CN109061554B - 一种基于空间离散网格动态更新的目标到达角度估计方法 - Google Patents
一种基于空间离散网格动态更新的目标到达角度估计方法 Download PDFInfo
- Publication number
- CN109061554B CN109061554B CN201810668565.5A CN201810668565A CN109061554B CN 109061554 B CN109061554 B CN 109061554B CN 201810668565 A CN201810668565 A CN 201810668565A CN 109061554 B CN109061554 B CN 109061554B
- Authority
- CN
- China
- Prior art keywords
- discrete grid
- target
- array
- noise
- discrete
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 51
- 239000013598 vector Substances 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012887 quadratic function Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 239000000654 additive Substances 0.000 claims description 4
- 230000000996 additive effect Effects 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 abstract description 6
- 230000006978 adaptation Effects 0.000 abstract 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供的是一种基于空间离散网格动态更新的目标到达角度估计方法,主要是为了解决阵列信号处理问题上DOA估计过程中所面临的空间离散网格失配的问题,属于阵列信号处理技术领域。对信号采样协方差矩阵进行特征值分解,通过基追踪的方法,找到距离真实角度最近的离散点,之后通过迭代对离散网格点进行动态更新,使离散网格点不断逼近目标的真实DOA值,从而进行多个目标到达角度的精确估计。本发明利用空间离散网格动态学习的方法有效的解决了空间离散网格适配问题,使得本算法即使在空间离散网格步长很大的情况下,依旧能够迅速的估计出DOA并保持很高的目标估计精度。
Description
技术领域
本发明涉及一种均匀线阵上的基于空间离散网格动态更新的目标到达角度估计方法,属于阵列信号处理技术领域。
背景技术
阵列信号处理技术利用多传感器进行信号测量,从而利用信号的空域特性获得额外的空域自由度,相对于传统的一维信号处理技术具有较高的信号增益、强抗干扰性、高分辨率的优点。阵列信号处理技术经过多年的发展,已成功应用于天文观测、雷达、声呐、通信***以及生物医学等领域。阵列信号处理技术主要包括自适应波束形成技术,高分辨率空间谱估计技术。目标到达角度方向估计即是高分辨率空间谱估计的重要内容。经过几十年的发展,目标到达角度估计算法已经发展出了最大似然估计(Maximum likehood,ML)算法,Capon算法等,此外,受近十年来蓬勃发展的稀疏重构技术的影响,利用目标信号在空域的特性,诞生了一批基于稀疏重构的目标到达角度估计算法。
离散网格失配问题是阵列信号处理中一个重要研究内容,主要出现在谱峰搜索、基于压缩感知的稀疏重构算法等需要将连续变量分解为离散变量的问题中。对于需要谱峰搜索的目标到达角度估计算法,主要有Capon算法、MUSIC算法两种,这两种算法将空间角度离散化分之后,需要以各个离散点构造阵列导向矢量来构成谱函数。通常为了尽可能避免或者降低离散网格误差的影响,需要尽可能使用密集的空间网格划分,然而密集的网格划分也不能完全保证真实的目标到达角度落在离散划分的网格点上,而且随着离散网格划分越密集,离散网格点数大大增加会使得计算复杂度增加。在谱搜索类算法中,通常在初始网格上得到的谱峰附近进行更精细的搜索,这在一定程度上会改善搜索类算法的离散网格失配问题,但是并没有能够从根本上消除离散网格误差。稀疏重构类算法主要是在有限的离散空间网格上构造稀疏字典,同样的,无论网络划分多么密集,都不能保证目标包含在离散网格中,此外,过密的空间网格会导致稀疏字典的相关性增加。根据约束等距条件可知,稀疏重构算法恢复效果在稀疏字典相关性低的时候最好,随着稀疏字典列向量的相关性增加,稀疏重构算法的恢复效果反而会变差。
发明内容
本发明提供了一种基于空间离散网格动态更新的目标到达角度估计方法,目的在于针对稀疏重构下的离散网格失配问题,提出一种基于空间离散网格动态更新的目标到达角度估计方法。
为实现本发明的目的,本发明提供的方法首先利用基追踪方法找到距离真实角度最近的离散网格点,通过在该点进行泰勒展开估计出空间离散网格误差,结合离散网格误差通过迭代的方法不断更新空间离散网格,使得离散网格点不断靠近目标的真实到达角度,之后再利用更新后的离散网格构造稀疏字典结合稀疏重构的方法获得稳健的目标到达角度估计值。
本发明提供的一种基于空间离散网格动态更新的目标到达角度估计方法,包括以下步骤:
步骤一、计算阵列天线的协方差矩阵;
步骤二、计算噪声子空间;
步骤三、构造广义阵列流型矩阵稀疏字典;
步骤四、求解距离真是目标到达角度最近的离散网格点;
步骤五、计算离散网格误差;
步骤六、迭代更新离散网格点;
步骤七、获得稳健目标到达角度估计值。
本发明目标参数估计主要包括以下几个方面:
1.将采样协方差矩阵矢量化,构造广义阵列流型矩阵,并基于广义阵列流型矩阵划分稀疏完备字典
如图2所示,本发明所用模型是由M个天线阵元组成的均匀线阵,阵元间距均为半波长。图中Θ=[φ1,...,φL]即是按照角度空间离散划分的网格点。
第二个广义协方差矩阵为
式中
a(θk)为阵列的导向矢量。
3.利用泰勒展开,得到离散网格误差
利用(7)中计算的得到的离散网格点,分别在第k个信源的真实导向矢量a(θk)进行一阶泰勒级数展开,得到下式
其中,
4.利用迭代方法,结合估计出的离散网格点以及对应的离散网格误差动态更新空间离散网格点
空间离散网格随着迭代计算,不断更新,逼近真实目标到达角度,当迭代次数达到上限或者满足如下条件时,退出迭代过程,并输出稳健优化的空间离散网格点。
式中ε为判断阈值,是一个极小量,·(i)表示第i迭代的结果。
5.利用迭代更新输出的稳健优化的空间离散网格点构造广义阵列流型矩阵稀疏字典,通过稀疏重构的算法恢复出稳健高精度的目标到达角度。
与现有技术相比,本发明提供的方法具有以下优势:
1、本发明利用泰勒展开估计出离散网格误差,使得本算法在面临离散网格失配问题时仍能有较高的估计精度。
2、与传统的阵列信号处理算法相比,本发明基于离散网格动态更新的算法能够将求解失配误差的问题转化成一个求解一元二次函数最小值的问题,从而能够在降低计算复杂度的前提下,通过迭代的方法实现离散网格的动态更新。
3、本发明基于稀疏重构算法,利用动态更新的稀疏字典,能够高效准确地估计出目标到达角度方向,有效解决离散网格失配问题,使估计精度能够逼近克拉美罗下界。
附图说明
图1是本发明的整体结构框架图;
图2是本发明的简化模型示意图;
图3是本发明的角度估计性能图;
图4是本发明、空间离散网格动态更新算法对目标到达角度估计的均方根误差随着信噪比的变化曲线;
图5是本发明、空间离散网格动态更新算法对目标到达角度估计的均方根误差随着快拍数的变化曲线;
图6是本发明、空间离散网格动态更新算法对目标到达角度估计的均方根误差随着离散网格初始划分步长的变化曲线;
图7是本发明、空间离散网格动态更新算法对目标到达角度估计的均方根误差随着迭代次数的变化曲线。
具体实施方式
下面结合附图对本发明提供的方法作更详细的描述:
步骤一、计算阵列天线的协方差矩阵
假设均匀线阵的天线阵元位置为d=[d0,d1,...,dM-1]T,不失一般性的假设第一个天线为 d0=0,则dm=(m-1)d。如果有K个远场且互不相关的目标照射到线阵上,假设目标来波方向为θ=[θ1,θ2,...,θK]T,其中θk为第k个目标的来波方向,则在第t个快拍下的目标基带接收信号可以表示为:
根据(14)给出的接收信号数学模型,理想阵列接收信号的协方差矩阵可以表示为:
式中为信号协方差矩阵,Rn=E[n(t)nH(t)]为噪声协方差矩阵,对于加性高斯白噪声,Rn可以表示为其中IM为M×M的单位阵。由于在实际应用中,仅有有限个接收快拍可供使用,因此理想阵列接收信号协方差矩阵通常需要采用采样数据协方差矩阵替代:
式中T表示快拍数。
步骤二、计算噪声子空间
步骤三、构造广义阵列流型矩阵稀疏字典
φl为空间离散网格集Θ中的离散网格点,L为空间离散网格集Θ的长度。
步骤四、求解距离真是目标到达角度最近的离散网格点
根据正交匹配追踪算法可知,在广义阵列流型矩阵稀疏字典中的稀疏基与测量向量具有相关性:与的相关性越强,则表示该稀疏基所对应的空间离散网格点φl越靠近真实的目标来波方向。根据此原理,可以构造如下的优化函数,找出K个与测量向量相关性最大的稀疏基。
则K个稀疏基所对应的离散网格点构成的向量可表示如下:
步骤五、计算离散网格误差
由于信号子空间与噪声子空间具有正交特性,则可以构造如下的优化函数,
式中,
步骤六、迭代更新离散网格点
重复步骤三至步骤五,不断迭代更新离散网格点集ΘΩ和对应的离散网格误差集βΩ,直到满足如下条件或达到迭代次数上限,
式中ε为一个极小量,·(i)表示第i迭代的结果。
步骤七、获得稳健目标到达角度估计值
利用上述迭代更新出的最优空间离散网格构造稀疏字典,采用稀疏重构算法给出如下优化方程,从而确定出精确稳健的目标到达角度值。
下面用实例对本发明的有效性可通过以下方针说明:
(一)仿真条件与内容
1.存在离散网格误差情况下均匀线阵的目标到达角度估计性能
考虑一个有10个阵元组成的均匀线阵(M=10),阵元间距均为半波长。假设存在三个远场非相干的信号,其来波方向分别是-13.8597°,4.3692°,30.2096°。此外,假设接收信号的噪声项为零均值的高斯白噪声,方差为且有源信号与噪声项互不相关。在信噪比SNR=20dB,快拍数T=320的设置下,将空间角度-90°~90°按照步长为4°均匀划分,构成初始的空间网格。
2.本发明对目标到达角度估计的均方根误差随信噪比的变化
考虑一个有10个阵元组成的均匀线阵(M=10),阵元间距均为半波长。快拍数为T=500。假设存在三个远场非相干的信号,其来波方向分别是-13.8597°,4.3692°,30.2096°。此外,假设接收信号的噪声项为零均值的高斯白噪声,方差为且有源信号与噪声项互不相关。在仿真中,空间离散网格的初始划分步长为2°。这里将角度估计的均方根误差(RMSE)定义为式中是第q次Monte-Carlo仿真实验的第k个目标的估计值;Q是Monte-Carlo仿真实验次数;K为估计目标数。这里独立进行1000次Monte-Carlo 试验,信噪比从-10dB变化到20dB,间隔为2dB。
3.本发明对目标到达角度估计的均方根误差随快拍数的变化关系
考虑一个有10个阵元组成的均匀线阵(M=10),阵元间距均为半波长。信噪比为SNR=10dB。假设存在三个远场非相干的信号,其来波方向分别是-13.8597°,4.3692°,30.2096°。此外,假设接收信号的噪声项为零均值的高斯白噪声,方差为且有源信号与噪声项互不相关。在仿真中,空间离散网格的初始划分步长为2°。这里将角度估计的均方根误差(RMSE)定义为式中是第q次Monte-Carlo仿真实验的第k个目标的估计值;Q是Monte-Carlo仿真实验次数;K为估计目标数。这里独立进行1000次Monte-Carlo试验,快拍数从32变化到1000,步长间隔为32。
4.本发明对目标到达角度估计在不同初始空间化分步长中的均方根误差随信噪比的变化关系
考虑一个有10个阵元组成的均匀线阵(M=10),阵元间距均为半波长。快拍数为T=500。假设存在三个远场非相干的信号,其来波方向分别是-13.8597°,4.3692°,30.2096°。此外,假设接收信号的噪声项为零均值的高斯白噪声,方差为且有源信号与噪声项互不相关。这里将角度估计的均方根误差(RMSE)定义为式中是第q次Monte-Carlo仿真实验的第k个目标的估计值;Q是Monte-Carlo仿真实验次数;K为估计目标数。这里独立进行1000次Monte-Carlo试验,信噪比从-10dB变化到20dB,步长间隔为2dB。初始划分步长分别是2°,4°,6°,8°。
5.本发明对目标到达角度估计在不同初始空间化分步长中的均方根误差随迭代次数的变化关系
考虑一个有10个阵元组成的均匀线阵(M=10),阵元间距均为半波长。快拍数为T=500,信噪比为SNR=10dB。假设存在三个远场非相干的信号,其来波方向分别是-13.8597°, 4.3692°,30.2096°。此外,假设接收信号的噪声项为零均值的高斯白噪声,方差为且有源信号与噪声项互不相关。这里将角度估计的均方根误差(RMSE)定义为式中是第q次Monte-Carlo仿真实验的第k个目标的估计值;Q是Monte-Carlo仿真实验次数;K为估计目标数。这里独立进行1000次Monte-Carlo试验,初始划分步长分别是2°,4°,6°,8°,迭代次数上限为8。
(二)仿真结果
1.存在离散网格误差情况下均匀线阵的目标到达角度估计性能
图3中分别给出了MUSIC算法、常规OMP算法以及本发明所提出的目标到达角度估计算法的归一化空间谱。从图中可以直观地看到本发明提出的基于离散网格动态更新的目标到达角度估计算法的谱峰能够精确地对准目标的真实角度,而由于离散网格误差的存在,MUSIC算法和常规OMP算法都无法获得精确的空间谱。图3可以直观地证明本发明在目标到达角度上的优异性。
2.单基地本发明对目标到达角度估计的均方根误差随信噪比的变化
图4是本发明与ESPRIT算法、MUSIC算法、常规OMP算法以及离网稀疏贝叶斯推论(off-grid sparse Bayesian inference,OGSBI)算法对目标到达角度估计的均方根误差随信噪比变化的关系图,同时图中也画出了该***模型的克拉美罗下界(CRLB)。图中可以看出本发明在较低信噪比的情况下的估计性能明显优于MUSIC、ESPRIT等算法,在高信噪比条件下也展现出优异的性能,同时可以看出本发明的RMSE曲线逐渐逼近克拉美罗下界(CRLB)。说明本发明所提的基于离散网格动态更新算法具有优异的目标到达角度估计性能。
3.单本发明对目标到达角度估计的均方根误差随快拍数的变化关系
图5为本发明与ESPRIT算法、MUSIC算法、常规OMP算法以及离网稀疏贝叶斯推论(off-grid sparse Bayesian inference,OGSBI)算法对目标到达角度估计的均方根误差随信噪比变化的关系图,同时图中也画出了该***模型的克拉美罗下界(CRLB)。从图中可以看出,MUSIC 算法和常规OMP算法的估计性能比价差。对于ESPRIT算法和OGSBI算法而言,虽然其估计性能相对MUSIC算法和常规OMP算法有了显著提高,但从图中可以看出,本发明提出的基于离散网格动态更新的算法的估计性能逐渐逼近CRLB,显示出稳健的估计性能。
4.本发明对目标到达角度估计在不同初始空间化分步长中的均方根误差随信噪比的变化关系
图6为本发明与离网稀疏贝叶斯推论(off-grid sparse Bayesian inference,OGSBI)算法在不同初始划分网格步长的情况下的目标到达角度估计性能。从图6可以看到OGSBI算法的估计性能受初始划分网格步长的影响比较大,相对地,本发明提出的基于离散网格动态更新的算法不会受初始划分网格步长的影响,依旧可以逼近CRLB,且随着信噪比(SNR)增大仍旧展示出较高的估计精度。
5.本发明对目标到达角度估计在不同初始空间划分步长中的均方根误差随迭代次数的变化关系
图7给出了本发明在不同初始划分网格步长下的均方根误差随着迭代次数的变化的曲线。可以看到,在初始划分网格步长较小的情况下,本发明提出的基于离散网格动态更新的算法仅需要两次迭代即可收敛到真实目标角度附近;而当初始网格划分步长较大时,经过三次迭代也能逐渐收敛,体现了较强的鲁棒性。
Claims (5)
1.一种基于空间离散网格动态更新的目标到达角度估计方法,其特征在于:包括以下步骤:
步骤一、计算阵列天线的协方差矩阵;
步骤二、计算噪声子空间;
步骤三、构造广义阵列流型矩阵稀疏字典;
步骤四、求解距离真实目标到达角度最近的离散网格点;
步骤五、计算离散网格误差;
步骤六、迭代更新离散网格点;
步骤七、获得稳健目标到达角度估计值;
所述的求解距离真实目标到达角度最近的离散网格点过程如下:根据正交匹配追踪算法可知,在广义阵列流型矩阵稀疏字典中的稀疏基与测量向量具有相关性:与的相关性越强,则表示该稀疏基所对应的空间离散网格点φl越靠近真实的目标来波方向,构造如下的优化函数,找出K个与测量向量相关性最大的稀疏基,
则K个稀疏基所对应的离散网格点构成的向量可表示如下:
由于信号子空间与噪声子空间具有正交特性,则可以构造如下的优化函数,
式中,
2.根据权利要求1所述的一种基于空间离散网格动态更新的目标到达角度估计方法,其特征在于:所述的协方差矩阵计算过程具体如下:假设均匀线阵的天线阵元位置为d=[d0,d1,...,dM-1]T,不失一般性的假设第一个天线为d0=0,则dm=(m-1)d,如果有K个远场且互不相关的目标照射到线阵上,假设目标来波方向为θ=[θ1,θ2,...,θK]T,其中θk为第k 个目标的来波方向,则在第t个快拍下的目标基带接收信号可以表示为:
根据(1)给出的接收信号数学模型,理想阵列接收信号的协方差矩阵可以表示为:
R=E[y(t)yH(t)]
=AE[s(t)sH(t)]AH+E[n(t)nH(t)]
=ARsAH+Rn
式中T表示快拍数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810668565.5A CN109061554B (zh) | 2018-06-26 | 2018-06-26 | 一种基于空间离散网格动态更新的目标到达角度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810668565.5A CN109061554B (zh) | 2018-06-26 | 2018-06-26 | 一种基于空间离散网格动态更新的目标到达角度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109061554A CN109061554A (zh) | 2018-12-21 |
CN109061554B true CN109061554B (zh) | 2022-07-15 |
Family
ID=64821621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810668565.5A Active CN109061554B (zh) | 2018-06-26 | 2018-06-26 | 一种基于空间离散网格动态更新的目标到达角度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061554B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110247189B (zh) * | 2019-05-07 | 2021-02-23 | 中国联合网络通信集团有限公司 | 一种天线调整方法和装置 |
CN110579737B (zh) * | 2019-07-17 | 2022-10-11 | 电子科技大学 | 一种杂波环境中基于稀疏阵列的mimo雷达宽带doa计算方法 |
CN110636018B (zh) * | 2019-09-29 | 2021-12-24 | 哈尔滨工程大学 | 一种网格补偿大规模mimo信道估计方法 |
CN110764047B (zh) * | 2019-10-25 | 2022-08-02 | 哈尔滨工程大学 | 一种稀疏表示模型下优化正则参数的目标角度估计方法 |
CN111046591B (zh) * | 2019-12-31 | 2022-07-15 | 哈尔滨工程大学 | 传感器幅相误差与目标到达角度的联合估计方法 |
CN111273299B (zh) * | 2020-02-21 | 2023-01-03 | 西北工业大学 | 一种针对组网声纳的水下分布式压制性干扰布置方法 |
WO2021243529A1 (zh) * | 2020-06-01 | 2021-12-09 | 华为技术有限公司 | 一种波达角aoa估计方法和装置 |
CN113281795B (zh) * | 2021-05-06 | 2023-08-01 | 国网福建省电力有限公司 | 基于北斗和超宽带***中联合稀疏恢复室内定位方法 |
CN113740797B (zh) * | 2021-09-09 | 2023-10-03 | 哈尔滨工程大学 | 一种透镜阵列下的高精度单快拍目标到达角度估计方法 |
CN115792792B (zh) * | 2022-11-22 | 2023-10-27 | 中国人民解放军空军预警学院 | 极低样本下基于协方差矩阵迭代估计的测向方法与*** |
CN115656998B (zh) * | 2022-11-22 | 2023-06-13 | 中国人民解放军空军预警学院 | 一种低样本数下阵列信号自适应检测方法与*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247058A (zh) * | 2013-05-13 | 2013-08-14 | 北京工业大学 | 一种基于误差分布式多层网格的快速光流场计算方法 |
CN103513250A (zh) * | 2012-06-20 | 2014-01-15 | 中国科学院声学研究所 | 一种基于鲁棒自适应波束形成原理的模基定位方法及*** |
CN104539340A (zh) * | 2014-12-26 | 2015-04-22 | 南京邮电大学 | 一种基于稀疏表示和协方差拟合的稳健波达角估计方法 |
CN105405125A (zh) * | 2015-10-27 | 2016-03-16 | 哈尔滨工程大学 | 一种自适应阶梯初始化的窄带Chan-Vese模型水下多目标分割方法 |
WO2018035097A1 (en) * | 2016-08-16 | 2018-02-22 | Lockheed Martin Corporation | Determination system for the direction of arrival of a signal and for electronic attack |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2998976B1 (fr) * | 2012-11-30 | 2015-01-16 | Thales Sa | Procede et systeme de determination d'une erreur de l'estimation du temps de la traversee de la ionosphere |
-
2018
- 2018-06-26 CN CN201810668565.5A patent/CN109061554B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103513250A (zh) * | 2012-06-20 | 2014-01-15 | 中国科学院声学研究所 | 一种基于鲁棒自适应波束形成原理的模基定位方法及*** |
CN103247058A (zh) * | 2013-05-13 | 2013-08-14 | 北京工业大学 | 一种基于误差分布式多层网格的快速光流场计算方法 |
CN104539340A (zh) * | 2014-12-26 | 2015-04-22 | 南京邮电大学 | 一种基于稀疏表示和协方差拟合的稳健波达角估计方法 |
CN105405125A (zh) * | 2015-10-27 | 2016-03-16 | 哈尔滨工程大学 | 一种自适应阶梯初始化的窄带Chan-Vese模型水下多目标分割方法 |
WO2018035097A1 (en) * | 2016-08-16 | 2018-02-22 | Lockheed Martin Corporation | Determination system for the direction of arrival of a signal and for electronic attack |
Non-Patent Citations (1)
Title |
---|
"基于压缩感知的阵列DOA估计";黄祖镇;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20140315;第I136-80页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109061554A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061554B (zh) | 一种基于空间离散网格动态更新的目标到达角度估计方法 | |
WO2021139208A1 (zh) | 一种基于特定频率组合信号的一维doa估计方法 | |
CN111337893B (zh) | 一种基于实值稀疏贝叶斯学习的离格doa估计方法 | |
CN108896954B (zh) | 互质阵中一种基于联合实值子空间的波达角估计方法 | |
CN109633522B (zh) | 基于改进的music算法的波达方向估计方法 | |
CN110109050B (zh) | 嵌套阵列下基于稀疏贝叶斯的未知互耦的doa估计方法 | |
CN110197112B (zh) | 一种基于协方差修正的波束域Root-MUSIC方法 | |
CN106501765B (zh) | 一种基于平方和与半定规划的最大似然波达方向估计方法 | |
CN109239649B (zh) | 一种阵列误差条件下的互质阵列doa估计新方法 | |
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 | |
CN113567913B (zh) | 基于迭代重加权可降维的二维平面doa估计方法 | |
Miron et al. | Multilinear direction finding for sensor-array with multiple scales of invariance | |
CN112130111A (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
CN105572629B (zh) | 一种适用于任意阵列结构的低运算复杂度的二维测向方法 | |
CN109696651B (zh) | 一种基于m估计的低快拍数下波达方向估计方法 | |
CN113466782B (zh) | 一种基于深度学习(dl)的互耦校正doa估计方法 | |
CN111368256B (zh) | 一种基于均匀圆阵的单快拍测向方法 | |
CN113671439A (zh) | 基于非均匀智能超表面阵列的无人机集群测向***及方法 | |
CN114460531A (zh) | 一种均匀线阵music空间谱估计方法 | |
Huang et al. | Off-grid DOA estimation in real spherical harmonics domain using sparse Bayesian inference | |
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 | |
CN116699511A (zh) | 一种多频点信号波达方向估计方法、***、设备及介质 | |
CN108594165B (zh) | 一种基于期望最大化算法的窄带信号波达方向估计方法 | |
CN115248413A (zh) | 一种适用于非均匀线阵的离格信号波达方向估计方法 | |
CN113791379A (zh) | 嵌套阵列非高斯环境下的正交匹配追踪doa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 |