CN102520390A - 一种均匀圆阵二维music测向装置 - Google Patents
一种均匀圆阵二维music测向装置 Download PDFInfo
- Publication number
- CN102520390A CN102520390A CN2011103765745A CN201110376574A CN102520390A CN 102520390 A CN102520390 A CN 102520390A CN 2011103765745 A CN2011103765745 A CN 2011103765745A CN 201110376574 A CN201110376574 A CN 201110376574A CN 102520390 A CN102520390 A CN 102520390A
- Authority
- CN
- China
- Prior art keywords
- processing unit
- dsp
- spectrum
- fpga
- azimuth information
- 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
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种均匀圆阵二维MUSIC测向装置,它包括FPGA处理单元和DSP处理单元,DSP处理单元接收FPGA处理单元传来的含有目标方位信息的协方差矩阵,再利用二维MUSIC算法得到目标的方位信息,然后将方位信息传给FPGA处理单元;FPGA处理单元负责将外部天线接收到的信号经过滤波去噪处理之后,计算生成含有目标方位信息的协方差矩阵,FPGA处理单元还负责存储DSP计算完成的方位信息。本装置采用二维MUSIC算法作为对目标方位进行估计的方法,可以尽可能在各个步骤减小运算复杂度,使装置实时测向能力比以往装置有所提高。
Description
技术领域
本发明属于雷电监测***技术,具体涉及一种均匀圆阵二维MUSIC(Multiple Signal Classification,多信号分类算法)测向装置,它尤其适合于对于云闪的定位,并且能够应用于高速率的实时测向。
背景技术
在现代阵列信号处理中,波达方向(DOA)估计在近几十年来一直是研究和实现的热点和难点,而且在雷达、水下声纳、移动通信和电子对抗中有着广泛的应用。传统的测向技术常利用相位信息、幅度信息或者相位幅度结合做测向处理。目前应用最多的是相位体制,如:互相关相位干涉仪、多普勒等。互相关相位干涉仪原理简单、实现难度低,但同时也存在相位模糊、精度不高的弊端。一般对云间闪电波到达探测站的入射方向(方位角和俯仰角)采用的是这种相位干涉仪法。
目前常见的空间谱测向算法有:Shcmidt的多重信号分类算法和Roy的旋转不变子空间算法。多重信号分类算法具有空间谱技术特有的高分辨率,高准确率的特点,也具有其利用特征分解和构造复杂的空间谱带来的高额计算量,而且在实际***中往往要求对目标方位估计具有一定的实时性。因此往往利用高速数字信号处理装置来完成这些计算复杂度比较高的计算得到目标方位。
发明内容
本发明的目的在于提供一种对目标方位有较高估计精度的均匀圆阵二维MUSIC测向装置。
本发明提供的一种均匀圆阵二维MUSIC测向装置,其特征在于,该装置包括FPGA处理单元和DSP处理单元,DSP处理单元接收FPGA处理单元传来的含有目标方位信息的协方差矩阵,再利用二维MUSIC算法得到目标的方位信息,然后将方位信息传给FPGA处理单元;
FPGA处理单元负责将外部天线接收到的信号经过滤波去噪处理之后,计算生成含有目标方位信息的协方差矩阵,FPGA处理单元还负责存储DSP计算完成的方位信息。
本发明提供一种估计精度高的均匀圆阵二维MUSIC测向装置,它与以往的装置相比不但适合于工程实现,而且尽可能在各个步骤减小运算复杂度,使装置实时测向能力比以往装置有所提高。
本装置的主要组成部分是DSP处理器,它接收由FPGA处理器生成的含有目标方位信息的协方差矩阵,经过一些模块处理之后得到目标方位的估计值,然后将这些估计值传给FPGA处理器存储于计算机硬盘中。DSP处理器的主要模块包括:程序存储器,用于存放数据处理器和DSP传输接口的运行程序;数据存储器,用于存储FPGA处理器传输的含有目标方位信息的协方差矩阵、计算空间谱值的阵列流型矢量表格、计算的中间数据和计算完成的对目标方位的估计值;数据处理器,用于DSP的初始化、生成阵列流型矢量表格和对协方差矩阵进行MUSIC运算得到目标方位值;DSP传输接口,当FPGA有协方差矩阵传输给DSP或者DSP将计算完成的目标方位估计值传输给FPGA时,需要通过DSP传输接口来完成相应的传输。
本装置采用DSP的HPI接口作为传输接口,当进行数据传输时,需要对同一块数据存储空间进行读写操作,但是由于DSP和FPGA相互传输数据速率不一致会带来数据同步问题,因此本装置应用循环队列存储设计解决数据同步问题。并且使用两个循环存储队列,即循环写队列和循环读队列,来分别处理FPGA往DSP存储空间传输含目标方位信息协方差矩阵的写过程和FPGA从DSP存储空间取估计出的目标方位估计值的读过程。
本装置采用二维MUSIC算法作为对目标方位进行估计的方法,该算法具有分辨率高,估计精度高,而且可以同时估计多个目标方位等优点,因此本装置具有以往基于干涉仪侧向技术的装置所没有的优点。二维MUSIC算法包括:特征值分解、信号个数估计、构造空间谱和二维谱峰搜索。本装置采用了一些计算复杂度较低而且有较高精度的算法实现了这些过程。由于协方差矩阵具有实对称的特性,且QR法运用于实对称矩阵时,相对于其它方法具有较高的效率,因此本装置的特征值分解采用QR方法。信号个数估计采用修正特征值的特征门限方法,这种方法适用于色噪声背景下的信号个数估计,因为实际背景噪声往往属于色噪声。二维谱峰搜索算法采用一种基于数据聚类和分级搜索的方法,它具有计算复杂度低且估计精度较高等优点。
附图说明
图1是本发明装置的结构示意图;
图2是DSP上电后软件执行流程图;
图3是DSP目标方位估计的流程图;
图4是DSP中断服务程序软件流程图;
图5是循环队列图(Q.front代表头指针,Q.rear代表尾指针,Maxsize代表队列长度);
图6是二维谱峰搜索流程图。
图7是谱峰粗搜索流程图;
图8是谱峰细搜索流程图;
图9是类似灌水法流程图;
图10是第一种最优谱峰方位计算流程图;
图11是第二种最优谱峰方位计算流程图。
具体实施方式
如图1所示,本发明装置总体由FPGA处理单元101和DSP处理单元102构成。本装置的核心是DSP处理单元102,它接收FPGA处理单元101传来的含有目标方位信息的协方差矩阵。这些协方差矩阵经过DSP处理单元102处理之后得到目标的方位信息,然后将方位信息传给FPGA处理单元101。
FPGA处理单元101的作用主要由两部分组成:a、将外部天线接收到的信号经过滤波去噪处理之后,计算生成含有目标方位信息的协方差矩阵;b、负责将DSP计算完成的方位信息存储至计算机硬盘。
DSP处理单元102用于实现二维MUSIC算法,它包含数据处理器201、数据存储器202、DSP传输接口203和程序存储器204。
数据存储器202用来存储由FPGA处理单元101传输来的协方差矩阵、数据处理器201计算空间谱值时所需的阵列流型矢量和已计算完的待传给FPGA处理单元101的目标方位信息。
程序存储器204包含两部分程序:一部分程序作用于数据处理器201,即对DSP处理单元102初始化和利用二维MUSIC算法对信号方位估计;另外一部分程序用于对DSP传输接口203的控制,即HPI中断服务程序。
数据处理器201包括DSP上电后的初始化、阵列流型表的生成和存储和从接收到协方差矩阵到最后得到信号方位的所有信号处理过程。
如图2所示,DSP上电后的处理步骤如下:
(301)DSP上电或者复位;
(302)DSP进入引导程序,即从DSP相应起始地址执行程序,然后将程序存储器204上的程序分别搬移到数据处理器201和DSP数据接口203存放程序的相应的位置;
(303)进入C语言环境的主程序首先进行底层硬件初始化;
(304)生成阵列流型矢量表,用以简化计算空间谱值;
(305)将GPIO管脚的GP4置为高电平,通知FPGA处理单元101,DSP初始化完成,可以和DSP传输数据;
(306)查询判断是否有未计算完的协方差矩阵。如果有,进入步骤(307),没有,则继续等待;
(307)信号的DOA估计部分,进入步骤(306)。
其中在304中生成阵列流型矢量表是为了减小空间谱值计算量而设置的,因为二维MUSIC算法需要计算搜索范围内每个方位的空间谱值,计算空间谱值时需要的阵列流型矢量包含了非常复杂的非线性运算,需要很多计算资源。因此本装置将所测空间按照一定间隔划分为一个网格,然后将计算得到的网格上的阵列流型矢量建立成表格,存入数据存储器202中。这样在计算空间谱值时,只需要从相应存储位置取出计算好的阵列流型矢量用以计算空间相应位置的空间谱值,从而大大减小了计算空间谱值的运算量,提高了运算速度。生成阵列流型矢量表具体方法如下:
其中θ表示仰角,表示方位角,r表示圆阵的半径,λ表示所测信号的波长。上式中阵列流型矢量主要的运算是正弦和余弦计算,而这两种运算的计算量非常大。如果能避免这部分的运算将会对算法效率有大的提升。且由上面的式子可以看出,表达式是关于方位角对称,所以只需要存储和θ∈[0°,90°]范围内的阵列流型矢量值。
按照二维空间谱的特殊性,存储步长在不同区域有着不同的间距:在高仰角θ∈[81°,90°]和低仰角θ∈[0°,10°]区域时的存储步长设为0.1度,在其它仰角区域的存储步长为0.2度。其具体分配如下:
1、仰角[0°,10°),方位角[0°,180°),数据个数为180/0.1×10/0.1×8=0x15F900
2、仰角[10°,81°),方位角[0°,180°),数据个数为(81-10)/0.2×(180-0)/0.2×8=0x270060
3、仰角[81°,90°],方位角[0°,180°),数据个数为[(90-81)/0.1+1]×(180-0)/0.1×8=0x13FEC0
综上所述,阵列流型矢量存储的数量为:
0x15F900+0x270060+0x13FEC0=0x50F820
一个阵列流型矢量为8元矢量,每个元用32bit存储,则一个阵列流型矢量占用存储空间大小为:8×4Byte=32Byte,总存储量:0x50F820×4Byte=0x143E080Byte;换算成M单位:20.2423M。在数据存储器202中分配21M大小空间存储阵列流型矢量。
数据存储器202中的所有协方差矩阵都需要运用二维MUSIC算法进行处理得到目标的方位信息。如图3所示,该处理流程(307)如下:
(401)应用QR分解方法对协方差矩阵做特征值分解得到特征值和特征向量;
(402)根据修正特征值的特征门限方法利用特征值进行信号源数目估计,得到目标信号个数估计值;
(403)利用特征向量构造空间谱,并用二维谱峰搜索方法得到与目标信号数目估计个数相同的目标方位估计值;
(404)将这些目标方位估计值按照存储格式存入数据存储器202中。
FPGA处理单元101和DSP处理单元102之间交换数据是由DSP传输接口203来完成的。由于FPGA处理单元101和DSP处理单元102存在读和写两个方向的数据传输过程,因此需要专门设置DSP传输接口203,并利用数据存储器202存储协方差矩阵和目标方位估计值。DSP传输接口203也就是DSP的HPI传输接口,下面将具体阐述此接口的工作过程。
DSP数据接口203的工作主要靠HPI中断服务程序来完成,在DSP上电之后,程序存储器中的HPI中断服务程序作用于DSP数据接口203。当DSP处理单元102收到FPGA处理单元101发的中断,程序会跳到并执行HPI中断服务程序。
如图4所示,中断服务程序的处理流程如下:
(501)保存当前执行程序的中间变量;
(502)判断中断服务类型,如果是FPGA向DSP传输协方差矩阵,则进入(503),如果是FPGA从DSP中取目标方位估计值,则进入(504);
(503)向DSP的数据存储器202写协方差矩阵,然后进入步骤(505);
(504)从DSP的数据存储器202中读取目标方位估计值,写入FPGA中;
(505)完成传输过程,退出中断服务程序。
DSP和FPGA之间传输的数据可能是不同步的,因此存在读写合理性问题。本装置在这里运用在数据存储器202中开辟两个循环队列解决这里的读写冲突,数据丢失问题。下面结合图5说明循环队列存储算法。
循环队列存储方式类比数据结构的循环队列方法实现。为充分利用向量空间,克服“假溢出”现象,将向量存储空间想象为一个首尾相接的圆环,并称这种向量为循环向量。用顺序存储空间实现该队列,队列长度定为Maxsize。循环队列只是把队列的头和尾在逻辑上连接起来,构成一个环。循环队列中首尾相连,利用队头指针Q.front和队尾指针Q.rear分别指向首部和尾部。写过程就是在队尾指针Q.rear所指位置处***数据,读过程就是在队头指针Q.front所指示位置读数据,然后删除次数据。读写算法的详细步骤分别为:
a)、写过程如下:
第一步,检查队列是否已满,若队满,则进行溢出错误处理;
第二步,将队尾指针后移一个位置(即加1),指向下一单元;
第三步,将新元素赋给队尾指针所指单元。
b)、读过程如下:
第一步,检查队列是否为空,若队空,则进行下溢错误处理;
第二步,将队首指针后移一个位置(即加1);
第三步,取队首元素的值。
DSP数据接口203需要完成读写功能。因此需要同时在数据存储器202开辟两个循环队列:循环写队列、循环读队列。循环写队列用于FPGA向DSP的数据存储器202写含有目标方位信息的协方差矩阵,循环读队列用于FPGA在DSP的数据存储器202的相应位置读计算完成的目标方位估计值。
步骤404运用了一种适用于工程实现的二维快速2D MUSIC谱峰搜索算法。该方法通过对工程实际空间谱图的一些特性的分析,运用数据聚类和分级搜索方法获得多目标的来波方向。下面列举一种谱峰搜索算法进行具体的说明。
首先确定一些参数的具体数值。a)、粗搜索所需的大步长,即粗搜步长。由于步长选择得越小其搜索的计算量就越大,反之,容易漏掉一些谱峰。因此一般选择2°到5°之间。b)、细搜所需小步长,即细搜步长。这个和最终入射角所需估计精度有关,一般取小于1°的步长。c)、高仰角低仰角具体范围的确定。本发明经过大量的仿真实验取高仰角为低仰角为d)、在粗搜索中,有一些满足粗搜索条件的点周围可能存在真实谱峰,也有可能不存在真实谱峰,而且考虑到不加区分的将这些点送入细搜索将会比较大的增加计算量,因此在粗搜索中加入局部细搜步长,其步长值的确定在粗搜步长和细搜步长之间。e)、还有其它的一些细节参数,可以根据不同的情况做相应的调整。
假设有三个远场不相干信号分别以(10°,9.8°)、(85.4°,41.4°)和(244.8°,46.2°)角度入射到天线阵。为了提高搜索的准确度,下面以此为例具体说明二维谱峰搜索方法的实施过程,其流程如图6所示。
如图7,谱峰粗搜索步骤为:
第1.3步,将满足大于周围四点的粗搜索谱峰点存储起来,进入谱峰细搜索即第2步。在此例中满足其空间谱值大于周围四点空间谱值的点有:(10°,10°)、(28°,90°)、(86°,42°)、(166°,50°)、(244°,46°)和(308°,90°);
第1.4步,判断满足大于周围三点的粗搜索谱峰点的仰角是否满足条件,如果满足则进入第1.5步,不满足则进入1.6步。在此例中满足大于周围三点的粗搜索谱峰点有(8°,10°)、(10°,8°)等一共376组角度;
第1.5步,将局部细搜步长设为细索步长0.2°,进入1.7步;
第1.6步,将局部细搜步长设为局部细索步长0.4°,进入1.7步;
第1.7步,以所设定的步长,在粗搜索谱峰点附近进行搜索,判断粗搜谱峰点周围是否存在谱峰,即粗搜谱峰点附近的所搜索点的谱峰值大于周围四个相邻位置的谱峰值,若存在则将这些粗搜索谱峰点存储起来,进入谱峰细搜索即第2步。此例中,进入谱峰细搜的备选角度有:(8°,10°)、(10°,8°)、(30°,90°)、(84°,42°)、(86°,40°)、(164°,50°)、(166°,52°)、(244°,44°)、(246°,46°)和(306°,90°)。其它的角度舍去。
(2)在第1步所得到的所有粗搜索谱峰点附近以细索步长0.2°为步长,在[θ-2°,θ+2°]、范围内进行细搜索,θ表示粗搜索谱峰点的方位角,表示粗搜索谱峰点的仰角。取该点空间谱值大于相邻四周的点作为谱峰候选点,将这些谱峰候选点存储起来,进入第3步谱峰归类。此例中,谱峰候选点有4个,分别为:(9.8°,9.8°)、(85.4°,41.4°)、(165.2°,50.8°)和(244.8°,46.2°)。
(3)对第2步中的候选点进行归类,最后找出个数与真实信号个数相等的真实谱峰,而且这些真实谱峰具有一定精度,可以作为信号入射角度估计值。
如图8,谱峰归类的步骤如下:
第3.1步,采用谱系聚类法对第2步得到的粗搜索谱峰点进行归类,此例中,这4个点经过谱系聚类法确定为相距较远,因此各自归为一类。下面对谱系聚类法做简要的介绍:
谱系聚类法是模式分类中无监督学习方法中一种最重要的方法,这种方法可以通过两种途径实现:合并和***。本发明使用合并的途径来实现,先使得每个样本各成为一类,然后通过合并不同的类,来减少类别数目。在衡量不同类别之间的相似性时,有以下几种距离度量可以作为聚类准则函数:
其中x和x′为谱峰位置,Gi和Gj为两个不同的类。本发明使用最小距离度量作为聚类准则函数。
第A1步,初始分类。令k=0,每个模式自成一类,即
第A4步,重复第A2步和第A3步,直到类间最小距离大于一个预先设定的阈值t0时,停止迭代。阈值的设定根据实际情况确定,本发明将t0设为140。
第3.2步,确定经过谱系聚类法分类后每个类所包含元素的个数,若其中一个类的元素个数大于预先设定的阈值t1,则将这个类送入第3.3步,利用类似灌水法继续分类,否则这个类不需要分类进入第3.4步。这里认为元素大于t1时,其中的元素很可能是由多个相邻的入射信号源产生的虚假谱峰,也就是这些谱峰并不是真实入射信号产生的谱峰,而是网格搜索时产生的虚假谱峰。由于距离比较近,谱系聚类法区分不了它们,因此要用类似灌水法继续分类,且这里的个数t1应该视实际情况设定,经实验确定6是一个比较好的阈值。
第3.3步,用类似灌水法继续对这些包含元素个数大于t1的类进行分类。下面对类似灌水法做一下简要的介绍:
本发明的类似灌水法是模拟灌水的思路来对相邻的两类进行分类。如图9所示,其主要步骤为:
第B1步,将该类中的所有谱峰按照谱峰值的大小由高到低排序,组成一个队列,并认为所有谱峰没有归类;
第B2步,将没有归类的谱峰值最大的谱峰从这个队列取出;
第B3步,判断与该谱峰相邻的谱峰有几个已经归类,如果为0个时,进入第B4步,如果为1个时,进入第B5步,如果为2个时,进入第B6步;
第B4步,将该谱峰归为新的一类;
第B5步,将该谱峰归为与它相邻已归类谱峰相同的一类;
第B6步,假如与它相邻的两个谱峰都归类了,则用相邻的类中元素比较少的一类的最高谱峰和另一边相邻类的第二高谱峰相比较,如果前者比后者高,则保留元素较少的一类,并将这个谱峰归为元素较少一类,否则将元素较少的一类归为元素多的一类,并将这个谱峰归为元素较多一类,进入第B7步;
第B7步,判断队列中有没有元素没有归类,如果有,进入第B2步,如果没有,进入第B8步;
第B8步,类似灌水法完成。
第3.4步,找出经过分类后的每类没有归为真实谱峰的那些谱峰的最大值;
第3.5步,在第3.4步中找到的每类最大值中找到其中最大的那个值作为真实谱峰;
第3.6步,如果找到等于信号源个数个真实谱峰或者每类中的最大值都已经归为真实谱峰,则进入第3.7步,否则进入第3.5步;
第3.7步,如果找到的谱峰个数等于入射信号的个数,则进入第4步进行最优谱峰方位计算,否则进入第3.4步。在此例中,已找到了等于入射信号个数的真实谱峰,分别为:(9.8°,9.8°)、(85.4°,41.4°)和(244.8°,46.2°),由于它们周围没有虚假谱峰,也就是没有虚假谱峰的信息可以利用,所以可以直接跳出下面的最优谱峰方位计算过程,得到最终确定的入射方位角度估计值。
(4)最优谱峰方位计算:利用这些真实谱峰周围的虚假谱峰信息,最终用真实谱峰和其周围的虚假谱峰的加权值作为来波方向估计的值;
利用真实谱峰周围的虚假谱峰包含一定的信号入射角的方位信息,对第3步所得到的真实谱峰位置估计做进一步的优化,得到更为准确的信号入射角度估计值。
如图10和图11所示,其具体步骤为:
第4.1步,计算第3步得到的真实谱峰X与相邻的真实谱峰Y之间的距离平方和是否小于m,如果小于则进入第4.2步,其它则进入第4.3步。本实例中,m1等于20;
第4.2步,以两个真实谱峰之间距离的一半为半径,然后进入第4.4步;
第4.3步,根据这个真实谱峰X是否属于高仰角或低仰角区域来设定相应的半径值,如果在高仰角或者低仰角,半径值设为m2,否则半径值设为m3。本实例中m2等于14,m3等于6.3;
第4.4步,在半径范围内,寻找与这个真实谱峰X左右两边最近的谱峰;
第4.5步,判断所述最近的谱峰中有几个虚假谱峰,如果有0个,则进入第4.6步,如果有1个,则进入第4.7步,如果有2个,则进入第4.8步多虚假谱峰情况;
第4.6步,如果这个真实谱峰X的仰角位于范围,则在搜索范围内以比细索步长小的步长搜索谱峰,取搜索出的最大谱峰作为最终谱峰之一,否则直接将这个真实谱峰X作为最终谱峰之一,然后均进入第4.12步。本实例将比细索步长小的步长设为0.1°;
第4.7步,如果该虚假谱峰的仰角为90°,则在搜索范围内以比细索步长小的步长搜索谱峰,取搜索出的最大谱峰作为最终谱峰之一,否则用真实谱峰X和该虚假谱峰的加权平均值作为最终谱峰之一,然后均进入第4.12步。这里比细索步长小的步长设为0.1°;
第4.8步,由于真实谱峰X附近有多个虚假谱峰,因此需要计算这个真实谱峰X与两边虚假谱峰的距离平方,如果小于预先设定的阈值t2,则直接将该真实谱峰X作为最终谱峰之一,然后进入第4.12步;如果小于t3且大于t2,则进入第4.9步;如果小于t4且大于t3,则取这两个虚假谱峰中谱值大者与真实谱峰X的加权平均值作为最终谱峰之一,然后进入第4.12步;如果大于t4,则表明这个真实谱峰X肯定位于低仰角区域,这时在这两个虚假谱峰之间以比细索步长小的步长进行搜索,取搜索出的最大谱峰作为最终谱峰之一,然后进入第4.12步。这里比细索步长小的步长设为0.1°。本实例中,t2等于1.4,t3等于80,t4等于180;
第4.9步,如果这个真实谱峰X周围的虚假谱峰的仰角有等于90°的情况,则进入第4.10步,否则进入第4.11步;
第4.10步,在真实谱峰X旁的两个虚假谱峰之间以比细索步长小的步长进行搜索,取搜索出的最大谱峰作为最终谱峰之一,然后进入第4.12步。这里比细索步长小的步长设为0.1°;
第4.11步,如果这个真实谱峰X周围的两个虚假谱峰比值大于预先设定的阈值t5,则取这两个虚假谱峰中谱值大者与真实谱峰X的加权平均值作为最终谱峰之一,否则将这三个谱峰的加权平均值作为最终谱峰之一;本实例中,t5等于2.4。
本实例中,DSP处理单元102的数据处理器采用型号为TMS320C6454芯片实现,数据存储器202采用128MB的DDR2内存芯片。
本发明不仅局限于上述具体实施方式,本领域一般技术人员根据本发明公开的内容,可以采用其它多种具体实施方式实施本发明,因此,凡是采用本发明的设计结构和思路,做一些简单的变化或更改的设计,都落入本发明保护的范围。
Claims (2)
1.一种均匀圆阵二维MUSIC测向装置,其特征在于,该装置包括FPGA处理单元(101)和DSP处理单元(102),DSP处理单元(102)接收FPGA处理单元(101)传来的含有目标方位信息的协方差矩阵,再利用二维MUSIC算法得到目标的方位信息,然后将方位信息传给FPGA处理单元(101);
FPGA处理单元(101)负责将外部天线接收到的信号经过滤波去噪处理之后,计算生成含有目标方位信息的协方差矩阵,FPGA处理单元(101)还负责存储DSP计算完成的方位信息。
2.根据权利要求1所述的均匀圆阵二维MUSIC测向装置,其特征在于,DSP处理单元(102)包含数据处理器(201)、数据存储器(202)、DSP传输接口(203)和程序存储器(204);
数据存储器(202)用于存储由FPGA处理单元(101)传输来的协方差矩阵、数据处理器(201)计算空间谱值时所需的阵列流型矢量和已计算完的待传给FPGA处理单元(101)的目标方位信息;
程序存储器(204)包含两部分程序:一部分程序作用于数据处理器201,即对DSP处理单元102初始化和利用二维MUSIC算法对信号方位估计;另外一部分程序用于对DSP传输接口203的控制,即HPI中断服务程序;
DSP传输接口(203)用于完成FPGA处理单元(101)和DSP处理单元(102)之间的数据交换;
数据处理器(201)包括DSP上电后的初始化、阵列流型表的生成和存储和从接收到协方差矩阵到最后得到信号方位的所有信号处理过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103765745A CN102520390A (zh) | 2011-11-23 | 2011-11-23 | 一种均匀圆阵二维music测向装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103765745A CN102520390A (zh) | 2011-11-23 | 2011-11-23 | 一种均匀圆阵二维music测向装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102520390A true CN102520390A (zh) | 2012-06-27 |
Family
ID=46291375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011103765745A Pending CN102520390A (zh) | 2011-11-23 | 2011-11-23 | 一种均匀圆阵二维music测向装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102520390A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103731189A (zh) * | 2014-01-08 | 2014-04-16 | 桂林电子科技大学 | 共形天线阵动态子阵划分方法及波达方向估计方法 |
CN103941222A (zh) * | 2014-03-12 | 2014-07-23 | 西安电子科技大学 | 基于瑞利熵降维music算法的参数估计方法 |
CN103941221A (zh) * | 2014-03-12 | 2014-07-23 | 西安电子科技大学 | 空间拉伸电磁矢量传感器阵列参数估计方法 |
CN104166120A (zh) * | 2014-07-04 | 2014-11-26 | 哈尔滨工程大学 | 一种声矢量圆阵稳健宽带mvdr方位估计方法 |
CN105182285A (zh) * | 2015-10-14 | 2015-12-23 | 中国电子科技集团公司第二十八研究所 | 一种基于声矢量二维嵌套阵列的目标测向方法 |
CN106980109A (zh) * | 2017-05-03 | 2017-07-25 | 四川九洲电器集团有限责任公司 | 一种多子阵低空雷达 |
CN107561501A (zh) * | 2017-07-27 | 2018-01-09 | 中国船舶重工集团公司第七二四研究所 | 一种基于改进music算法的测向方法 |
CN109061553A (zh) * | 2018-06-21 | 2018-12-21 | 中国电子科技集团公司第二十九研究所 | 一种宽带分布式阵列超分辨测向***及方法 |
CN109100679A (zh) * | 2018-08-27 | 2018-12-28 | 陕西理工大学 | 基于多输出支持向量回归机的近场声源参数估计方法 |
CN109633525A (zh) * | 2018-11-29 | 2019-04-16 | 上海无线电设备研究所 | 一种快速的均匀圆阵空间谱测向实现方法 |
CN110187305A (zh) * | 2019-04-19 | 2019-08-30 | 武汉虹信通信技术有限责任公司 | 定位测向***和方法 |
CN113391257A (zh) * | 2020-03-13 | 2021-09-14 | 光宝科技新加坡私人有限公司 | 用于物件的角度估测的运算装置及物件的角度估测方法 |
CN114966533A (zh) * | 2022-05-20 | 2022-08-30 | 上海航天测控通信研究所 | 一种测向定位***相位干涉仪测向方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246214A (zh) * | 2008-03-12 | 2008-08-20 | 华中科技大学 | 基于微波热辐射阵列接收的空间谱估计目标探测方法 |
-
2011
- 2011-11-23 CN CN2011103765745A patent/CN102520390A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246214A (zh) * | 2008-03-12 | 2008-08-20 | 华中科技大学 | 基于微波热辐射阵列接收的空间谱估计目标探测方法 |
Non-Patent Citations (1)
Title |
---|
徐德琛等: "某测向***中MUSIC算法的FPGA实现", 《北京理工大学学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103731189A (zh) * | 2014-01-08 | 2014-04-16 | 桂林电子科技大学 | 共形天线阵动态子阵划分方法及波达方向估计方法 |
CN103731189B (zh) * | 2014-01-08 | 2016-10-12 | 桂林电子科技大学 | 共形天线阵动态子阵划分方法及波达方向估计方法 |
CN103941222A (zh) * | 2014-03-12 | 2014-07-23 | 西安电子科技大学 | 基于瑞利熵降维music算法的参数估计方法 |
CN103941221A (zh) * | 2014-03-12 | 2014-07-23 | 西安电子科技大学 | 空间拉伸电磁矢量传感器阵列参数估计方法 |
CN103941222B (zh) * | 2014-03-12 | 2016-02-03 | 西安电子科技大学 | 基于瑞利熵降维music算法的参数估计方法 |
CN103941221B (zh) * | 2014-03-12 | 2016-06-08 | 西安电子科技大学 | 空间拉伸电磁矢量传感器阵列参数估计方法 |
CN104166120A (zh) * | 2014-07-04 | 2014-11-26 | 哈尔滨工程大学 | 一种声矢量圆阵稳健宽带mvdr方位估计方法 |
CN105182285A (zh) * | 2015-10-14 | 2015-12-23 | 中国电子科技集团公司第二十八研究所 | 一种基于声矢量二维嵌套阵列的目标测向方法 |
CN106980109A (zh) * | 2017-05-03 | 2017-07-25 | 四川九洲电器集团有限责任公司 | 一种多子阵低空雷达 |
CN107561501A (zh) * | 2017-07-27 | 2018-01-09 | 中国船舶重工集团公司第七二四研究所 | 一种基于改进music算法的测向方法 |
CN109061553A (zh) * | 2018-06-21 | 2018-12-21 | 中国电子科技集团公司第二十九研究所 | 一种宽带分布式阵列超分辨测向***及方法 |
CN109100679A (zh) * | 2018-08-27 | 2018-12-28 | 陕西理工大学 | 基于多输出支持向量回归机的近场声源参数估计方法 |
CN109100679B (zh) * | 2018-08-27 | 2023-07-21 | 陕西理工大学 | 基于多输出支持向量回归机的近场声源参数估计方法 |
CN109633525A (zh) * | 2018-11-29 | 2019-04-16 | 上海无线电设备研究所 | 一种快速的均匀圆阵空间谱测向实现方法 |
CN110187305A (zh) * | 2019-04-19 | 2019-08-30 | 武汉虹信通信技术有限责任公司 | 定位测向***和方法 |
CN110187305B (zh) * | 2019-04-19 | 2021-07-09 | 武汉虹信科技发展有限责任公司 | 定位测向***和方法 |
CN113391257A (zh) * | 2020-03-13 | 2021-09-14 | 光宝科技新加坡私人有限公司 | 用于物件的角度估测的运算装置及物件的角度估测方法 |
CN114966533A (zh) * | 2022-05-20 | 2022-08-30 | 上海航天测控通信研究所 | 一种测向定位***相位干涉仪测向方法 |
CN114966533B (zh) * | 2022-05-20 | 2024-04-26 | 上海航天测控通信研究所 | 一种测向定位***相位干涉仪测向方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102520390A (zh) | 一种均匀圆阵二维music测向装置 | |
Wan et al. | Deep learning based autonomous vehicle super resolution DOA estimation for safety driving | |
CN102520389B (zh) | 一种二维空间谱谱峰搜索方法 | |
CN105549005B (zh) | 一种基于网格划分的动态目标波达方向跟踪方法 | |
CN100485662C (zh) | 基于数据动态存取模型的产品点云型面特征分析方法 | |
CN103744978A (zh) | 一种基于网格搜索技术用于支持向量机的参数寻优方法 | |
CN110361691B (zh) | 基于非均匀阵列的相干信源doa估计fpga实现方法 | |
CN112637950B (zh) | 基于角度相似性的指纹定位方法 | |
CN108663654B (zh) | 一种基于连续量子鸽群的360度全方位动态测向方法 | |
CN107656239B (zh) | 一种基于极化敏感阵列的相干信源测向方法 | |
CN104535067B (zh) | 一种基于分区搜索的脉冲信号到达时间快速计算方法 | |
CN104199022A (zh) | 一种基于目标模态估计的临近空间高超声速目标跟踪方法 | |
CN104515969A (zh) | 一种基于六角形阵列的相干信号二维doa估计方法 | |
WO2023070994A1 (zh) | 一种阵列超分辨波达方向估计方法 | |
CN110018439A (zh) | 一种和差波束与波束music相结合的测向方法 | |
CN110443428A (zh) | 一种空气压缩机群组负荷预测方法及其控制设备 | |
Wan et al. | Machine learning empowered IoT for intelligent vehicle location in smart cities | |
Chen et al. | Underwater terrain positioning method based on least squares estimation for AUV | |
Sun et al. | A novel path planning method for multiple USVs to collect seabed-based data | |
Xiao | A clustering algorithm based on artificial fish school | |
CN104573331A (zh) | 一种基于MapReduce的K近邻数据预测方法 | |
Li et al. | GPU-based parallel optimization for real-time scale-invariant feature transform in binocular visual registration | |
Kaklis et al. | A data mining approach for predicting main-engine rotational speed from vessel-data measurements | |
CN105760478A (zh) | 一种基于机器学习的大规模分布式的数据聚类方法 | |
Ghoul et al. | A lightweight goal-based model for trajectory prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120627 |