CN114265004B - 一种基于子空间对消的干扰下的目标角度估计方法 - Google Patents
一种基于子空间对消的干扰下的目标角度估计方法 Download PDFInfo
- Publication number
- CN114265004B CN114265004B CN202111532705.4A CN202111532705A CN114265004B CN 114265004 B CN114265004 B CN 114265004B CN 202111532705 A CN202111532705 A CN 202111532705A CN 114265004 B CN114265004 B CN 114265004B
- Authority
- CN
- China
- Prior art keywords
- interference
- target
- covariance matrix
- subspace
- auxiliary data
- 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 25
- 239000013598 vector Substances 0.000 claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000012360 testing method Methods 0.000 claims abstract description 32
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 3
- 230000001629 suppression Effects 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 8
- 238000007476 Maximum Likelihood Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000002592 echocardiography Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明设计雷达通信技术领域,提出一种基于子空间对消的干扰下的目标角度估计方法,包含步骤:构建回波信号矩阵;计算测试数据的协方差矩阵;对测试数据协方差矩阵进行特征分解,得到目标+干扰子空间;计算辅助数据的协方差矩阵;对辅助数据协方差矩阵进行特征分解,得到干扰子空间;对得到的子空间对应的特征向量求相似度,相关系数高于门限判定为干扰,剔除干扰特征向量后得到目标子空间;计算各稀疏网格点目标函数输出;取最大目标函数输出对应角度作为目标角度估计。通过子空间相似度进行干扰下的角度估计,可以有效进行干扰抑制,在干扰环境中得到目标角度的准确估计。
Description
技术领域
本发明属于雷达通信领域,尤其涉及干扰下的目标角度估计方法。
背景技术
波达方向估计DOA是现代雷达中的一个重要课题,提升角度估计精度可以提升整个雷达***的性能(见文献:Enhanced DOA Estimation Exploiting Multi-FrequencySparse Array,IEEE Transactions on Signal Processing,available online,2021;Real-Valued Sparse Bayesian Learning for DOA Estimation With Arbitrary LinearArrays,IEEE Transactions on Signal Processing,vol.69,pp.4977-4990,2021.)。随着现代电磁环境的变得日益复杂,有源干扰成为现代雷达***需要考虑的重要因素之一(见文献:DOA Estimation Using Compressive Sampling-Based Sensors in the Presenceof Interference,IEEE Transactions on Aerospace and Electronic Systems,vol.56,no.6,pp.4395-4405,2020)。有源干扰会对一个***的各项性能产生较大影响,因此有必要考虑干扰下的目标角度估计问题。
当前角度估计方法大致分为,第一类是和差波束单脉冲测角,这类方法是利用和差波束比与误差角之间的近似线性关系来求解误差角,从而得到目标来向的一种角度估计方法,这种方法需要用到和差波束比与误差角的近似线性关系,所以测角范围限制在主瓣范围内,测角误差会随着误差角增大而增大,而且在干扰存在的情况下,为了抑制干扰,需要利用MVDR原理进行滤波,会导致常规的和差波束比出现失真,从而无法正常测角,一些学者在此基础上提出运用线性约束的方法保证和差波束比在约束范围内不发生失真(见文献:Monopulse estimation with subarray-adaptive arrays and arbitrary sum anddifference beams,IEE Proceedings-Radar,Sonar and Navigation,vol.143,no.4,pp.232–238,1996;Adaptive Monopulse Approach With Joint Linear Constraints forPlanar Array at Subarray Level,IEEE Transactions on Aerospace and ElectronicSystems,vol.54,no.3,pp.1432-1441,2018),测角范围限制在约束范围内;第二类是最大似然估计(见文献:Maximum likelihood estimation of DOD and DOA for bistaticMIMO radar,Signal Processing,vol.93,no.5,pp.1349-1357,2013;ApproximateUnconditional Maximum Likelihood Direction of Arrival Estimation for TwoClosely Spaced Targets,IEEE Signal Processing Letters,vol.22,no.1,pp.86-89,2015),通过导向矢量结合协方差矩阵得到自适应权值,阵列信号输入进行滤波处理,最大输出即是对应的最大似然角度估计,这类方法在高维情况下容易出现低秩协方差矩阵而导致协方差矩阵不可逆的情况,从而影响了角度估计性能;第三类是子空间角度估计方法(Direction of Departure(DOD)and Direction of Arrival(DOA)Estimation in MIMORadar with Reduced-Dimension MUSIC,IEEE Communications Letters,vol.14,no.12,pp.1161-1163,2010),这类方法通过对协方差矩阵进行特征分解得到目标特征向量,进而构造一定的目标函数,目标函数取极值即可得到对应的角度估计。
现有的DOA在干扰场景下的角度估计效果不理想,比如在大范围测角、高维度等应用场景下的角度估计性能不足。
发明内容
本发明所要解决的技术问题是,针对现有角度估计算法仅考虑信号源角度估计,未考虑干扰判别问题,提供一种既考虑了有源干扰下的角度估计问题,又通过子空间特征向量的相关系数进行干扰判别,进而完成目标角度估计的方法。
本发明为解决上述技术问题所采用的技术方案是,基于子空间对消的干扰下的目标角度估计方法,包括以下步骤:
步骤1:分别构建测试数据、辅助数据对应的回波信号矩阵,测试数据回波信号矩阵X1,X1为N×L1的矩阵,N为空域通道数,L1为快拍数,将辅助数据回波信号矩阵作为干扰回波信号矩阵X2,X2为N×L2的矩阵,L2为辅助数据的快拍数;
步骤2:计算测试数据协方差矩阵H表示共轭转置;再对测试数据协方差矩阵Ω进行特征分解得到目标和干扰子空间的特征向量αi,i=1,2,...,I,I为目标和干扰子空间的特征向量个数;计算干扰协方差矩阵/>再对干扰协方差矩阵R进行特征分解得到干扰子空间的特征向量βj,j=1,2,...,J,J为干扰子空间的特征向量个数;
步骤3:计算干扰+目标子空间的特征向量αi和干扰子空间的特征向量βj的相关系数如果相关系数ρij大于门限T,判定测试空间的特征向量αi为干扰特征向量,否则判定αi为目标特征向量;其中,var表示方差函数,cov表示协方差函数;
步骤4:利用目标特征向量构造稀疏网格点上的目标函数,得到各网格点上的目标函数值;
步骤5:对步骤4得到的目标函数值进行峰值搜索,得到目标函数的峰值对应的方位角与俯仰角/>
本发明的有益效果为:通过子空间特征向量的相关系数进行干扰判别,筛选出目标特征向量来构造目标函数从而进行角度估计,可以弥补和差波束测角在测角范围、最大似然测角在高维度应用场景下的不足,在这些场景下进行正常的高精度角度估计,相对来说,具有较强的稳健性。
附图说明
图1为本发明的流程图。
具体实施方式
本发明不同于现有MUSIC、ESPRIT等子空间角度估计算法考虑的信号源角度估计问题,未考虑干扰判别问题,本发明考虑了有源干扰下的角度估计问题,并且通过子空间特征向量的相关系数进行干扰判别,进而得到准确的目标角度估计。
为更好地描述,首先进行如下定义:
测试数据:包含目标回波、干扰以及噪声的距离单元的回波;
辅助数据:与测试数据相邻距离单元的回波,即未检测到目标信号的回波快拍,一般来说,只包含干扰以及噪声;
信源:某个信号源,这里指干扰或者目标信号源;
信源门限:用于判别信源与干扰的门限,当特征值大于门限,判定为信源,特征值小于门限,判定为噪声;
导向矢量:描述阵元之间相位关系的矢量,比如N阵元的均匀线阵的导向矢量为a(θ)=[1,ej2πdsinθ/λ,...,ej2π(N-1)dsinθ/λ]T,其中θ为信号入射方向与线阵法线方向的夹角,d为阵元间距,λ为载波波长。
下面结合说明书附图来说明本发明的具体实施方式。
如图1所示的本发明的一种干扰下的面阵角度估计方法,其具体包含以下步骤:
前序步骤、雷达完成目标检测处理,目标所在单元回波(可能包括多个脉冲回波)记为测试数据,无目标单元回波记为辅助数据。
步骤1、取脉压后待测单元回波构建测试数据回波信号矩阵即取相邻单元回波构建辅助数据回波信号矩阵/>N为空域通道数,/>为测试数据列向量,表示一个快拍的回波数据,共L1快拍的回波数据,为辅助数据列向量,表示一个快拍的回波数据,共L2快拍的回波数据,
步骤2、计算测试数据协方差矩阵,其中x1表示一个快拍的测试数据,X1表示L1快拍的测试数据构成的回波信号矩阵,H表示共轭转置。
步骤3、对测试数据协方差矩阵进行特征分解测试数据协方差矩阵的特征值和特征向量分别为λ′i、αi,i=1,2,...,N;λ′1≥λ′2,...,≥λ′N,λ′1,λ′2,...,λ′N表示矩阵Ω的特征值。一般来来说,测试数据协方差矩阵特征分解得到的特征向量包括干扰、目标以及干扰特征向量,因此需要根据特征值来判别信源和噪声,这里采用设置门限的方法判别信源。计算信源门限/>T1为设置的信源门限常数。当特征值大于信源门限,即/>判定αi为信源特征向量,也就是干扰和目标的特征向量;当特征值小于信源门限,即/>判定αi为干扰特征向量。利用信源门限对特征向量进行筛选得到I个信源特征向量,I≤N。在进行了信源特征向量的区别之后,就能得到目标+干扰子空间特征向量αi,i=1,2,...,I张成的子空间:目标+干扰子空间。
步骤4、计算辅助数据协方差矩阵,其中x2表示一个快拍的测试数据,X2表示L2快拍的辅助数据构成的回波信号矩阵。
步骤5、与步骤3类似,对辅助数据协方差矩阵进行特征分解,得到对应的干扰子空间。η′1≥η′2,...,≥η′N,辅助数据协方差矩阵的特征值和特征向量分别为η′j、βj,计算干扰门限/>T2为设置的干扰门限常数。当特征值大于干扰门限,即/>判定βj为干扰特征向量,当特征值小于干扰门限,即/>判定βj为干扰特征向量。利用干扰门限对特征向量进行筛选得到J个干扰特征向量,J≤N,各干扰特征向量张成的子空间即为干扰子空间。
步骤6、计算两子空间特征向量相关系数,判别干扰。取目标+干扰子空间特征向量αi,i=1,2,...,I,I取干扰子空间特征向量βj,j=1,2,...,J,J为干扰子空间特征向量个数,计算αi,βj两特征向量的相关系数设置判别门限T,此处的门限与上述步骤中的T1,T2不同,T是相关系数门限,T1,T2为功率门限。当ρij>T,判定αi,βj为干扰特征向量,从干扰+目标子空间中剔除特征向量αi,最终得到只包含目标特征向量的目标子空间span(αi),i=1,2,...,I1,即由I1个特征向量张成的子空间。
步骤7、对目标特征向量进行叠加,计算稀疏网格点目标函数输出。首先叠加目标特征向量,再将测角范围划分成一系列的稀疏网格点/>计算对应的目标函数值/>这里的/>为面阵的子阵级导向矢量或者线阵的阵元级导向矢量。
对于均匀划分的面阵来说,方位维导向矢量俯仰维导向矢量/>总的子阵级导向矢量为/>其中,P1,P2分别表示y轴、z轴方向上子阵所包含的阵元数,Qy,Qz分别表示y轴、z轴方向上的子阵数目,N=QyQz,/>为波控指向,/>为克罗内克积。
对于多重载频扩大角度估计范围的角度估计场景,可以通过改变目标函数的方式
来得到对应的角度估计。首先对叠加后的目标特征向量按载频数M进行分块,即各重载频对应的方位维导向矢量
各重载频对应的俯仰维导向矢量,
目标函数可以设置为
步骤8、对步骤7得到的目标函数值进行峰值搜索,得到对应的角度估计值,稀疏网格点最大输出对应的角度即为对应的角度估计。
基于本发明的详细论述方案,进行干扰下的多载频的面阵的角度估计仿真,M=4,L1=10,L2=64阵列为16*16的均匀面阵,输入信噪比为15dB,三个干扰方位、俯仰角固定为(9°,9°)、(6°,-10°)、(0°,20°),干噪比JNR为40dB,波控指向(10°,10°),目标信号方位俯仰角(10.2°,9°),进行500次蒙特卡罗仿真,某次仿真测试结果为:方位角均方根误差为0.01095°,俯仰角均方根误差为0.004472°。
本发明的关键要素是基于子空间特征向量的相关系数的干扰判别技术,并不局限于前述的具体实施方式;目标函数的设置不限于步骤7中的导向矢量匹配,还可以是类似MUSIC、ESPRIT的目标函数设置方法,应用场景不限于均匀面阵,均匀线阵、非均匀线阵、非均匀面阵也可运用本发明,只要导向矢量已知即可。本发明扩展到任何本说明书中披露的新特征或者任何新的组合,以及披露的任一新的方法或者过程的步骤或任何新的组合。
Claims (4)
1.基于子空间对消的干扰下的目标角度估计方法,其特征在于,包括以下步骤:
步骤1:分别构建测试数据、辅助数据对应的回波信号矩阵;测试数据为目标所在单元回波;辅助数据为无目标单元回波;
步骤2:计算测试数据协方差矩阵;再对测试数据协方差矩阵进行特征分解得到目标和干扰子空间的特征向量αi,i=1,2,...,I,I为目标和干扰子空间的特征向量个数;计算辅助数据协方差矩阵,再对辅助数据协方差矩阵进行特征分解得到干扰子空间的特征向量βj,j=1,2,...,J,J为干扰子空间的特征向量个数;
步骤3:计算测试空间的特征向量αi和干扰子空间的特征向量βj的相关系数如果相关系数ρij大于门限T,判定测试空间的特征向量αi为干扰特征向量,否则判定αi为目标特征向量;其中,var表示方差函数,cov表示协方差函数;
步骤4:利用目标特征向量构造稀疏网格点上的目标函数,得到各网格点上的目标函数值;
步骤5:对步骤4得到的目标函数值进行峰值搜索,得到目标函数的峰值对应的方位角与俯仰角/>
2.如权利要求1所述方法,其特征在于,测试数据回波信号矩阵X1,X1为N×L1的矩阵,N为空域通道数,L1为测试数据快拍数;辅助数据回波信号矩阵X2,X2为N×L2的矩阵,L2为辅助数据的快拍数;
测试数据协方差矩阵辅助数据协方差矩阵/>
3.如权利要求2所述方法,其特征在于,步骤2具体包括:
对测试数据协方差矩阵进行特征分解λ′i为测试数据协方差矩阵的特征值,i=1,2,...,N,λ'1≥λ'2,...,≥λ'N;计算信源门限/>T1为设置的信源门限常数;利用信源门限对测试数据协方差矩阵的特征向量进行筛选,当有/>则判定对应αi为目标和干扰子空间信源特征向量,得到I个目标和干扰子空间信源特征向量αi,i=1,2,...,I,I个目标和干扰子空间信源特征向量张成目标+干扰子空间;
对辅助数据协方差矩阵进行特征分解η'j为辅助数据协方差矩阵的特征值,βj为辅助数据协方差矩阵的特征向量,j=1,2,...,N,η'1≥η'2,...,η'N;计算干扰门限T2为设置的干扰门限常数;利用干扰门限对辅助数据协方差矩阵的特征向量进行筛选,当有/>则判定对应βj为干扰空间信源特征向量,得到J个干扰特征向量βj,j=1,2,...,J,J个干扰信源特征向量张成干扰子空间。
4.如权利要求1所述方法,其特征在于,步骤4具体为:将目标特征向量进行叠加I1为目标特征向量个数,计算各稀疏网格点目标函数值/> 为方位角θ与俯仰角/>的网格点对应的阵列导向矢量,H表示共轭转置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111532705.4A CN114265004B (zh) | 2021-12-15 | 2021-12-15 | 一种基于子空间对消的干扰下的目标角度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111532705.4A CN114265004B (zh) | 2021-12-15 | 2021-12-15 | 一种基于子空间对消的干扰下的目标角度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114265004A CN114265004A (zh) | 2022-04-01 |
CN114265004B true CN114265004B (zh) | 2023-12-08 |
Family
ID=80827265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111532705.4A Active CN114265004B (zh) | 2021-12-15 | 2021-12-15 | 一种基于子空间对消的干扰下的目标角度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114265004B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115508828B (zh) * | 2022-10-20 | 2024-05-14 | 中国人民解放军海军航空大学 | 子空间干扰下雷达目标智能融合检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103885049A (zh) * | 2014-03-06 | 2014-06-25 | 西安电子科技大学 | 基于最小冗余线性稀疏子阵的米波雷达低仰角估计方法 |
CN104360337A (zh) * | 2014-11-26 | 2015-02-18 | 西安电子科技大学 | 基于1范数约束的自适应波束形成方法 |
CN106443594A (zh) * | 2016-08-30 | 2017-02-22 | 西安电子科技大学 | 一种基于稀疏约束的雷达天线阵列稳健波束形成方法 |
CN107015191A (zh) * | 2017-05-18 | 2017-08-04 | 哈尔滨工程大学 | 一种在多径干扰环境下单偶极子极化敏感阵列降维doa估计方法 |
CN108957388A (zh) * | 2018-05-21 | 2018-12-07 | 南京信息工程大学 | 一种基于协方差匹配sl0算法的mimo雷达相干信源doa估计方法 |
CN109959899A (zh) * | 2018-04-12 | 2019-07-02 | 哈尔滨工程大学 | 特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法 |
CN110927711A (zh) * | 2019-10-24 | 2020-03-27 | 长江大学 | 一种双基地emvs-mimo雷达的高精度定位算法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102449214B1 (ko) * | 2015-05-13 | 2022-09-30 | 주식회사 에이치엘클레무브 | 도래각 추정 장치 및 이를 이용한 도래각 추정 방법 |
-
2021
- 2021-12-15 CN CN202111532705.4A patent/CN114265004B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103885049A (zh) * | 2014-03-06 | 2014-06-25 | 西安电子科技大学 | 基于最小冗余线性稀疏子阵的米波雷达低仰角估计方法 |
CN104360337A (zh) * | 2014-11-26 | 2015-02-18 | 西安电子科技大学 | 基于1范数约束的自适应波束形成方法 |
CN106443594A (zh) * | 2016-08-30 | 2017-02-22 | 西安电子科技大学 | 一种基于稀疏约束的雷达天线阵列稳健波束形成方法 |
CN107015191A (zh) * | 2017-05-18 | 2017-08-04 | 哈尔滨工程大学 | 一种在多径干扰环境下单偶极子极化敏感阵列降维doa估计方法 |
CN109959899A (zh) * | 2018-04-12 | 2019-07-02 | 哈尔滨工程大学 | 特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法 |
CN108957388A (zh) * | 2018-05-21 | 2018-12-07 | 南京信息工程大学 | 一种基于协方差匹配sl0算法的mimo雷达相干信源doa估计方法 |
CN110927711A (zh) * | 2019-10-24 | 2020-03-27 | 长江大学 | 一种双基地emvs-mimo雷达的高精度定位算法及装置 |
Non-Patent Citations (1)
Title |
---|
基于时间反转的MIMO雷达实值MUSIC算法;刘梦波;胡国平;师俊朋;刘胜利;;现代雷达(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114265004A (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109188344B (zh) | 脉冲噪声环境下基于互循环相关music算法信源个数与来波方向角估计方法 | |
Shi et al. | On parameter identifiability of diversity-smoothing-based MIMO radar | |
Li et al. | Using range profiles as feature vectors to identify aerospace objects | |
EP2453258B1 (en) | Radar device | |
CN108710103B (zh) | 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法 | |
CN110673086A (zh) | 一种基于数字阵列雷达的二维角度超分辨方法 | |
Fuchs et al. | Single-snapshot direction-of-arrival estimation of multiple targets using a multi-layer perceptron | |
Kirsteins et al. | Rapidly adaptive nulling of interference | |
Chen et al. | A DOA estimation algorithm based on eigenvalues ranking problem | |
CN110196417B (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
CN114265004B (zh) | 一种基于子空间对消的干扰下的目标角度估计方法 | |
Lee | Deep learning-aided signal enumeration for lens antenna array | |
CN113625220A (zh) | 一种多径信号波达方向和扩散角快速估计新方法 | |
CN112363108A (zh) | 信号子空间加权超分辨的波达方向检测方法及*** | |
Cui et al. | DOA estimation of multiple LFM sources using a STFT-based and FBSS-based MUSIC algorithm | |
CN113381793B (zh) | 一种面向相干信源估计的无网格波达方向估计方法 | |
CN114740434A (zh) | 一种等距分布子阵列***及抗伴飞式干扰的方法 | |
Wen et al. | Beam‐Doppler Unitary ESPRIT for Multitarget DOA Estimation | |
CN114460531A (zh) | 一种均匀线阵music空间谱估计方法 | |
CN112363106B (zh) | 基于量子粒子群的信号子空间波达方向检测方法及*** | |
CN108872928A (zh) | 基于四线性分解的平面阵列角度的估算方法 | |
Al Jabr et al. | Modified UCA-ESPRIT for estimating DOA of coherent signals using one snapshot | |
CN113341371B (zh) | 一种基于l阵和二维esprit算法的doa估计方法 | |
Bahçeci et al. | Adaptive Transmit Beam Pattern Design for Compressed Sensing-based Direction of Arrival Estimation | |
Zhang et al. | Comparison of Several DOA Methods Based on Spatial Spectrum Estimation |
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 |