CN115825915A - 面向稀疏阵实现栅瓣目标过滤doa估计的方法 - Google Patents
面向稀疏阵实现栅瓣目标过滤doa估计的方法 Download PDFInfo
- Publication number
- CN115825915A CN115825915A CN202310134802.0A CN202310134802A CN115825915A CN 115825915 A CN115825915 A CN 115825915A CN 202310134802 A CN202310134802 A CN 202310134802A CN 115825915 A CN115825915 A CN 115825915A
- Authority
- CN
- China
- Prior art keywords
- power spectrum
- doa estimation
- subarray
- array
- grating lobe
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001914 filtration Methods 0.000 title claims abstract description 32
- 238000001228 spectrum Methods 0.000 claims abstract description 72
- 238000002592 echocardiography Methods 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000003491 array Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
Abstract
本发明涉及一种面向稀疏阵实现栅瓣目标过滤DOA估计的方法,其中,所述的方法包括以下步骤:(1)对多通道中的接收回波进行子阵划分处理;(2)对经过划分后得到的各子阵分别进行数字波束形成处理以实现DOA估计;(3)计算波束指向每个角度的回波功率,以检测峰值点;(4)基于已确定的峰值门限进行峰值门限判别处理;(5)若当前子阵满足已确定的峰值门限则计算相应的功率谱极值,以获取最终的DOA估计结果。本发明还涉及一种相应的装置、处理器及其计算机可读存储介质。采用了本发明的该面向稀疏阵实现栅瓣目标过滤DOA估计的方法、装置、处理器及其计算机可读存储介质,通过划分子阵和二值化角度功率谱的方式,有效避免了栅瓣目标的干扰。
Description
技术领域
本发明涉及阵列天线技术领域,尤其涉及稀疏布局的阵列天线技术领域,具体是指一种面向稀疏阵实现栅瓣目标过滤DOA估计的方法、装置、处理器及其计算机可读存储介质。
背景技术
天线是雷达信号收发的基础单元,雷达的角度分辨力由天线阵列孔径决定,孔径越大分辨力越高,随着车载、交通等应用领域对雷达超分辨成像的需求不断提升,对角度分辨力的要求随之提高,需要天线孔径尽可能大。传统阵列天线常为均匀线阵或面阵,在大孔径的需求下,若阵列天线采用均匀布阵的方式,将导致雷达体积、生产成本极大增加。对此,需要 考虑采用非均匀稀疏布阵的方式,以尽可能克服上述缺陷问题;
然而对于稀疏布局的阵列天线而言,由于阵元间距较大,其方向图中将产生栅瓣,栅瓣的出现会导致在波束扫描时目标从栅瓣进入,从而造成栅瓣假目标,最终影响波达方向(Direction Of Arrival,DOA)估计的准确性。为避免栅瓣目标,可将角度搜索范围限制在其角度不模糊范围内,而实际应用场景中所需的测角范围通常超出稀疏阵的不模糊测角范围,因此如何满足实际需求的测角范围内滤除栅瓣进入的假目标,保证角度估计正确性,是稀疏阵列DOA估计中亟待解决的问题。
发明内容
本发明的目的是克服了上述现有技术的缺点,提供了一种能够有效避免栅瓣目标干扰的面向稀疏阵实现栅瓣目标过滤DOA估计的方法、装置、处理器及其计算机可读存储介质。
为了实现上述目的,本发明的面向稀疏阵实现栅瓣目标过滤DOA估计的方法、装置、处理器及其计算机可读存储介质如下:
该面向稀疏阵实现栅瓣目标过滤DOA估计的方法,其主要特点是,所述的方法包括以下步骤:
(1)对多通道中的接收回波进行子阵划分处理;
(2)对经过划分后得到的各子阵分别进行数字波束形成处理以实现DOA估计;
(3)计算波束指向每个角度的回波功率,以检测峰值点;
(4)基于已确定的峰值门限进行峰值门限判别处理;
(5)若当前子阵满足已确定的峰值门限则计算相应的功率谱极值,以获取最终的DOA估计结果。
较佳地,所述的步骤(1)具体包括:
(1.1)以行为单位,在方位维进行子阵划分;
(1.2)对每个阵元的接收回波进行建模,并将各个通道的回波采用以下公式进行表示:
(1.3)对各通道中的接收回波进行波程差消除处理,并使用导向矢量进行相位补偿,以实现数字波束形成,其中二维导向矢量采用以下公式进行表示:
(1.4)完成子阵划分处理。
较佳地,所述的步骤(2)具体包括:
(2.2)计算n个通道与参考通道之间的相位差,以完成DOA估计,具体采用以下公式计算相位差:
较佳地,所述的步骤(3)具体为:
(3.1)将导向矢量与各个通道回波相乘,得到数字波束指向每个角度的回波功率,具体为采用以下公式进行计算:
(3.2)将各子阵的功率谱按照以下公式进行归一化取对数处理,以计算角度功率谱最大值,从而确定峰值门限thr:
较佳地,所述的步骤(4)具体为:
将大于等于峰值门限thr的角度功率置为1,将小于峰值门限thr的角度功率置为0,具体为:
较佳地,所述的步骤(5)具体包括:
(5.1)将置为1的各子阵的二值化功率谱进行点乘处理,具体为:
该面向稀疏阵实现栅瓣目标过滤DOA估计的装置,其主要特点是,所述的装置包括:
处理器,被配置成执行计算机可执行指令;
存储器,存储一个或多个计算机可执行指令,所述计算机可执行指令被所述处理器执行时,实现上述所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法的各个步骤。
该面向稀疏阵实现栅瓣目标过滤DOA估计的处理器,其主要特点是,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法的各个步骤。
该计算机可读存储介质,其主要特点是,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现上述所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法的各个步骤。
采用了本发明的该面向稀疏阵实现栅瓣目标过滤DOA估计的方法、装置、处理器及其计算机可读存储介质,通过划分子阵和二值化角度功率谱的方式,有效避免了栅瓣目标的干扰,并且本技术方案在多目标场景下仍可保证角度估计的准确性,相较于常规面阵角度估计算方法而言,本技术方案将角度搜索的计算量降低,便于硬件实现,具有较为突出的实用性。
附图说明
图1为本发明的面向稀疏阵实现栅瓣目标过滤DOA估计的方法的流程图。
图2为本发明的稀疏面阵阵型分布的示意图。
图3为本发明的各子阵列方向图。
图4为本发明的单目标DOA估计结果的示意图。
图5为本发明的多目标DOA估计结果的示意图。
具体实施方式
为了能够更清楚地描述本发明的技术内容,下面结合具体实施例来进行进一步的描述。
在详细说明根据本发明的实施例前,应该注意到的是,在下文中,术语“包括”、“包含”或任何其他变体旨在涵盖非排他性的包含,由此使得包括一系列要素的过程、方法、物品或者设备不仅包含这些要素,而且还包含没有明确列出的其他要素,或者为这种过程、方法、物品或者设备所固有的要素。
请参阅图1所示,该面向稀疏阵实现栅瓣目标过滤DOA估计的方法,其中,所述的方法包括以下步骤:
(1)对多通道中的接收回波进行子阵划分处理;
(2)对经过划分后得到的各子阵分别进行数字波束形成处理以实现DOA估计;
(3)计算波束指向每个角度的回波功率,以检测峰值点;
(4)基于已确定的峰值门限进行峰值门限判别处理;
(5)若当前子阵满足已确定的峰值门限则计算相应的功率谱极值,以获取最终的DOA估计结果。
作为本发明的优选实施方式,所述的步骤(1)具体包括:
(1.1)以行为单位,在方位维进行子阵划分;
(1.2)对每个阵元的接收回波建模。由于阵元间存在一定距离,各通道的接收回波会产生波程差,波程差将引起各通道接收回波产生相应的相位差,因此将各通道回波表示为:
为了消除这种相位差,将通过导向矢量进行相位补偿,实现数字波束形成,具体为:
(1.3)对各通道中的接收回波进行波程差消除处理,并使用导向矢量进行相位补偿,以实现数字波束形成,其中二维导向矢量采用以下公式进行表示:
(1.4)完成子阵划分处理。
作为本发明的优选实施方式,所述的步骤(2)具体包括:
(2.2)子阵内各通道间只存在方位向相位差:计算n个通道与参考通道之间的相位差,以完成DOA估计,具体采用以下公式计算相位差:
作为本发明的优选实施方式,所述的步骤(3)具体为:
(3.1)将导向矢量与各个通道回波相乘,得到数字波束指向每个角度的回波功率,具体为采用以下公式进行计算:
(3.2)确定峰值门限thr:峰值门限与阵列单元数量和信噪比相关,每个子阵的阵元数不同,因此首先将各子阵的功率谱按照以下公式进行归一化取对数处理:
作为本发明的优选实施方式,所述的步骤(4)具体为:
将大于等于峰值门限thr的角度功率置为1,将小于峰值门限thr的角度功率置为0,具体为:
作为本发明的优选实施方式,所述的步骤(5)具体包括:
(5.1)将置为1的各子阵的二值化功率谱进行点乘处理,具体为:
由于每个子阵的栅瓣位置不同,因此由栅瓣进入的假目标角度也不相同,而每个子阵对真实目标都可在功率谱中形成峰值,因此通过点乘可过滤掉每个子阵的栅瓣假目标,同时保留真实目标位置。
(5.3)对最终的功率谱进行峰值点检测,将峰值点所在位置对应的θ作为DOA估计输出。
如图1所示,本发明的提出一种面向稀疏阵的栅瓣目标过滤方法,通过划分子阵分别进行DBF并二值化角度功率谱的方式,降低栅瓣进入的目标对DOA结果的负面影响,同时降低了二维DOA估计的计算量。
作为本发明的优选实施方式,实验选择的稀疏阵列如图2所示,阵列在方位向和俯仰向都表现出较高的稀疏性。其回波可表示为:
作为本发明的优选实施方式,本发明将图2中的二维稀疏阵按行划分为4个子阵,子阵内不存在俯仰向相位差,因此每个子阵内每个接收通道相对参考通道的方位向相位差可表示为:
作为本发明的优选实施方式,各子阵的方向图如图3所示,从图中可以看出,由于阵列比较稀疏,导致其方向图栅瓣较高,且每个子阵的栅瓣分布于不同的角度位置。
作为本发明的优选实施方式,在每个子阵内进行实现数字波束形成,导向矢量可表示为:
作为本发明的优选实施方式,确定峰值门限thr,实施例中将thr设置为-3dB。
作为本发明的优选实施方式,将大于门限的角度功率置为1,反之置为0:
作为本发明的优选实施方式,二值化功率谱后,将各子阵的二值化功率谱点乘:
作为本发明的优选实施方式,将仿真目标方位角设置为-10°,本发明DOA结果如图4所示,角度谱只在目标所在位置存在峰值, 通过二值化功率谱相乘的方式,去除了栅瓣方向的回波功率。
作为本发明的优选实施方式,设置多目标场景,目标方位角分别为-20°和0°,DOA估计结果如图5所示,准确检测出两个目标,且没有栅瓣干扰。
该面向稀疏阵实现栅瓣目标过滤DOA估计的装置,其中,所述的装置包括:
处理器,被配置成执行计算机可执行指令;
存储器,存储一个或多个计算机可执行指令,所述计算机可执行指令被所述处理器执行时,实现上述所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法的各个步骤。
该面向稀疏阵实现栅瓣目标过滤DOA估计的处理器,其中,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法的各个步骤。
该计算机可读存储介质,其中,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现上述所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法的各个步骤。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成的,程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一实施例”、“一些实施例”、“示例”、“具体示例”、或“实施例”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一定指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。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
采用了本发明的该面向稀疏阵实现栅瓣目标过滤DOA估计的方法、装置、处理器及其计算机可读存储介质,通过划分子阵和二值化角度功率谱的方式,有效避免了栅瓣目标的干扰,并且本技术方案在多目标场景下仍可保证角度估计的准确性,相较于常规面阵角度估计算方法而言,本技术方案将角度搜索的计算量降低,便于硬件实现,具有较为突出的实用性。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (9)
1.一种面向稀疏阵实现栅瓣目标过滤DOA估计的方法,其特征在于,所述的方法包括以下步骤:
(1)对多通道中的接收回波进行子阵划分处理;
(2)对经过划分后得到的各子阵分别进行数字波束形成处理以实现DOA估计;
(3)计算波束指向每个角度的回波功率,并检测峰值点;
(4)基于已确定的峰值门限进行峰值门限判别处理;
(5)若当前子阵满足已确定的峰值门限则计算相应的功率谱极值,以获取最终的DOA估计结果。
2.根据权利要求1所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法,其特征在于,所述的步骤(1)具体包括:
(1.1)以行为单位,在方位维进行子阵划分;
(1.2)对每个阵元的接收回波进行建模,并将各个通道的回波采用以下公式进行表示:
(1.3)对各通道中的接收回波进行波程差消除处理,并使用导向矢量进行相位补偿,以实现数字波束形成,其中二维导向矢量采用以下公式进行表示:
(1.4)完成子阵划分处理。
4.根据权利要求2所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法,其特征在于,所述的步骤(3)具体为:
(3.1)将导向矢量与各个通道回波相乘,得到数字波束指向每个角度的回波功率,具体为采用以下公式进行计算:
7.一种面向稀疏阵实现栅瓣目标过滤DOA估计的装置,其特征在于,所述的装置包括:
处理器,被配置成执行计算机可执行指令;
存储器,存储一个或多个计算机可执行指令,所述计算机可执行指令被所述处理器执行时,实现权利要求1至6中任一项所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法的各个步骤。
8.一种面向稀疏阵实现栅瓣目标过滤DOA估计的处理器,其特征在于,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现权利要求1至6中任一项所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法的各个步骤。
9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现权利要求1至6中任一项所述的面向稀疏阵实现栅瓣目标过滤DOA估计的方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310134802.0A CN115825915B (zh) | 2023-02-20 | 2023-02-20 | 面向稀疏阵实现栅瓣目标过滤doa估计的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310134802.0A CN115825915B (zh) | 2023-02-20 | 2023-02-20 | 面向稀疏阵实现栅瓣目标过滤doa估计的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115825915A true CN115825915A (zh) | 2023-03-21 |
CN115825915B CN115825915B (zh) | 2023-04-28 |
Family
ID=85521912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310134802.0A Active CN115825915B (zh) | 2023-02-20 | 2023-02-20 | 面向稀疏阵实现栅瓣目标过滤doa估计的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115825915B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105334508A (zh) * | 2015-09-24 | 2016-02-17 | 哈尔滨工程大学 | 一种稀疏阵列宽带波束形成的栅瓣抑制方法 |
CN107121665A (zh) * | 2017-05-03 | 2017-09-01 | 电子科技大学 | 一种基于稀疏阵的近场相干源的无源定位方法 |
CN108710103A (zh) * | 2018-06-12 | 2018-10-26 | 西安电子科技大学 | 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法 |
WO2019195426A1 (en) * | 2018-04-03 | 2019-10-10 | University Of Southern California | Analog channel estimation techniques for beamformer design in massive mimo systems |
CN111679266A (zh) * | 2020-06-18 | 2020-09-18 | 成都纳雷科技有限公司 | 汽车毫米波雷达稀疏阵列栅瓣虚假目标识别方法及系统 |
US20210190911A1 (en) * | 2018-12-03 | 2021-06-24 | Mitsubishi Electric Corporation | Radar device and signal processing method |
CN113376569A (zh) * | 2021-05-21 | 2021-09-10 | 西安理工大学 | 基于最大似然的嵌套阵稀疏表示波达方向估计方法 |
CN113835068A (zh) * | 2021-09-22 | 2021-12-24 | 南京信息工程大学 | 一种基于独立成分分析的盲源分离实时抗主瓣干扰方法 |
CN114696116A (zh) * | 2020-12-31 | 2022-07-01 | 华为技术有限公司 | 一种天线子阵列、天线阵列、极化重构的方法及装置 |
-
2023
- 2023-02-20 CN CN202310134802.0A patent/CN115825915B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105334508A (zh) * | 2015-09-24 | 2016-02-17 | 哈尔滨工程大学 | 一种稀疏阵列宽带波束形成的栅瓣抑制方法 |
CN107121665A (zh) * | 2017-05-03 | 2017-09-01 | 电子科技大学 | 一种基于稀疏阵的近场相干源的无源定位方法 |
WO2019195426A1 (en) * | 2018-04-03 | 2019-10-10 | University Of Southern California | Analog channel estimation techniques for beamformer design in massive mimo systems |
CN108710103A (zh) * | 2018-06-12 | 2018-10-26 | 西安电子科技大学 | 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法 |
US20210190911A1 (en) * | 2018-12-03 | 2021-06-24 | Mitsubishi Electric Corporation | Radar device and signal processing method |
CN111679266A (zh) * | 2020-06-18 | 2020-09-18 | 成都纳雷科技有限公司 | 汽车毫米波雷达稀疏阵列栅瓣虚假目标识别方法及系统 |
CN114696116A (zh) * | 2020-12-31 | 2022-07-01 | 华为技术有限公司 | 一种天线子阵列、天线阵列、极化重构的方法及装置 |
CN113376569A (zh) * | 2021-05-21 | 2021-09-10 | 西安理工大学 | 基于最大似然的嵌套阵稀疏表示波达方向估计方法 |
CN113835068A (zh) * | 2021-09-22 | 2021-12-24 | 南京信息工程大学 | 一种基于独立成分分析的盲源分离实时抗主瓣干扰方法 |
Non-Patent Citations (2)
Title |
---|
LUO XU 等: "Sparse Reconstruction Based on Tanimoto Coefficient for DOA Estimation in Compressed Sensing" * |
宋虎: "数字阵列雷达抗干扰关键技术研究" * |
Also Published As
Publication number | Publication date |
---|---|
CN115825915B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105929370B (zh) | 栅瓣检测的基于数字波束形成的分辨 | |
US11340342B2 (en) | Automotive radar using 3D printed luneburg lens | |
CN108469607B (zh) | 基于频率扫描天线的无人机探测雷达测角方法 | |
CN110673086A (zh) | 一种基于数字阵列雷达的二维角度超分辨方法 | |
CN113866709A (zh) | 一种相控阵列交叉多波束比幅测向方法 | |
CN115825915B (zh) | 面向稀疏阵实现栅瓣目标过滤doa估计的方法 | |
CN112147593A (zh) | 一种高速密集爆炸物破片目标的四维参数估计方法 | |
CN115327473B (zh) | 等效多快拍的4d毫米波雷达测角方法、装置及相关设备 | |
CN111521988B (zh) | 基于波束形成的雷达测角方法、装置、雷达和车辆 | |
CN114924269B (zh) | 一种基于星载f-scan sar的距离向模糊度分析方法 | |
US7372402B2 (en) | Method for enhancing the measuring accuracy in an antenna array | |
CN112882007B (zh) | 基于稀布阵雷达的单脉冲多目标超分辨测角实现方法 | |
WO2021196165A1 (zh) | 频率分析方法、装置及雷达 | |
CN114265058A (zh) | Mimo雷达目标测角方法、装置、电子设备及存储介质 | |
CN112180368B (zh) | 多通道滑动聚束sar的数据处理方法、设备、系统及介质 | |
CN114152939A (zh) | 一种同时多波束雷达点迹凝聚方法 | |
CN114488142A (zh) | 一种基于差-和波束的雷达二维角成像方法及系统 | |
CN112183205B (zh) | 一种分布式雷达高精度角度测量方法及系统 | |
KR20150055279A (ko) | 방위각 고분해능 신호처리 알고리즘을 이용하는 차량용 레이더 및 그 운영 방법 | |
US11733367B1 (en) | Chromatic correlation interferometry direction finding | |
WO2022229386A1 (en) | Mimo radar using a frequency scanning antenna | |
Bialer et al. | A Multi-radar Joint Beamforming Method | |
AU2019204348B2 (en) | Method and system for determining an angle of arrival of a radioelectric signal | |
US20230057530A1 (en) | Detection of weak signals of unknown parameters | |
Raia et al. | Performance of a hybrid non-contiguous planar array: effect of phase shifter quantization |
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 |