CN114879226A - 一种基于智能感知的卫星导航阵列抗干扰方法 - Google Patents
一种基于智能感知的卫星导航阵列抗干扰方法 Download PDFInfo
- Publication number
- CN114879226A CN114879226A CN202210679025.3A CN202210679025A CN114879226A CN 114879226 A CN114879226 A CN 114879226A CN 202210679025 A CN202210679025 A CN 202210679025A CN 114879226 A CN114879226 A CN 114879226A
- Authority
- CN
- China
- Prior art keywords
- interference
- array
- matrix
- suppression
- vector
- 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 26
- 230000001629 suppression Effects 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000013461 design Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000007499 fusion processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于智能感知的卫星导航阵列抗干扰方法，属于卫星导航通信中阵列信号处理领域。本发明利用阵列天线各阵元信号进行干扰检测和抑制的融合处理，一方面进行干扰数量、类型、方位信息等参数检测，另一方面利用干扰检测等信息进行干扰的深度抑制。相比于传统抗干扰方法，本发明实现了干扰检测和干扰抑制的融合，且干扰抑制深度能力优于传统的抗干扰方法。
Description
技术领域
本发明涉及一种基于智能感知的卫星导航阵列抗干扰方法，属于卫星导航通信中阵列信号处理领域。
背景技术
目前，成熟的卫星导航抗干扰体制包括自适应调零和自适应波束形成两种体制，自适应调零在干扰方向形成零陷，自适应波束形成抗干扰不仅可在干扰方向形成零陷，还可在卫星方向形成波束。自适应调零体制无需任何先验信息，自适应波束形成抗干扰需要已知卫星方向信息等先验信息，该两种体制针对干扰的零陷仅能通过抗干扰算法自适应调整或采用其他加深零陷技术。
实际应用中，既需要对干扰进行抑制，又需要获取干扰的方位、俯仰等信息，通常干扰抑制和干扰检测为两个终端，需要专门的信息交互接口实现两个终端的通信，从而利用干扰检测信息达到较好的干扰抑制效果。
但是，现有技术中尚缺少能够利用干扰检测信息实现干扰抑制效果增强的方案。
发明内容
为了解决卫星导航抗干扰应用中干扰检测和干扰抑制的融合问题，本发明提出一种基于智能感知的卫星导航阵列抗干扰方法，该方法通过对协方差矩阵特征值和特征向量的计算和分类，能够在实现干扰检测的同时完成基于干扰检测的干扰抑制，从而利用干扰检测信息实现干扰抑制效果的增强。
本发明是通过以下技术方案实现的：
一种基于智能感知的卫星导航阵列抗干扰方法，包括如下步骤：
步骤1，阵列天线接收N路信号，输出N路射频信号R1～RN；
其中，Sim为第i路天线接收的第m个导航卫星信号，m的取值范围为1～M，M为导航卫星信号的总数，i的取值范围为1～N；Jip为第i路天线接收的第p个干扰信号，p取值范围为1～P，P为干扰信号的总数；Ni为第i路天线接收的噪声信号；
步骤2，通过射频前端对N路射频信号R1～RN进行放大、下变频和滤波处理，输出N路中频信号X1～XN；
步骤3，利用N路中频信号X1～XN，完成基于智能感知的卫星导航阵列抗干扰处理；
步骤4，输出干扰参数和干扰抑制后的导航信号给导航接收机。
进一步地，步骤3的具体方式为：
步骤301，选取X1～XN中的一路信号为参考支路，对参考支路进行干扰检测和特征参数估计，判断有无干扰，若不存在干扰，则重新进行干扰检测和特征参数估计，直至检测到干扰，执行步骤302；
步骤302，判断参考支路是否存在窄带干扰，并输出结果给步骤303；
步骤303，若存在窄带干扰，则对N路中频信号X1～XN执行窄带干扰抑制处理；若不存在窄带干扰，则对N路中频信号X1～XN进行延时输出，延时时间与窄带干扰抑制处理时间相同；窄带干扰抑制处理或延时输出的信号为Z1～ZN；
步骤304，令Z＝[Z1，…ZN]，顺序取Z的Q个采样点，计算协方差矩阵Rzz：
步骤305，计算协方差矩阵Rzz的特征值δ1～δN，依次将每个特征值与噪声特征值阈值比较；若特征值大于噪声特征值阈值，则将该特征值归入干扰子空间，否则，归入噪声子空间；求取特征值对应的特征向量
其中
构成干扰子空间的特征向量矩阵A，
构成噪声子空间的特征向量矩阵B；
步骤306，利用干扰子空间特征向量矩阵A，进行干扰来向估计；具体方式如下：
1)设置角度间隔，按照角度间隔将方位角从0°增加到360°，得到I个方位角，将俯仰角从0°增加到90°，得到J个俯仰角，θk为第k个方位角，
为第l个俯仰角，分别计算每组方位角和俯仰角下的导向矢量和功率值；
a)计算阵列天线在方位
的导向矢量Skl：
其中，SScan为空域导向矢量，STime为时域导向矢量，
为Kronecker积；STime＝[1，1，…，1]，STime的维数为D，D为阵列自适应处理时域抽头数，若为基于空域的自适应处理，则D取值为1；
其中，ωs＝2*π*Pa*[xscan，yscan]/α，Pa为阵列坐标，α为信号中心频率对应的波长；
b)检测干扰功率Pkl：
Pkl＝1/(Skl H*A*AH*Skl)
其中，Skl H为导向矢量Skl的共轭转置，AH为干扰空间特征向量矩阵A的共轭转置；
2)对Pkl进行归一化；
3)判断Pkl是否大于噪声功率阈值，若大于噪声功率阈值，则该方向存在干扰；
4)输出干扰估计数量
干扰估计来向
其中，干扰估计方位角
干扰估计俯仰角
执行步骤307；
步骤307，利用干扰估计数量、干扰估计来向，进行干扰信号抑制；具体方式如下：
1)计算约束矩阵C，C为
维列矩阵，
约束矩阵C的第一列
其中SScan＝[1，1，…，1]，SScan的维数为N；
约束矩阵C的第2列C2至第
列
分别为
个干扰估计来向的导向矢量；
2)计算阵列天线各阵元的加权矢量W：
W＝Rzz -1*C*(CH*Rzz*C)-1*gT
其中，g为约束向量，g＝[1，0，…，0]，g的维数为N×D，上标-1表示矩阵求逆运算，上标H表示共轭转置，上标T表示矩阵转置；
3)进行干扰抑制：
y＝WH*Z
其中，y为干扰抑制后的信号。
相比于传统阵列抗干扰方法，本发明具有以下优点：
1、本发明在数字中频实现了干扰信息智能检测，可利用干扰检测信息实现干扰抑制效果的增强，实现了干扰检测和干扰抑制的融合。
2、本发明基于干扰检测信息进行干扰抑制，干扰抑制能力优于传统的抗干扰方法。
附图说明
图1为本发明实施例中卫星导航阵列抗干扰方法的原理示意图。
图2为本发明实施例中卫星导航阵列抗干扰方法的流程图。
图3为本发明实施例中干扰监测与测向结果图。
图4为本发明实施例方法的抗干扰抑制结果图。
图5为传统自适应阵列抗干扰方法抑制结果图。
具体实施方式
下面结合附图对本发明的技术方案做进一步说明。
一种基于智能感知的卫星导航阵列抗干扰方法，本实施例选择7阵元圆面阵作为输入条件，阵列延迟数目为2，方位角和俯仰角搜索间隔为1°，规模缩小并不影响本方法的适用范围。
如图1和2所示，本方法的具体步骤如下：
步骤1，阵列天线接收7路信号，输出7路射频信号R1～RN；
其中，Sim为第i路天线接收的第m个导航卫星信号，m的取值范围为1～M，M为导航卫星信号的总数，i的取值范围为1～N；Jip为第i路天线接收的第p个干扰信号，p取值范围为1～P，P为干扰信号的总数；Ni为第i路天线接收的噪声信号；
步骤2，通过射频前端对N路射频信号R1～RN进行放大、下变频和滤波处理，输出7路中频信号X1～X7；
步骤3，利用7路中频信号X1～X7，完成基于智能感知的卫星导航阵列抗干扰处理；
步骤4，输出干扰参数和干扰抑制后的导航信号给导航接收机。
步骤3的具体方式为：
步骤301，选取X1～X7中的一路信号为参考支路，对参考支路进行干扰检测和特征参数估计，判断有无干扰，若不存在干扰，则重新进行干扰检测和特征参数估计，直至检测到干扰，执行步骤302；
步骤302，判断参考支路是否存在窄带干扰，并输出结果给步骤303，则执行步骤303；
步骤303，若存在窄带干扰，对7路中频信号X1～X7执行窄带干扰抑制处理，输出信号Z1～Z7；若不存在窄带干扰，对7路中频信号X1～X7进行延时输出，延时时间与窄带干扰抑制处理时间相同，输出信号为Z1～Z7；
步骤304，令Z＝[Z1，…Z7]，顺序取Z的256个采样点，计算协方差矩阵Rzz；
其中，
步骤305：计算协方差矩阵Rzz的特征值δ1～δ7，依次将每个特征值与噪声特征值阈值比较；噪声特征值阈值为固定值，按照工程经验进行选取；若特征值大于噪声阈值，则将该特征值归类为干扰子空间，否则，归类为噪声子空间；求取特征值对应的特征向量
其中
构成干扰空间特征向量矩阵A，
构成噪声空间特征向量矩阵B；
步骤306：利用干扰空间特征向量矩阵A，进行干扰来向估计；具体方式如下：
1)设置角度间隔，按照角度间隔将方位角从0°增加到360°，得到I个方位角，将俯仰角从0°增加到90°，得到J个俯仰角，θk为第k个方位角，
为第l个俯仰角，分别计算每组方位角和俯仰角下的导向矢量和功率值；
a)计算阵列天线在方位
的导向矢量：
其中，SScan为空域导向矢量，STime为时域导向矢量，
为Kronecker积；
STime＝[1，1，…，1]，STime的维数为2；
其中，ωs＝2*π*Pa*[xscan，yscan]/α，Pa为阵列坐标，α为信号中心频率对应的波长；
b)进行干扰功率检测：
Pkl＝1/(Skl H*A*AH*Skl)
其中，Skl H为导向矢量Skl的共轭转置，AH为干扰空间特征向量矩阵A的共轭转置。
2)对Pkl进行归一化；
3)判断Pkl是否大于噪声功率阈值，噪声功率阈值按照工程经验进行选取，若大于阈值，则该方向存在干扰；
4)输出干扰估计数量
所有干扰估计方位角和俯仰角
执行步骤307；
步骤307：利用干扰估计数量、干扰来向估计信息，进行干扰信号抑制；具体方式如下：
1)计算约束矩阵C，C为
维列矩阵,
约束矩阵C第一列
其中STime＝[1，1，…，1]，STime的维数为T；SScan＝[1，1，…，1]，SScan的维数为7；
约束矩阵第2列C2至第
列
分别为
个干扰估计来向的导向矢量，计算步骤同步骤306-1)-a)。则
2)计算约束向量g，g＝[1，0，…，0]。
3)计算阵列天线各阵元的加权矢量
W＝Rzz -1*C*(CH*Rzz*C)-1*gT
4)进行干扰信号抑制
y＝WH*Z
最终处理结果如下：
a)干扰监测信息如下(详细仿真结果见图3)：
b)干扰抑制结果如下(详细仿真结果见图4、图5)：
从仿真结果可知，本方法可对干扰的数量、来向信息等进行准确估计，并在各干扰方向形成100dB以上零陷，相比传统方法调零深度提高20dB以上。
总之，本发明利用阵列天线各阵元信号进行干扰检测和抑制的融合处理，一方面进行干扰数量、类型、方位信息等参数检测，另一方面利用干扰检测等信息进行干扰的深度抑制。相比于传统抗干扰方法，本发明实现了干扰检测和干扰抑制的融合，且干扰抑制深度能力优于传统的抗干扰方法。
虽然结合附图描述了本发明的实施方式，但本发明的保护范围并不局限于此，对于本领域技术人员来说，在不脱离本发明原理的前提下，还可以做出若干变形和改进，这些也应视为属于本发明的保护范围。此外，本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (2)
1.一种基于智能感知的卫星导航阵列抗干扰方法，其特征在于，包括如下步骤：
步骤1，阵列天线接收N路信号，输出N路射频信号R1～RN；
其中，Sim为第i路天线接收的第m个导航卫星信号，m的取值范围为1～M，M为导航卫星信号的总数，i的取值范围为1～N；Jip为第i路天线接收的第p个干扰信号，p取值范围为1～P，P为干扰信号的总数；Ni为第i路天线接收的噪声信号；
步骤2，通过射频前端对N路射频信号R1～RN进行放大、下变频和滤波处理，输出N路中频信号X1～XN；
步骤3，利用N路中频信号X1～XN，完成基于智能感知的卫星导航阵列抗干扰处理；
步骤4，输出干扰参数和干扰抑制后的导航信号给导航接收机。
2.根据权利要求1所述的一种基于智能感知的卫星导航阵列抗干扰方法，其特征在于，步骤3的具体方式为：
步骤301，选取X1～XN中的一路信号为参考支路，对参考支路进行干扰检测和特征参数估计，判断有无干扰，若不存在干扰，则重新进行干扰检测和特征参数估计，直至检测到干扰，执行步骤302；
步骤302，判断参考支路是否存在窄带干扰，并输出结果给步骤303；
步骤303，若存在窄带干扰，则对N路中频信号X1～XN执行窄带干扰抑制处理；若不存在窄带干扰，则对N路中频信号X1～XN进行延时输出，延时时间与窄带干扰抑制处理时间相同；窄带干扰抑制处理或延时输出的信号为Z1～ZN；
步骤304，令Z＝[Z1，…ZN]，顺序取Z的Q个采样点，计算协方差矩阵Rzz：
步骤305，计算协方差矩阵Rzz的特征值δ1～δN，依次将每个特征值与噪声特征值阈值比较；若特征值大于噪声特征值阈值，则将该特征值归入干扰子空间，否则，归入噪声子空间；求取特征值对应的特征向量
其中
构成干扰子空间的特征向量矩阵A，
构成噪声子空间的特征向量矩阵B；
步骤306，利用干扰子空间特征向量矩阵A，进行干扰来向估计；具体方式如下：
1)设置角度间隔，按照角度间隔将方位角从0°增加到360°，得到I个方位角，将俯仰角从0°增加到90°，得到J个俯仰角，θk为第k个方位角，
为第l个俯仰角，分别计算每组方位角和俯仰角下的导向矢量和功率值；
a)计算阵列天线在方位
的导向矢量Skl：
其中，SScan为空域导向矢量，STime为时域导向矢量，
为Kronecker积；STime＝[1，1，…，1]，STime的维数为D，D为阵列自适应处理时域抽头数，若为基于空域的自适应处理，则D取值为1；
其中，ωs＝2*π*Pa*[xscan，yscan]/α，Pa为阵列坐标，α为信号中心频率对应的波长；
b)检测干扰功率Pkl：
Pkl＝1/(Skl H*A*AH*Skl)
其中，Skl H为导向矢量Skl的共轭转置，AH为干扰空间特征向量矩阵A的共轭转置；
2)对Pkl进行归一化；
3)判断Pkl是否大于噪声功率阈值，若大于噪声功率阈值，则该方向存在干扰；
4)输出干扰估计数量
干扰估计来向
其中，干扰估计方位角
干扰估计俯仰角
执行步骤307；
步骤307，利用干扰估计数量、干扰估计来向，进行干扰信号抑制；具体方式如下：
1)计算约束矩阵C，C为
维列矩阵，
约束矩阵C的第一列
其中SScan＝[1，1，…，1]，SScan的维数为N；
约束矩阵C的第2列C2至第
列
分别为
个干扰估计来向的导向矢量；
2)计算阵列天线各阵元的加权矢量W：
W＝RZZ -1*C*(CH*Rzz*C)-1*gT
其中，g为约束向量，g＝[1，0，…，0]，g的维数为N×D，上标-1表示矩阵求逆运算，上标H表示共轭转置，上标T表示矩阵转置；
3)进行干扰抑制：
y＝WH*Z
其中，y为干扰抑制后的信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210679025.3A CN114879226A (zh) | 2022-06-16 | 2022-06-16 | 一种基于智能感知的卫星导航阵列抗干扰方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210679025.3A CN114879226A (zh) | 2022-06-16 | 2022-06-16 | 一种基于智能感知的卫星导航阵列抗干扰方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114879226A true CN114879226A (zh) | 2022-08-09 |
Family
ID=82681971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210679025.3A Pending CN114879226A (zh) | 2022-06-16 | 2022-06-16 | 一种基于智能感知的卫星导航阵列抗干扰方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114879226A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117471508A (zh) * | 2023-12-27 | 2024-01-30 | 中国人民解放军国防科技大学 | 带宽受限条件下的数据最优组帧方法和装置 |
| CN117714245A (zh) * | 2024-02-06 | 2024-03-15 | 山东浪潮数据库技术有限公司 | 无线自组网系统中的干扰抑制系统、方法、设备及介质 |
-
2022
- 2022-06-16 CN CN202210679025.3A patent/CN114879226A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117471508A (zh) * | 2023-12-27 | 2024-01-30 | 中国人民解放军国防科技大学 | 带宽受限条件下的数据最优组帧方法和装置 |
| CN117471508B (zh) * | 2023-12-27 | 2024-03-26 | 中国人民解放军国防科技大学 | 带宽受限条件下的数据最优组帧方法和装置 |
| CN117714245A (zh) * | 2024-02-06 | 2024-03-15 | 山东浪潮数据库技术有限公司 | 无线自组网系统中的干扰抑制系统、方法、设备及介质 |
| CN117714245B (zh) * | 2024-02-06 | 2024-04-26 | 山东浪潮数据库技术有限公司 | 无线自组网系统中的干扰抑制系统、方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114879226A (zh) | 一种基于智能感知的卫星导航阵列抗干扰方法 | |
| CN109407055B (zh) | 基于多径利用的波束形成方法 | |
| CN110850445B (zh) | 一种基于空时采样协方差求逆的脉冲干扰抑制方法 | |
| CN105629266B (zh) | 卫星导航欺骗式和压制式干扰盲自适应的联合抑制方法 | |
| AU2008243179A1 (en) | Surface wave radar | |
| CN109444869B (zh) | 一种用于信号失配的雷达扩展目标参数可调检测器 | |
| El-Keyi et al. | Robust adaptive beamforming based on the Kalman filter | |
| CN110412552B (zh) | 一种干扰样本自适应选择的副瓣对消方法 | |
| CN106324625B (zh) | 一种基于二范数多目标优化的卫星导航系统自适应抗干扰方法 | |
| CN105913044B (zh) | 一种基于Sigmoid协方差矩阵的多重信号分类方法 | |
| CN102830387A (zh) | 一种基于数据预处理的协方差矩阵正交化波束形成方法 | |
| CN103701515B (zh) | 一种数字多波束形成方法 | |
| Kirsteins et al. | Rapidly adaptive nulling of interference | |
| CN114726385B (zh) | 基于功率估计的卫星导航接收机空域抗干扰方法 | |
| CN115372925A (zh) | 一种基于深度学习的阵列稳健自适应波束形成方法 | |
| CN113406576A (zh) | 一种基于特征斜投影协方差矩阵重构的主瓣干扰抑制方法 | |
| US6853961B2 (en) | Method for estimating a correlation matrix of interfering signals received through a sensor array | |
| CN110149134B (zh) | 一种基于频谱感知的多馈源卫星干扰抑制方法 | |
| CN108152796B (zh) | 一种基于灰色卡尔曼滤波的主瓣移动干扰消除方法 | |
| CN111090089A (zh) | 一种基于两类辅助数据的空时自适应检测方法 | |
| CN117055000A (zh) | 基于信噪比加权融合的多通道雷达目标检测方法 | |
| CN109490871A (zh) | 小样本条件下基于信号结构特征的子空间信号检测方法 | |
| CN108692718A (zh) | 基于盲波束的稳健导航抗干扰方法及其系统 | |
| CN114325570A (zh) | 一种高精度噪声自适应测向方法 | |
| CN110208830B (zh) | 一种基于空时二维稀疏阵列的导航抗干扰方法 |
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 |