 85
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000013598 vector Substances 0.000 claims abstract description 46
- 230000003190 augmentative effect Effects 0.000 claims abstract description 12
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 10
- 230000003321 amplification Effects 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 4
- 239000004576 sand Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 8
- 230000008878 coupling Effects 0.000 abstract description 5
- 238000010168 coupling process Methods 0.000 abstract description 5
- 238000005859 coupling reaction Methods 0.000 abstract description 5
- 230000009466 transformation Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 19
- 230000001419 dependent effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000934806 Krameria Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 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
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (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矩阵束原理的频率分集MIMO雷达参数估计方法,方法包括:首先对频率分集MIMO雷达的接收信号模型进行了推导并对发射‑接收导向矢量中角度与距离的耦合关系进行了分析;其次,利用接收端匹配滤波后得到的回波信号构造出其增广矩阵束;然后通过对增广矩阵束采用矩阵分解和变换,分别得到包含角度与距离信息的对角相位矩阵。最后,考虑到目标的角度与距离参数的耦合和匹配问题,采用相同的特征矢量实现匹配,实现目标的准确定位。仿真结果表明,与现有技术相比,本发明在低快拍数和低信噪比下都表现出优越的估计性能。
Description
技术领域
本发明属于雷达信号处理技术领域,具体涉及一种基于矩阵束原理的频率分集MIMO雷达参数估计方法。
背景技术
频率分集阵列是近年来雷达信号处理领域发展的一种新体制阵列雷达技术。频率分集阵列在不同的发射阵元采用一个较小的频偏来获取具有距离依赖性的波束。由于其波束方向图是与时间、角度、距离和频偏相关的,成为诸多研究者关注的重点。频率分集雷达与MIMO(Multiple Input Multiple Output,多进多出)雷达的结合,即频率分集MIMO(FDA-MIMO)雷达在参数估计、波束合成等方面展示出显著的优势。由于单基地的频率分集MIMO雷达具有灵活、收发联合控制实现方便等优势,可被应用于无人机、无人船、汽车等领域。针对单基地的频率分集MIMO雷达的参数估计,由于发射阵列采用频率分集技术,因此可获得距离角度依赖波束,但也产生了距离与角度耦合的问题。此外,目前关于频率分集MIMO雷达的参数估计问题主要集中在子空间类算法上。如在文献(Li B,Bai W,Zheng G.SuccessiveESPRIT algorithm for joint DOA-range-polarization estimation withpolarization sensitive FDA-MIMO radar[J].IEEE Access,2018,6:36376-36382.)中将发射阵列划分为两个子阵,采用旋转不变技术(ESPRIT)来实现角度与距离的二维联合估计。
然而,由于该算法基于复数的协方差矩阵进行运算,并没有充分利用协方差矩阵中的互相关信息,并且该算法所需的复杂度较高。并且,在低信噪比以及低快拍下,这类EPSPRIT算法的参数估计精度大大下降甚至失效。
此外,在文献(Liu Feilong,Wang Xianpeng,Huang Mengxing,et al.A NovelUnitary ESPRIT Algorithm for Monostatic FDA-MIMO Radar[J].Sensors,2020,20(3):827-843)中提供了实值ESPRIT算法来实现频率分集MIMO雷达的角度与距离联合估计。
然而,由于该算法也是基于接收数据的协方差矩阵来进行分解的,并且该算法容易在低快拍、低信噪比的情景下失效。因此,上述方法在实际应用中会受到极大限制。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于矩阵束原理的频率分集MIMO雷达参数估计方法。本发明要解决的技术问题通过以下技术方案实现:
一种基于矩阵束原理的频率分集MIMO雷达参数估计方法,所述频率分集MIMO雷达参数估计方法包括:
步骤1、M个发射阵元发射正交信号;
步骤2、N个接收阵元利用所述正交信号的互相正交特性对目标的反射回波信号进行匹配滤波处理,以得到滤波后的接收信号;
步骤3、根据滤波后的接收信号得到增广矩阵束;
步骤4、对所述增广矩阵束进行奇异值分解,以分解得到左奇异向量;
步骤5、利用最小二乘法处理所述左奇异向量,得到包含角度的相位矩阵;
步骤6、根据所述相位矩阵对目标的角度进行估计,以得到角度估计结果;
步骤7、对所述左奇异向量进行行置换,采用相同的模糊矢量和最小二乘法得到匹配的距离相位矩阵;
步骤8、根据所述距离相位矩阵对所述目标的距离进行估计,以得到距离估计结果。
在本发明的一个实施例中,所述正交信号为:
其中,sm(t)为第m个发射阵元在第t时刻的正交信号,E为M个发射阵元发射信号的总功率,fm为第m个发射阵元的载频,φm(t)为第m个发射阵元的基带信号,T为脉冲持续时间。
在本发明的一个实施例中,M个所述发射阵元的基带信号之间满足:
在本发明的一个实施例中,对于第m路发射阵元发出的正交信号,第n个接收阵元的接收信号为:
其中,ξ为目标的复散射系数,r为距离,c为光速,f0为第一个发射阵元的发射频率,dt为发射阵元之间的间距,dr为接收阵元之间的间距,θ为目标的方位角,Δf为相邻发射天线之间频率增量;
所有所述接收信号排列成矢量形式表示为:
at(θ,r)表示为:
ar(θ)表示为:
其中,at(θ,r)为发射导向矢量,ar(θ)为接收导向矢量。
在本发明的一个实施例中,所述增广矩阵束为:
其中,Re为增广矩阵束,P为等效发射阵元的数量,Rm为Re中的第m个元素,Rm为Q×(N-Q+1)的Hankel矩阵,Q为等效接收阵元的数量。
在本发明的一个实施例中,对Re进行奇异值分解的公式表示为:
其中,ES为信号子空间,EN为噪声子空间,ES和EN为左奇异向量,Λs和ΛN为分别对应Re的前K个较大的和剩余的奇异值,K为目标数。
在本发明的一个实施例中,所述相位矩阵为:
在本发明的一个实施例中,所述目标的角度估计的计算公式为:
其中,Φθ为对角元素的相位包含目标角度信息的对角矩阵,Ψθ=T-1ΦθT,T表示ES与导向矢量A之间的系数矩阵。
在本发明的一个实施例中,所述距离相位矩阵为:
本发明的有益效果:
本发明提供的一种基于矩阵束原理的频率分集MIMO雷达参数估计方法,能够在采样数据较小的情况下,实现低复杂度和高精度的目标参数联合估计。通过对构造的增广矩阵束进行矩阵分解,可以获得目标的角度估计。然后利用获得的角度估计解决导向矢量中角度和距离耦合的问题,并且利用相同的列模糊矢量来实现角度与距离参数的正确配对。由于增广矩阵束本质上充分利用了数据之间的互相关特性来达到扩展快拍数的目的,因此本发明所提出的方法可以在低信噪比和快拍数较小的情况下,相较于现有技术,能表现出优越的定位性能。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于矩阵束原理的频率分集MIMO雷达参数估计方法的流程示意图;
图2是本发明实施例提供的一种单基地频率分集MIMO雷达系统的信号模型图;
图3是本发明实施例提供的一种远场三目标情景下的估计结果图;
图4是本发明实施例提供的一种目标角度估计均方根误差随信噪比变化的趋势图;
图5是本发明实施例提供的一种目标距离估计均方根误差随信噪比变化的趋势图;
图6是本发明实施例提供的一种目标角度估计均方根误差随快拍数变化的趋势图;
图7是本发明实施例提供的一种目标距离估计均方根误差随快拍数变化的趋势图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
请参见图1,图1是本发明实施例提供的一种基于矩阵束原理的频率分集MIMO雷达参数估计方法的流程示意图。本发明实施例提供一种基于矩阵束原理的频率分集MIMO雷达参数估计方法,该频率分集MIMO雷达参数估计方法包括步骤1至步骤8,其中:
步骤1、M个发射阵元发射正交信号。
在本发明实施例中,考虑频率分集MIMO雷达的单基地信号模型,如图2所示,其发射端采用M个发射阵元,阵元排布采用均匀线阵结构,阵元间距为dt。接收端采用N个接收阵元,阵元排布同样采用均匀线阵结构,阵元间距为dr。将发射端的第一个阵元设置为参考阵元,其发射频率为f0。则频率分集MIMO雷达的第m个发射阵元的载频可以表示为:
fm=f0+mΔf,m=0,1,…,M-1
其中,Δf为相邻发射天线之间频率增量。通常情况下,该频率增量远远小于参考载频。因此,具有如下的近似表达式:
其中,λ为信号波长,c为光速,θ为目标的方位角,r为距离。为了消除相位的混叠效应,将阵元间距设置为最大波长的一半,即dt=dr=0.5λmax,λmax为最大波长。在第t时刻,第m个发射阵元的发射信号可以表示为:
其中,sm(t)为第m个发射阵元在第t时刻的正交信号,E为M个发射阵元发射信号的总功率,fm为第m个发射阵元的载频,φm(t)为第m个发射阵元的基带信号,T为脉冲持续时间。
在本发明中,假设发射波形是相互正交并且归一化的,可以表示为:
步骤2、N个接收阵元利用正交信号的互相正交特性对目标的反射回波信号进行匹配滤波处理,以得到滤波后的接收数据。
在本实施例中,将第一个发射阵元和接收阵元分别视为参考阵元。本发明实例中考虑远场的目标假定为点目标。每个接收阵元的输出是所有发射信号在该阵元处的叠加。对于第m路发射阵元发出的正交信号,第n个接收阵元的接收信号可表示为:
其中,ξ为目标的复散射系数,dt和dr分别表示发射阵元和接收阵元间的间距,θ为目标的方位角,c为光速。
接收阵列脉压后的数据排列成矢量形式可以表示为:
其中,at(θ,r)为发射导向矢量。
ar(θ)的具体形式可表示为:
其中,ar(θ)为接收导向矢量。
因此,从发射导向矢量的计算公式可以看出,对于发射导向矢量,角度与距离参数天然耦合,因此,在实现参数估计时必须采用相应的解耦合方法。本发明中,由于可先获得角度估计参数,因此将已获得的角度估计代入对应的接收数据便可实现解耦合。
步骤3、根据滤波后的接收信号得到增广矩阵束。
根据滤波后接收数据的矢量形式,可定义如下:
其中,E[·]为求统计期望,xm,n为x的第((n-1)M+m)行。构造的增广矩阵束可表示为:
其中,Re为增广矩阵束,P为采用矩阵束原理后新的等效发射阵元的数量,Rm为Re中的第m个元素,Rm为Q×(N-Q+1)的Hankel矩阵,Q为采用矩阵束原理后新的等效接收阵元的数量。P、Q的选取,旨在构造增广矩阵,相当于增大快拍数。可对Rm作如下的矩阵分解:
Rm=VLSXθVR
其中,S代表信号相关矩阵,Xθ=exp(jπsinθ)。
步骤4、对增广矩阵束进行奇异值分解,以分解得到左奇异向量。
对Re进行奇异值分解,可得到:
其中,ES和EN分别表示信号子空间和噪声子空间,Λs和ΛN为分别对应Re的前K个较大的和剩余的奇异值,K为目标数。
步骤5、利用最小二乘法处理左奇异向量,得到包含角度的相位矩阵。
由于Rm和Re之间的特殊构造关系,因此,ES的前(Q-1)P行构成的矩阵ES1与后(Q-1)P行构成的矩阵ES2存在如下的关系:
其中,Ψθ为包含角度的相位矩阵,为Ψθ=T-1ΦθT,T表示ES与导向矢量A之间的系数矩阵,Φθ表示对角元素的相位包含目标角度信息的对角矩阵。
步骤6、根据相位矩阵对目标的角度进行估计,以得到角度估计结果。
具体地,目标的角度的估计可表示为:
步骤7、对左奇异向量进行行置换,采用相同的模糊矢量和最小二乘法得到匹配的距离相位矩阵。
具体地,将ES左乘一置换矩阵Π进行重构,得到US。US的前(P-1)Q行构成的矩阵US1和后(P-1)Q行构成的矩阵US2存在如下的关系:
由于求解角度和距离的相位矩阵时具有相同的列模糊矢量T,因此,本发明实例中可以自动实现目标的距离和角度配对。求出目标的距离估计为:
其中,T表示ES与导向矢量A之间的系数矩阵。
步骤8、根据距离相位矩阵对目标的距离进行估计,以得到距离估计结果。
具体地,将已估计的角度参数代入距离相位矩阵,实现距离估计。
下面结合仿真实验对本发明的效果做进一步的说明。
为了评估本方法的性能,考虑如图1所示的单基地频率分集MIMO雷达参数估计方法,其系统仿真参数如表1所示
表1频率分集MIMO雷达系统仿真参数
此外,为了凸显本发明的估计性能优势,在仿真中选用适用于单基地频率分集MIMO雷达的ESPRIT算法和实值EPSPRIT算法作为对比算法。
图3为本发明在远场存在三个点目标情形下的目标定位图。在图3的仿真实验中,信噪比SNR=0dB,蒙特卡洛试验数为200,噪声为均匀的复高斯白噪声,由图3的仿真实验结果可知,与真实目标的参数信息对比,本发明对三目标的距离和角度参数可以进行准确估计并正确匹配。
图4与图5分别为本发明与对比算法的角度和距离的均方根误差随信噪比变化的对比图。在该部分实验中,快拍数L=20,信噪比SNR从-10dB增加到10dB,步进为2dB。观察图4的结果可知,随着信噪比的不断增大,本发明的角度参数估计性能要比对比算法更高,并且在低信噪比下,本发明与实值ESPRIT算法的参数估计性能更高一些,而ESPRIT算法的性能严重下降。观察图5的结果可知,在相同的信噪比下,本发明的距离参数的均方根误差曲线要比对比算法的均方根误差曲线更靠近理想的克拉美罗界,因而本发明具有更优越的估计性能。
图6与图7分别为本发明与对比算法的角度和距离的均方根误差随快拍数变化的对比图。在图6与图7的仿真实验中,信噪比SNR=0dB,为了探究本发明低快拍数下的估计性能,快拍数L从1增加到41,步进为2。观察图6可知,在低快拍下,对比算法的参数估计已然失效,而本发明的角度估计依然有效,由此可证明本发明针对角度参数估计的有效性。从图7的结果可知,在低快拍下,对比算法已无法估计距离参数,而本发明依然可以准确获得距离参数的估计值。
本发明提供的一种基于矩阵束原理的频率分集MIMO雷达参数估计方法,能够在采样数据较小的情况下,实现低复杂度和高精度的目标参数联合估计。通过对构造的增广矩阵束进行矩阵分解,可以获得目标的角度估计。然后利用获得的角度估计解决导向矢量中角度和距离耦合的问题,并且利用相同的列模糊矢量来实现角度与距离参数的正确配对。由于增广矩阵束本质上充分利用了数据之间的互相关特性来达到扩展快拍数的目的,因此本发明所提出的方法可以在低信噪比和快拍数较小的情况下,相较于现有技术,能表现出优越的定位性能。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种基于矩阵束原理的频率分集MIMO雷达参数估计方法,其特征在于,所述频率分集MIMO雷达参数估计方法包括:
步骤1、M个发射阵元发射正交信号;
步骤2、N个接收阵元利用所述正交信号的互相正交特性对目标的反射回波信号进行匹配滤波处理,以得到滤波后的接收信号;
步骤3、根据滤波后的接收信号得到增广矩阵束;
步骤4、对所述增广矩阵束进行奇异值分解,以分解得到左奇异向量;
步骤5、利用最小二乘法处理所述左奇异向量,得到包含角度的相位矩阵;
步骤6、根据所述相位矩阵对目标的角度进行估计,以得到角度估计结果;
步骤7、对所述左奇异向量进行行置换,采用相同的模糊矢量和最小二乘法得到匹配的距离相位矩阵;
步骤8、根据所述距离相位矩阵对所述目标的距离进行估计,以得到距离估计结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111510293.4A CN114415137A (zh) | 2021-12-10 | 2021-12-10 | 一种基于矩阵束原理的频率分集mimo雷达参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111510293.4A CN114415137A (zh) | 2021-12-10 | 2021-12-10 | 一种基于矩阵束原理的频率分集mimo雷达参数估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114415137A true CN114415137A (zh) | 2022-04-29 |
Family
ID=81265788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111510293.4A Pending CN114415137A (zh) | 2021-12-10 | 2021-12-10 | 一种基于矩阵束原理的频率分集mimo雷达参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114415137A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115061125A (zh) * | 2022-06-06 | 2022-09-16 | 西安电子科技大学 | 一种基于分布式相控阵-频率分集阵的信号级协同探测方法 |
CN115499043A (zh) * | 2022-08-17 | 2022-12-20 | 西安电子科技大学 | 一种基于mimo-ofdm雷达通信共享信号的参数估计方法 |
CN116307361A (zh) * | 2023-01-30 | 2023-06-23 | 江苏中农物联网科技有限公司 | 一种水产养殖环境因子快速调控方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1580573A1 (en) * | 2002-03-13 | 2005-09-28 | Raytheon Canada Limited | System and method for noise suppression in pre-processed radar data |
CN102012505A (zh) * | 2010-10-15 | 2011-04-13 | 西安电子科技大学 | 雷达低仰角目标的波达方向估计方法 |
CN106707283A (zh) * | 2017-01-12 | 2017-05-24 | 桂林电子科技大学 | 基于无味信息滤波的相位展开算法 |
CN110146871A (zh) * | 2019-05-21 | 2019-08-20 | 西安电子科技大学 | 基于双频偏fda-mimo雷达的目标参数估计方法 |
US20200300995A1 (en) * | 2019-03-18 | 2020-09-24 | Nxp Usa, Inc. | Distributed Aperture Automotive Radar System with Alternating Master Radar Devices |
-
2021
- 2021-12-10 CN CN202111510293.4A patent/CN114415137A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1580573A1 (en) * | 2002-03-13 | 2005-09-28 | Raytheon Canada Limited | System and method for noise suppression in pre-processed radar data |
CN102012505A (zh) * | 2010-10-15 | 2011-04-13 | 西安电子科技大学 | 雷达低仰角目标的波达方向估计方法 |
CN106707283A (zh) * | 2017-01-12 | 2017-05-24 | 桂林电子科技大学 | 基于无味信息滤波的相位展开算法 |
US20200300995A1 (en) * | 2019-03-18 | 2020-09-24 | Nxp Usa, Inc. | Distributed Aperture Automotive Radar System with Alternating Master Radar Devices |
CN110146871A (zh) * | 2019-05-21 | 2019-08-20 | 西安电子科技大学 | 基于双频偏fda-mimo雷达的目标参数估计方法 |
Non-Patent Citations (3)
Title |
---|
JINGWEI XU 等: ""Joint Range and Angle Estimation Using MIMO Radar With Frequency Diverse Array"", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》, 31 July 2015 (2015-07-31), pages 1 - 2 * |
刘飞龙 等: ""基于子空间的频控阵MIMO雷达目标参数估计研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 November 2021 (2021-11-15), pages 26 - 32 * |
李小波 等: ""基于四元数和增广矩阵束的MIMO雷达角度估计算法"", 《数据采集与处理》, 30 September 2014 (2014-09-30), pages 2 - 3 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115061125A (zh) * | 2022-06-06 | 2022-09-16 | 西安电子科技大学 | 一种基于分布式相控阵-频率分集阵的信号级协同探测方法 |
CN115499043A (zh) * | 2022-08-17 | 2022-12-20 | 西安电子科技大学 | 一种基于mimo-ofdm雷达通信共享信号的参数估计方法 |
CN116307361A (zh) * | 2023-01-30 | 2023-06-23 | 江苏中农物联网科技有限公司 | 一种水产养殖环境因子快速调控方法 |
CN116307361B (zh) * | 2023-01-30 | 2023-12-22 | 连云港陈晔水产科技有限公司 | 一种水产养殖环境因子快速调控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114415137A (zh) | 一种基于矩阵束原理的频率分集mimo雷达参数估计方法 | |
CN107064892B (zh) | 基于张量子空间和旋转不变的mimo雷达角度估计算法 | |
CN107290730B (zh) | 互耦条件下双基地mimo雷达角度估算方法 | |
Zhang et al. | Angle estimation in MIMO radar using reduced-dimension Capon | |
CN107576940B (zh) | 一种低复杂度单基地mimo雷达非圆信号角度估计方法 | |
CN108562866B (zh) | 基于矩阵填充的双基地mimo雷达角度估算方法 | |
CN104155648B (zh) | 基于阵列数据重排的高频地波雷达单次快拍music测向方法 | |
CN112698264B (zh) | 增广互质阵列脉冲噪声环境下相干信源的doa估计方法 | |
Wang et al. | Conjugate ESPRIT for DOA estimation in monostatic MIMO radar | |
CN110927661A (zh) | 基于music算法的单基地展开互质阵列mimo雷达doa估计方法 | |
CN107064926B (zh) | 空域色噪声背景下的双基地mimo雷达角度估算方法 | |
CN108303683B (zh) | 单基地mimo雷达实值esprit非圆信号角度估计方法 | |
CN101799535A (zh) | Mimo雷达目标方向的估计方法 | |
CN111337873B (zh) | 一种基于稀疏阵的doa估计方法 | |
CN110806557A (zh) | 一种冲击噪声背景下单基地mimo雷达doa估计方法 | |
CN112180339A (zh) | 一种基于稀疏处理的雷达回波信号精确测向方法 | |
CN113189592A (zh) | 考虑幅相互耦误差的车载毫米波mimo雷达测角方法 | |
CN109901103B (zh) | 基于非正交波形的mimo雷达doa估算方法及设备 | |
CN104156553B (zh) | 无需信源数估计的相干信号波达方向估计方法及系统 | |
CN106125039B (zh) | 基于局域联合处理的改进空时自适应单脉冲测角方法 | |
An et al. | Single-snapshot DOA estimation in MIMO radar using fast iterative interpolated beamforming | |
CN112924947B (zh) | 一种基于实值稀疏贝叶斯学习的mimo雷达稳健doa估计方法 | |
Yang et al. | Reduced-dimensional ESPRIT algorithm for MIMO radar | |
Wang et al. | Low-complexity ESPRIT–root-MUSIC algorithm for non-circular source in bistatic MIMO radar | |
CN113791379A (zh) | 嵌套阵列非高斯环境下的正交匹配追踪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 |