CN117890861A - 一种基于单比特匹配滤波的doa预测方法、系统及终端 - Google Patents
一种基于单比特匹配滤波的doa预测方法、系统及终端 Download PDFInfo
- Publication number
- CN117890861A CN117890861A CN202410295111.3A CN202410295111A CN117890861A CN 117890861 A CN117890861 A CN 117890861A CN 202410295111 A CN202410295111 A CN 202410295111A CN 117890861 A CN117890861 A CN 117890861A
- Authority
- CN
- China
- Prior art keywords
- bit
- signals
- doa
- mean square
- square error
- 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 77
- 238000001914 filtration Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 84
- 238000001228 spectrum Methods 0.000 claims abstract description 74
- 238000013139 quantization Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 239000013598 vector Substances 0.000 claims description 75
- 239000011159 matrix material Substances 0.000 claims description 59
- 238000005070 sampling Methods 0.000 claims description 28
- 238000005314 correlation function Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 14
- 230000002087 whitening effect Effects 0.000 claims description 14
- 230000010363 phase shift Effects 0.000 claims description 7
- 238000003491 array Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 2
- 230000001427 coherent effect Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于单比特匹配滤波的DOA预测方法、系统及终端，所述方法包括：获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号；将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据；计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果。本发明通过单比特模数转换器获取单比特数字信号，并对单比特数字信号进行匹配滤波和最小化均方误差无偏估计，有效提高了在低信噪比的条件下对已知相干源的单比特DOA估计精度。
Description
技术领域
本发明涉及雷达信号处理技术领域，尤其涉及一种基于单比特匹配滤波的DOA预测方法、系统、终端及计算机可读存储介质。
背景技术
在现有技术中，雷达作为一种重要的无线电探测与测距技术，在军事、航空、航天、气象、地质勘探等多个领域具有广泛的应用，已经成为现在数字时代的关键技术之一。在MIMO雷达（多发多收天线体制雷达）系统中，对目标的方向进行准确估计是至关重要的。传统方法中，DOA估计（Direction Of Arrival，波达方向定位技术，通过处理接收到的回波信号，获取目标的距离信息和方位信息）的技术复杂度较高，需要大量的计算资源。
现有基于单比特匹配滤波器的DOA估计雷达系统在雷达接收信号时会受到来自噪声和其他干扰源的影响，这些因素可能会干扰到信号处理步骤，特别是在低信噪比环境下，会降低DOA估计的精度和准确性。因此，现有技术还有待于改进和发展。
发明内容
本发明的主要目的在于提供一种基于单比特匹配滤波的DOA预测方法、系统、终端及计算机可读存储介质，旨在解决现有技术中在低信噪比条件下已知相干源的单比特DOA估计精度低的问题。
为实现上述目的，本发明提供一种基于单比特匹配滤波的DOA预测方法，所述基于单比特匹配滤波的DOA预测方法包括如下步骤：
获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号；
将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据；
计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果。
可选地，所述的基于单比特匹配滤波的DOA预测方法，其中，所述获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号，具体包括：
通过单比特模数转换器采集不同方向的多个信源信号，并获取多个所述信源信号对应的反射系数、导向矢量以及带限噪声矩阵，其中，所述信源信号的表达式为：，/>为信源信号，/>为虚数单位，/>为信号归一化数字角频率，/>为行向量，/>为随机初始相位，/>为指数函数计算；
根据所述反射系数、所述导向矢量以及所述带限噪声矩阵计算多个所述信源信号对应的多个观测向量，其中，所述观测向量的表达式为：，/>为观测向量，为信源信号的数量，/>为反射系数，/>为导向矢量，/>为带限噪声矩阵；
对多个所述观测向量进行量化处理，得到多个单比特数字信号，其中，所述单比特数字信号的表达式为：，/>为单比特数字信号，/>为符号函数，为单比特数字信号的实部，/>为单比特数字信号的虚部。
可选地，所述的基于单比特匹配滤波的DOA预测方法，其中，所述将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据，具体包括：
将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理，得到多个单采样信号，所述单采样信号的表达式为：，/>为单比特模数转换器上第/>个阵列观测到的单采样信号，/>为单比特数字信号中第/>个向量，/>为权重行向量，/>为权重行向量的共轭转置，/>为第/>个单比特数字信号，/>为单比特数字信号中第/>个向量的第/>行、第列的元素，/>为权重行向量中第/>个元素的共轭转置；
对多个所述单采样信号进行最小均方误差无偏估计计算，得到所述单样本阵列数据。
可选地，所述的基于单比特匹配滤波的DOA预测方法，其中，所述对多个所述单采样信号进行最小均方误差无偏估计计算，得到所述单样本阵列数据，具体包括：
对多个所述单采样信号采用矩估计方法，得到所述单采样信号的无偏估计结果，其中，所述无偏估计结果的表达式：，/>为单采样信号的无偏估计结果，/>为信源信号，/>为噪声功率；
构建所述单比特数字信号的协方差矩阵，并根据协方差矩阵对所述无偏估计结果采用均方误差方法进行计算，得到均方误差无偏估计结果，其中，所述均方误差无偏估计结果的表达式：，/>为均方误差无偏估计结果，/>为单比特信号的协方差矩阵；
对所述均方误差无偏估计结果进行最小化处理，得到所述单样本阵列数据，其中，所述单样本阵列数据的表达式：，/>为单样本阵列数据，为协方差矩阵对均方误差无偏估计结果进行白化处理后的信号。
可选地，所述的基于单比特匹配滤波的DOA预测方法，其中，所述构建所述单比特数字信号的协方差矩阵，具体包括：
获取窄带高斯噪声，并对所述窄带高斯噪声进行逆傅里叶变换处理，得到相关函数，其中，所述相关函数的表达式为：，/>为相关函数，/>和/>为窄带高斯噪声经过单比特量化处理后得到的接受信号，/>为反正弦函数，/>为噪声相关系数，/>为/>的均值，/>为/>的均值；
根据所述相关函数获取噪声相关系数，并根据所述噪声相关系数构建所述单比特数字信号的协方差矩阵，其中，所述协方差矩阵的表达式为：
，
为托普利兹矩阵构建方法，/>为第/>个窄带高斯噪声对应的噪声相关系数。
可选地，所述的基于单比特匹配滤波的DOA预测方法，其中，所述对所述均方误差无偏估计结果进行最小化处理，之后还包括：
根据所述协方差矩阵对所述均方误差无偏估计结果进行白化处理。
可选地，所述的基于单比特匹配滤波的DOA预测方法，其中，所述计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果，具体包括：
将所述单样本阵列数据进行傅里叶变换处理，得到所述单样本阵列数据对应的目标频谱，其中，所述目标频谱的表达式为：
，
为第/>个信源信号的归一化导向矢量的第/>个元素，/>为阵元数，/>为虚数单元，/>为DOA预测结果；
获取相位旋转因子，并根据所述相位旋转因子对所述目标频谱进行频率补偿处理，得到频率补偿结果；
根据所述频率补偿结果确定所述目标频谱的频谱峰值，并根据所述频谱峰值对应的峰值频率得到DOA预测结果，其中，所述DOA预测结果的表达式为：，/>为DOA预测结果，/>为目标频谱的峰值所对应的频率分辨率，为第/>个信源信号的最佳相移。
此外，为实现上述目的，本发明还提供一种基于单比特匹配滤波的DOA预测系统，其中，所述基于单比特匹配滤波的DOA预测系统包括：
单比特数字信号生成模块，用于获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号；
最小均方误差无偏估计模块，用于将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据；
DOA预测结果生成模块，用于计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果。
此外，为实现上述目的，本发明还提供一种终端，其中，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于单比特匹配滤波的DOA预测程序，所述基于单比特匹配滤波的DOA预测程序被所述处理器执行时实现如上所述的基于单比特匹配滤波的DOA预测方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于单比特匹配滤波的DOA预测程序，所述基于单比特匹配滤波的DOA预测程序被处理器执行时实现如上所述的基于单比特匹配滤波的DOA预测方法的步骤。
本发明中，获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号；将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据；计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果。本发明通过单比特模数转换器接收多个信源信号，并对多个信源信号进行量化处理，得到多个单比特信号，进一步的，通过对多个单比特信号进行匹配滤波处理和最小均方误差无偏估计计算，以此来构建单样本阵列数据。同时，还通过构建单比特信号的协方差矩阵来进行白化处理，能够使单样本阵列数据对应的频谱更均匀地分布在频率上，并对单样本阵列数据对应的目标频谱进行频率补偿，提高了在低信噪比条件下已知相干源的单比特DOA估计精度，同时，也显著提高估计性能，降低了单比特DOA估计的复杂度和功耗。
附图说明
图1是本发明基于单比特匹配滤波的DOA预测方法的较佳实施例的流程图；
图2是本发明基于单比特匹配滤波的DOA预测方法的较佳实施例的加入白化处理对均方根误差影响的示意图；
图3是本发明基于单比特匹配滤波的DOA预测方法的较佳实施例的实验结果测试对比的示意图；
图4是本发明基于单比特匹配滤波的DOA预测系统的较佳实施例的结构图；
图5为本发明终端的较佳实施例的结构图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在MIMO雷达（多发多收天线体制雷达）系统中，对目标的方向进行准确估计是至关重要的。传统方法中，DOA估计（Direction Of Arrival，波达方向定位技术，通过处理接收到的回波信号，获取目标的距离信息和方位信息）的技术复杂度较高，需要大量的计算资源。本领域需要一种更高效的方法来实现准确的DOA估计。
基于单比特匹配滤波器的DOA估计方法是一种用于雷达信号处理的技术。它结合了匹配滤波器、信号处理和方向估计等领域的概念，用于确定雷达接收到信号的来向。对于大规模的MIMO雷达系统，单比特模数转换器(ADC，Analog To Digital Converter)只保留信号的符号信息，在设计适当的恢复算法的情况下，其性能损失可以维持在一个适中的水平，是降低其复杂度和降低功耗的有效方法。
本发明在低信噪比的条件下已知相干信号基于单比特匹配滤波器进行DOA估计。在MIMO雷达中，接收机必须使用一组匹配的滤波器进行脉冲压缩，并从接收信号中提取目标信息。本发明从匹配滤波器的输出信号中恢复单样本高精度数据。将信号的转向矢量和反射系数加权和得到的矢量作为阵列接收到的高精度样本矢量，通过匹配滤波估计高精度样本矢量的最小均方误差无偏估计。具体方法是利用高斯信号的单比特量化特性，分别计算估计量的均值和均方误差，使均值无偏，均方误差最小，得到估计量的表达式。由于估计器需要使用单比特信号的自协方差矩阵，我们可以通过窄带噪声的自相关得到协方差矩阵。将满足高斯分布的信号量化为单比特信号，通过泰勒展开得到单比特信号的自相关函数表达式，该表达式与窄带噪声的自相关系数有关，从而得到单比特信号的自协方差矩阵。最后，利用估计的高精度样本数据，采用FFT算法计算接收数据的频谱，并通过频率补偿在谱峰周围进行精细搜索，最后将谱峰对应的频率转化为DOA估计值。
现有基于单比特匹配滤波器的DOA估计雷达系统在信号处理方面主要面临如下挑战：1、噪声和干扰：雷达接收信号中存在来自噪声和其他干扰源的影响，这些因素可能会干扰到信号处理步骤，特别是在低信噪比环境下，会降低DOA估计的精度和准确性。2、量化误差和性能损失：单比特量化器可能引入量化误差，导致信号的失真和性能损失。这可能影响到后续处理步骤的准确性，如匹配滤波和频率补偿。3、多路径传播和多目标干扰：复杂的传播环境和多个目标可能导致雷达接收到来自多个方向的信号，这可能增加DOA估计的复杂性，并且需要更复杂的信号处理技术来区分和定位不同目标的方向。
针对现有雷达对于DOA估计技术的不足，本发明提供了一种基于单比特匹配滤波器的DOA估计方法，通过匹配滤波和最小化均方误差，解决了在低信噪比的条件下提高已知相干源的单比特DOA估计精度问题。
本发明较佳实施例所述的基于单比特匹配滤波的DOA预测方法，如图1所示，所述基于单比特匹配滤波的DOA预测方法包括以下步骤：
步骤S10、获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号。
本发明首先通过单比特模数转换器（ADC）对信源信号进行采集，获得单比特数字信号。
具体地，通过单比特模数转换器采集不同方向的多个信源信号，并获取多个所述信源信号对应的反射系数、导向矢量以及带限噪声矩阵，其中，所述信源信号的表达式为：所述信源信号的表达式为：，/>为信源信号，/>为虚数单位，/>为信号归一化数字角频率，/>为行向量，/>为随机初始相位，/>为指数函数计算。
本发明的仿真实验中，将雷达信号设置为复指数信号，雷达的信源信号（指雷达接收到的信源发出的信号）表示为s，其中，当过采样倍数为r时，为信号归一化数字角频率（复杂窄带高斯白噪声），/>为/>的行向量，/>为快拍数（为整数），/>为随机初始相位。
本发明通过获取信源信号，并根据/>得到阵列的观测向量/>，进一步的，将观测向量/>进行量化，得到了单比特数字信号/>。
根据所述反射系数、所述导向矢量以及所述带限噪声矩阵计算多个所述信源信号对应的多个观测向量，其中，所述观测向量的表达式为：，/>为观测向量，为信源信号的数量，/>为反射系数，/>为导向矢量，/>为带限噪声矩阵。
假设个相同的信源信号从不同的方向/>冲击到阵元数为/>的均匀线性阵列上，得到阵列的观测向量。其中，设置/>为导向矩阵，/>为反射系数，第/>个信源信号的导向矢量表示为：/>，其中，/>为虚数单元，/>为载流子波长，/>为阵元间距，/>为信源信号方向（也即本发明中的DOA估计值，为待定系数），/>为矩阵倒置。/>为信源信号，/>设为：/>，/>为各个信源的反射系数与它们的导向矢量之间的加权和，是一个/>×1的列向量，可以用来描述天线阵列的总体性能或指示信号的总体方向性，/>为阵元数的个数，/>为带限噪声矩阵中第/>个元素，/>为时间变量，/>为复数集合，/>为带限噪声矩阵，为时间上的相关性，假定与源信号无关。
对多个所述观测向量进行量化处理，得到多个单比特数字信号，其中，所述单比特数字信号的表达式为：，/>为单比特数字信号，/>为符号函数，为单比特数字信号的实部，/>为单比特数字信号的虚部。
当采用零阈值的单比特量化器进行量化时获得单比特数字信号，应将数组输出修改为：，其中，/>和/>分别表示实部和虚部，同时，由于窄带噪声的时间相关性，使得单比特信号也具有时间相关性。
步骤S20、将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据。
使用获得的单比特信号与信源信号的原始波形进行匹配滤波（匹配滤波是MIMO雷达中广泛使用的一种方法，通过匹配滤波可以将观测数据转换为单样本信号），并确定输出的峰值点；根据MIMO雷达的收发阵列结构，对得到数据构建数据进行排列，以此构建阵列接收数据向量（即本发明中的单样本阵列数据）。
具体地，将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理，得到多个单采样信号，所述单采样信号的表达式为：，/>为单比特模数转换器上第/>个阵列观测到的单采样信号，/>为单比特数字信号中第/>个向量，/>为权重行向量，/>为权重行向量的共轭转置，/>为第/>个单比特数字信号，/>为单比特数字信号中第/>个向量的第行、第/>列的元素，/>为权重行向量中第/>个元素的共轭转置；使用获得的单比特信号与信源信号的原始波形进行匹配滤波后，得到单比特模数转换器上第/>个阵列观测到的单个采样信号/>，其中，/>是/>的最小均方误差无偏估计，/>（权重行向量）的表达式通过设置/>得到，/>是/>的第/>个元素，/>为各个信源的反射系数与它们的导向矢量之间的加权和，/>设置为/>，/>为/>的实部，/>为/>的虚部，/>是虚数单元，/>，/>是/>的第/>个元素，/>是/>的实部，/>是/>的虚部；且有/>，/>是/>的实部，/>是/>的虚部，可以得到第/>个阵列观测向量的期望为：/>。
对多个所述单采样信号采用矩估计方法，得到所述单采样信号的无偏估计结果，其中，所述无偏估计结果的表达式：，/>为单采样信号的无偏估计结果，/>为信源信号，/>为噪声功率。
获取窄带高斯噪声，并对所述窄带高斯噪声进行逆傅里叶变换处理，得到相关函数，其中，所述相关函数的表达式为：，/>为相关函数，/>和/>为窄带高斯噪声经过单比特量化处理后得到的接受信号，/>为反正弦函数，/>为噪声相关系数，/>为/>的均值，/>为/>的均值；根据所述相关函数获取噪声相关系数，并根据所述噪声相关系数构建所述单比特数字信号的协方差矩阵，其中，所述协方差矩阵的表达式为：/>，/>为托普利兹矩阵构建方法，/>为第/>个窄带高斯噪声对应的噪声相关系数。
由于噪声为窄带噪声，有相关性，因此接收信号（/>和/>为窄带高斯噪声经过单比特量化处理后得到的接受信号）是由遵从二维高斯分布/>的信号单比特量化而来的（/>为/>的均值，/>为/>的均值），得到相关函数为/>，其中，/>为噪声相关系数，对于窄带噪声，其相关函数可由频谱函数逆傅里叶变换获得为/>函数。
因此，只要知道噪声相关系数，就可以得到单比特信号的协方差矩阵。构建阵列接收数据向量，单比特信号的协方差矩阵为托普利兹矩阵，为
，
托普利兹矩阵可以用于处理信号的自相关性，能够使其频谱更均匀地分布在频率上。白化后的信号为，在单比特DOA估计中比较白化信号和未加入白化的RMSE（均方根误差）变化情况，可以发现白化过程能够减少信号之间的相关性，从而降低RMSE（均方根误差）。
根据协方差矩阵对所述无偏估计结果采用均方误差方法进行计算，得到均方误差无偏估计结果，其中，所述均方误差无偏估计结果的表达式：，/>为均方误差计算，/>为均方误差无偏估计结果，/>为单比特信号的协方差矩阵，且为托普利兹矩阵。
根据MIMO雷达的收发阵列结构，本发明仿真实验中假设空间中共有M个均匀线阵，其中M为100，阵元间距为，过采样倍数/>，信号采样个数/>，三个相同信号的DOA为/>，/>，/>，信噪比/>。在确定过采样倍数的情况下，可以得到窄带高斯噪声的自相关系数，再由窄带噪声的自相关得到单比特信号的协方差矩阵/>。
对所述均方误差无偏估计结果进行最小化处理，根据所述协方差矩阵对所述均方误差无偏估计结果进行白化处理，得到所述单样本阵列数据，其中，所述单样本阵列数据的表达式：，/>为单样本阵列数据，/>为协方差矩阵对均方误差无偏估计结果进行白化处理后的信号。
如图2所示，在信号模型所建立的基础上，最终仿真生成在不同采样率下1*105次蒙特卡洛试验下单比特DOA估计的RMSE（均方根误差）变化情况。由图2可知随着采样倍数变大，均方根误差减小，且加入白化可以降低均方根误差。
利用优化理论最小化MSE（均方根误差），可以得到均方误差最小无偏估计（即本发明中的单样本阵列数据）为： 。
步骤S30、计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果。
采用FFT算法（Fast Fourier Transform，快速傅里叶变换算法）计算接收数据的频谱，并通过频率补偿在谱峰周围进行精细搜索，最后将谱峰对应的频率转化为DOA估计值。
具体地，将所述单样本阵列数据进行傅里叶变换处理，得到所述单样本阵列数据对应的目标频谱，其中，所述目标频谱的表达式为：
，
为第/>个信源信号的归一化导向矢量的第/>个元素，/>为阵元数，/>为虚数单元，/>为DOA预测结果。
获取相位旋转因子，并根据所述相位旋转因子对所述目标频谱进行频率补偿处理，得到频率补偿结果；根据所述频率补偿结果确定所述目标频谱的频谱峰值，并根据所述频谱峰值对应的峰值频率得到DOA预测结果，其中，所述DOA预测结果的表达式为：，/>为DOA预测结果，/>为目标频谱的峰值所对应的频率分辨率，为第/>个信源信号的最佳相移。
本发明采用FFT算法计算接收数据的频谱， 设傅里叶变换矩阵为/>，其第/>行/>列的元素为/>，把估计的接收数据/>进行傅里叶变换，即得到其频谱为 />，则/>的第/>个源的归一化导向矢量/>的第/>个元素的形式应为/>，再通过加入相位旋转因子进行频率补偿后在谱峰周围进行精细搜索，定义一个对角矩阵/>为/>，其中，/>为虚数单位，/>为阵元数，/>为相移。
定义加入旋转因子后的第个信源的导向矢量/>（/>为加入旋转因子后的第/>个源的导向矢量）的第/>个元素为：/>，因此当/>时频谱/>达到峰值，最后将谱峰对应的频率转化为DOA估计值/>为：/>，其中，/>为频谱/>的峰值所对应的FFT点，/>为第/>个信源信号的最佳相移，即在小区域/>内阵列接收单个采样信号最大时提取的/>值，/>为相移。
本发明采用FFT算法计算接收数据的频谱，再通过频率补偿在谱峰周围进行精细搜索，最后将谱峰对应的频率转化为DOA估计值。
如图3所示，本发明以三个相同信号的DOA为，/>，/>，信噪比为例。经MATLAB仿真测试得到的DOA估计效果，在50次独立测试下，绘制了的实部和虚部，如图3所示，□为真实值，×为估计值。
本发明的方法克服了现有DOA估计技术复杂度较高，需要大量的计算资源的缺陷。本发明采用了基于单比特匹配滤波进行DOA估计的方法，在低信噪比条件下提高了已知相干源的单比特DOA估计精度，同时由于单比特模数转换器只保留信号符号信息，是一种降低复杂度和降低功耗的一种很有前景的DOA估计方法。
进一步地，如图4所示，基于上述基于单比特匹配滤波的DOA预测方法，本发明还相应提供了一种基于单比特匹配滤波的DOA预测系统，其中，所述基于单比特匹配滤波的DOA预测系统包括：
单比特数字信号生成模块51，用于获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号；
最小均方误差无偏估计模块52，用于将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据；
DOA预测结果生成模块53，用于计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果。
进一步地，如图5所示，基于上述基于单比特匹配滤波的DOA预测方法和系统，本发明还相应提供了一种终端，所述终端包括处理器10、存储器20及显示器30。图5仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（SecureDigital， SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据，例如所述安装终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有基于单比特匹配滤波的DOA预测程序40，该基于单比特匹配滤波的DOA预测程序40可被处理器10所执行，从而实现本申请中基于单比特匹配滤波的DOA预测方法。
所述处理器10在一些实施例中可以是一中央处理器（Central Processing Unit，CPU），微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述基于单比特匹配滤波的DOA预测方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。所述显示器30用于显示在所述终端的信息以及用于显示可视化的用户界面。所述终端的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中基于单比特匹配滤波的DOA预测程序40时实现以下步骤：
获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号；
将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据；
计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果。
其中，所述获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号，具体包括：
通过单比特模数转换器采集不同方向的多个信源信号，并获取多个所述信源信号对应的反射系数、导向矢量以及带限噪声矩阵，其中，所述信源信号的表达式为：，/>为信源信号，/>为虚数单位，/>为信号归一化数字角频率，/>为行向量，/>为随机初始相位，/>为指数函数计算；
根据所述反射系数、所述导向矢量以及所述带限噪声矩阵计算多个所述信源信号对应的多个观测向量，其中，所述观测向量的表达式为：，/>为观测向量，为信源信号的数量，/>为反射系数，/>为导向矢量，/>为带限噪声矩阵；
对多个所述观测向量进行量化处理，得到多个单比特数字信号，其中，所述单比特数字信号的表达式为：，/>为单比特数字信号，/>为符号函数，为单比特数字信号的实部，/>为单比特数字信号的虚部。
其中，所述将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据，具体包括：
将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理，得到多个单采样信号，所述单采样信号的表达式为：，/>为单比特模数转换器上第/>个阵列观测到的单采样信号，/>为单比特数字信号中第/>个向量，/>为权重行向量，/>为权重行向量的共轭转置，/>为第/>个单比特数字信号，/>为单比特数字信号中第/>个向量的第/>行、第列的元素，/>为权重行向量中第/>个元素的共轭转置；
对多个所述单采样信号进行最小均方误差无偏估计计算，得到所述单样本阵列数据。
其中，所述对多个所述单采样信号进行最小均方误差无偏估计计算，得到所述单样本阵列数据，具体包括：
对多个所述单采样信号采用矩估计方法，得到所述单采样信号的无偏估计结果，其中，所述无偏估计结果的表达式：，/>为单采样信号的无偏估计结果，/>为信源信号，/>为噪声功率；
构建所述单比特数字信号的协方差矩阵，并根据协方差矩阵对所述无偏估计结果采用均方误差方法进行计算，得到均方误差无偏估计结果，其中，所述均方误差无偏估计结果的表达式：，/>为均方误差无偏估计结果，/>为单比特信号的协方差矩阵；
对所述均方误差无偏估计结果进行最小化处理，得到所述单样本阵列数据，其中，所述单样本阵列数据的表达式：，/>为单样本阵列数据，为协方差矩阵对均方误差无偏估计结果进行白化处理后的信号。
其中，所述构建所述单比特数字信号的协方差矩阵，具体包括：
获取窄带高斯噪声，并对所述窄带高斯噪声进行逆傅里叶变换处理，得到相关函数，其中，所述相关函数的表达式为：，/>为相关函数，/>和为窄带高斯噪声经过单比特量化处理后得到的接受信号，/>为反正弦函数，/>为噪声相关系数，/>为/>的均值，/>为/>的均值；
根据所述相关函数获取噪声相关系数，并根据所述噪声相关系数构建所述单比特数字信号的协方差矩阵，其中，所述协方差矩阵的表达式为：
，
为托普利兹矩阵构建方法，/>为第/>个窄带高斯噪声对应的噪声相关系数。
其中，所述对所述均方误差无偏估计结果进行最小化处理，之后还包括：
根据所述协方差矩阵对所述均方误差无偏估计结果进行白化处理。
其中，所述计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果，具体包括：
将所述单样本阵列数据进行傅里叶变换处理，得到所述单样本阵列数据对应的目标频谱，其中，所述目标频谱的表达式为：
，
为第/>个信源信号的归一化导向矢量的第/>个元素，/>为阵元数，/>为虚数单元，/>为DOA预测结果；
获取相位旋转因子，并根据所述相位旋转因子对所述目标频谱进行频率补偿处理，得到频率补偿结果；
根据所述频率补偿结果确定所述目标频谱的频谱峰值，并根据所述频谱峰值对应的峰值频率得到DOA预测结果，其中，所述DOA预测结果的表达式为：，/>为DOA预测结果，/>为目标频谱的峰值所对应的频率分辨率，/>为第/>个信源信号的最佳相移。
综上，本发明通过将DOA估计方法改进应用于单比特匹配滤波器，实现在低信噪比条件下提高已知相干源的单比特DOA估计精度，显著提高估计性能，是降低其复杂度和降低功耗的一种很有前景的有效方法。
本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于单比特匹配滤波的DOA预测程序，所述基于单比特匹配滤波的DOA预测程序被处理器执行时实现如上所述的基于单比特匹配滤波的DOA预测方法的步骤。
综上所述，本发明提供一种基于单比特匹配滤波的DOA预测方法、系统及终端，所述方法包括：获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号；将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据；计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果。本发明通过单比特模数转换器接收多个信源信号，并对多个信源信号进行量化处理，得到了多个单比特信号，进一步的，通过对多个单比特信号进行匹配滤波处理和最小均方误差无偏估计计算，以此来构建单样本阵列数据，同时，还通过构建单比特信号的协方差矩阵来进行白化处理能够使单样本阵列数据对应的频谱更均匀地分布在频率上，并对单样本阵列数据对应的目标频谱进行频率补偿，提高了在低信噪比条件下已知相干源的单比特DOA估计精度，同时，也显著提高估计性能，降低了单比特DOA估计的复杂度和功耗。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件（如处理器，控制器等）来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于单比特匹配滤波的DOA预测方法，其特征在于，所述基于单比特匹配滤波的DOA预测方法包括：
获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号；
将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据；
计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果。
2.根据权利要求1所述的基于单比特匹配滤波的DOA预测方法，其特征在于，所述获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号，具体包括：
通过单比特模数转换器采集不同方向的多个信源信号，并获取多个所述信源信号对应的反射系数、导向矢量以及带限噪声矩阵，其中，所述信源信号的表达式为：，/>为信源信号，/>为虚数单位，/>为信号归一化数字角频率，/>为行向量，/>为随机初始相位，/>为指数函数计算；
根据所述反射系数、所述导向矢量以及所述带限噪声矩阵计算多个所述信源信号对应的多个观测向量，其中，所述观测向量的表达式为：，/>为观测向量，/>为信源信号的数量，/>为反射系数，/>为导向矢量，/>为带限噪声矩阵；
对多个所述观测向量进行量化处理，得到多个单比特数字信号，其中，所述单比特数字信号的表达式为：，/>为单比特数字信号，/>为符号函数，/>为单比特数字信号的实部，/>为单比特数字信号的虚部。
3.根据权利要求1所述的基于单比特匹配滤波的DOA预测方法，其特征在于，所述将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据，具体包括：
将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理，得到多个单采样信号，所述单采样信号的表达式为：，/>为单比特模数转换器上第/>个阵列观测到的单采样信号，/>为单比特数字信号中第/>个向量，/>为权重行向量，/>为权重行向量的共轭转置，/>为第/>个单比特数字信号，/>为单比特数字信号中第/>个向量的第/>行、第/>列的元素，/>为权重行向量中第/>个元素的共轭转置；
对多个所述单采样信号进行最小均方误差无偏估计计算，得到所述单样本阵列数据。
4.根据权利要求3所述的基于单比特匹配滤波的DOA预测方法，其特征在于，所述对多个所述单采样信号进行最小均方误差无偏估计计算，得到所述单样本阵列数据，具体包括：
对多个所述单采样信号采用矩估计方法，得到所述单采样信号的无偏估计结果，其中，所述无偏估计结果的表达式：，/>为单采样信号的无偏估计结果，/>为信源信号，/>为噪声功率；
构建所述单比特数字信号的协方差矩阵，并根据协方差矩阵对所述无偏估计结果采用均方误差方法进行计算，得到均方误差无偏估计结果，其中，所述均方误差无偏估计结果的表达式：，/>为均方误差无偏估计结果，/>为单比特信号的协方差矩阵；
对所述均方误差无偏估计结果进行最小化处理，得到所述单样本阵列数据，其中，所述单样本阵列数据的表达式：，/>为单样本阵列数据，/>为协方差矩阵对均方误差无偏估计结果进行白化处理后的信号。
5.根据权利要求4所述的基于单比特匹配滤波的DOA预测方法，其特征在于，所述构建所述单比特数字信号的协方差矩阵，具体包括：
获取窄带高斯噪声，并对所述窄带高斯噪声进行逆傅里叶变换处理，得到相关函数，其中，所述相关函数的表达式为：，/>为相关函数，/>和/>为窄带高斯噪声经过单比特量化处理后得到的接受信号，/>为反正弦函数，/>为噪声相关系数，/>为/>的均值，/>为/>的均值；
根据所述相关函数获取噪声相关系数，并根据所述噪声相关系数构建所述单比特数字信号的协方差矩阵，其中，所述协方差矩阵的表达式为：
，
为托普利兹矩阵构建方法，/>为第/>个窄带高斯噪声对应的噪声相关系数。
6.根据权利要求4所述的基于单比特匹配滤波的DOA预测方法，其特征在于，所述对所述均方误差无偏估计结果进行最小化处理，之后还包括：
根据所述协方差矩阵对所述均方误差无偏估计结果进行白化处理。
7.根据权利要求1所述的基于单比特匹配滤波的DOA预测方法，其特征在于，所述计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果，具体包括：
将所述单样本阵列数据进行傅里叶变换处理，得到所述单样本阵列数据对应的目标频谱，其中，所述目标频谱的表达式为：
，
为第/>个信源信号的归一化导向矢量的第/>个元素，/>为阵元数，/>为虚数单元，为DOA预测结果；
获取相位旋转因子，并根据所述相位旋转因子对所述目标频谱进行频率补偿处理，得到频率补偿结果；
根据所述频率补偿结果确定所述目标频谱的频谱峰值，并根据所述频谱峰值对应的峰值频率得到DOA预测结果，其中，所述DOA预测结果的表达式为：，为DOA预测结果，/>为目标频谱的峰值所对应的频率分辨率，/>为第/>个信源信号的最佳相移。
8.一种基于单比特匹配滤波的DOA预测系统，其特征在于，所述基于单比特匹配滤波的DOA预测系统包括：
单比特数字信号生成模块，用于获取多个信源信号，并对多个所述信源信号进行量化处理，得到多个单比特数字信号；
最小均方误差无偏估计模块，用于将多个所述单比特数字信号和多个所述信源信号进行匹配滤波处理和最小均方误差无偏估计计算，得到单样本阵列数据；
DOA预测结果生成模块，用于计算所述单样本阵列数据对应的目标频谱，并对所述目标频谱进行频率补偿处理，得到DOA预测结果。
9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于单比特匹配滤波的DOA预测程序，所述基于单比特匹配滤波的DOA预测程序被所述处理器执行时实现如权利要求1-7任一项所述的基于单比特匹配滤波的DOA预测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有基于单比特匹配滤波的DOA预测程序，所述基于单比特匹配滤波的DOA预测程序被处理器执行时实现如权利要求1-7任一项所述的基于单比特匹配滤波的DOA预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410295111.3A CN117890861B (zh) | 2024-03-15 | 2024-03-15 | 一种基于单比特匹配滤波的doa预测方法、系统及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410295111.3A CN117890861B (zh) | 2024-03-15 | 2024-03-15 | 一种基于单比特匹配滤波的doa预测方法、系统及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117890861A true CN117890861A (zh) | 2024-04-16 |
| CN117890861B CN117890861B (zh) | 2024-06-07 |
Family
ID=90652062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410295111.3A Active CN117890861B (zh) | 2024-03-15 | 2024-03-15 | 一种基于单比特匹配滤波的doa预测方法、系统及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117890861B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105356994A (zh) * | 2015-12-08 | 2016-02-24 | 深圳大学 | 一种mimo雷达系统及其在动态目标端的相位同步方法 |
| CN112363110A (zh) * | 2020-11-30 | 2021-02-12 | 海南大学 | 一种基于嵌套交叉偶极子阵列的无网格单比特doa估计方法 |
| CN116660883A (zh) * | 2023-05-11 | 2023-08-29 | 尹辉 | 一种单比特压缩感知雷达目标时延多普勒doa估计方法 |
| CN116699511A (zh) * | 2023-07-07 | 2023-09-05 | 中北大学 | 一种多频点信号波达方向估计方法、系统、设备及介质 |
| CN117092585A (zh) * | 2023-10-12 | 2023-11-21 | 深圳大学 | 单比特量化DoA估计方法、系统和智能终端 |
-
2024
- 2024-03-15 CN CN202410295111.3A patent/CN117890861B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105356994A (zh) * | 2015-12-08 | 2016-02-24 | 深圳大学 | 一种mimo雷达系统及其在动态目标端的相位同步方法 |
| CN112363110A (zh) * | 2020-11-30 | 2021-02-12 | 海南大学 | 一种基于嵌套交叉偶极子阵列的无网格单比特doa估计方法 |
| CN116660883A (zh) * | 2023-05-11 | 2023-08-29 | 尹辉 | 一种单比特压缩感知雷达目标时延多普勒doa估计方法 |
| CN116699511A (zh) * | 2023-07-07 | 2023-09-05 | 中北大学 | 一种多频点信号波达方向估计方法、系统、设备及介质 |
| CN117092585A (zh) * | 2023-10-12 | 2023-11-21 | 深圳大学 | 单比特量化DoA估计方法、系统和智能终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117890861B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108562866B (zh) | 基于矩阵填充的双基地mimo雷达角度估算方法 | |
| Wang et al. | The robust sparse Fourier transform (RSFT) and its application in radar signal processing | |
| CN104977558A (zh) | 一种基于贝叶斯压缩感知的分布源中心波达方向估计方法 | |
| CN111707985A (zh) | 基于协方差矩阵重构的off-grid DOA估计方法 | |
| CN109239646B (zh) | 一种冲击噪声环境下连续量子水蒸发的二维动态测向方法 | |
| CN116400319B (zh) | 基于单比特量化天线阵列的到达角估计方法及相关设备 | |
| CN110398732A (zh) | 低计算量自适应步长迭代搜索的目标方向检测方法 | |
| Li et al. | Parameter estimation based on fractional power spectrum density in bistatic MIMO radar system under impulsive noise environment | |
| Wu et al. | Super-resolution TOA and AOA estimation for OFDM radar systems based on compressed sensing | |
| CN117092585B (zh) | 单比特量化DoA估计方法、系统和智能终端 | |
| CN117890861B (zh) | 一种基于单比特匹配滤波的doa预测方法、系统及终端 | |
| Liu et al. | A Super‐Resolution DOA Estimation Method for Fast‐Moving Targets in MIMO Radar | |
| Li et al. | Enhanced beamspace MUSIC for cost‐effective FMCW automotive radar | |
| CN114325626A (zh) | 一种基于一比特采样的双基地mimo目标定位方法 | |
| Xu et al. | Spatial information in phased‐array radar | |
| CN109581319B (zh) | 基于多扫描递归的海杂波多普勒偏移和带宽估计方法 | |
| CN112666558B (zh) | 一种适用于汽车fmcw雷达的低复杂度music测向方法及装置 | |
| CN109861770B (zh) | 一种基于波束形成输出功率组合的宽带信号检测方法 | |
| CN113075613A (zh) | 一种卫星移动通信系统中的干扰测向方法 | |
| Wang et al. | An efficient high-dimensional sparse Fourier transform | |
| CN109375156A (zh) | 基于信息论的传感器系统单目标克拉美罗界的研究方法 | |
| Zhang et al. | DOA estimation based on reduced-rank multistage Wiener filter | |
| Wu et al. | Fast and accurate direction-of-arrival estimation for a single source | |
| CN112014789B (zh) | 基于量子斑点狗机制的复合加权时频测向方法 | |
| Anand et al. | Comparative study between Direction of arrival for wide band & narrow band Signal using Music Algorithm |
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 |