CN113075610A - 一种基于互质极化阵列的差分阵列内插的doa估计方法 - Google Patents
一种基于互质极化阵列的差分阵列内插的doa估计方法 Download PDFInfo
- Publication number
- CN113075610A CN113075610A CN202110227303.7A CN202110227303A CN113075610A CN 113075610 A CN113075610 A CN 113075610A CN 202110227303 A CN202110227303 A CN 202110227303A CN 113075610 A CN113075610 A CN 113075610A
- Authority
- CN
- China
- Prior art keywords
- array
- covariance matrix
- differential
- polarization
- prime
- 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
- 230000010287 polarization Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 70
- 230000008707 rearrangement Effects 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 46
- 238000003491 array Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000010295 mobile communication Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 239000000839 emulsion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002023 wood 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种基于互质极化阵列的差分阵列内插的DOA估计方法,属于无线移动通信技术领域。本发明利用互质极化阵列和差分阵列内插方法实现高精度DOA估计,包括:首先,使用观测数据计算得到互质极化阵列的协方差矩阵。然后,列向量化协方差矩阵并进行去冗余和元素重排得到差分阵列。之后,运用差分阵列内插方法填充差分阵列中每个分量上的孔洞,重构得到对应于各个分量上无孔洞差分阵列的协方差矩阵;最后,由各个分量的重构协方差矩阵组合得到虚拟极化阵列的协方差矩阵,并对其使用MUSIC算法,搜索得到入射信号的DOA估计。本发明能够利用虚拟差分阵列的全部阵列孔径,具有DOA估计精度高的优点。
Description
技术领域
本发明属于无线移动通信技术领域,具体涉及一种利用互质极化阵列来实现高精度的波达方向(DOA)估计技术。
背景技术
信号的波达方向(DOA)估计是阵列信号处理领域的一个重要研究课题,在雷达、声呐、无线通信和地震探测等领域有着非常重要的作用。电磁矢量传感器能够感知电磁信号完整的电场信息和磁场信息。相比于传统的标量阵列,由电磁矢量传感器组成的极化阵列通过利用信号的极化信息,能够提供更加准确的DOA估计。因此,近年来基于极化阵列的DOA估计问题得到越来越多的关注。
在过去的二十年间,已经有许多基于均匀极化阵列的DOA估计算法被提出,例如矢量叉积算法(具体可参考文献《A.Nehorai and E.Paldi,“Vector-sensor arrayprocessing for electromagnetic source localization,”IEEE Trans.SignalProcess.,vol.42,no.2,pp.376–398,Feb.1994》)、基于子空间的DOA估计算法(具体可参考文献《Kainam Thomas Wong and M.D.Zoltowski,“Self-initiating music-baseddirection finding and polarization estimation in spatiopolarizationalbeamspace,”IEEE Trans.Antennas Propag.,vol.48,no.8,pp.1235–1245,Aug.2000》)和四元数算法(具体可参考文献《S.Miron,N.Le Bihan,and J.I.Mars,“Quaternion-musicfor vector sensor array processing,”IEEE Trans.Signal Process.,vol.54,no.4,pp.1218–1229,Apr.2006》)。
然而,上述DOA估计算法只考虑了均匀线阵结构的极化阵列。为避免空间混叠,均匀线阵结构中阵元间距不大于入射信号的半波长,但也限制了均匀线阵的阵列孔径。为克服均匀线阵结构的缺点,互质阵列结构被引入DOA估计的研究中。相较于均匀线阵,互质阵列有着更大的阵列孔径,并且通过生成虚拟差分阵列能够获得比物理阵元数更多的虚拟阵列。文献《T.Ahmed,Z.Xiaofei,and Z.Wang,“Doa estimation for coprime emvs arraysvia minimum distance criterion based on parafac analysis,”IET Radar,SonarNavigation,vol.13,no.1,pp.65–73,Jan.2019》提出基于互质极化阵列的平行因子算法,但是该算法没有考虑虚拟差分阵列,限制了算法的自由度。文献《X.Lin,M.Zhou,L.He,C.Ge,and X.Zhang,“Doa estimation of nested electromagnetic vector sensorsarray via music algorithm,”in 2018 4th Annual International Conference onNetwork and Information Systems for Computers(ICNISC),Wuhan,China,April.2018,pp.294–298》提出基于嵌套极化阵列的MUSIC算法,使用了嵌套极化阵的虚拟差分阵列,可同样应用于互质极化阵的虚拟差分阵列。但是,该算法只能应用虚拟差分阵列中的连续阵元部分,而互质阵列的虚拟差分阵列中存在“孔洞”,即缺少部分阵元信息,这导致虚拟差分阵列的阵元与阵列孔径无法被完全利用。因此,研究填充虚拟差分阵列“孔洞”的互质极化阵列DOA估计算法是十分必要的。
发明内容
本发明的发明目的在于:为了完全利用互质极化阵列的虚拟阵列的孔径和阵元,本发明提出了一种基于差分阵列内插的互质极化阵列DOA估计方法,以达到有效提高估计精度和增加可估计信源数的目的。
本发明的基于互质极化阵列的差分阵列内插的DOA估计方,包括下列步骤:
步骤1:设置天线阵列:该天线阵列为互质极化阵列,包括两个稀疏子阵,第一个稀疏子阵包含N1个阵元,阵元间距为N2d;第二个子阵包含2N2个阵元,阵元间距为N1d,其中,N1和N2是一对互质整数,d为单位阵元间距;
步骤2:基于步骤1设置的天线阵列接收多个入射信号,获取观测数据矢量为x(t),其中,入射信号为远场极化的窄带不相关信号;
步骤3:生成差分阵列的等效接收数据:计算观测数据矢量x(t)的协方差矩阵Rx,并对协方差矩阵Rx列向量化,对得到的列向量进行去冗余和重排得到差分阵列的等效接收数据yU;
步骤4:重构无孔洞虚拟极化阵列的等效协方差矩阵:
步骤5:估计入射信号DOA:
对得到的等效协方差矩阵进行特征分解,得到其噪声子空间Un,其中,Σs表示由的K个最大特征值组成的对角矩阵,K表示入射信号个数,Us表示信号子空间,由的K个最大特征值对应的特征向量组成,Σn表示由的(ζ×L)-K个最小特征值组成的对角矩阵,符号(·)H表示共轭转置;
基于噪声子空间Un,根据多维MUSIC谱峰搜索得到各入射信号的DOA估计。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
因此,本发明所提的基于互质极化阵列和差分阵列内插的DOA估计算法能够利用虚拟差分阵列的全部阵列孔径,提高DOA估计的侧向精度。
本发明的解决方案是针对现有基于互质极化阵列的DOA估计算法中存在的无法充分利用虚拟差分阵列的阵列孔径和虚拟阵元等不足而提出的。本发明提出的互质极化阵列DOA估计方法使用差分阵列内插方法填充孔洞,使得差分阵列的完整阵列孔径能够被利用。首先使用观测数据计算得到互质极化阵列的协方差矩阵。将协方差矩阵向量化后,进行去冗余和重排后得到差分阵列;然后,运用差分阵列内插方法填充差分阵列中每个分量上的孔洞,重构得到对应于各个分量上无孔洞差分阵列的协方差矩阵;最后,由各个分量的重构协方差矩阵组合得到虚拟极化阵列的协方差矩阵,并对其使用MUSIC算法,搜索得到入射信号的DOA估计。
附图说明
图1为本发明阵列设置示意图;
图2为本发明所提算法的俯仰角均方根误差随信噪比变化的关系示意图;
图3为本发明所提算法的俯仰角均方根误差随快拍数变化的关系示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本发明作进一步地详细描述。
本发明是针对现有基于互质极化阵列的DOA估计算法中存在的无法充分利用虚拟差分阵列的阵列孔径和虚拟阵元等不足而提出的。本发明提出的互质极化阵列DOA估计方法使用差分阵列内插方法填充孔洞,使得差分阵列的完整阵列孔径能够被利用。首先使用观测数据计算得到互质极化阵列的协方差矩阵。将协方差矩阵向量化后,进行去冗余和重排后得到差分阵列;然后,运用差分阵列内插方法填充差分阵列中每个分量上的孔洞,重构得到对应于各个分量上无孔洞差分阵列的协方差矩阵;最后,由各个分量的重构协方差矩阵组合得到虚拟极化阵列的协方差矩阵,并对其使用MUSIC算法,搜索得到入射信号的DOA估计。其具体实现步骤如下:
步骤1:设置天线阵列:
如图1所示,该阵列为互质极化阵列,设置阵元0为相位参考点。该阵列由N=N1+2N2-1个电磁矢量传感器(即阵元)构成,包含有两个稀疏子阵。第一个稀疏子阵包含N1个阵元,阵元间距为N2d;第二个子阵包含个2N2个阵元,阵元间距为N1d。其中,N1和N2是一对互质整数,单位阵元间距d=λ/2,λ为入射信号波长。互质极化阵列的阵元位置可表示为其中是一个整数集合,表达式为
步骤2:互质极化阵列接收数据建模:
互质极化阵列接收K个远场全极化(即6个极化方向)的窄带不相关信号,信号波长为λ。信号的入射角度为(θk,φk),k=1,...,K,其中,θk和φk分别表示信号的俯仰角和方位角。信号的辅助极化角度为γk∈[0,2π],极化相位差为ηk∈[-π,π],k=1,...,K。噪声为独立同分布的高斯白噪声,阵列的观测数据矢量可表示为
x(t)=(Q⊙A)s(t)+n(t) (2)
其中,符号⊙表示Khatri-Rao积。是阵列的观测数据矢量,s(t)=[s1(t),...,sK(t)]T表示信号矢量。表示加性高斯白噪声矢量,噪声功率为且与入射信号不相关。表示空间导阵列流型,表示对应于第k个信号的导向矢量,其中ωk=(2πd sinθk cosφk)/λ。表示一个电磁矢量传感器的极化阵列流型,表示第k个信号的极化导向矢量,可表示为
步骤3:生成差分阵列的等效接收数据:
观测数据矢量x(t)的协方差矩阵Rx的表达式为
将协方差矩阵列向量化得到
其中,vec(·)表示矩阵列向量化运算,符号“*”表示复共轭,表示等效信源矢量,表示等效噪声矢量,ei为一个除了第i个元素为1以外的其余所有元素均为0的矢量。将(Q⊙A)*⊙(Q⊙A)的行重排可以得到(Q*⊙Q)⊙AD,其中AD可以看作为差分阵列的导向矩阵,而差分阵列的阵元位置坐标集合为
去除矢量yD中对应于冗余阵元的数据,并进行元素重排序处理,得到
步骤4:重构无孔洞虚拟极化阵列的等效协方差矩阵:
观察公式(7)可知,(Q*⊙Q)⊙AU可以依据的不同行分为36个分量,每个分量与不同的极化方向相关。因此,等效接收数据矢量yU可以对应地划分为36个部分(即将效接收数据矢量yU按行均分为36个部分):
由公式(9)可知,可看作为一个标量差分阵列的等效接收数据矢量,该差分阵列同样对应于阵元集合由互质阵列生成的差分阵列具有孔洞,即某些阵元对应的位置没有数据。这导致差分阵列的阵元与阵列孔径无法被完全利用。为解决这个问题,本实施例使用差分阵列内插的方法构造无孔洞的差分阵列。
根据公式(12),可以使用构造初始化的协方差矩阵因为矢量中含有零元素,导致的对应位置元素将会等于零。因此,本实施例需要恢复中缺失的元素信息,以得到无噪声协方差矩阵根据的低秩特性,本实施例可以通过求解下面的优化问题重构得到:
其中,C表示一个二进制矩阵,矩阵C中元素的值取决于当矩阵C中元素对应于的非零元时,该元素取值为1,否则取值为0。在求解该优化问题,得到后,无孔洞虚拟极化阵列的等效协方差矩阵可以使用公式(14)构造得到。
步骤5:估计入射信号DOA:
其中,表示由的K个最大特征值组成的对角矩阵;表示信号子空间,由的K个最大特征值对应的特征向量张成;表示由的6L-K个最小特征值组成的对角矩阵;表示噪声子空间,由的6L-K个最小特征值对应的特征向量张成。
根据噪声子空间Un,可以使用MUSIC谱峰搜索得到信号的参数估计:
其中,f(θ,φ,γ,η)表示入射信号的DOA估计结果,包括入射信号的俯仰角θ、方位角φ、辅助极化角γ和极化相位差η。
为验证本发明DOA估计性能,本实施例中设计两组仿真实验。两组仿真实验均采用阵元数N=10的互质阵列,其中N1=5,N2=3。蒙特卡罗实验次数均为500次,入射信号设置为两个,信号参数依次为:(θ1,φ1,γ1,η1)=(10°,0°,π/6,0)和(θ2,φ2,γ2,η2)=(20°,0°,π/6,0)。因为入射信号的四个参数的估计方法相同,此处只估计信号的俯仰角以展示本发明的性能。
第一组仿真实验对比了本发明方法(Proposed)和SS-MUSIC(SpatialSmoothing--MUSIC)算法随信噪比变化的俯仰角均方根误差曲线。实验中设置快拍数为1000,信噪比仿真范围为-15dB到20dB。第二组仿真实验对比了本发明方法和SS-MUSIC算法随快拍数变化的俯仰角均方根误差曲线。实验中设置信噪比为-5dB,快拍数的仿真范围为100到4000。两组仿真实验的结果分别如图2和图3所示,图中的“CRB”表示克拉美罗界。
因此,本发明所提的基于互质极化阵列和差分阵列内插的DOA估计方法能够利用虚拟差分阵列的全部阵列孔径,提高DOA估计的侧向精度。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。
Claims (4)
1.一种基于互质极化阵列的差分阵列内插的DOA估计方法,其特征在于,包括下列步骤:
步骤1:设置天线阵列,所述天线阵列为互质极化阵列,包括两个稀疏子阵,其中第一个稀疏子阵包含N1个阵元,阵元间距为N2d;第二个子阵包含2N2个阵元,阵元间距为N1d,其中,N1和N2是一对互质整数,d为单位阵元间距;
步骤2:基于所述天线阵列接收多个入射信号,获取观测数据矢量为x(t),其中,入射信号为远场极化的窄带不相关信号;
步骤3:生成差分阵列的等效接收数据:计算观测数据矢量x(t)的协方差矩阵Rx,并对协方差矩阵Rx列向量化,对得到的列向量进行去冗余和重排得到差分阵列的等效接收数据yU;
步骤4:重构无孔洞虚拟极化阵列的等效协方差矩阵:
步骤5:估计入射信号DOA:
对得到的等效协方差矩阵进行特征分解,得到其噪声子空间Un,其中,Σs表示由的K个最大特征值组成的对角矩阵,K表示入射信号个数,Us表示信号子空间,由的K个最大特征值对应的特征向量组成,Σn表示由的(ζ×L)-K个最小特征值组成的对角矩阵,符号(·)H表示共轭转置;
基于噪声子空间Un,根据多维MUSIC谱峰搜索得到各入射信号的DOA估计。
4.如权利要求1至3任一一项所述的方法,其特征在于,极化方向数ζ设置为6。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2021101923199 | 2021-02-19 | ||
CN202110192319 | 2021-02-19 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113075610A true CN113075610A (zh) | 2021-07-06 |
CN113075610B CN113075610B (zh) | 2022-05-03 |
Family
ID=76609724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110227303.7A Expired - Fee Related CN113075610B (zh) | 2021-02-19 | 2021-03-01 | 一种基于互质极化阵列的差分阵列内插的doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113075610B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113820655A (zh) * | 2021-09-18 | 2021-12-21 | 宜宾电子科技大学研究院 | 一种基于Toeplitz矩阵重构和矩阵填充的互质阵相干信号DOA估计方法 |
CN114325559A (zh) * | 2021-11-23 | 2022-04-12 | 电子科技大学 | 一种用于二维doa估计的互质平面阵列结构及布阵方法 |
CN114609580A (zh) * | 2022-03-07 | 2022-06-10 | 哈尔滨理工大学 | 一种基于非圆信号的无孔互质阵列设计方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108872929A (zh) * | 2018-04-12 | 2018-11-23 | 浙江大学 | 基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法 |
CN109375152A (zh) * | 2018-09-05 | 2019-02-22 | 南京航空航天大学 | 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法 |
CN109655799A (zh) * | 2018-12-26 | 2019-04-19 | 中国航天科工集团八五研究所 | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 |
WO2019081035A1 (en) * | 2017-10-26 | 2019-05-02 | Huawei Technologies Co., Ltd. | DEVICE AND METHOD FOR ESTIMATING SOUND ARRIVAL DIRECTION FROM A PLURALITY OF SOUND SOURCES |
CN109901101A (zh) * | 2019-02-25 | 2019-06-18 | 西安电子科技大学 | 基于电磁矢量传感器互质阵列相干信号到达角估计方法 |
CN109932680A (zh) * | 2019-04-04 | 2019-06-25 | 哈尔滨工程大学 | 一种基于平移互质阵列的非圆信号波达方向估计方法 |
CN110161452A (zh) * | 2019-04-28 | 2019-08-23 | 西安电子科技大学 | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 |
CN110850359A (zh) * | 2019-10-24 | 2020-02-28 | 杭州电子科技大学 | 一种基于原子范数的互质阵欠定测向方法 |
CN111693947A (zh) * | 2020-07-06 | 2020-09-22 | 羿升(深圳)电子装备有限公司 | 基于互质阵列doa估计的改进music方法 |
WO2020264466A1 (en) * | 2019-06-27 | 2020-12-30 | Ning Xiang | Sound source enumeration and direction of arrival estimation using a bayesian framework |
-
2021
- 2021-03-01 CN CN202110227303.7A patent/CN113075610B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019081035A1 (en) * | 2017-10-26 | 2019-05-02 | Huawei Technologies Co., Ltd. | DEVICE AND METHOD FOR ESTIMATING SOUND ARRIVAL DIRECTION FROM A PLURALITY OF SOUND SOURCES |
CN108872929A (zh) * | 2018-04-12 | 2018-11-23 | 浙江大学 | 基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法 |
CN109375152A (zh) * | 2018-09-05 | 2019-02-22 | 南京航空航天大学 | 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法 |
CN109655799A (zh) * | 2018-12-26 | 2019-04-19 | 中国航天科工集团八五研究所 | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 |
CN109901101A (zh) * | 2019-02-25 | 2019-06-18 | 西安电子科技大学 | 基于电磁矢量传感器互质阵列相干信号到达角估计方法 |
CN109932680A (zh) * | 2019-04-04 | 2019-06-25 | 哈尔滨工程大学 | 一种基于平移互质阵列的非圆信号波达方向估计方法 |
CN110161452A (zh) * | 2019-04-28 | 2019-08-23 | 西安电子科技大学 | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 |
WO2020264466A1 (en) * | 2019-06-27 | 2020-12-30 | Ning Xiang | Sound source enumeration and direction of arrival estimation using a bayesian framework |
CN110850359A (zh) * | 2019-10-24 | 2020-02-28 | 杭州电子科技大学 | 一种基于原子范数的互质阵欠定测向方法 |
CN111693947A (zh) * | 2020-07-06 | 2020-09-22 | 羿升(深圳)电子装备有限公司 | 基于互质阵列doa估计的改进music方法 |
Non-Patent Citations (7)
Title |
---|
JIACHEN WANG;HANTAO XU;GEERT J. T. LEUS;GUY A. E. VANDENBOSCH: "Experimental Assessment of the Coarray Concept for DoA Estimation in Wireless Communications", 《IEEE TRANSACTIONS ON ANTENNAS AND PROPAGATION》 * |
WEIJIAN SI;YAN WANG;CHUNJIE ZHANG: "Three-Parallel Co-Prime Polarization Sensitive Array for 2-D DOA and Polarization Estimation via Sparse Representation", 《IEEE ACCESS》 * |
XIAODONG HAN;TING SHU;JIN HE;XIAOMING LI;WENXIAN YU: "A Multiple Dimensional Parameter Estimation Method for Airborne Array Radar", 《2019 IEEE INTERNATIONAL CONFERENCE ON SIGNAL, INFORMATION AND DATA PROCESSING (ICSIDP)》 * |
XING FAN;CHENGWEI ZHOU;YUJIE GU;ZHIGUO SHI: "Toeplitz Matrix Reconstruction of Interpolated Coprime Virtual Array for DOAEstimation", 《2017 IEEE 85TH VEHICULAR TECHNOLOGY CONFERENCE (VTC SPRING)》 * |
吴佳: "极化敏感阵列的多目标参数估计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张昊; 吴晨曦: "基于协方差矩阵重构的互质阵列DOA估计方法", 《探测与控制学报》 * |
盘敏容,蒋留兵,车俐,姜兴: "基于协方差矩阵重构的互质阵列DOA估计", 《雷达科学与技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113820655A (zh) * | 2021-09-18 | 2021-12-21 | 宜宾电子科技大学研究院 | 一种基于Toeplitz矩阵重构和矩阵填充的互质阵相干信号DOA估计方法 |
CN114325559A (zh) * | 2021-11-23 | 2022-04-12 | 电子科技大学 | 一种用于二维doa估计的互质平面阵列结构及布阵方法 |
CN114609580A (zh) * | 2022-03-07 | 2022-06-10 | 哈尔滨理工大学 | 一种基于非圆信号的无孔互质阵列设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113075610B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113075610B (zh) | 一种基于互质极化阵列的差分阵列内插的doa估计方法 | |
CN106054123B (zh) | 一种稀疏l阵及其二维doa估计方法 | |
CN108872929B (zh) | 基于内插虚拟阵列协方差矩阵子空间旋转不变性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 | |
CN109490820B (zh) | 一种基于平行嵌套阵的二维doa估计方法 | |
CN107092004B (zh) | 基于信号子空间旋转不变性的互质阵列波达方向估计方法 | |
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 | |
CN106785486B (zh) | 一种广义互质面阵天线结构 | |
CN106483493B (zh) | 一种稀疏双平行线阵及二维波达方向估计方法 | |
CN109375152B (zh) | 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法 | |
CN108120967B (zh) | 一种平面阵列doa估计方法及设备 | |
CN110244272B (zh) | 基于秩一去噪模型的波达方向估计方法 | |
CN105335615B (zh) | 一种低复杂度的二维角度和极化参数联合估计方法 | |
CN109696657B (zh) | 一种基于矢量水听器的相干声源定位方法 | |
CN112731278B (zh) | 一种部分极化信号的角度与极化参数欠定联合估计方法 | |
CN110531312B (zh) | 一种基于稀疏对称阵列的doa估计方法和*** | |
CN112130111A (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
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 | |
CN110286350A (zh) | 一种l型稀疏阵doa估计的精确配对方法及装置 | |
CN113567913A (zh) | 基于迭代重加权可降维的二维平面doa估计方法 | |
CN112733333A (zh) | 互质面阵中一种基于多项式求根的二维测向估计方法 | |
CN115421098A (zh) | 嵌套面阵下降维求根music的二维doa估计方法 | |
CN113391266B (zh) | 基于非圆多嵌套阵降维子空间数据融合的直接定位方法 | |
Li et al. | Low complexity DOA estimation using coprime circular array |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220503 |