CN110208738B - 基于阵列调制宽带转换器的信号频率与二维doa联合估计方法 - Google Patents
基于阵列调制宽带转换器的信号频率与二维doa联合估计方法 Download PDFInfo
- Publication number
- CN110208738B CN110208738B CN201910510847.7A CN201910510847A CN110208738B CN 110208738 B CN110208738 B CN 110208738B CN 201910510847 A CN201910510847 A CN 201910510847A CN 110208738 B CN110208738 B CN 110208738B
- Authority
- CN
- China
- Prior art keywords
- axis
- array
- matrix
- frequency
- channel
- 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 31
- 238000005070 sampling Methods 0.000 claims abstract description 46
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 47
- 239000013598 vector Substances 0.000 claims description 18
- 238000003491 array Methods 0.000 claims description 16
- 230000003111 delayed effect Effects 0.000 claims description 16
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 10
- 238000001228 spectrum Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 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
- G01S3/74—Multi-channel systems specially adapted for direction-finding, i.e. having a single antenna system capable of giving simultaneous indications of the directions of different 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
- 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
- G01S3/78—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 electromagnetic waves other than radio waves
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
基于阵列调制宽带转换器的信号频率与二维DOA联合估计方法,属于信号处理领域。本发明为了解决针对奈奎斯特采样理论下多频带信号空频域参数估计的采样率高的问题,以及双L型阵列MWC的二维DOA和频率的联合估计旋转不变子空间方法中的配对操作比较复杂的问题。本发明首先利用L型延迟阵列传感器采集信号,通过调制宽带转换器***获得x轴、y轴和x轴延迟通道的欠采样值,再利用ESPRIT算法对获得的采样值进行奇异值分解即可直接求得信号的二维DOA和频率参数,无需三维参数的配对,最后恢复信号的时域波形。本发明适用于信号的估计。
Description
技术领域
本发明属于信号处理领域,具体涉及信号频率与二维DOA联合估计方法。
背景技术
阵列信号处理作为信号处理的一个重要分支,在雷达、通信、声呐、地震勘测等领域有着广泛的应用和迅速发展。阵列信号处理是指将一组传感器按一定得规律布置在空间的不同位置上,形成传感器阵列,用来接收空间信号。在实际应用环境中,信号的频率和到达角是对电磁波信号进行识别的重要特征,因此研究对频率和到达角的估计是现代阵列信号处理领域的重要内容。
随着信息技术的飞速发展,随着信号频率的增加,如果使用奈奎斯特采样定理来获得多频带信号,对应的采样数据也在急剧增加,导致传输、存储和处理等方面的巨大挑战。目前模数转换器(Analog to Digital Converter,ADC)采样速度难以满足要求。尤其在阵列信号的情况下,多个传感器节点均向后端数据融合中心发送原始信号,如此大量的数据传输不可避免的会造成传输延时大以及功耗高等问题。因此,尽量的降低采样速率又能实现基于阵列结构的空频域参数联合估计,具有重要的现实意义。
Donoho与Candes等人提出的压缩感知(Compressed Sensing,CS)理论是一个充分利用信号稀疏性或可压缩性的全新信号采集、编解码理论。该理论表明,当信号具有稀疏性或可压缩性时,通过采集少量的信号投影值就可实现信号的准确或近似重构,极大的降低了***的采样速率以及信号处理设备的存储及传输压力。
针对盲谱多频带的欠采样,以色列理工大学电子工程系的Yonina C.Eldar教授及其研究小组提出了调制带宽转换器(Modulated Wideband Converter,MWC)***,MWC***能够针对载频未知的有限带宽的多频带模拟信号进行欠采样,具有良好的处理能力。
综上,将MWC技术与阵列信号处理相结合,在压缩采样下实现信号的二维波达方向(Direction-Of-Arrival,DOA)和频谱的联合估计,有重要的实际应用意义。考虑到基于双L型阵列MWC的二维DOA和频率的联合估计旋转不变子空间(Estimating Signal ViaRotational Invariance Techniques,ESPRIT)方法中的配对操作比较复杂,同时重复的利用x轴阵元接收信号的采样值进行计算造成冗余。
发明内容
本发明为了解决针对奈奎斯特采样理论下多频带信号空频域参数估计的采样率高的问题,以及双L型阵列MWC的二维DOA和频率的联合估计旋转不变子空间方法中的配对操作比较复杂的问题。
x轴每个传感器阵元后连接两个MWC通道,其中一个通道在混频模块前设有一个固定的延时模块,设置已知的延迟时间τ,并满足τ≤1/fNyq;延迟MWC通道延时后的信号、非延迟MWC通道各传感器接收的信号在各自的通道下先与同一个周期为Tp=1/fp的伪随机序列p(t)混频,其中fp为伪随机序列的频率;再经过截止频率为fs/2的低通滤波器后以fs的频率低速采样。
基于阵列调制宽带转换器的信号频率与二维DOA联合估计方法,包括以下步骤:
设有M个互不相关的信源发出窄带信号si(t)入射到该阵列,i∈{1,2,...M},设第i个目标信号的载频为fi,方位角为θi,俯仰角为与x轴的夹角为αi,与y轴的夹角为βi;θi∈(-π/2,π/2),
步骤一、利用L型延迟阵列进行采样,获得每通道采样值;
步骤二、将x轴传感器阵列的N个传感器采样值分为两个子阵x1[k]和x2[k];y轴和x轴延迟通道的采样值采用相同的方式分成两个子阵,分别为y1[k]和y2[k]、z1[k]和z2[k];
步骤三、利用x轴非延迟通道、y轴和x轴延迟通道的采样值计算相关矩阵:
步骤四、构造如下的协方差矩阵
R=[R1;R2;R3;R4;R5;R6]
步骤五、对协方差矩阵R进行奇异值分解,前M个奇异值对应的奇异向量为U;将U分为6个(N-1)×M的子阵;Ui′为(N-1)×M的矩阵,i′=1,...,6;
U=[U1;U2;U3;U4;U5;U6]
步骤六、构造如下的M×M维的矩阵V1、V2和V3:
步骤十一、恢复信号:
向量W(f)是M×1的矩阵,第i个元素为Wi(f)=DTFT{wi[k]},DTFT{·}表示离散时间傅里叶变换;X(f)表示x轴非延迟采样序列的离散时间傅里叶变换后的形式,是N×1的向量,其中第n个元素为Y(f)和Z(f)类似;
步骤十二、恢复窄带目标信号:
其中,f为频率自变量;索引la满足
本发明具有以下有益效果:
本发明提出了一种基于L型延迟阵列MWC采样结构的信号载频与二维DOA联合估计的ESPRIT方法,能够解决奈奎斯特采样理论下多频带信号空频域参数估计的采样率高、硬件成本高等问题。而且本发明利用延迟通道估计载频,可以直接计算三维参数估计问题,无需额外的配对操作;由于增加了延迟通道,可以直接利用延迟通道和未延迟通道的采样值估计载频,利用两个轴阵元接收的信号采样值的相关矩阵直接计算三维参数估计问题,无需额外的配对操作,只需计算一次奇异值分解,减小了算法复杂度。
附图说明
图1为L型延迟阵列结构图;
图2为L型延迟阵列x轴阵元结构图;图2中h(t)表示低通滤波,t=nTs表示低速采样,Ts=1/fs;x1[n]和z1[n]分别表示x轴第一个阵元x1接收信号的非延迟MWC通道与延迟MWC通道的采样值;
图3(a)是原点处阵元接收的信号时域波;图3(b)是原点处阵元接收的信号频谱;
图4(a)是恢复的信号时域波形;图4(b)是恢复的信号频谱;图4(c)是恢复的信号载频;图4(d)是恢复的信号二维DOA。
具体实施方式
具体实施方式一:
基于阵列调制宽带转换器的信号频率与二维DOA联合估计方法,是基于L型延迟阵列结构实现的,所述的L型延迟阵列结构如图1所示,由两个相互正交的均匀直线阵列组成,x轴和y轴均有N个传感器阵元;两个相邻传感器间距其中c为光速;
如图2所示,x轴每个传感器阵元后连接两个MWC通道,其中一个通道在混频模块前设有一个固定的延时模块,设置已知的延迟时间τ,并满足τ≤1/fNyq;延迟MWC通道延时后的信号、非延迟MWC通道各传感器接收的信号在各自的通道下先与同一个周期为Tp=1/fp的伪随机序列p(t)混频,其中fp为伪随机序列的频率;再经过截止频率为fs/2的低通滤波器后以fs的频率低速采样。在一些实施例中,为了计算方便选取fs=fp。
具体实施方式二:
基于阵列调制宽带转换器的信号频率与二维DOA联合估计方法,是基于L型延迟阵列结构实现的,包括以下步骤:
设有M个互不相关的信源发出窄带信号si(t)入射到该阵列,i∈{1,2,...M},设第i个目标信号的载频为fi,方位角为θi,俯仰角为与x轴的夹角为αi,与y轴的夹角为βi;θi∈(-π/2,π/2),
步骤一、利用L型延迟阵列进行采样,获得每通道采样值
x[k]=Axw[k]
y[k]=Ayw[k]
z[k]=Azw[k]
x[k]、y[k]和z[k]分别为x轴非延迟通道、y轴和x轴延迟通道的观测值;Ax、Ay和Az分别为x轴非延迟通道、y轴和x轴延迟通道的阵列流型矩阵,其中元素仅与未知载频、方位角和俯仰角有关;w[k]为长度为M的向量,w[k]的第i个元素为wi[k],wi[k]是原始信号si(t)搬移到基带后的形式;
步骤二、将x轴传感器阵列的N个传感器采样值分为两个子阵,第一个子阵包括传感器{x1,...,xN-1},第二个子阵包括传感器{x2,...,xN};y轴和x轴延迟通道的采样值采用相同的方式分成两个子阵;
步骤三、利用x轴非延迟通道、y轴和x轴延迟通道的采样值计算如下的相关矩阵:
其中,上角标H表示共轭转置;E{·}表示期望;Rw=E{w[k]w[k]H}为信源相关矩阵;Φx、Φy、Φz表示x轴非延迟、y轴和x轴延迟接收信号的旋转矩阵,其中元素如下定义:
Φz=diag{exp(j2πf1τ),...,exp(j2πfMτ)}
步骤四、构造如下的协方差矩阵
R=[R1;R2;R3;R4;R5;R6]
步骤五、对协方差矩阵R进行奇异值分解,前M个奇异值对应的奇异向量为U;将U分为6个(N-1)×M的子阵;Ui′为(N-1)×M的矩阵,i′=1,...,6;
U=[U1;U2;U3;U4;U5;U6]
步骤六、构造如下的M×M维的矩阵V1、V2和V3:
其中,Λ特征向量对应的特征值矩阵;
步骤十一、恢复信号:
向量W(f)是M×1的矩阵,第i个元素为Wi(f)=DTFT{wi[k]},DTFT{·}表示离散时间傅里叶变换;X(f)表示x轴非延迟采样序列的离散时间傅里叶变换后的形式,是N×1的向量,其中第n个元素为Y(f)和Z(f)类似;
步骤十二、恢复窄带目标信号:
其中,f为频率自变量;索引la满足
实施例
设置待测信号M=3,奈奎斯特频率fNyq=10GHz,带宽B=150MHz。调制载频fi在(0,(fNyq-B)/2)范围内选取,方位角θi在(-90°,90°)范围内选取,俯仰角在(0°,90°)范围内选取。设置每轴阵元数N=6,总阵元数为2N-1=11个,而总的通道数为3N-1=17个。每通道的采样率fs=154MHz,每通道快拍值Q=300,信噪比为20dB。图3(a)和图3(b)是原点处阵元接收的信号时域波形与频谱。图4(a)至图4(d)是恢复的信号时域波形、频谱、载频和二维DOA参数。图4(c)中圆圈是原始的,星号是重构的值,在图4(c)中叠在一起;图4(d)中圆圈是原始的,星号是重构的值,在图4(d)中也叠在一起;可以看出重构信号的载频位置和二维DOA参数同原始信号基本相同,时域波形基本一致。
Claims (8)
1.基于阵列调制宽带转换器的信号频率与二维DOA联合估计方法,其特征在于,包括以下步骤:
x轴每个传感器阵元后连接两个MWC通道,其中一个通道在混频模块前设有一个固定的延时模块,设置已知的延迟时间τ,并满足τ≤1/fNyq;延迟MWC通道延时后的信号、非延迟MWC通道各传感器接收的信号在各自的通道下先与同一个周期为Tp=1/fp的伪随机序列p(t)混频,其中fp为伪随机序列的频率;再经过截止频率为fs/2的低通滤波器后以fs的频率低速采样;设有M个互不相关的信源发出窄带信号si(t)入射到该阵列,i∈{1,2,...M},设第i个目标信号的载频为fi,方位角为θi,俯仰角为与x轴的夹角为αi,与y轴的夹角为βi;θi∈(-π/2,π/2),
步骤一、利用L型延迟阵列进行采样,获得每通道采样值;
步骤二、将x轴传感器阵列的N个传感器采样值分为两个子阵x1[k]和x2[k];y轴和x轴延迟通道的采样值采用相同的方式分成两个子阵,分别为y1[k]和y2[k]、z1[k]和z2[k];
步骤三、利用x轴非延迟通道、y轴和x轴延迟通道的采样值计算相关矩阵:
步骤四、构造如下的协方差矩阵
R=[R1;R2;R3;R4;R5;R6]
步骤五、对协方差矩阵R进行奇异值分解,前M个奇异值对应的奇异向量为U;将U分为6个(N-1)×M的子阵;Ui′为(N-1)×M的矩阵,i′=1,...,6;
U=[U1;U2;U3;U4;U5;U6]
步骤六、构造如下的M×M维的矩阵V1、V2和V3:
步骤十一、恢复信号:
向量W(f)是M×1的矩阵,第i个元素为Wi(f)=DTFT{wi[k]},DTFT{·}表示离散时间傅里叶变换;X(f)表示x轴非延迟采样序列的离散时间傅里叶变换后的形式,是N×1的向量,其中第n个元素为Y(f)和Z(f)类似;
步骤十二、恢复窄带目标信号:
其中,f为频率自变量;索引la满足
2.根据权利要求1所述的基于阵列调制宽带转换器的信号频率与二维DOA联合估计方法,其特征在于,步骤一所述利用L型延迟阵列进行采样,获得每通道采样值如下:
x[k]=Axw[k]
y[k]=Ayw[k]
z[k]=Azw[k]
x[k]、y[k]和z[k]分别为x轴非延迟通道、y轴和x轴延迟通道的观测值;Ax、Ay和Az分别为x轴非延迟通道、y轴和x轴延迟通道的阵列流型矩阵;w[k]为长度为M的向量,w[k]的第i个元素为wi[k],wi[k]是原始信号si(t)搬移到基带后的形式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910510847.7A CN110208738B (zh) | 2019-06-13 | 2019-06-13 | 基于阵列调制宽带转换器的信号频率与二维doa联合估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910510847.7A CN110208738B (zh) | 2019-06-13 | 2019-06-13 | 基于阵列调制宽带转换器的信号频率与二维doa联合估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110208738A CN110208738A (zh) | 2019-09-06 |
CN110208738B true CN110208738B (zh) | 2022-12-06 |
Family
ID=67792461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910510847.7A Active CN110208738B (zh) | 2019-06-13 | 2019-06-13 | 基于阵列调制宽带转换器的信号频率与二维doa联合估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110208738B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111525930B (zh) * | 2020-04-10 | 2023-03-21 | 哈尔滨工业大学 | 一种基于随机冲击序列的调制宽带转换器的混频矩阵生成方法 |
CN112333718B (zh) * | 2020-11-05 | 2022-05-17 | 哈尔滨商业大学 | 基于欠采样信号的频率和到达角联合估计方法 |
CN116131964B (zh) * | 2022-12-26 | 2024-05-17 | 西南交通大学 | 一种微波光子辅助的空频压缩感知频率和doa估计方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001286811A1 (en) * | 2000-08-24 | 2002-05-30 | Syngenta Participations Ag | Stress-regulated genes of plants, transgenic plants containing same, and methods of use |
WO2003081278A1 (de) * | 2002-03-27 | 2003-10-02 | Robert Bosch Gmbh | Einrichtung für insbesondere bistatische radaranwendungen |
GB0525289D0 (en) * | 2004-12-14 | 2006-01-18 | Bosch Gmbh Robert | Device for radar applications, in particular bistatic radar applications |
CN103051403A (zh) * | 2013-01-29 | 2013-04-17 | 哈尔滨工业大学 | 基于多个mwc分布式亚奈奎斯特采样联合重构的频谱感知方法 |
EP2762921A1 (de) * | 2013-01-30 | 2014-08-06 | Sick Ag | Verfahren zur Bestimmung einer Signallaufzeit |
CN104730491A (zh) * | 2015-03-06 | 2015-06-24 | 中国计量学院 | 一种基于l型阵的虚拟阵列doa估计方法 |
CN104901708A (zh) * | 2015-01-30 | 2015-09-09 | 哈尔滨工程大学 | 一种压缩采样的宽带数字接收机及其信号处理方法 |
CN105404495A (zh) * | 2015-10-21 | 2016-03-16 | 哈尔滨工业大学 | 用于调制宽带转换器的高速伪随机序列发生器及发生方法 |
CN106772224A (zh) * | 2016-12-28 | 2017-05-31 | 武汉大学 | 一种采用时频分析的l型阵列二维波达方向估计算法 |
CN109100700A (zh) * | 2018-10-26 | 2018-12-28 | 深圳大学 | 一种单采样雷达信号处理***及方法 |
CN109143154A (zh) * | 2018-07-24 | 2019-01-04 | 南京航空航天大学 | 一种应用于l型阵列的信号二维doa与频率联合估计方法 |
CN109471068A (zh) * | 2018-11-06 | 2019-03-15 | 浙江大学 | 基于射频阵列信号doa估计的无人机定位***和方法 |
CN109541524A (zh) * | 2018-12-14 | 2019-03-29 | 哈尔滨工业大学 | 一种基于欠采样的信号载频与二维doa联合估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2420555C (en) * | 2000-08-24 | 2012-10-23 | Jeffrey F. Harper | Stress-regulated genes of plants, transgenic plants containing same, and methods of use |
-
2019
- 2019-06-13 CN CN201910510847.7A patent/CN110208738B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001286811A1 (en) * | 2000-08-24 | 2002-05-30 | Syngenta Participations Ag | Stress-regulated genes of plants, transgenic plants containing same, and methods of use |
WO2003081278A1 (de) * | 2002-03-27 | 2003-10-02 | Robert Bosch Gmbh | Einrichtung für insbesondere bistatische radaranwendungen |
GB0525289D0 (en) * | 2004-12-14 | 2006-01-18 | Bosch Gmbh Robert | Device for radar applications, in particular bistatic radar applications |
CN103051403A (zh) * | 2013-01-29 | 2013-04-17 | 哈尔滨工业大学 | 基于多个mwc分布式亚奈奎斯特采样联合重构的频谱感知方法 |
EP2762921A1 (de) * | 2013-01-30 | 2014-08-06 | Sick Ag | Verfahren zur Bestimmung einer Signallaufzeit |
CN104901708A (zh) * | 2015-01-30 | 2015-09-09 | 哈尔滨工程大学 | 一种压缩采样的宽带数字接收机及其信号处理方法 |
CN104730491A (zh) * | 2015-03-06 | 2015-06-24 | 中国计量学院 | 一种基于l型阵的虚拟阵列doa估计方法 |
CN105404495A (zh) * | 2015-10-21 | 2016-03-16 | 哈尔滨工业大学 | 用于调制宽带转换器的高速伪随机序列发生器及发生方法 |
CN106772224A (zh) * | 2016-12-28 | 2017-05-31 | 武汉大学 | 一种采用时频分析的l型阵列二维波达方向估计算法 |
CN109143154A (zh) * | 2018-07-24 | 2019-01-04 | 南京航空航天大学 | 一种应用于l型阵列的信号二维doa与频率联合估计方法 |
CN109100700A (zh) * | 2018-10-26 | 2018-12-28 | 深圳大学 | 一种单采样雷达信号处理***及方法 |
CN109471068A (zh) * | 2018-11-06 | 2019-03-15 | 浙江大学 | 基于射频阵列信号doa估计的无人机定位***和方法 |
CN109541524A (zh) * | 2018-12-14 | 2019-03-29 | 哈尔滨工业大学 | 一种基于欠采样的信号载频与二维doa联合估计方法 |
Non-Patent Citations (6)
Title |
---|
"Joint Two-Dimensional DOA and Frequency Estimation for L-Shaped Array via Compressed Sensing PARAFAC Method;Le Xu;《IEEE Access》;20180625(第6期);全文 * |
An efficient sub-Nyquist receiver architecture for spectrum blind reconstruction and direction of arrival estimation;A Anil Kuma;《2014 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)》;20140714;参见第3节 * |
Arrier Frequency and DOA Estimation of Sub-Nyquist Sampling Multi-Band Sensor Signals;Can Cui;《IEEE Sensors Journal》;20171115;第17卷(第22期);全文 * |
CaSCADE: Compressed Carrier and DOA Estimation;Shahar Stein Ioushua;《IEEE Transactions on Signal Processing》;20170515;第65卷(第10期);全文 * |
基于MWC压缩采样的新型宽带数字接收机技术研究;基于MWC压缩采样的新型宽带数字接收机技术研究;《中国优秀硕士学位论文全文数据库信息科技辑》;20190115(第1期);全文 * |
基于压缩感知的雷达信号处理技术;文方青;《中国博士学位论文全文数据库信息科技辑》;20171115(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110208738A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110208738B (zh) | 基于阵列调制宽带转换器的信号频率与二维doa联合估计方法 | |
CN107315160B (zh) | 基于内插虚拟阵列信号原子范数最小化的互质阵列波达方向估计方法 | |
CN109655799B (zh) | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 | |
CN107576940B (zh) | 一种低复杂度单基地mimo雷达非圆信号角度估计方法 | |
Lemma et al. | Joint angle-frequency estimation using multi-resolution ESPRIT | |
CN106019214B (zh) | 宽带相干信号源doa估计方法 | |
Tang et al. | Range-angle decoupling and estimation for FDA-MIMO radar via atomic norm minimization and accelerated proximal gradient | |
CN108710102B (zh) | 基于互质阵列二阶等价虚拟信号离散傅里叶逆变换的波达方向估计方法 | |
CN109541524B (zh) | 一种基于欠采样的信号载频与二维doa联合估计方法 | |
CN107656237B (zh) | 一种多信源频率与doa联合检测的方法及其装置 | |
CN103389490B (zh) | 基于稀疏信号的波束形成器及其方法 | |
CN110515033B (zh) | 一种基于Toeplitz矩阵恢复的欠通道测向***及方法 | |
CN104914408A (zh) | 基于中国余数定理的频率、doa联合测量方法以及装置 | |
CN103116162B (zh) | 基于目标空间稀疏性的高分辨声呐定位方法 | |
CN114019449B (zh) | 信号源的波达方向估计方法、装置、电子设备及存储介质 | |
CN111352063A (zh) | 一种均匀面阵中基于多项式求根的二维测向估计方法 | |
CN112487703A (zh) | 基于稀疏贝叶斯在未知噪声场的欠定宽带信号doa估计方法 | |
CN110146842B (zh) | 基于欠采样的信号载频与二维doa参数估计方法 | |
CN110907923B (zh) | 基于平行因子算法的双基地emvs-mimo雷达角度估计算法及装置 | |
CN111880198A (zh) | 基于交替极化敏感阵列的空时极化抗干扰方法 | |
CN110161454B (zh) | 基于双l型阵列的信号频率与二维doa联合估计方法 | |
CN114563756A (zh) | 双通道相关干涉仪测向样本线性插值方法 | |
CN113067616B (zh) | 基于时间调制数字超表面的dbf相控阵*** | |
CN105022025B (zh) | 基于稀疏处理的信号波达方向估计方法 | |
Wang et al. | Sparsity-based space-time adaptive processing for airborne radar with coprime array and coprime pulse repetition interval |
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 |