CN113325365B - 一种基于四元数的相干信号二维doa估计方法 - Google Patents
一种基于四元数的相干信号二维doa估计方法 Download PDFInfo
- Publication number
- CN113325365B CN113325365B CN202110537927.9A CN202110537927A CN113325365B CN 113325365 B CN113325365 B CN 113325365B CN 202110537927 A CN202110537927 A CN 202110537927A CN 113325365 B CN113325365 B CN 113325365B
- Authority
- CN
- China
- Prior art keywords
- signal
- matrix
- array
- quaternion
- following
- 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
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
- G01S3/80—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 ultrasonic, sonic or infrasonic waves
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供一种基于四元数的相干信号二维DOA估计方法,包括:建立观测信号复数模型,建立观测信号四元数模型,构造相关矩阵,四元数互相关向量化简,通过相关矩阵平滑实现信源解相干,利用传播算子方法对信号俯仰角进行估计,估计传播算子,估计入射信号水平方位角,重构阵列响应矩阵。本发明解决“如何在充分利用阵列数据的同时又能消除所引入的额外加性噪声”这一问题。
Description
技术领域
本发明涉及利用矢量传感器阵列对多个相干信号源的波达方向进行精确估计,尤其涉及一种基于四元数的相干信号二维DOA估计方法,属于阵列信号处理领域。
背景技术
相比传统标量传感器,声矢量传感器在测量声场中某一点声压的同时还可提供该点的三维粒子振速信息,从而可实现对声场信息更为全面、充分的获取,因此近些年来已在水声阵列信号处理领域扮演起重要角色。传统方法常将矢量水听器的输出信号在复数域内建模,并将信号各个分量拼接成“长矢量”形式,这种信号建模方式不但破环了矢量传感器输出信号各分量间的正交关系,也没有完整利用阵列的结构信息。因此近些年来,许多学者开始尝试用四元数对矢量信号进行建模,并已取得了众多成就。
对多个信号源的波达方向进行精确估计(DOA)是阵列信号处理领域所研究的主要内容之一,声纳、雷达、地震探测和通信***等领域都有着相关技术的身影,而此类技术的代表之一便是子空间方法。传统子空间方法都是通过对数据协方差矩阵进行特征分解来获得信号子空间或噪声子空间,再根据噪声子空间与信号子空间的正交性(MUSIC)或是在一定的阵列布放形式下信号子空间所具的旋转不变性(ESPRIT)来获得信号的DOA估计,其中,高维数据协方差矩阵的特征分解往往是费时费力的,为解决这一问题,传播算子方法应运而生。该方法首先对协方差矩阵进行子阵划分,随后通过线性操作便可获得噪声子空间或信号子空间,之后再以类似MUSIC或ESPRIT算法的方式获得信号的波达角,但由于传播算子方法未充分利用噪声的空域特性,导致低信噪比下算法的性能并不理想。因此,许多基于阵列互相关并应用传播算子技术的算法(如SUMWE、CODE)已被提出,上述算法通过阵列互相关成功抑制了加性噪声,从而为传播算子方法的优良性能提供了保证。
但通过阵列互相关去除加性噪声的缺点在于:(1)对阵列进行子阵划分这一步骤损失了阵列孔径;(2)只考虑各子阵之间的互相关而忽略子阵内部的自相关信息无法实现对阵列数据的高效利用。
因此,如何在充分利用阵列数据(即:既考虑阵列的互相关又能充分利用阵元的自相关信息)的同时又能消除所引入的额外加性噪声(由阵元自相关所引入)便成为了使此类算法性能获得进一步增益的关键突破口。
发明内容
为克服现有技术的不足,本发明提出一种在四元数域内对信号进行建模的全新思路,旨在解决“如何在充分利用阵列数据的同时又能消除所引入的额外加性噪声”这一问题。应当指出,所提方法具有一定的普适性,本专利在将所提方法与SUMWE算法相结合后(AQ-SUMWE)所获得的优良效果则进一步证明了该种方法的可行性、有效性。
本发明的目的是这样实现的:步骤如下:
步骤一:建立观测信号复数模型;
步骤二:建立观测信号四元数模型;构造如下两个四元数信号模型:
模型一:
z(t)=p(t)+x(t)j+y(t)j
=A(s(t)+Γxs(t)j+Γys(t)j)+n(t)
模型二:
步骤三:构造相关矩阵:考虑第m个阵元输出信号的四元数模型与整个阵列输出信号的四元数模型之间的互相关,有:
将rm展开,有如下形式:
步骤四:四元数互相关向量化简,rm的最终形式为:
步骤五:通过相关矩阵平滑实现信源解相干;
步骤六:利用传播算子方法对信号俯仰角进行估计:
步骤七:估计传播算子,将R进行如下划分:
其中R1,R2分别是R的前K行和后M-2K+1行,R2=P0R1
因此,传播算子可以表示为:
步骤八:估计入射信号水平方位角,
将中给出的x(t)和y(t)级联,形成如下阵列输出向量z′(t):
引入如下2M×M互相关矩阵R′:
wx,k,wy,k,k=1,2,...,K分别为Wx,Wy的第k行;由关系:uk tanθk=vk,可知
tanθkwx,k=wy,k
得第k个信号的方位角可以估计为:
至此,得到了入射信号的俯仰角和方位角,且两者之间自动匹配。
本发明还包括这样一些结构特征:
1.步骤一具体为:假设阵列为沿z轴按半波长等间距布放的矢量传感器线列阵,单矢量传感器包含一个声压传感器和两个分别指向x轴、y轴的质点振速传感器,则矢量传感器流形矢量可写为:
其中,θk和φk分别为第k个信号的水平角和俯仰角,uk和vk为方向余弦,分别对应于指向x轴和y轴的质点振速传感器;假设K个远场窄带信号入射到传感器阵列上,则可分别在复数域内建立声压传感器阵列、x轴指向的质点振速传感器阵列、y轴指向的质点振速传感器阵列的接收信号模型,依次为:
其中,A(φ)=[a(φ1),a(φ2),...,a(φK)]为声压传感器阵列流形,为对应第k个信号的导向矢量,为传感器间空域相位因子,d为阵元间距,λ为信号波长,信号矢量s(t)=[s1(t),...,sK(t)]T为复高斯随机过程,β=[β1,…,βK]T为复衰减系数,其中β1=1且βk≠0,k=2,3,…K,nl,l=p,x,y为与信号不相关且彼此独立的噪声矢量,Γx=diag{cosθ1sinφ1,…,cosθK sinφK},Γy=diag{sinθ1sinφ1,...,sinθK sinφK}。
定义如下的相关矩阵R以进行后续处理:
其中,Π=[Π1,Π2,...,ΠM]。
3.步骤六具体为:传播算子方法基于对矩阵A0的子阵划分,即
其中,因为A1是一个K行的满秩矩阵,A2为M-2K+1行的矩阵;A0的前K行是线性无关的,则A0的其余行可以表示为A0前K行的线性组合;传播矩阵P0定义为一个与矩阵A1、A2有关的线性算子:
P0A0=A1
则得:
其中,Pa,Pb,Φ的关系为:
其中,Φ=diag{ξ1,ξ2,...,ξK},Φ中的第k个对角线元素对应于第k个信号的传感器空间相位因子;和Φ是相似矩阵,对的特征分解得到的特征值等于对角元素ξk,k=1,2,...,K;俯仰角估计结果φk从下式获得:
与现有技术相比,本发明的有益效果是:1.在四元数域内对矢量传感器输出信号进行建模保留了信号的矢量特性,也充分利用了信号各分量间的正交关系。相比复数域内的长矢量建模方式,四元数模型为多分量复信号提供了一种更为紧凑、方便的处理方式。2.可充分利用声矢量传感器阵列中相邻传感器间的空域相位信息与振速传感器内固有的方向余弦信息,对信息更为充分的利用实现了算法性能的增益。3.本方法不但考虑了阵元间的互相关信息,也考虑了自相关信息。传统方法中,由自相关引入的加性噪声无法去除,这将严重限制传播算子方法的性能,而本方法中,通过对数据在四元数域内进行处理,这种加性噪声已被统计消除,从而使传播算子方法得到了更为精确的DOA估计结果。
附图说明
图1为本发明流程框图;
图2为阵列布放示意图;
图3为不同信噪比下算法性能对比(图中,AQ-SUMWE为本专利所提方法,V-SUMWE与FBSS-ESPRIT为现有算法,下同);
图4为不同快拍数下算法性能对比;
图5为不同阵元数下算法性能对比。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
结合图1至图5,本发明的步骤如下:
步骤一:建立观测信号复数模型:
假设阵列为沿z轴按半波长等间距布放的矢量传感器线列阵,单矢量传感器包含一个声压传感器和两个分别指向x轴、y轴的质点振速传感器,则矢量传感器流形矢量可写为:
其中,θk和φk分别为第k个信号的水平角和俯仰角,uk和vk为方向余弦,分别对应于指向x轴和y轴的质点振速传感器。假设K个远场窄带信号入射到传感器阵列上,则可分别在复数域内建立声压传感器阵列、x轴指向的质点振速传感器阵列、y轴指向的质点振速传感器阵列的接收信号模型,依次为:
其中,A(φ)=[a(φ1),a(φ2),...,a(φK)]为声压传感器阵列流形,为对应第k个信号的导向矢量,为传感器间空域相位因子,d为阵元间距,λ为信号波长,信号矢量s(t)=[s1(t),...,sK(t)]T为复高斯随机过程,β=[β1,...,βK]T为复衰减系数,其中β1=1且βk≠0,k=2,3,…K,nl,l=p,x,y为与信号不相关且彼此独立的噪声矢量,Γx=diag{cosθ1sinφ1,...,cosθK sinφK},Γy=diag{sinθ1sinφ1,...,sinθK sinφK}。
步骤二:建立观测信号四元数模型:
现根据以上信号模型构造如下两个四元数信号模型:
模型一:
模型二:
步骤三:构造相关矩阵:
考虑第m个阵元输出信号的四元数模型与整个阵列输出信号的四元数模型之间的互相关,有
将rm展开,有如下形式:
步骤四:四元数互相关向量化简,
E{s(t)jsH(t)}=E{βs1(t)s1(t)βTj}=0 (4.1)
所以,rm可化简为如下形式:
在上面的推导中,我们使用了以下两个假设:1)噪声是空间独立的,即2)噪声向量np(t),nx(t),ny(t)皆为圆信号,即E{nl,m(t)nl,m(t)}=0,l=p,x,y。通过这种方法,我们成功地利用四元数代数理论在统计水平上消除了rm中的加性噪声。
根据以上推导,rm的最终形式为:
步骤五:通过相关矩阵平滑实现信源解相干:
最后,我们定义如下的相关矩阵R以进行后续处理:
其中,Π=[Π1,Π2,...,ΠM]。
步骤六:利用传播算子方法对信号俯仰角进行估计:
传播算子方法基于对矩阵A0的子阵划分,即
其中,因为A1具有Vandermonde结构,所以是一个K行的满秩(非奇异)矩阵,A2为M-2K+1行的矩阵。A0的前K行是线性无关的,则A0的其余行可以表示为A0前K行的线性组合。传播矩阵P0可以唯一定义为一个与矩阵A1、A2有关的线性算子:
P0A0=A1 (6.2)
由,得
其中,Pa,Pb,Φ的关系为
这里,Φ=diag{ξ1,ξ2,...,ξK},Φ中的第k个对角线元素对应于第k个信号的传感器空间相位因子。根据上式可知,和Φ是相似矩阵,对的特征分解得到的特征值等于对角元素ξk,k=1,2,...,K。因此,俯仰角估计结果φk可以从下式获得
步骤七:估计传播算子:
为了估计传播算子,我们将R进行如下划分
其中R1,R2分别是R的前K行和后M-2K+1行,由有
R2=P0R1 (7.2)
因此,传播算子可以表示为
步骤八:估计入射信号水平方位角,
这里,我们通过使用嵌入在声学粒子速度分量中的方向信息来获得方位角估计。首先,通过将中给出的x(t)和y(t)级联,可以形成如下阵列输出向量z′(t):
然后,引入如下2M×M互相关矩阵R′:
wx,k,wy,k,k=1,2,...,K分别为Wx,Wy的第k行。由关系:uk tanθk=vk,可知
tanθkwx,k=wy,k (8.4)
步骤九:重构阵列响应矩阵,
然后,根据和,可得第k个信号的方位角可以估计为
至此,我们便获得了入射信号的俯仰角和方位角,且两者之间自动匹配,无需额外操作。图3、图4、图5中,我们分别对比了所提算法与已有算法(V-SUMWE、FBSS-ESPRIT)在不同参数(信噪比、快拍数、阵元数)下的性能优劣,仿真结果表明,所提出的算法均取得了更为精确的估计结果。
算法具体实施步骤见图1,应当指出,本专利所提出的“利用四元数消除加性噪声的方法”具有一定的普适性,可视为对数据的一种预处理,因此该方法还可与多种算法相结合(本专利以SUMWE为例)以使算法获得性能上的进一步提升。在不脱离本发明技术原理的前提下,本领域的技术人员还可对该方法做出若干变形(例如将该方法与其他已有算法相结合),这些变形也应在本发明的保护范围之内。
Claims (3)
1.一种基于四元数的相干信号二维DOA估计方法,其特征在于:步骤如下:
步骤一:建立观测信号复数模型;
假设阵列为沿z轴按半波长等间距布放的矢量传感器线列阵,单矢量传感器包含一个声压传感器和两个分别指向x轴、y轴的质点振速传感器,则矢量传感器流形矢量可写为:
其中,θk和φk分别为第k个信号的水平角和俯仰角,uk和vk为方向余弦,分别对应于指向x轴和y轴的质点振速传感器;假设K个远场窄带信号入射到传感器阵列上,则可分别在复数域内建立声压传感器阵列、x轴指向的质点振速传感器阵列、y轴指向的质点振速传感器阵列的接收信号模型,依次为:
其中,A=[a(φ1),a(φ2),...,a(φK)]为声压传感器阵列流形,为对应第k个信号的导向矢量,为传感器间空域相位因子,d为阵元间距,λ为信号波长,信号矢量s(t)=[s1(t),...,sK(t)]T为复高斯随机过程,β=[β1,...,βK]T为复衰减系数,其中β1=1且βk≠0,k=2,3,…K,nl,l=p,x,y为与信号不相关且彼此独立的噪声矢量,Γx=diag{cosθ1 sinφ1,...,cosθK sinφK},Γy=diag{sinθ1 sinφ1,...,sinθK sinφK};
步骤二:建立观测信号四元数模型;构造如下两个四元数信号模型:
模型一:
z(t)=p(t)+x(t)j+y(t)j
=A(s(t)+Γxs(t)j+Γys(t)j)+n(t)
模型二:
步骤三:构造相关矩阵:考虑第m个阵元输出信号的四元数模型与整个阵列输出信号的四元数模型之间的互相关,有:
将rm展开,有如下形式:
步骤四:四元数互相关向量化简,rm的最终形式为:
步骤五:通过相关矩阵平滑实现信源解相干;
步骤六:利用传播算子方法对信号俯仰角进行估计:
步骤七:估计传播算子,将R进行如下划分:
其中R1,R2分别是R的前K行和后M-2K+1行,R2=P0R1
因此,传播算子表示为:
步骤八:估计入射信号水平方位角,
将步骤一中给出的x(t)和y(t)级联,形成如下阵列输出向量z′(t):
引入如下2M×M互相关矩阵R′:
wx,k,wy,k,k=1,2,...,K分别为Wx,Wy的第k行;由关系:uk tanθk=vk,知
tanθkwx,k=wy,k
得第k个信号的方位角估计为:
至此,得到了入射信号的俯仰角和方位角,且两者之间自动匹配。
3.根据权利要求2所述的一种基于四元数的相干信号二维DOA估计方法,其特征在于:步骤六具体为:传播算子方法基于对矩阵A0的子阵划分,即
其中,因为A1是一个K行的满秩矩阵,A2为M-2K+1行的矩阵;A0的前K行是线性无关的,则A0的其余行可以表示为A0前K行的线性组合;传播矩阵P0定义为一个与矩阵A1、A2有关的线性算子:
P0A0=A1
则得:
其中,Pa,Pb,Φ的关系为:
其中,Φ=diag{ξ1,ξ2,...,ξK},Φ中的第k个对角线元素对应于第k个信号的传感器空间相位因子;和Φ是相似矩阵,对的特征分解得到的特征值等于对角元素ξk,k=1,2,...,K;俯仰角估计结果φk从下式获得:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110537927.9A CN113325365B (zh) | 2021-05-18 | 2021-05-18 | 一种基于四元数的相干信号二维doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110537927.9A CN113325365B (zh) | 2021-05-18 | 2021-05-18 | 一种基于四元数的相干信号二维doa估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113325365A CN113325365A (zh) | 2021-08-31 |
CN113325365B true CN113325365B (zh) | 2023-01-03 |
Family
ID=77415771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110537927.9A Active CN113325365B (zh) | 2021-05-18 | 2021-05-18 | 一种基于四元数的相干信号二维doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113325365B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106249196A (zh) * | 2016-06-20 | 2016-12-21 | 陕西理工学院 | 三分量声矢量传感器稀疏阵列四元数解模糊方法 |
WO2017062322A1 (en) * | 2015-10-07 | 2017-04-13 | Schlumberger Technology Corporation | Seismic sensor orientation |
CN110967664A (zh) * | 2019-11-28 | 2020-04-07 | 宁波大学 | 基于cold阵列增强四元数esprit的doa估计方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06105289B2 (ja) * | 1985-05-08 | 1994-12-21 | 沖電気工業株式会社 | 方向推定装置 |
JP4805591B2 (ja) * | 2005-03-17 | 2011-11-02 | 富士通株式会社 | 電波到来方向の追尾方法及び電波到来方向追尾装置 |
CN106526530B (zh) * | 2016-09-30 | 2019-04-05 | 天津大学 | 基于传播算子的2-l型阵列二维doa估计算法 |
CN109696657B (zh) * | 2018-06-06 | 2022-10-14 | 南京信息工程大学 | 一种基于矢量水听器的相干声源定位方法 |
CN109116294B (zh) * | 2018-07-06 | 2022-12-02 | 西安电子科技大学 | 基于微波光子阵列的超宽带信号波达方向角估计方法 |
CN109255169B (zh) * | 2018-08-27 | 2023-03-24 | 西安电子科技大学 | 基于遗传算法的宽带多信号到达角估计方法 |
CN109782218A (zh) * | 2019-02-01 | 2019-05-21 | 中国空间技术研究院 | 一种基于双平行天线阵的相干分布式非圆信号doa估计方法 |
CN111207773B (zh) * | 2020-01-16 | 2023-04-11 | 大连理工大学 | 一种用于仿生偏振光导航的姿态无约束优化求解方法 |
CN112130112B (zh) * | 2020-09-20 | 2022-09-27 | 哈尔滨工程大学 | 一种基于声矢量阵联合信息处理信源数估计方法 |
-
2021
- 2021-05-18 CN CN202110537927.9A patent/CN113325365B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017062322A1 (en) * | 2015-10-07 | 2017-04-13 | Schlumberger Technology Corporation | Seismic sensor orientation |
CN106249196A (zh) * | 2016-06-20 | 2016-12-21 | 陕西理工学院 | 三分量声矢量传感器稀疏阵列四元数解模糊方法 |
CN110967664A (zh) * | 2019-11-28 | 2020-04-07 | 宁波大学 | 基于cold阵列增强四元数esprit的doa估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113325365A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pesavento et al. | Direction finding in partly calibrated sensor arrays composed of multiple subarrays | |
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 | |
CN111123192B (zh) | 一种基于圆形阵列和虚拟扩展的二维doa定位方法 | |
CN107544051A (zh) | 嵌套阵列基于k‑r子空间的波达方向估计方法 | |
CN108020812B (zh) | 基于特殊三平行线阵结构的二维doa估计方法 | |
CN107966677B (zh) | 一种基于空间稀疏约束的圆阵模态域方位估计方法 | |
CN112698264A (zh) | 增广互质阵列脉冲噪声环境下相干信源的doa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 | |
CN110346752B (zh) | 基于互质稀疏阵的无模糊测向方法 | |
Yan et al. | Computationally efficient direction finding using polynomial rooting with reduced-order and real-valued computations | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN110837076A (zh) | 一种基于张量分解的矢量水听器阵列方位估计方法 | |
CN111812581B (zh) | 基于原子范数的球面阵列声源波达方向估计方法 | |
CN116068493A (zh) | 一种深海大深度垂直分布式水听器被动声源定位方法 | |
CN106980105B (zh) | 电磁矢量传感器阵列空间旋转解相干测向方法 | |
CN109491009B (zh) | 一种光纤组合阵及基于光纤组合阵的栅瓣抑制方法 | |
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 | |
CN109270483B (zh) | 三维阵虚拟扩展相干源二维波达方向估计方法 | |
CN113325365B (zh) | 一种基于四元数的相干信号二维doa估计方法 | |
CN112485755A (zh) | 基于2q阶嵌套MIMO阵列结构的角度估计方法 | |
CN112305497B (zh) | 一种近场麦克风阵列doa估计测向模糊消除方法 | |
Salameh et al. | Conjugate MUSIC for non-circular sources | |
CN112799008A (zh) | 一种声速无关的快速二维波达方向估计方法 | |
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 |