CN116224311A - 一种利非相干子空间方法对水下多目标方位识别方法 - Google Patents
一种利非相干子空间方法对水下多目标方位识别方法 Download PDFInfo
- Publication number
- CN116224311A CN116224311A CN202310093642.XA CN202310093642A CN116224311A CN 116224311 A CN116224311 A CN 116224311A CN 202310093642 A CN202310093642 A CN 202310093642A CN 116224311 A CN116224311 A CN 116224311A
- Authority
- CN
- China
- Prior art keywords
- matrix
- signal
- subspace
- signals
- noise
- 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 46
- 230000001427 coherent effect Effects 0.000 claims abstract description 8
- 230000010365 information processing Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 48
- 238000001228 spectrum Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 16
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000008707 rearrangement Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000005755 formation reaction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research 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
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- 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)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提出一种利非相干子空间方法对水下多目标方位识别方法,把接收到的宽带信号分解到频带互不重叠的窄带上,在窄带信息处理的基础上,完成宽带信号来波方位估计,本发明利用改进的宽带非相干子空间方法,突破了传统波束形成方法的瑞利极限,达到高分辨率的识别信号源位置的效果的同时通过降低信源间的相关系数,达到解相干的目的,从而能够识别出相干信号,可以对水下的多个目标进行有效的识别。
Description
技术领域
本发明涉及识别方法技术领域,特别是涉及一种利非相干子空间方法对水下多目标方位识别方法。
背景技术
水下无人自主潜航器(Autonomous Underwater Vehicle,AUV)是一种水下无人机,广泛应用于地质勘探、资源探测、水声通信、反潜战和水下搜救等领域,因此而逐渐成为水下作业和安全的主要方式。为了适应越来越复杂的任务需求,AUV正朝着集群化和智能化的方向发展。在水下执行任务时,AUV本身也是一种亟需被探测和识别的重要水下声学目标,因此对于AUV目标回声特性的研究和识别也成为有强烈应用需求的实际问题。特别在多个AUV集群状态下,由于多个目标之间的耦合所产生的回波成分复杂,因此在水下对其探测非常困难。
发明内容
鉴于此,本发明为了对水下的多个目标进行有效的识别,提出了一种利用改进的非相干子空间方法对水下多目标方位识别方法,把接收到的宽带信号分解到频带互不重叠的窄带上,在窄带信号处理的基础上,完成宽带信号来波方位估计。具体包括窄带信号处理与宽带信号处理,所述窄带信号处理运用MUSIC(Multiple Signal Classification)算法将任意阵列输出数据的协方差矩阵进行特征分解,得到信号子空间和噪声子空间,然后利用这两个子空间的正交性来估计信号的参数(入射方向,信号强度等),所述宽带信号处理中在MUSIC窄带信号处理基础上,采用宽带非相干子空间(Incoherent signal subspacemethod,ISSM)算法对宽带信号进行频域转换,将信号分解成带宽范围内对应于不同子频带的窄带数据,对每个子频带进行窄带信号处理后再对所有子带的估计结果进行加权求平均,并提出针对相干信号的改进的ISSM算法(Modified ISSM,MISSM),对每个子带上的数据构造交换矩阵,使得噪声子空间和信号子空间的数据协方差矩阵相同,从而消除了相干信号导致的矩阵非满秩的情况,用以获得回波信号的位置。
进一步的,所述窄带信息处理中设空间中有K个信号传播到M阵元的均匀线阵,则均匀直线阵元接收到的信号定义如下:
x(t)=A(θ)·S(t)+N(t) (1)
在下列公式中,上标“T”表示的是向量或矩阵的转置,上标“H”表示的是向量或矩阵的复共轭转置。x(t)为M×m维矩阵,t=1,2,...,m为信号采样的次数,也叫做快拍数;N(t)=[n1(t),n2(t)...,nM(t)]T为噪声向量;S(t)=[s1(t),s2(t),...,sK(t)]T为空间信号向量;A(θ)=[a(θ1),a(θ2),...,a(θK)]为方向矢量矩阵。在矩阵A(θ)中,有K个含角度信息的导向矢量α(θ),且在理想情况下,表达式为
接收信号的协方差矩阵R为:
Rx=E[x(t)·x(t)H]
=A(θ)E[s(t)·sH(t)]AH+δ2I=A(θ)RS(θ)AH+δ2I (3)
式中,参数δ2为噪声的功率,参数I为单位矩阵,Rs为信号的协方差矩阵。对协方差矩阵Rx进行特征值分解,可以获得M个特征值,将特征值进行从大到小的排列:
λ1≥λ2≥...≥λK>λK+1=...=λM=δ2 (4)
在M个特征值中,K个较大的特征向量代表信号的特征值,M-K个较小的特征值代表噪声特征值。通过噪声和信号的特征值分别代表的特征向量即可得到互相正交信号子空间ES=[e1,...,eK]与噪声子空间EN=[eK+1,...,eM]。记GN为所有噪声的特征值所对应特征向量组成的矩阵。由于信号源之间相互独立时,ES与EN正交,且a(θ)也与EN正交,所以可以得到导向向量a(θ)与矩阵GN之间的关系为:
由此得到MUSIC算法的空间谱函数:
进一步的,所述窄带信息处理中MUSIC算法进行波达方向估计的步骤:
步骤1:由式(3)得到阵元接收到的信号的自相关矩阵Rx;
步骤2:将Rx进行特征分解,得到相应的特征值λ1…λM,并将特征值从大到小排序.
步骤3:根据式(5)和式(6)得到空间谱函数,扫描空间谱函数的谱峰,得到波达方向的估计值。
进一步的,宽带信号处理中将接收的宽带信号划分为L段,每段进行P点FFT变换,获得P个不混叠的窄带输出数据:
Xl(fp),l=1,2,…L,p=1,2,…,P (7)
在频率p点X(fp)的协方差矩阵为:
利用公式(1)~(6)的MUSIC窄带子空间方法处理P个不同频率下的协方差矩阵Rx(fp),得到各个子频带的空间谱,根据所有子带平均得到最终谱估计的函数表达式为:
将宽带信号分割成多个窄带信号,结合MUSIC算法,可求出信号来波方向角度。
进一步,若接收到的信号中包含了相干信号,公式(8)中计算得到的矩阵并非满秩,变成了奇异矩阵,使得DOA估计出现误差。改进的ISSM方法的基本思想是在每个子带上对数据协方差进行奇异值分解,在各子带中构造交换矩阵,利用新构建的矩阵对原始数据进行共轭重构,再对每个窄带信号进行估计后对所有窄带的估计结果求平均值。以此降低信源间的相关系数,达到解相干的目的。改进算法原理如下:
将接收数据按宽带ISSM方法进行傅里叶变换后的X(fp)进行共轭重排,即:
Y(fp)=JX*(fp) (10)
式中*代表的是复共轭,而J则是M维反对角线上元素为1的置换矩阵,Ry(fp)是Y(fp)的协方差矩阵,
由Rx(fp)和Ry(fp)求平均值,得到重组后的阵列互谱密度矩阵:
分解R(fp)求出噪声子空间,记UN为噪声的所有特征值所对应特征向量组成的矩阵,然后构造空间谱:
推导出空间谱表达示为:
根据以上推导,
采用上述技术方案,具有如下有益效果:
本发明利用改进的宽带非相干子空间方法,突破了传统波束形成方法的瑞利极限,达到高分辨率的识别信号源位置的效果的同时通过降低信源间的相关系数,达到解相干的目的,从而能够识别出相干信号,可以对水下的多个目标进行有效的识别。
附图说明
图1为本发明中多目标实物图,其中,(a)1号目标;(b)2号目标;(c)3号目标;
图2对角编队图;
图3为时间-角度谱姿态角图,其中(a)-22.3°(b)5.6°(c)75.4°;
图4为空间谱估计图,其中(a)-22.3°;(b)5.6°;(c)75.4°。
具体实施方式
下面结合附图对本发明做进一步说明。
实施例1:本实施例在某水库进行了三个UUV编队进行水下目标回声探测实验,实验过程中利用收发合置的多波束换能器阵发射100kHz-200kHz的信号,实验中采用了三个不同规格和布局的目标,三个目标实物照片见图1所示。1号目标UUV的尺度最大长度2.3m,直径0.2m,主要结构包括半球冠状艏部、柱状机身、带有螺旋桨的艉部、四个侧翼及顶部控制舱。2号UUV目标总长1.2m,直径0.125m,主要结构包括半球冠状艏部、柱状机身、四个侧翼、螺旋桨以及顶部两个圆柱控制舱。3号UUV直径0.12m,长度0.9m,主要包括柱状机身及球冠状艏部和带有螺旋桨的艉部。
测试过程中对三个目标进行了三角编队分布的工况。其中1号目标进行360°的旋转用以探究不同姿态角下的目标方位估计,2号目标和3号目标姿态不变。利用经典波束形成方法对其目标进行了二维亮点分布的时间-角度谱,再将时间坐标按照d=t·c/2的关系转换成距离其中d是距离,t是时间,c是水中声速,并且使用改进的宽带非相干子空间方法对其目标方位角进行了估计。其中线阵纵排型结构以及对角线结构中三个UUV的均在同一深度,而这两者布阵图的俯视图如下图2所示:
波束形成结果以及方位估计结果。当1号目标相对于发射入射角在-22.3°,5.6°以及75.4°姿态角下的回波波束形成二维亮点分布的距离-角度谱如下图3中(a),(b),(c)所示:
从图3中可以看出,利用传统的波束形成方法绘制出的时间-角度谱中,能够看到1号目标和2号目标的亮点分布,但是常规的波束形成方法在空间分辨率上若存在多个目标的情况下会带来波束泄露的问题,从而使得空间谱图失真,因此3号目标的回波亮点无法在图中显示出来。并且多个目标之间的互扰没有得到有效消除,尤其在两目标靠得近的情况下,目标谱估计将严重失真,无法突破瑞利限。
为了获得高分辨率的空间角度谱估计,针对上述1号目标的不同姿态角,利用改进的ISSM方法进行空间角度谱估计的结果如下图4所示:
从图4中可以看出,利用改进的ISSM方法能够更为准确的反映出三个目标在空间谱上的亮点分布,可以看出:
图4中的a存在3个峰值,其中2号峰值目标正横方向下柱状机身的回波亮点,中间黑色箭头指向的峰值则代表了1号目标艉部和艏部的两个回波亮点,3号峰值目标UUV柱状机身的回波亮点。
图4中的b中存在5个峰值,2号峰值目标UUV柱状机身的回波亮点,1号峰值目标UUV柱状机身,顶部控制舱和艉部的回波亮点,3号峰值目标UUV柱状机身的回波亮点。
图4中的c中存在4个峰值,其中了2号峰值目标UUV柱状机身的回波亮点,1号峰值目标UUV的艏部和顶部控制舱的回波亮点,3号峰值目标UUV柱状机身的回波亮点。
本实施例探究多个水下UUV的回波特性,在水库中利用三个UUV进行三角编队进行了目标回声探测实验。通过分析与对比三个目标下与单个目标的回声数据的频谱图,目标强度与目标的频率、角度以及目标的数量有关。改进的ISSM方法,突破了传统波束形成方法的瑞利极限,达到高分辨率的识别信号源位置的效果的同时通过降低信源间的相关系数,达到解相干的目的,从而能够识别出相关信号。
以上描述了本发明的基本原理和主要特征,本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内,发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种利用改进的非相干子空间方法对水下多目标方位识别方法,其特征在于,把接收到的宽带信号分解到频带互不重叠的窄带上,在窄带信号处理的基础上,完成宽带信号来波方位估计。具体包括窄带信号处理与宽带信号处理,所述窄带信号处理运用MUSIC(Multiple Signal Classification)算法将任意阵列输出数据的协方差矩阵进行特征分解,得到信号子空间和噪声子空间,然后利用这两个子空间的正交性来估计信号的参数(入射方向,信号强度等),所述宽带信号处理中在MUSIC窄带信号处理基础上,采用宽带非相干子空间(Incoherent signal subspace method,ISSM)算法对宽带信号进行频域转换,将信号分解成带宽范围内对应于不同子频带的窄带数据,对每个子频带进行窄带信号处理后再对所有子带的估计结果进行加权求平均,并提出针对相干信号的改进的ISSM算法(Modified ISSM,MISSM),对每个子带上的数据构造交换矩阵,使得噪声子空间和信号子空间的数据协方差矩阵相同,从而消除了相干信号导致的矩阵非满秩的情况,用以获得回波信号的位置。
2.根据权利要求1所述的一种利非相干子空间方法对水下多目标方位识别方法,其特征在于,所述窄带信息处理中设空间中有K个信号传播到M阵元的均匀线阵,则均匀直线阵元接收到的信号定义如下:
x(t)=A(θ)·S(t)+N(t) (1)
在下列公式中,上标“T”表示的是向量或矩阵的转置,上标“H”表示的是向量或矩阵的复共轭转置。x(t)为M×m维矩阵,t=1,2,...,m为信号采样的次数,也叫做快拍数;N(t)=[n1(t),n2(t)...,nM(t)]T为噪声向量;S(t)=[s1(t),s2(t),...,sK(t)]T为空间信号向量;A(θ)=[a(θ1),a(θ2),...,a(θK)]为方向矢量矩阵。在矩阵A(θ)中,有K个含角度信息的导向矢量α(θ),且在理想情况下,表达式为
接收信号的协方差矩阵R为:
Rx=E[x(t)·x(t)H]
=A(θ)E[s(t)·sH(t)]AH+δ2I=A(θ)RS(θ)AH+δ2I (3)
式中,参数δ2为噪声的功率,参数I为单位矩阵,Rs为信号的协方差矩阵。对协方差矩阵Rx进行特征值分解,可以获得M个特征值,将特征值进行从大到小的排列:
λ1≥λ2≥...≥λK>λK+1=...=λM=δ2 (4)
在M个特征值中,K个较大的特征向量代表信号的特征值,M-K个较小的特征值代表噪声特征值。通过噪声和信号的特征值分别代表的特征向量即可得到互相正交信号子空间ES=[e1,...,eK]与噪声子空间EN=[eK+1,...,eM]。记GN为所有噪声的特征值所对应特征向量组成的矩阵。由于信号源之间相互独立时,ES与EN正交,且a(θ)也与EN正交,所以可以得到导向向量a(θ)与矩阵GN之间的关系为:
由此得到MUSIC算法的空间谱函数:
3.根据权利要求1所述的一种利非相干子空间方法对水下多目标方位识别方法,其特征在于,所述窄带信息处理中MUSIC算法进行波达方向估计的步骤:
步骤1:由式(3)得到阵元接收到的信号的自相关矩阵Rx;
步骤2:将Rx进行特征分解,得到相应的特征值λ1…λM,并将特征值从大到小排序.
步骤3:根据式(5)和式(6)得到空间谱函数,扫描空间谱函数的谱峰,得到波达方向的估计值。
进一步的,宽带信号处理中将接收的宽带信号划分为L段,每段进行P点FFT变换,获得P个不混叠的窄带输出数据:
Xl(fp),l=1,2,…L,p=1,2,…,P (7)
在频率p点X(fp)的协方差矩阵为:
利用公式(1)~(6)的MUSIC窄带子空间方法处理P个不同频率下的协方差矩阵Rx(fp),得到各个子频带的空间谱,根据所有子带平均得到最终谱估计的函数表达式为:
将宽带信号分割成多个窄带信号,结合MUSIC算法,可求出信号来波方向角度。
4.根据权利要求1所述的一种利非相干子空间方法对水下多目标方位识别方法,其特征在于,若接收到的信号中包含了相干信号,公式(8)中计算得到的矩阵并非满秩,变成了奇异矩阵,使得DOA估计出现误差。改进的ISSM方法的基本思想是在每个子带上对数据协方差进行奇异值分解,在各子带中构造交换矩阵,利用新构建的矩阵对原始数据进行共轭重构,再对每个窄带信号进行估计后对所有窄带的估计结果求平均值。以此降低信源间的相关系数,达到解相干的目的,改进算法原理如下:
将接收数据按宽带ISSM方法进行傅里叶变换后的X(fp)进行共轭重排,即:
Y(fp)=JX*(fp) (10)
式中*代表的是复共轭,而J则是M维反对角线上元素为1的置换矩阵,Ry(fp)是Y(fp)的协方差矩阵,
由Rx(fp)和Ry(fp)求平均值,得到重组后的阵列互谱密度矩阵:
分解R(fp)求出噪声子空间,记UN为噪声的所有特征值所对应特征向量组成的矩阵,然后构造空间谱:
推导出空间谱表达示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310093642.XA CN116224311B (zh) | 2023-02-10 | 2023-02-10 | 一种利非相干子空间方法对水下多目标方位识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310093642.XA CN116224311B (zh) | 2023-02-10 | 2023-02-10 | 一种利非相干子空间方法对水下多目标方位识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116224311A true CN116224311A (zh) | 2023-06-06 |
CN116224311B CN116224311B (zh) | 2024-02-02 |
Family
ID=86572541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310093642.XA Active CN116224311B (zh) | 2023-02-10 | 2023-02-10 | 一种利非相干子空间方法对水下多目标方位识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116224311B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013911A (zh) * | 2010-12-02 | 2011-04-13 | 哈尔滨工程大学 | 一种基于门限检测的宽带信号波达方向估计方法 |
CN102841344A (zh) * | 2012-09-13 | 2012-12-26 | 电子科技大学 | 一种少阵元近场宽带信号源参数估计方法 |
CN103091661A (zh) * | 2013-02-01 | 2013-05-08 | 西安科技大学 | 基于迭代谱重构的宽带信号波达方向估计方法 |
CN106772227A (zh) * | 2017-01-12 | 2017-05-31 | 浙江大学 | 一种基于声纹多谐波识别的无人机方向估计方法 |
CN109239645A (zh) * | 2018-08-27 | 2019-01-18 | 西安电子科技大学 | 多径效应下的多组宽带相干信号波达方向估计方法 |
CN112363109A (zh) * | 2020-11-12 | 2021-02-12 | 西安科技大学 | 一种基于宽带强弱临近信号的加权波达方向估计方法 |
CN113625222A (zh) * | 2021-08-27 | 2021-11-09 | 东南大学 | 一种基于时延差范数加权的宽带信号高分辨方位估计方法 |
-
2023
- 2023-02-10 CN CN202310093642.XA patent/CN116224311B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013911A (zh) * | 2010-12-02 | 2011-04-13 | 哈尔滨工程大学 | 一种基于门限检测的宽带信号波达方向估计方法 |
CN102841344A (zh) * | 2012-09-13 | 2012-12-26 | 电子科技大学 | 一种少阵元近场宽带信号源参数估计方法 |
CN103091661A (zh) * | 2013-02-01 | 2013-05-08 | 西安科技大学 | 基于迭代谱重构的宽带信号波达方向估计方法 |
CN106772227A (zh) * | 2017-01-12 | 2017-05-31 | 浙江大学 | 一种基于声纹多谐波识别的无人机方向估计方法 |
CN109239645A (zh) * | 2018-08-27 | 2019-01-18 | 西安电子科技大学 | 多径效应下的多组宽带相干信号波达方向估计方法 |
CN112363109A (zh) * | 2020-11-12 | 2021-02-12 | 西安科技大学 | 一种基于宽带强弱临近信号的加权波达方向估计方法 |
CN113625222A (zh) * | 2021-08-27 | 2021-11-09 | 东南大学 | 一种基于时延差范数加权的宽带信号高分辨方位估计方法 |
Non-Patent Citations (3)
Title |
---|
刘云, 李志舜: "基于修正MUSIC算法的宽带相干源波达方向估计", 西北工业大学学报, no. 04 * |
张进峰: "宽带信号阵列测向技术及应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 1, pages 2 * |
老世帅等: "ISM的2种改进算法", 《应用科技》, vol. 37, no. 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN116224311B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110261841B (zh) | 基于迭代加权近端投影的mimo雷达单测量矢量doa估计方法 | |
CN108375763B (zh) | 一种应用于多声源环境的分频定位方法 | |
CN104251989B (zh) | 基于压缩空间谱的单基地mimo雷达目标波达方向估计方法 | |
CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
CN110133631B (zh) | 一种基于模糊函数的频控阵mimo雷达目标定位方法 | |
CN106249244B (zh) | 一种声矢量圆阵宽带相干信号源方位估计方法 | |
CN106019214A (zh) | 宽带相干信号源doa估计方法 | |
CN103353588B (zh) | 基于天线均匀平面阵的二维波达方向角估计方法 | |
Foroozan et al. | Direction finding algorithms for time reversal MIMO radars | |
CN110196417B (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
CN114114163A (zh) | 一种基于盲源分离的阵列雷达抗欺骗式干扰方法 | |
CN116224311B (zh) | 一种利非相干子空间方法对水下多目标方位识别方法 | |
Rao et al. | DOA estimation using sparse vector sensor arrays | |
CN113625222B (zh) | 一种基于时延差范数加权的宽带信号高分辨方位估计方法 | |
CN105703841B (zh) | 一种多路径传播宽带主动声信号的分离方法 | |
CN112363106B (zh) | 基于量子粒子群的信号子空间波达方向检测方法及系统 | |
CN109116338A (zh) | 一种基于四阶累积量的宽带凸优化doa估计方法 | |
CN113109760B (zh) | 一种基于组稀疏的多线谱联合doa估计和聚类方法及系统 | |
CN112965026B (zh) | 一种具有先验定位角度范围的doa阵元间距设置方法 | |
Bi | Robust adaptive beamforming based on interference-plus-noise covariance matrix reconstruction method | |
CN103792509B (zh) | 电磁信号的二维波达方向角估计方法 | |
Morimoto et al. | Accurate ultra-wideband array radar imaging using four-dimensional unitary ESPRIT | |
CN112305497A (zh) | 一种近场麦克风阵列doa估计测向模糊消除方法 | |
Wen et al. | A MUSIC based interference suppression algorithm and its application in weak target tracking | |
CN112269179B (zh) | 一种低噪声目标的空域高分辨检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |