CN104215947A - 一种双基地mimo雷达角度的估计方法 - Google Patents
一种双基地mimo雷达角度的估计方法 Download PDFInfo
- Publication number
- CN104215947A CN104215947A CN201410409417.3A CN201410409417A CN104215947A CN 104215947 A CN104215947 A CN 104215947A CN 201410409417 A CN201410409417 A CN 201410409417A CN 104215947 A CN104215947 A CN 104215947A
- Authority
- CN
- China
- Prior art keywords
- psi
- delta
- circletimes
- overbar
- vec
- 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
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/003—Bistatic radar systems; Multistatic radar systems
-
- 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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
-
- 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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
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)
- Radio Transmission System (AREA)
Abstract
本发明基于结构最小二乘SLS方法,提出了一种用于多输入多输出MIMO雷达***中联合估计目标离开角度(DOD)和到达角度(DOA)的方法——SLS-ESPRIT算法。利用结构最小二乘法求解旋转不变性方程,并且迭代最小化信号子空间的估计误差,提高了信号子空间的估计精度,增强了角度估计性能。并且通过仿真实验结果证明本发明的方法的有效性。
Description
技术领域
本发明涉及阵列信号处理技术领域,尤其涉及一种双基地MIMO雷达角度的估计方法。
背景技术
MIMO雷达是将多输入多输出技术应用于雷达***,在传统的相控阵雷达基础上发展起来的一种新型雷达。在MIMO雷达***中,性能的改善主要得益于其独特的正交波形匹配技术以及由此带来的更加灵活的信号处理方式。估计目标的DOD和DOA是双基地雷达面临的主要问题之一。目前,提出了许多联合估计DOD和DOA的技术,例如ESPRIT(EstimatingSignal Parameters via Rotational Invariance Techniques)算法、酉ESPRIT算法和ESPRIT-MUSIC算法等。但是,此类算法都是基于最小二乘的。当两个子阵有重叠元素时,传统的ESPRIT类算法的性能会严重下降。这主要是由于ESPRIT算法需要求解一个旋转不变等式,但是在这个等式的两边噪声是相关的,传统的LS方法不能够有效地压制相关噪声。
为了克服这个问题,本发明提出一种基于结构最小二乘法(SLS)的ESPRIT算法(SLS-ESPRIT),该算法可以有效地压制这类相关噪声,从而得到明显的性能提升。
发明内容
为了克服这个问题,本发明提出一种基于结构最小二乘法(SLS)的ESPRIT算法(SLS-ESPRIT),该算法可以有效地压制这类相关噪声,从而得到明显的性能提升。
本发明通过如下技术方案实现:
一种用于多输入多输出(MIMO)雷达***的联合估计目标离开角度(DOD)和到达角度(DOA)的方法,利用了结构最小二乘法求解旋转不变性方程,迭代最小化信号子空间的估计误差;该方法包括以下步骤:
A.考虑一具有M发射天线和N接收天线的双基地雷达***,收发天线都是间隔为半波长的均匀线阵ULA,假设有P个不相关信号,x(t)表示接收样本数据;
B.对样本x(t)的协方差矩阵进行特征值分解:
其中,ΛS代表K×K对角矩阵,且对角元素为K个最大的特征值,ΛN包含了剩下的(MN-K)个最小的特征值,ES是估计的信号子空间,由K个最大的特征值对应的特征向量组成,EN是剩余特征向量组成的噪声子空间估计;
C.用最小二乘法求解下列旋转不变方程,得到Ψt和Ψr的初始值和用于步骤F迭代的初始化:
Jt1ESΨt=Jt2ES和Jr1ESΨr=Jr2ES,
其中 IM是M×M的单位阵, 0(M-1)×1是(M-1)×1维的零向量;
D.定义如下两个残差矩阵:
E.对于第k次迭代,用最小二乘法求解最小二乘问题:
得到ΔES,k,ΔΨt,k和ΔΨr,k,其中 和ò是容差,下标k-1表示第k-1次迭代,vec{·}是向量化函数,Rr,k、Rt,k分别表示第k次迭代的误差矩阵,为第k次迭代信号子空间的误差矩阵,
Rt,k≈Rt,k-1+Jt1ES,k-1ΔΨt,k-1+Jt1ΔES,k-1Ψt,k-1-Jt2ΔES,k-1,
Rr,k≈Rr,k-1+Jr1ES,k-1ΔΨr,k-1+Jr1ΔES,k-1Ψr,k-1-Jr2ΔES,k-1;
F.判断是否满足如果满足则迭代终止,得到终值 和 其中K为满足条件的迭代次数,如果不满足则令k=k+1,返回步骤5;
G.最终DOD和DOA估计i=1,L,K,i=1,L,K,其中和是和的第i个特征值。
当存在超过一个目标时,需要进行配对处理来决定目标的正确位置,具体为:令 的特征值ψtr是和的特征值之和,的第i个特征值对应的特征值为集合{ψr,1,L,ψr,P}中使下式最小的值;因此,目标的方位由特征值和联合决定。
|ψt,i+ψr,k-ψtr,l|,for k,l=1,L,P,
本发明提出的用于双基地多输入多输出(MIMO)雷达***的联合估计目标离开角度(DOD)和到达角度(DOA)的方法,区别于传统的ESPRIT算法,本发明利用结构最小二乘法(SLS)替代基于最小二乘法(LS)。通过求解一个优化问题,本发明的基于SLS-ESPRIT的双基地MIMO雷达角度估计方法可以得到一个更加精确的角度估计值。
附图说明
图1是本发明的基于SLS-ESPRIT的双基地MIMO雷达角度估计方法的流程图;
图2是本发明的方法与传统算法的RMSE和SNR的关系曲线图;
图3是本发明的方法与传统算法的RMSE与快拍数的关系曲线图。
具体实施方式
下面结合附图说明及具体实施方式对本发明进一步说明。
附图1是本发明提供的方法的算法流程图。考虑一具有M个发射天线和N个接收天线的双基地MIMO雷达***。收发天线都是间隔为半波长的均匀线阵(ULA)。假设有P个不相关信号,经过匹配滤波,接收信号可以表示为:
x(t)=As(t)+n(t),t=1,L,L (1)
其中,A=[a1,L,aP]是阵列流行,中是多普勒频率,是反射系数。噪声n(t)是均值为零方差为σ2IMN的白高斯过程,L是快拍数。第i个目标对应的导向矢量可以表示为其中
φi和θi分别是第i个目标的DOD和DOA,此外,代表Kronecker积,(·)T代表转置,IMN是MN×MN的单位阵。
令的采样协方差矩阵,这里,(·)H代表共轭转置,的特征值分解(EVD)为
其中ΛS代表K×K对角矩阵,且对角元素为K个最大的特征值,ΛN包含了剩下的(MN-K)个最小的特征值,ES是估计的信号子空间,由K个最大的特征值对应的特征向量组成,EN是剩余特征向量组成的噪声子空间估计。
在LS-ESPRIT算法中,旋转不变方程表示为
Jt1ESΨt=Jt2ES (5)
Jr1ESΨr=Jr2ES (6)
其中
在本发明的方法中,假设ES、Ψt和Ψr中都存在误差。因此,使 和 通过迭代最小化使ΔES,ΔΨt和ΔΨr最小。首先,定义如下两个残差矩阵
令Rt,k和Rr,k为第k次迭代时的残差矩阵,因此,第k+1次迭代有
Rt,k+1≈Rt,k+Jt1ES,kΔΨt,k+Jt1ΔES,kΨt,k-Jt2ΔES,k (10a)
Rr,k+1≈Rr,k+Jr1ES,kΔΨr,k+Jr1ΔES,kΨr,k-Jr2ΔES,k. (10a)
由(10)可得
其中vec{·}是向量化函数,定义为第k次迭代信号子空间的误差矩阵。从(10)到(11)易证得,最小化Rr,k+1和Rt,k+1等同于证明如下结构最小二乘问题
其中,κ<1是用户定义参数。
同时,满足下式时算法收敛
其中ò是容差。
当算法在第K次迭代达到收敛,令 和 分别替代和对和进行EVD分解,则DOD和DOA估计为
其中和是和的第i个特征值。
然而,当存在超过一个目标时,需要进行配对处理来决定目标的正确位置。令 的特征值ψtr是和的特征值之和。的第i个特征值对应的特征值为集合{ψr,1,L,ψr,P}中使下式最小的值
|ψt,i+ψr,k-ψtr,l|,for k,l=1,L,P. (16)
因此,目标的方位由特征值和联合决定。
下面,通过实验数据验证本发明的方法。
考虑一双基地MIMO雷达***,发射和接收天线都是由一组10阵元组成的均匀线阵,阵列间距为d=λ/2。假设远场有两个相互独立的目标,分别位于(θ1,φ1)=(-10°,1°)和(θ2,φ2)=(-5°,5°)。噪声为零均值加性白高斯过程。在接下来的两个试验中个,将比较本发明的方法与LS-ESPRIT,酉-ESPRIT,ESPRIT-MUSIC算法联合估计DOD和DOA的性能。SLS-ESPRIT的收敛速率设置为ò≤10-7。所有结果均由1000次蒙特卡洛独立运行求平均得到。
实验1均方根误差(RMSE)与信噪比(SNR)的关系
在这个实验中,观测DOD和DOA的RMSE随信噪比的关系。快拍数N=40。观察图1,相比基于LS的ESPRIT算法,我们的算法在所有信噪比范围内都实现了相当大的改进,尤其是低信噪比区域。
实验2RMSE与样本大小的关系
在这个实验中,信噪比固定为0dB,快拍数从10增加到500。观察图2得,SLS-ESPRIT性能优于LS-ESPRIT和酉ESPRIT算法。当样本数很小时,对比LS-ESPRIT算法,本算法的性能提升超过4dB,当样本数很大时,本算法性能超出对比算法2dB。ESPRIT-MUSIC算法只在大信噪比和大样本情况下效果很好。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (3)
1.一种用于多输入多输出(MIMO)雷达***的联合估计目标离开角度(DOD)和到达角度(DOA)的方法,其特征在于:该方法利用了结构最小二乘法求解旋转不变性方程,迭代最小化信号子空间的估计误差;该方法包括以下步骤:
1)考虑一具有M发射天线和N接收天线的双基地雷达***,收发天线都是间隔为半波长的均匀线阵ULA,假设有P个不相关信号,x(t)表示接收样本数据;
2)对样本x(t)的协方差矩阵进行特征值分解:
其中,ΛS代表K×K对角矩阵,且对角元素为K个最大的特征值,ΛN包含了剩下的(MN-K)个最小的特征值,ES是估计的信号子空间,由K个最大的特征值对应的特征向量组成,EN是剩余特征向量组成的噪声子空间估计;
3)用最小二乘法求解下列旋转不变方程,得到Ψt和Ψr的初始值和用于步骤5迭代的初始化:
Jt1ESΨt=Jt2ES和Jr1ESΨr=Jr2ES,
其中 IM是M×M的单位阵, 0(M-1)×1是(M-1)×1维的零向量;
4)定义如下两个残差矩阵:
5)对于第k次迭代,用最小二乘法求解最小二乘问题:
得到ΔES,k,ΔΨt,k和ΔΨr,k,其中 和ò是容差,下标k-1表示第k-1次迭代,vec{·}是向量化函数,Rr,k、Rt,k分别表示第k次迭代的误差矩阵,为第k次迭代信号子空间的误差矩阵,
Rt,k≈Rt,k-1+Jt1ES,k-1ΔΨt,k-1+Jt1ΔES,k-1Ψt,k-1-Jt2ΔES,k-1,
Rr,k≈Rr,k-1+Jr1ES,k-1ΔΨr,k-1+Jr1ΔES,k-1Ψr,k-1-Jr2ΔES,k-1;
6)判断是否满足如果满足则迭代终止,得到终值 和 其中K为满足条件的迭代次数,如果不满足则令k=k+1,返回步骤5;
7)最终DOD和DOA估计i=1,L,K,i=1,L,K,其中和是和的第i个特征值,d=λ/2。
2.根据权利要求1所述的估计方法,其特征在于:当存在超过一个目标时,需要进行配对处理来决定目标的正确位置,具体为:
令 的特征值ψtr是和的特征值之和,的第i个特征值对应的特征值为集合{ψr,1,L,ψr,P}中使下式最小的值
|ψt,i+ψr,k-ψtr,l|,for k,l=1,L,P,
因此,目标的方位由特征值和联合决定。
3.根据权利要求1所述的估计方法,其特征在于:所述ΔES,k,ΔΨt,k和ΔΨr,k的迭代初始值是任给的一个值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410409417.3A CN104215947B (zh) | 2014-08-18 | 2014-08-18 | 一种双基地mimo雷达角度的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410409417.3A CN104215947B (zh) | 2014-08-18 | 2014-08-18 | 一种双基地mimo雷达角度的估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104215947A true CN104215947A (zh) | 2014-12-17 |
CN104215947B CN104215947B (zh) | 2016-12-07 |
Family
ID=52097646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410409417.3A Active CN104215947B (zh) | 2014-08-18 | 2014-08-18 | 一种双基地mimo雷达角度的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104215947B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931923A (zh) * | 2015-04-02 | 2015-09-23 | 刘松 | Grid Iterative ESPRIT,一种可扩展的用于均匀圆阵二维到达角的快速估计算法 |
CN104994041A (zh) * | 2015-06-26 | 2015-10-21 | 北京理工大学 | 三维大规模天线***基于导频的波达波离角联合估计方法 |
CN105068068A (zh) * | 2015-08-10 | 2015-11-18 | 西安电子科技大学 | 双基地mimo雷达均匀圆阵角度多普勒频率估计方法 |
CN105403871A (zh) * | 2015-10-28 | 2016-03-16 | 江苏大学 | 一种双基地mimo雷达阵列目标角度估计和互耦误差校准方法 |
CN106199550A (zh) * | 2016-07-12 | 2016-12-07 | 北京理工大学 | 一种波离角和二维波达角自动配对联合估计方法 |
CN106291453A (zh) * | 2016-09-18 | 2017-01-04 | 电子科技大学 | 一种基于波束空间变换的二维波达角测定方法 |
CN107064926A (zh) * | 2017-01-18 | 2017-08-18 | 长江大学 | 空域色噪声背景下的双基地mimo雷达角度估算方法 |
CN107576940A (zh) * | 2017-07-10 | 2018-01-12 | 西安邮电大学 | 一种低复杂度单基地mimo雷达非圆信号角度估计方法 |
CN109412983A (zh) * | 2018-10-25 | 2019-03-01 | 哈尔滨工程大学 | 一种基于dft域的无网格化大规模mimo信道估计算法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007003395A (ja) * | 2005-06-24 | 2007-01-11 | Mitsubishi Electric Corp | 軸ずれ角推定装置および軸ずれ角推定方法 |
WO2010122370A1 (en) * | 2009-04-23 | 2010-10-28 | Groupe Des Ecoles Des Telecommunications | Orientation and localization system |
CN102279387A (zh) * | 2011-07-18 | 2011-12-14 | 西安电子科技大学 | Mimo雷达的目标到达角估计方法 |
CN103777190A (zh) * | 2014-02-26 | 2014-05-07 | 南京信息工程大学 | 一种双基地mimo雷达高速高机动目标的角度估计方法 |
-
2014
- 2014-08-18 CN CN201410409417.3A patent/CN104215947B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007003395A (ja) * | 2005-06-24 | 2007-01-11 | Mitsubishi Electric Corp | 軸ずれ角推定装置および軸ずれ角推定方法 |
WO2010122370A1 (en) * | 2009-04-23 | 2010-10-28 | Groupe Des Ecoles Des Telecommunications | Orientation and localization system |
CN102279387A (zh) * | 2011-07-18 | 2011-12-14 | 西安电子科技大学 | Mimo雷达的目标到达角估计方法 |
CN103777190A (zh) * | 2014-02-26 | 2014-05-07 | 南京信息工程大学 | 一种双基地mimo雷达高速高机动目标的角度估计方法 |
Non-Patent Citations (4)
Title |
---|
CHENG QIAN ET AL.: "Computationally efficient ESPRIT algorithm for direction-of-arrival estimation based on Nystrom method", 《SIGNAL PROCESSING》 * |
MARTIN HAARDT: "Structured Least Squares to Improve the Performance of ESPRIT-Type Algorithms", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
王克让等: "MIMO雷达DOD和DOA联合估计算法:RTR-ESPRIT", 《航空学报》 * |
黄磊等: "一种低复杂度的ESPRIT方法", 《西安电子科技大学学报(自然科学版)》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931923A (zh) * | 2015-04-02 | 2015-09-23 | 刘松 | Grid Iterative ESPRIT,一种可扩展的用于均匀圆阵二维到达角的快速估计算法 |
CN104994041B (zh) * | 2015-06-26 | 2017-08-11 | 北京理工大学 | 三维大规模天线***基于导频的波达波离角联合估计方法 |
CN104994041A (zh) * | 2015-06-26 | 2015-10-21 | 北京理工大学 | 三维大规模天线***基于导频的波达波离角联合估计方法 |
CN105068068A (zh) * | 2015-08-10 | 2015-11-18 | 西安电子科技大学 | 双基地mimo雷达均匀圆阵角度多普勒频率估计方法 |
CN105403871A (zh) * | 2015-10-28 | 2016-03-16 | 江苏大学 | 一种双基地mimo雷达阵列目标角度估计和互耦误差校准方法 |
CN105403871B (zh) * | 2015-10-28 | 2017-11-17 | 江苏大学 | 一种双基地mimo雷达阵列目标角度估计和互耦误差校准方法 |
CN106199550A (zh) * | 2016-07-12 | 2016-12-07 | 北京理工大学 | 一种波离角和二维波达角自动配对联合估计方法 |
CN106199550B (zh) * | 2016-07-12 | 2018-10-09 | 北京理工大学 | 一种波离角和二维波达角自动配对联合估计方法 |
CN106291453A (zh) * | 2016-09-18 | 2017-01-04 | 电子科技大学 | 一种基于波束空间变换的二维波达角测定方法 |
CN106291453B (zh) * | 2016-09-18 | 2018-12-18 | 电子科技大学 | 一种基于波束空间变换的二维波达角测定方法 |
CN107064926A (zh) * | 2017-01-18 | 2017-08-18 | 长江大学 | 空域色噪声背景下的双基地mimo雷达角度估算方法 |
CN107064926B (zh) * | 2017-01-18 | 2020-05-19 | 长江大学 | 空域色噪声背景下的双基地mimo雷达角度估算方法 |
CN107576940A (zh) * | 2017-07-10 | 2018-01-12 | 西安邮电大学 | 一种低复杂度单基地mimo雷达非圆信号角度估计方法 |
CN109412983A (zh) * | 2018-10-25 | 2019-03-01 | 哈尔滨工程大学 | 一种基于dft域的无网格化大规模mimo信道估计算法 |
CN109412983B (zh) * | 2018-10-25 | 2021-03-30 | 哈尔滨工程大学 | 一种基于dft域的无网格化大规模mimo信道估计算法 |
Also Published As
Publication number | Publication date |
---|---|
CN104215947B (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104215947B (zh) | 一种双基地mimo雷达角度的估计方法 | |
CN107290730B (zh) | 互耦条件下双基地mimo雷达角度估算方法 | |
CN104155648B (zh) | 基于阵列数据重排的高频地波雷达单次快拍music测向方法 | |
Zheng et al. | Unitary ESPRIT algorithm for bistatic MIMO radar | |
CN101251597B (zh) | 一种多输入多输出雷达***阵列误差自校正的方法 | |
Yunhe | Joint estimation of angle and Doppler frequency for bistatic MIMO radar | |
CN102213761B (zh) | 双基地共址多输入多输出雷达多目标定位方法 | |
Wang et al. | Conjugate ESPRIT for DOA estimation in monostatic MIMO radar | |
CN103760547B (zh) | 基于互相关矩阵的双基mimo雷达角度估计方法 | |
CN104931931A (zh) | 互耦条件下基于张量实值子空间的双基地mimo雷达角度估计方法 | |
CN109143197B (zh) | 一种基于辅助阵元的极化mimo雷达的2d-doa和极化参数估计方法 | |
CN105445708A (zh) | 一种极化合成孔径雷达的定标方法 | |
Zhang et al. | Direction finding in MIMO radar with unknown mutual coupling | |
CN105068041A (zh) | 互耦条件下基于协方差矢量稀疏表示的单基地mimo雷达角度估计方法 | |
CN103344940B (zh) | 低复杂度的doa估计方法及*** | |
Bencheikh et al. | Combined esprit-rootmusic for DOA-DOD estimation in polarimetric bistatic MIMO radar | |
CN106646344A (zh) | 一种利用互质阵的波达方向估计方法 | |
CN103744061A (zh) | 基于迭代最小二乘方法的mimo雷达doa估计方法 | |
CN104360316B (zh) | 一种基于协方差矩阵锥化的阵列天线自适应波束形成方法 | |
CN105403871B (zh) | 一种双基地mimo雷达阵列目标角度估计和互耦误差校准方法 | |
CN104749554A (zh) | 一种基于递归秩损的幅相误差校准和波达方向估计方法 | |
Liao et al. | DOA estimation of coherent signals for uniform linear arrays with mutual coupling | |
CN109254272B (zh) | 一种共点式极化mimo雷达的两维角度估计方法 | |
CN103926573A (zh) | 基于四阶累积量的单基地mimo雷达分布式目标角度估计方法 | |
CN107390197A (zh) | 基于特征空间的雷达自适应和差波束测角方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |