CN107092006A - 用于doa估计的阵列信号处理方法和*** - Google Patents
用于doa估计的阵列信号处理方法和*** Download PDFInfo
- Publication number
- CN107092006A CN107092006A CN201710225711.2A CN201710225711A CN107092006A CN 107092006 A CN107092006 A CN 107092006A CN 201710225711 A CN201710225711 A CN 201710225711A CN 107092006 A CN107092006 A CN 107092006A
- Authority
- CN
- China
- Prior art keywords
- array
- sensor
- signal processing
- algorithms
- doa
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 14
- 238000001228 spectrum Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000003032 molecular docking Methods 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000000052 comparative effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000021615 conjugation Effects 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
- 238000005516 engineering process Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
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
本专利属于阵列信号处理领域,本发明针对现有的MUSIC算法,在向量空间的特征分解部分运算量大的技术问题,具体公开了用于DOA估计的阵列信号处理方法,包括如下步骤:接收步骤:利用传感器组成阵列接收目标信号;处理步骤:对接收到的目标信号进行滤波、放大,然后构造空间向量矩阵;计数步骤:对用于接收目标信号的传感器进行计数;求解步骤:根据计数步骤所得的值,选取QR算法或者Jacobi算法,求解空间向量矩阵特征值和特征向量;搜索步骤:谱峰搜索获得定位参数;显示步骤:将定位结果由显示电路显示。用于DOA估计的阵列信号处理***,包括:接收传感器阵列、信号预处理模块、算法执行模块、定位结果显示模块。
Description
技术领域
本发明涉及阵列信号处理领域,具体涉及一种用于DOA估计的阵列信号处理方法和***。
背景技术
波达方向(DOA,Direction of Arrival)估计在过去几十年一直是阵列信号处理领域的重要研究方向,已广泛应用于雷达、通信、侦查等多个领域。最经典的DOA估计方法是Schmidt提出的MUSIC算法,众多研究人员对该算法进行了改进与提高,也提出了一些新的算法。在模型准确的前提下,MUSIC算法能高精度的估计出窄带独立信号的波达方向,空间平滑MUSIC算法能精确估计出窄带相干信号的波达方向。
但是MUSIC算法在计算过程中,需要对空间向量矩阵进行特征值分解,这就导致由C语言实现计算复杂度高,针对这种情况,在专利号为CN200510021874.6的文献中,公开了利用阵列天线并行采集数据,由实数接收矩阵计算空间向量矩阵,通过改进的低复杂度坐标旋转算法实现Jacobi特征值分解方法,求解噪声子空间,进而由谱峰搜索估计信源角度。这样的方法在向量空间的特征值分解部分会有较大的运算,其运算量与阵元(传感器)数有关,当阵元数为n时,其运算量约为50n3,在现有的设计中,阵元数大多为8个(通常称为八元阵列)。
在现有的波达方向估计的阵列中,根据实际需要(如待测波源数,精度),会设计出不同数目的阵元的阵列。现有的用于DOA估计的阵列信号处理方法或***,并未对阵元数提出要求或者判断,这就出现了无论阵元数目是多少,均采用同样方法,在一些情况下,就提升了运算量。
因此,开发一种能够根据实际情况,减少运算量的用于DOA估计的阵列信号处理方法和***,在阵列信号处理领域还是非常有市场的。
发明内容
本发明针对现有的MUSIC算法,在向量空间的特征分解部分运算量大的技术问题,提供了一种用于DOA估计的阵列信号处理方法和***。
本发明提供的基础方案为:用于DOA估计的阵列信号处理方法,包括如下步骤:
接收步骤:利用传感器组成阵列接收目标信号;
处理步骤:对接收到的目标信号进行滤波、放大,然后构造空间向量矩阵;
计数步骤:对用于接收目标信号的传感器进行计数;
求解步骤:根据计数步骤所得的值,选取QR算法或者Jacobi算法,求解空间向量矩阵特征值和特征向量;
搜索步骤:谱峰搜索获得定位参数;
显示步骤:将定位结果由显示电路显示。
本发明的工作原理及优点在于:在接收步骤中,传感器组成一个接收传感器阵列,接收目标信号。处理步骤中,能够对接收传感器阵列(或者说传感器)接收到的信号进行滤波、放大处理,然后构造接收矩阵(空间向量矩阵)。在计数步骤中,能够得到用于接收目标信号的传感器的数量,求解步骤中,根据传感器的数量,选取运算量小的算法,达到空间向量矩阵特征值和特征向量,然后通过谱峰搜索获得目标信号的定位参数,最后将定位结果用显示电路显示出来。
本发明用于DOA估计的阵列信号处理方法,增加了计数步骤,让后面的求解步骤可以选取运算量小的方法获得空间向量矩阵特征值和特征向量。
进一步,求解步骤中,根据计数步骤所得的值具体为:当计数步骤所获取的值为0-16时,采用QR算法,当计数步骤所获取的值大于17时,采用Jacobi算法。
在MUSIC类算法中,空间向量矩阵是为Hermite矩阵,有AH=A的性质,且其主对角线上元素为实数,特征值均为实数
Jacobi算法的思想是通过一系列正交变换不断矫正,减小非对角元素的范数,使其更加对角化。Jacobi算法是旋转变换,当阵元数(用于接收目标源信号的传感器数量)为n时,其n阶旋转矩阵形式如下:
即旋转矩阵的对角元素除位置为(p,p)与(q,q)之外其余元素都为1,非对角元素除位置为(p,q)与(q,p)的元素外都为0。c与s为旋转角的余弦与正弦,因而存在关系c2+s2=1。平面旋转则按照下面方式:
显然,旋转后只改变原矩阵的p和q的行与列的值。
下面先介绍c、s、θ值的选择。先考虑2阶方阵,由Hermite矩阵性质,对角线元素为实数,故θ2=0,有:
其中设带入,则有:
为了使非对角元素零化,令a'p,q=0,设s=t c,由于旋转角的限制,t选择为两个根里绝对值最小的,则得出:
θ1=θ3
这样就完成了c、s、θ值的选择。
QR算法是将矩阵分解为正交矩阵Q与上三角矩阵R,并应用位移思想,多次迭代约化Hermite矩阵,使其以立方速度收敛到对角型,即:
T=RQ=QH(QR)Q=QHTQ
本申请中,先用Householder变换的QR分解将Hermite矩阵约化为三对角Hermite矩阵,再用隐式位移的Givens变换的QR分解进行约化,约化后其仍为三对角矩阵,但几近对角阵。Householder变换
形如:
的n阶方阵P记为Householder矩阵。矩阵P是正交的,且有P=PH。对于n阶非零列向量x,使P满足:
Px=αe0
其中e0=[ejθ,0,...,0]T。代入上式,则有:
因此,有v∈span{x,e0}。令v=x+αe0,带入,为使向量x的系数为0,得α=±||x||2,且ejθ=x(1)/|x(1)|,其中,x(1)为列向量x的第一个元素。这时有:
这样则可以通过连续的Householder变换使任意矩阵化为上三角矩阵。
Householder变换可使Hermite矩阵引入大量零元素,但不能选择性的消去指定元素,而Givens变换可以。Givens变换与Jacobi变换相类似,Givens变换的旋转矩阵形式也为:
不同的是,Jacobi变换的旋转矩阵Jp,q是作用在Hermite矩阵的两个位置对称、数值共轭的元素上,故Jp,q的对角元素为实数。而Givens变换的旋转矩阵Gp,q则是作用在Hermite矩阵的任意两个元素上,故Gp,q的全部元素都为复数。
Givens变换是将向量某一指定分量化0。考虑其二阶情况,有:
若则有:
θ1=θ3
θ2=θ4
这样则可使二维向量的某一分量化为零。
进一步,处理步骤中,在对接收到的目标信号进行滤波、放大前,先对信号进行幅值调整。幅值调整能够将各路信号调整至相同幅值,能够更好适应后续电路的动态范围,并且调整至相同幅值之后,能够更好的进行滤波处理。
进一步,用于DOA估计的阵列信号处理***,包括:
接收传感器阵列,接收传感器阵列包括计数器和多个传感器,传感器用于接收目标信号,计数器记录传感器的数量;
信号预处理模块,信号处理模块包括增益控制电路和低噪滤波电路,用于对接收信号进行幅值调整和低噪滤波;
算法执行模块,算法执行模块包括多路AD采样电路、处理器及***电路和存储器,用于将模拟接收信号转换为数字量,处理器用于将数字量转换成空间向量矩阵,处理器用于接收计数器记录的传感器的数量信息,处理器根据传感器的数量对该空间向量矩阵以不同的方法进行特征分解,预估信号源数,构成噪声子空间,然后进行谱峰搜索获得定位参数;
定位结果显示模块,用于显示波达方向信息。
本***的优势在于:在接收传感器阵列中,加入了计数器以记录传感器的数量。当接收传感器阵列需要检修时,某一传感器被拆卸下后,计数器能够将这个情况反馈到算法执行模块中,这样在执行运算时,能够忽略被拆卸下来的传感器对结果的影响。即,原有的传感器为n时,算法执行模块执行n个传感器的算法,当某一传感器被拆卸下来后,计数器将这一信息反馈到算法执行模块,算法执行模块执行(n-1)个传感器的算法。这样就保证了在接收传感器阵列中,某些传感器失效后DOA估计的准确性。
算法执行模块在计数器的反馈下,根据传感器的数量,执行不同的算法,在保证精度的情况下,极大降低了运输量。
进一步,传感器数量与处理器对空间向量矩阵进行特征分解方法的关系为:当传感器数量为0-16时,采用QR算法,当传感器数量大于17时,采用Jacobi算法。在运算量上:Jacobi算法的运算量约为50n3,QR分解法的运算量则约为3n4,n表示阵元数,因此,算法执行模块可根据传感器的数量,执行不同的算法,在保证精度的情况下,极大了降低了运输量。
进一步,接收传感器阵列中用于接收目标信号的传感器的数目可调。在接收传感器阵列中某一传感器出现问题需要检修时,接收传感器阵列依然可以正常工作。
附图说明
图1是Jacobi算法与QR算法误差仿真图;
图2是本发明用于DOA估计的阵列信号处理方法的误差仿真图;
图3是本发明用于DOA估计的阵列信号处理方法的DOA估计的仿真图;
图4是本发明用于DOA估计的阵列信号处理方法的流程图。
具体实施方式
下面通过具体实施方式对本发明作进一步详细的说明:
实施例1
基本如附图4所示:用于DOA估计的阵列信号处理方法,包括如下步骤:
接收步骤:利用传感器组成阵列接收目标信号;
处理步骤:对接收到的目标信号进行先进行幅值调整,再进行滤波、放大,然后构造空间向量矩阵;
计数步骤:对用于接收目标信号的传感器进行计数;
求解步骤:当计数步骤所获取的值为0-16时,采用QR算法,求解空间向量矩阵特征值和特征向量;当计数步骤所获取的值大于17时,采用Jacobi算法,求解空间向量矩阵特征值和特征向量;
搜索步骤:谱峰搜索获得定位参数;
显示步骤:将定位结果由显示电路显示。
对比例1
与实施例1相比,不同之处仅在于,不含计数步骤,在求解步骤中,采用QR算法求解空间向量矩阵特征值和特征向量。
对比例2
与实施例1相比,不同之处仅在于,不含计数步骤,在求解步骤中,采用Jacobi算法求解空间向量矩阵特征值和特征向量。
实验过程,对对比例1和对比例2提供的方法进行仿真实验,实验中阵元数范围为[6,25],波长λ=1m,粗搜步长q=1.2°,细搜步长p=0.048°,快拍数N=300,均匀线阵,阵元间距d=0.5m,信噪比为10dB,信号源数为三个且信号之间相互独立,信号间角度差为15°,分别为5°、20°、35°,分别实验500次。
实施例1在实验过程中,阵元数为3,即采用的是QR算法。
实验结果如图1所示,从实验结果上来看,Jacobi算法与QR算法造成的角度估计的误差较小,误差的数量级仅为10-3,但明显QR算法的误差更小,精度更高。本实施例提供的方法,等同于以阵元数16为分割线,在阵元数为0-16时,采用的是QR算法;当阵元数大于17时,采用的是Jacobi算法。实施例1的仿真结果如图2所示。
图3为用本方法作为DOA估计的仿真结果。从图3中可以明显的看到三个波峰非常尖锐、明显,可以准确的估计波达方向。
在运算量上:Jacobi算法的运算量约为50n3,QR分解法的运算量则约为3n4,n表示阵元数。在不同的阵元数的情况下,达到了既保证精度,也减小运算量的效果。
用于DOA估计的阵列信号处理***,包括:
接收传感器阵列,接收传感器阵列包括计数器和多个可拆卸的传感器,传感器用于接收目标信号,计数器记录传感器的数量;
信号预处理模块,信号处理模块包括增益控制电路和低噪滤波电路,用于对接收信号进行幅值调整和低噪滤波;
算法执行模块,算法执行模块包括多路AD采样电路、处理器及***电路和存储器,用于将模拟接收信号转换为数字量,处理器用于将数字量转换成空间向量矩阵,处理器用于接收计数器记录的传感器的数量信息,当传感器数量为0-16时,处理器该空间向量矩阵采用QR算法进行特征分解;当传感器数量大于17时,处理器该空间向量矩阵采用Jacobi算法进行特征分解,然后预估信号源数,构成噪声子空间,然后进行谱峰搜索获得定位参数;
定位结果显示模块,用于显示波达方向信息。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (6)
1.用于DOA估计的阵列信号处理方法,其特征在于,包括如下步骤:
接收步骤:利用传感器组成阵列接收目标信号;
处理步骤:对接收到的目标信号进行滤波、放大,然后构造空间向量矩阵;
计数步骤:对用于接收目标信号的传感器进行计数;
求解步骤:根据计数步骤所得的值,选取QR算法或者Jacobi算法,求解空间向量矩阵特征值和特征向量;
搜索步骤:谱峰搜索获得定位参数;
显示步骤:将定位结果由显示电路显示。
2.根据权利要求1所述的用于DOA估计的阵列信号处理方法,其特征在于,求解步骤中,根据计数步骤所得的值具体为:当计数步骤所获取的值为0-16时,采用QR算法,当计数步骤所获取的值大于17时,采用Jacobi算法。
3.根据权利要求1所述的用于DOA估计的阵列信号处理方法,其特征在于,处理步骤中,在对接收到的目标信号进行滤波、放大前,先对信号进行幅值调整。
4.用于DOA估计的阵列信号处理***,其特征在于,包括:
接收传感器阵列,接收传感器阵列包括计数器和多个传感器,传感器用于接收目标信号,计数器记录传感器的数量;
信号预处理模块,信号处理模块包括增益控制电路和低噪滤波电路,用于对接收信号进行幅值调整和低噪滤波;
算法执行模块,算法执行模块包括多路AD采样电路、处理器、***电路和存储器,用于将模拟接收信号转换为数字量,处理器用于将数字量转换成空间向量矩阵,处理器用于接收计数器记录的传感器的数量信息,处理器根据传感器的数量对该空间向量矩阵以不同的方法进行特征分解,预估信号源数,构成噪声子空间,然后进行谱峰搜索获得定位参数;
定位结果显示模块,用于显示波达方向信息。
5.根据权利要求4所述的用于DOA估计的阵列信号处理***,其特征在于,传感器数量与处理器对空间向量矩阵进行特征分解方法的关系为:当传感器数量为0-16时,采用QR算法,当传感器数量大于17时,采用Jacobi算法。
6.根据权利要求4或5所述的用于DOA估计的阵列信号处理***,其特征在于,接收传感器阵列中用于接收目标信号的传感器的数目可调。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710225711.2A CN107092006B (zh) | 2017-04-07 | 2017-04-07 | 用于doa估计的阵列信号处理方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710225711.2A CN107092006B (zh) | 2017-04-07 | 2017-04-07 | 用于doa估计的阵列信号处理方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107092006A true CN107092006A (zh) | 2017-08-25 |
CN107092006B CN107092006B (zh) | 2019-12-06 |
Family
ID=59646455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710225711.2A Expired - Fee Related CN107092006B (zh) | 2017-04-07 | 2017-04-07 | 用于doa估计的阵列信号处理方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107092006B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108919176A (zh) * | 2018-02-28 | 2018-11-30 | 哈尔滨工程大学 | 一种单矢量传感器增秩music测向技术 |
CN109031193A (zh) * | 2018-07-05 | 2018-12-18 | 中国人民解放军国防科技大学 | 一种基于信号到达方向的室内非法信号源定位***及方法 |
CN113189539A (zh) * | 2021-06-30 | 2021-07-30 | 成都华日通讯技术股份有限公司 | 一种基于测向设备的空域滤波方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1746697A (zh) * | 2005-10-18 | 2006-03-15 | 电子科技大学 | 一种芯片可实现的多信号分类算法 |
CN103018730A (zh) * | 2012-11-27 | 2013-04-03 | 西安电子科技大学 | 分布式子阵波达方向估计方法 |
CN103344940A (zh) * | 2013-06-21 | 2013-10-09 | 哈尔滨工业大学深圳研究生院 | 低复杂度的doa估计方法及*** |
CN104360310A (zh) * | 2014-12-03 | 2015-02-18 | 吉林大学 | 一种多目标近场源定位方法和装置 |
CN105608057A (zh) * | 2015-12-09 | 2016-05-25 | 合肥工业大学 | 一种分时复用硬件资源的信号子空间分解的fpga实现模块及其fpga实现方法 |
-
2017
- 2017-04-07 CN CN201710225711.2A patent/CN107092006B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1746697A (zh) * | 2005-10-18 | 2006-03-15 | 电子科技大学 | 一种芯片可实现的多信号分类算法 |
CN103018730A (zh) * | 2012-11-27 | 2013-04-03 | 西安电子科技大学 | 分布式子阵波达方向估计方法 |
CN103344940A (zh) * | 2013-06-21 | 2013-10-09 | 哈尔滨工业大学深圳研究生院 | 低复杂度的doa估计方法及*** |
CN104360310A (zh) * | 2014-12-03 | 2015-02-18 | 吉林大学 | 一种多目标近场源定位方法和装置 |
CN105608057A (zh) * | 2015-12-09 | 2016-05-25 | 合肥工业大学 | 一种分时复用硬件资源的信号子空间分解的fpga实现模块及其fpga实现方法 |
Non-Patent Citations (1)
Title |
---|
周德才 孙亦鸣: "《计算机随机模拟原理、方法及计算程序》", 30 November 1998 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108919176A (zh) * | 2018-02-28 | 2018-11-30 | 哈尔滨工程大学 | 一种单矢量传感器增秩music测向技术 |
CN108919176B (zh) * | 2018-02-28 | 2022-04-05 | 哈尔滨工程大学 | 一种单矢量传感器增秩music测向技术 |
CN109031193A (zh) * | 2018-07-05 | 2018-12-18 | 中国人民解放军国防科技大学 | 一种基于信号到达方向的室内非法信号源定位***及方法 |
CN109031193B (zh) * | 2018-07-05 | 2021-04-16 | 中国人民解放军国防科技大学 | 一种基于信号到达方向的室内非法信号源定位***及方法 |
CN113189539A (zh) * | 2021-06-30 | 2021-07-30 | 成都华日通讯技术股份有限公司 | 一种基于测向设备的空域滤波方法 |
CN113189539B (zh) * | 2021-06-30 | 2021-09-28 | 成都华日通讯技术股份有限公司 | 一种基于测向设备的空域滤波方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107092006B (zh) | 2019-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102419430B (zh) | 一种基于平行基线的圆阵相位干涉仪二维测向方法 | |
CN103941220B (zh) | 一种基于稀疏重构的网格外目标波达方向估计方法 | |
Rangarao et al. | gold-MUSIC: A Variation on MUSIC to Accurately Determine Peaks of the Spectrum | |
CN107092006A (zh) | 用于doa估计的阵列信号处理方法和*** | |
CN106569172B (zh) | 二维doa估计方法 | |
CN107505602A (zh) | 嵌套阵下基于dft的doa估计方法 | |
CN110244272B (zh) | 基于秩一去噪模型的波达方向估计方法 | |
Ammari et al. | Target identification using dictionary matching of generalized polarization tensors | |
CN109782238B (zh) | 一种传感器阵列阵元幅相响应和阵元位置的联合校准方法 | |
CN103235282B (zh) | 一种l型二维天线阵列去耦自校正及波达方向估计方法 | |
CN103323845B (zh) | 一种非均匀采样综合孔径辐射计的图像反演方法 | |
CN103369466A (zh) | 一种地图匹配辅助室内定位方法 | |
CN105066996B (zh) | 自适应矩阵卡尔曼滤波姿态估计方法 | |
CN104076332A (zh) | 一种雷达均匀线性阵列幅度和相位的估计方法 | |
CN109597021B (zh) | 一种波达方向估计方法及装置 | |
CN110361691A (zh) | 基于非均匀阵列的相干信源doa估计fpga实现方法 | |
CN104931923A (zh) | 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 | |
CN112130111A (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
GB2431051A (en) | System for correcting amplitude and phase errors across an antenna array | |
CN108680894A (zh) | 一种基于重构累积量矩阵的混合场信源定位方法 | |
CN105046072B (zh) | 基于压缩感知理论的二维到达角估计方法 | |
CN111551897A (zh) | 传感器位置先验观测误差存在下基于加权多维标度和多项式求根的tdoa定位方法 | |
CN114061451A (zh) | 超精密位置探测光电信号数据拟合方法及其装置 | |
CN113075610A (zh) | 一种基于互质极化阵列的差分阵列内插的doa估计方法 | |
CN109870670B (zh) | 一种基于阵列重构的混合信号参数估计方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191206 |
|
CF01 | Termination of patent right due to non-payment of annual fee |