CN104898085B - 一种极化敏感阵列参数估计的降维music算法 - Google Patents
一种极化敏感阵列参数估计的降维music算法 Download PDFInfo
- Publication number
- CN104898085B CN104898085B CN201510245865.9A CN201510245865A CN104898085B CN 104898085 B CN104898085 B CN 104898085B CN 201510245865 A CN201510245865 A CN 201510245865A CN 104898085 B CN104898085 B CN 104898085B
- Authority
- CN
- China
- Prior art keywords
- mrow
- array
- polarization
- signal
- span
- 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.)
- Active
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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
- G01S3/146—Systems for determining direction or deviation from predetermined direction by comparing linear polarisation components
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种极化敏感阵列参数估计的降维MUSIC算法,属于阵列信号处理技术领域。本发明将阵列接收数据得到的信号相关矩阵进行特征值分解得到噪声子空间;将信号的导向矢量中波达方向角和极化信息分离开来,得到中间变量;由中间变量构造波达方向角的搜索函数,谱峰搜索得到波达方向角的估计;将波达方向角的估计值代入降维MUSIC谱估计,由谱峰对应的坐标得到极化参数估计。本发明的算法将四维谱峰搜索降低为二维谱峰搜索,使得算法的计算量级从o{n4}降为o{n2},大大降低了算法的运算复杂度,提高了***的运算效率。
Description
技术领域
本发明属于阵列信号处理技术领域,特别涉及极化敏感阵列信号参数估计算法的改进,具体的讲是减小算法运算量,提高运算效率的降维MUSIC算法。
背景技术
极化敏感阵列不仅能够通过阵元的空间位置的差异获取信号的空间到达角信息,又能够通过阵元正交相位的差异获取信号本身所具有的极化信息,其阵元输出的是含有极化信息的矢量信息而不是通常的标量信息,这一特性奠定了进一步提高极化敏感阵列的性能的基础,同时也使得我们有可能进一步提高阵列信号的处理能力。相比于普通标量阵列,极化敏感阵列存在的性能优势,可以从以下四个方面表现出来:(1)较强的抗干扰能力;(2)稳健的检测能力;(3)较高的分辨能力;(4)极化多址的能力。
信号参数估计问题是阵列信号处理的一个基本问题,自20世纪60年代以来,DOA估计技术取得飞速的发展,涌现了大量的优良算法。首先是Burg在1967年提出的最大熵谱估计方法和SchmidtRO在1969年提出的最小方差谱估计方法,这两种算法标志着阵列天线在分辨能力方面取得改善。多重信号分类(Multiple Signal Classification,MUSIC)算法的提出,使得高分辨测向技术发展有了飞跃性地突破。MUSIC算法实质上是利用噪声子空间和信号子空间的正交原理而得到的。MUSIC算法自从被提出来,就得到了广泛的研究和应用,是一种可产生渐进无偏估计的高分辨率特征结构法。
将多重信号分类算法用于极化敏感阵列的信号源到达角和极化参数估计的思想主要是通过对接收数据进行特征分解或奇异值分解等数学分解,将接收数据划分为两个相互正交的子空间,即信号子空间与噪声子空间,然后利用阵列流型矢量和子空间的关系来构造联合谱,从而根据谱峰得到信号源到达角和极化参数估计。传统MUSIC联合谱估计方法如下:
1)先求出阵列输出协方差矩阵;
2)对协方差矩阵进行特征值分解,得到噪声子空间span{Un};
3)由噪声子空间与阵列流形矩阵张成的子空间与噪声子空间span{Un}正交的原理,构造MUSIC联合谱估计:
由式(1)可以看出,要估计信号源的到达角和极化参数需要进行四维谱峰搜索,需要付出巨大的运算量和储存量,不易实现。
发明内容
本发明提供了一种极化敏感阵列参数估计的降维MUSIC算法,在没有降低算法估计误差性能的同时,将四维谱峰搜索降低为二维谱峰搜索,使得算法的计算量级从o{n4}降为o{n2}(n为搜索范围内点数),大大降低了算法的运算复杂度,提高了***的运算效率。
本发明解决上述问题采用的技术方案为:
一种极化敏感阵列参数估计的降维MUSIC算法,其特征在于包括以下步骤:
步骤1.建立阵列接收信号的数学模型
空间有K个不相关的信号入射到阵列中,根据入射信号的到达角以及极化参数(γ,η)和噪声得到阵列接收信号模型的表达式
其中,θ∈[-π/2,π/2)为入射信号俯仰角,为入射信号方位角,γ∈[0,π/2)为极化辅角,η∈[-π,π)为极化相位差。整个阵列的流形矩阵A=[a1,a2,...,aK],s(n)=[s1(n),s2(n),...,sK(n)]T为信号矢量,v(n)为噪声。阵列扫描矢量是极化导向矢量和空间导向矢量的Kronecker积,即
其极化导向矢量表示为:
其中,表示球坐标系与直角坐标系单位矢量之间的变换关系矩阵,Ek(γ,η)表示完全极化波的Jones矢量。
需注意的是,步骤1中根据需求的不同的六个分量可以不用全部使用。
步骤2.利用步骤1得到的阵列接收信号的N次快拍数据,得到估计信号相关矩阵
步骤3.通过对相关矩阵R进行特征值分解,得到噪声子空间span{Un}
式中,P为取的分量个数,M为阵元个数。Λ=diag{λ1,λ2,...,λPM},并且最小的PM-K个特征值相等,均等于阵列接收噪声强度。K个大的特征值对应的特征矢量构成信号子空间<S>=span{Us},PM-K个小特征值对应的特征矢量构成噪声子空间<N>=span{Un}。阵列流形矩阵张成子空间和信号子空间相同,并且与噪声子空间正交,表示为:
span{A}=span{Us} (7)
span{A}⊥span{Un} (8)
步骤4.计算信号源的俯仰角和方位角过程
降维MUSIC算法将MUSIC谱估计中波达方向角和极化参数进行剥离,根据传统的MUSIC谱估计定义函数
令
由子空间原理,阵列流形矩阵张成的子空间与噪声子空间正交,即:
span{A}⊥span{Un} (8)
将式(8)代入式(9)得到
当γ∈(0,π/2)时,由式(4)可知EH(γ,η)是列满秩的,当为非满秩,即式(12)成立,则俯仰角和方位角的估计
步骤5.计算信号源的极化参数过程
将所求俯仰角和方位角代入中间变量,得到
则极化参数估计:
由式(13)和式(15)可以看出,本发明将信号源到达角和极化参数分离开来搜索,将一个四维谱峰搜索变为两个二维谱峰搜索,通过本发明的方法,估计入射信号角度和极化参数的计算量大大降低,且具有良好的正确性和精确度。
附图说明
图1为由双正交电偶极子对构成的均匀线阵。
具体实施方式
如图1所示由M个双正交电偶极子对沿y轴排列构成均匀线阵,双正交电偶极子对分别沿x轴和y轴放置,阵元间距为d,本例中降维MUSIC算法的具体实现如下:
步骤1.建立阵列接收信号数学模型:
已知空间有K个信号入射到极化敏感阵列中,入射窄带信号互不相关,θ∈[-π/2,π/2)为入射信号俯仰角,为入射信号方位角,γ∈[0,π/2)为极化辅角,η∈[-π,π)为极化相位差,阵列的接收信号模型x(n)可以表示为:
式中A=[a1,a2,...aK]为整个阵列的流形矩阵,其中ak(k=1,2...K)为信号极化域-空域联合导向矢量;信号矢量s(n)=[s1(n),s2(n),...,sK(n)]T;v(n)为均值为零,方差为σ2的复高斯白噪声;ak是极化导向矢量(akp)和空间导向矢量(aks)的Kronecker积,即:
其中,
式中,λ表示波长。
对于沿x轴和y轴放置的电偶极子对,其极化导向矢量akp只使用两个分量,表示为:
将式(19)代入式(17)得到
步骤2.求信号的自相关矩阵
阵列接收信号的自相关矩阵为:
Rx=E[x(n)xH(n)]=ARsAH+σ2I (21)
其中,A为整个阵列的流形矩阵,Rs为入射信号的自相关函数,I为单位阵。
实际工程中,通常采用N个观测样本值x(0),x(1),...,x(N-1)得到相关矩阵的估计用代替Rx进行计算,其中:
步骤3.求解噪声子空间:
将步骤3求得的相关矩阵的估计进行特征值分解,求得噪声子空间:
其中Λs和Λn为特征值矩阵,分别对应于K个大特征值和2M-K个小特征值。Us为K个大特征值所对应的特征矢量,其张成的空间为信号子空间,Un为2M-K个小特征值所对应的特征矢量,其张成的空间为噪声子空间。
步骤4.计算信号源的俯仰角和方位角
首先定义检测量为:
将步骤1中公式(20)代入式(24)得到
由于成立,则式(25)可以表示为:
由式(26)可以看出入射信号的波达方向角信息和极化参数信息被分离开来,此时定义中间变量:
由子空间原理,阵列流形矩阵张成的子空间与噪声子空间的特征向量正交
span{A}⊥span{Un} (28)
将式(28)代入式(26)可以得到
当γ∈(0,π/2)时EH(γ,η)是列满秩的,要使得则非满秩,即根据最优化搜索方法得到估计零谱的K个极小值,这些极小值的位置即为信号源到达角的估计。为了方便起见,通常用零谱的倒数来搜索其K个极大值。定义降维MUSIC谱:
其中K个谱峰对应的坐标即为信号源的到达角估计
步骤5.计算信号源的极化参数:
将步骤4得到的信号源到达角代入式(27)中,得到中间变量的估计
对于极化参数的估计,可以由如下的谱估计搜索得到:
对于极化敏感阵列的信号源到达角和极化参数估计,传统的联合MUSIC算法需要对四个参数同时进行谱峰搜索,其计算量为o(n4),其中n为搜索范围内点数,而本发明的算法将信号源的到达角和极化参数进行分离搜索,其计算量为o(2n2),由此可见大大降低了运算量,提高了***的运算效率。
Claims (1)
1.一种极化敏感阵列参数估计的降维MUSIC算法,其特征在于包括以下步骤:
步骤1.建立阵列接收信号的数学模型
空间有K个不相关的信号入射到阵列中,根据入射信号的到达角以及极化参数(γ,η)和噪声得到阵列接收信号模型的表达式:
其中,θ∈[-π/2,π/2)为入射信号俯仰角,为入射信号方位角,γ∈[0,π/2)为极化辅角,η∈[-π,π)为极化相位差;整个阵列的流形矩阵A=[a1,a2,...,aK],s(n)=[s1(n),s2(n),...,sK(n)]T为信号矢量,v(n)为噪声;阵列扫描矢量是极化导向矢量和空间导向矢量的Kronecker积,即:
其极化导向矢量表示为:
其中,表示球坐标系与直角坐标系单位矢量之间的变换关系矩阵,Ek(γ,η)表示完全极化波的Jones矢量;
步骤2.利用步骤1得到的阵列接收信号的N次快拍数据,得到估计信号相关矩阵:
<mrow>
<mi>R</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>x</mi>
<mi>H</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤3.通过对相关矩阵R进行特征值分解,得到噪声子空间span{Un}
<mrow>
<mi>R</mi>
<mo>=</mo>
<msup>
<mi>U&Lambda;U</mi>
<mi>H</mi>
</msup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>P</mi>
<mi>M</mi>
</mrow>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<msup>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mi>H</mi>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,P为取的分量个数,M为阵元个数,Λ=diag{λ1,λ2,...,λPM},并且最小的PM-K个特征值相等,均等于阵列接收噪声强度;K个大的特征值对应的特征矢量构成信号子空间<S>=span{Us},PM-K个小特征值对应的特征矢量构成噪声子空间<N>=span{Un};阵列流形矩阵张成子空间和信号子空间相同,并且与噪声子空间正交,表示为:
span{A}=span{Us} (7)
span{A}⊥span{Un} (8)
步骤4.计算信号源的俯仰角和方位角过程
将MUSIC谱估计中波达方向角和极化参数进行剥离,根据传统的MUSIC谱估计定义函数:
令
由子空间原理,阵列流形矩阵张成的子空间与噪声子空间正交,即:
span{A}⊥span{Un} (8)
将式(8)代入式(9)得到
当γ∈(0,π/2)时,由式(4)知EH(γ,η)是列满秩的;当为非满秩,即式(12)成立;
则俯仰角和方位角的估计:
步骤5.计算信号源的极化参数过程
将所求俯仰角和方位角代入中间变量,得到
则极化参数估计:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510245865.9A CN104898085B (zh) | 2015-05-14 | 2015-05-14 | 一种极化敏感阵列参数估计的降维music算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510245865.9A CN104898085B (zh) | 2015-05-14 | 2015-05-14 | 一种极化敏感阵列参数估计的降维music算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104898085A CN104898085A (zh) | 2015-09-09 |
CN104898085B true CN104898085B (zh) | 2017-11-17 |
Family
ID=54030850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510245865.9A Active CN104898085B (zh) | 2015-05-14 | 2015-05-14 | 一种极化敏感阵列参数估计的降维music算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104898085B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372635A (zh) * | 2015-11-19 | 2016-03-02 | 哈尔滨工业大学 | 基于改进的降维空时自适应处理的船载高频地波雷达海杂波抑制方法 |
CN105445760A (zh) * | 2015-11-20 | 2016-03-30 | 北京自动化控制设备研究所 | 一种卫星导航单天线抗宽带干扰方法 |
CN106169941A (zh) * | 2016-08-31 | 2016-11-30 | 电子科技大学 | 一种基于噪声功率的圆阵的doa 估计方法 |
CN109983359B (zh) * | 2016-09-22 | 2023-08-08 | 弗劳恩霍夫应用研究促进协会 | 用于估计到达方向的装置及相应方法 |
CN106483494B (zh) * | 2016-10-13 | 2021-11-02 | 哈尔滨工业大学(威海) | 基于空间取样天线阵列的全极化干涉仪及其参数估计方法 |
CN107015213B (zh) * | 2017-03-31 | 2019-12-03 | 长江大学 | 基于music算法的双基地mimo雷达角度估算方法 |
CN106990386A (zh) * | 2017-04-13 | 2017-07-28 | 哈尔滨工程大学 | 一种单偶极子极化敏感旋转阵列doa与极化参数联合估计方法 |
CN107015191B (zh) * | 2017-05-18 | 2019-09-27 | 哈尔滨工程大学 | 一种在多径干扰环境下单偶极子极化敏感阵列降维doa估计方法 |
CN107656239B (zh) * | 2017-08-22 | 2020-12-04 | 哈尔滨工程大学 | 一种基于极化敏感阵列的相干信源测向方法 |
CN107870314B (zh) * | 2017-10-31 | 2021-06-29 | 西安电子科技大学 | 基于极化敏感阵列的完备电磁分量加权融合测向优化方法 |
CN108414993B (zh) * | 2018-02-13 | 2022-03-04 | 西安电子科技大学 | 基于重采样的cold阵列波达方向和极化参数联合估计方法 |
CN109188347B (zh) * | 2018-10-11 | 2022-11-22 | 北京遥感设备研究所 | 基于music谱的信号极化方式三分类方法 |
CN111220953A (zh) * | 2018-11-26 | 2020-06-02 | 北京华航无线电测量研究所 | 一种基于极化敏感阵列的抗干扰方法 |
CN109959891B (zh) * | 2019-04-11 | 2023-05-23 | 南京航空航天大学 | 电磁矢量l阵中空间角与极化参数的降维谱峰搜索方法 |
CN111585631A (zh) * | 2020-04-09 | 2020-08-25 | 哈尔滨工程大学 | 一种提高分布式极化敏感阵列发射增益的波束形成方法 |
CN112748407A (zh) * | 2020-12-15 | 2021-05-04 | 杭州电子科技大学 | 一种基于极化敏感面阵的空域-极化域联合谱估计方法 |
CN113253194B (zh) * | 2021-04-21 | 2022-07-08 | 中国电子科技集团公司第二十九研究所 | 一种基于稀疏表示的宽频段到达角度和极化联合测量方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721943A (zh) * | 2012-06-11 | 2012-10-10 | 西安交通大学 | 基于l型传感器阵列的非相干信号二维波达方向跟踪方法及装置 |
CN103792509A (zh) * | 2014-02-24 | 2014-05-14 | 西安电子科技大学 | 电磁信号的二维波达方向角估计方法 |
CN103926573A (zh) * | 2014-04-17 | 2014-07-16 | 哈尔滨工程大学 | 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 |
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 |
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 |
CN104360305A (zh) * | 2014-10-24 | 2015-02-18 | 中国航天科技集团公司第五研究院第五一三研究所 | 联合压缩感知和信号循环平稳特性的辐射源测向定位方法 |
CN104375115A (zh) * | 2014-11-04 | 2015-02-25 | 中国航天科工集团第三研究院第八三五七研究所 | 极化敏感阵列下非圆信号doa与极化参数联合估计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001305202A (ja) * | 2000-04-24 | 2001-10-31 | Toyota Central Res & Dev Lab Inc | Musicスペクトラム計算方法、その装置及び媒体 |
JP4294634B2 (ja) * | 2005-10-31 | 2009-07-15 | 日本電業工作株式会社 | 校正テーブルの作成方法および到来波の到来方向推定方法 |
-
2015
- 2015-05-14 CN CN201510245865.9A patent/CN104898085B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721943A (zh) * | 2012-06-11 | 2012-10-10 | 西安交通大学 | 基于l型传感器阵列的非相干信号二维波达方向跟踪方法及装置 |
CN103792509A (zh) * | 2014-02-24 | 2014-05-14 | 西安电子科技大学 | 电磁信号的二维波达方向角估计方法 |
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 |
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 |
CN103926573A (zh) * | 2014-04-17 | 2014-07-16 | 哈尔滨工程大学 | 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 |
CN104360305A (zh) * | 2014-10-24 | 2015-02-18 | 中国航天科技集团公司第五研究院第五一三研究所 | 联合压缩感知和信号循环平稳特性的辐射源测向定位方法 |
CN104375115A (zh) * | 2014-11-04 | 2015-02-25 | 中国航天科工集团第三研究院第八三五七研究所 | 极化敏感阵列下非圆信号doa与极化参数联合估计方法 |
Non-Patent Citations (1)
Title |
---|
平面极化天线阵列的DOA及极化参数降维估计方法;司伟建等;《通信学报》;20141231;第35卷(第12期);28-35 * |
Also Published As
Publication number | Publication date |
---|---|
CN104898085A (zh) | 2015-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104898085B (zh) | 一种极化敏感阵列参数估计的降维music算法 | |
CN105510874B (zh) | 一种近场信源多参数联合估计的降维music方法 | |
CN103941221B (zh) | 空间拉伸电磁矢量传感器阵列参数估计方法 | |
CN103091671B (zh) | 基于非同心电磁矢量阵列雷达的两维波达方向估计方法 | |
CN103941222B (zh) | 基于瑞利熵降维music算法的参数估计方法 | |
CN102540138B (zh) | 一种多基线相位搜索式二维空间谱测向方法 | |
CN104515969B (zh) | 一种基于六角形阵列的相干信号二维doa估计方法 | |
CN108120967B (zh) | 一种平面阵列doa估计方法及设备 | |
CN108896954A (zh) | 互质阵中一种基于联合实值子空间的波达角估计方法 | |
CN105335615B (zh) | 一种低复杂度的二维角度和极化参数联合估计方法 | |
CN106019214A (zh) | 宽带相干信号源doa估计方法 | |
CN104933290B (zh) | 双l型拉伸正交电偶对阵列的多参数联合估计四元数方法 | |
CN102662158B (zh) | 一种对传感器天线阵列接收信号的快速处理方法 | |
CN104375115A (zh) | 极化敏感阵列下非圆信号doa与极化参数联合估计方法 | |
CN104360310A (zh) | 一种多目标近场源定位方法和装置 | |
WO2021068495A1 (zh) | 基于平面互质阵列块采样张量信号构造的自由度增强型空间谱估计方法 | |
CN103344940A (zh) | 低复杂度的doa估计方法及*** | |
Zheng et al. | Two-dimensional DOA estimation for coprime planar array: A coarray tensor-based solution | |
CN101252382B (zh) | 一种宽频段信号极化与doa估计方法及装置 | |
CN107493106A (zh) | 一种基于压缩感知的频率和角度联合估计的方法 | |
Yan et al. | Computationally efficient direction finding using polynomial rooting with reduced-order and real-valued computations | |
CN109581277B (zh) | 一种基于压缩感知理论的四维天线阵doa估计方法 | |
CN106507952B (zh) | 一种基于圆阵的快速空间谱计算方法 | |
CN109507634B (zh) | 一种任意传感器阵列下的基于传播算子的盲远场信号波达方向估计方法 | |
Wang et al. | Root-MUSIC algorithm with real-valued eigendecomposition for acoustic vector sensor array |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |