• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 10
    • 下载费用:30 金币  

    重庆时时彩方案软件: 基于均匀线阵的混合信号方向估计方法.pdf

    关 键 词:
    基于 均匀 混合 信号 方向 估计 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201110227985.8

    申请日:

    2011.08.10

    公开号:

    CN102385048A

    公开日:

    2012.03.21

    当前法律状态:

    撤回

    有效性:

    无权

    法律详情: 发明专利申请公布后的视为撤回IPC(主分类):G01S 3/12申请公布日:20120321|||实质审查的生效IPC(主分类):G01S 3/12申请日:20110810|||公开
    IPC分类号: G01S3/12; G01S3/14 主分类号: G01S3/12
    申请人: 西安交通大学
    发明人: 王光敏; 辛景民; 左炜亮; 郑南宁
    地址: 710049 陕西省西安市咸宁路28号
    优先权:
    专利代理机构: 西安智大知识产权代理事务所 61215 代理人: 弋才富
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201110227985.8

    授权公告号:

    ||||||

    法律状态公告日:

    2013.12.18|||2012.05.02|||2012.03.21

    法律状态类型:

    发明专利申请公布后的视为撤回|||实质审查的生效|||公开

    摘要

    一种基于均匀线阵的混合信号方向估计方法,通过两步分别估计出不相关和相干信号的方向。第一步,应用传统的子空间方法估计出不相关信号的波达方向;第二步,使用矩阵差分技术将不相关信号的信息从接收信号中滤除,再通过子阵平均技术解相干,将相干信号的波达方向估计出来,克服了可解信号个数远小于传感器个数的缺陷,该方法通过分步估计的方法,提高了方法的性能,并通过分别估计出不相关信号和相干信号的波达方向,能快速估计波达方向。

    权利要求书

    1.基于均匀线阵的混合信号方向估计方法,其特征在于,步骤如下:
    步骤1:首先设置均匀线性阵列,该均匀线性阵列由M个各向同性的传感器
    线型排列,相邻的两个传感器的间隔d大小为λ/2,λ为远场窄带信号{sk(n)}的
    波长,相干信号和不相关信号同时存在的p个波长为λ的远场窄带信号{sk(n)}沿
    角度{θi(k)}入射到均匀线性阵列上时,该均匀线性阵列所采样接收到的信号x(n)
    表示为式(1):
    x ( n ) = Σ k = 1 q a ( θ k ) β k s 1 ( n ) + Σ k = q + 1 p a ( θ k ) s k ( n ) + w ( n ) ]]>
    = A c ( θ ) β s 1 ( n ) + A u ( θ ) s u ( n ) + w ( n ) - - - ( 1 ) ]]>
    = A ( θ ) s ( n ) + w ( n ) ]]>
    其中βk是复的信号衰减系数,且β1=1,sk(n)=βks1(n),其中k=1,2,...,p,q为
    小于p的自然数,p为大于等于1的整数且p<M,n为信号采样数目,
    β[β1,β2,...,βq]T,τk2πdcosθk/λ,
    Ac(θ)[a(θ1),a(θ2),...,a(θq)],Au(θ)[a(θq+1),a(θq+2),...,a(θp)],A(θ)[Ac(θ)β,Au(θ)],
    su(n)[sq+1(n),sq+2(n),...,sp(n)]T,s(n)[s1(n),su(n)]T,x(n)[x1(n),x2(n),...,xM(n)]T,
    w(n)[w1(n),w2(n),...,wM(n)]T,w(n)为附加噪音信号且为复的白高斯随机过程,其
    均值为零,方差为σ2,且w(n)和远场窄带信号{sk(n)}相互独立,远场窄带信号
    {sk(n)}是复的白高斯随机过程,均值为零;
    步骤2:不相关信号的波达方向估计,即根据式(1)导出阵列协方差矩阵
    Rx为式(2):
    R x E { x ( n ) x H ( n ) } ]]>
    = A c ( θ ) R s c A c H ( θ ) + A u ( θ ) R s u A u H ( θ ) + σ 2 I M - - - ( 2 ) ]]>
    = A ( θ ) R s A H ( θ ) + σ 2 I M ]]>
    其中E{·}和(·)H分别表示期望运算和复共轭转置, R s c E { β s 1 ( n ) s 1 * ( n ) β H } = δ 1 2 ββ H , ]]>
    R s u E { s u ( n ) s u H ( n ) } = diag { δ q + 1 2 , δ q + 2 2 , . . . , δ p 2 } , ]]> R s E { s ( n ) s H ( n ) } = diag { δ 1 2 , δ 2 2 , . . . , δ p 2 } , ]]>
    δ k 2 = E { s k ( n ) s k * ( n ) } ]]>是第k个远场窄带信号sk(n)的能量,IM是M×M单位矩阵;随
    后对Rx进行特征值分解如式(3)所示:
    R x = U s Λ s U s H + U n Λ n U n H - - - ( 3 ) ]]>
    其中Us是M×(p-q+1)的矩阵,它的列向量是按从大到小排列的前p-q+1个
    特征值所对应的特征向量,Un的是M×(M-(p-q+1))的矩阵,它的列向量是剩余
    的M-(p-q+1)个特征值所对应的特征向量,Λs和Λn分别为(p-q+1)×(p-q+1)对
    角矩阵和(M-(p-q+1))×(M-(p-q+1))对角矩阵;
    f ( θ ) = a H ( θ ) U n U n H a ( θ ) - - - ( 4 ) ]]>
    Us的列张成的空间对应信号子空间,和[Ac(θ)β,Au(θ)]的列张成的空相同,而
    且信号子空间和Un的列张成的噪声子空间是正交的,据此导出
    |[(Ac(θ)β)HUn]|2=0,其中O表示零矩阵,最后最小化式(4)
    导出不相关信号的波达方向估计值;
    步骤3:相干信号的波达方向的估计,即通过阵列协方差矩阵Rx导出初始
    扩展的协方差矩阵Rd如式(5)所示,



    其中为准信号协方差矩
    阵,由此准信号协方差矩阵的第k个对角元素为
    而准信号协方差矩阵的对角元素表示远场窄
    带信号{sk(n)}的能量,是非零的,随后将初始扩展的协方差矩阵Rd进行平方,得
    到平方结果矩阵如式(6)所示,



    其中它的对角元素为其中向量为
    的第k行,且向量是非零的,
    其次,对平方结果矩阵利用子空间平滑技术,可以得到平方结果矩阵的
    子阵如式(7)和式(8)所示,
    R d , l q F l R d q = A c ( θ ) Φ l - 1 R s A c H ( θ ) - - - ( 7 ) ]]>
    R d , l q F l J M R d q * = A c ( θ ) Φ - ( M - l ) R s * A c T ( θ ) - - - ( 8 ) ]]>
    其中l=1,2...q,选择矩阵Fl=[Om×(l-1),Im,Om×(M-m-l+1)],Jm是一个m×m的反单位矩
    阵,是由Ac(θ)的的前m行组成的子阵,m=M-q+1,由式(7)和式(8),
    导出过程扩展的协方差矩阵R如式(9)所示,
    R [ R d , 1 q , R d , 2 q , . . . , R d , q q , R d , 1 q , R d , 2 q , . . . , R d , q q ] - - - ( 9 ) ]]>
    将m×q的矩阵分成上子阵Ac1(θ)和下子阵Ac2(θ)如式(10)所示,
    A c ( θ ) A c 1 ( θ ) A c 2 ( θ ) } m - q } q - - - ( 10 ) ]]>
    根据Ac1(θ)是Vandermode矩阵,是非奇异的,而Ac2(θ)由Ac1(θ)的行向量的线
    性组合来表示,通过一个q×(m-q)的线性运算矩阵P,导出式(11),
    PHAc1(θ)=Ac2(θ)????(11)
    并据此将过程扩展的协方差矩阵R分为前子阵R1和后子阵R2,导出式(12),
    R R 1 R 2 } m - p } p - - - ( 12 ) ]]>
    由式(7)-式(12),导出式(13),
    PHR1=R2????(13)
    因此,矩阵P可以由R1和R2来计算,
    P = ( R 1 R 1 H ) - 1 R 1 R 2 H - - - ( 14 ) ]]>
    构建构造矩阵有根据该构造矩阵Q并且信
    号采样数n为有限值,角度通过最小化式(15)来获取,

    其中,
    该的求解是通过矩阵求逆引理,是变量x的估计。

    说明书

    基于均匀线阵的混合信号方向估计方法

    技术领域

    本发明属于不相关和相干信号同时存在的混合信号的波达方向的估计技术
    领域,特别涉及一种基于均匀线阵的混合信号方向估计方法。

    背景技术

    入射在传感器阵列上的信号波的波达方向估计是阵列信号处理的基本问
    题,其应用涉及雷达、声呐、通信、地质勘测这样的众多领域?;谧涌占涞?br />方法具有相对的简单性和高的分辨率,而且关于他们的研究已经有很多,其中
    有多重信号分类(MUSIC)和子空间旋转不变法(ESPRIT)。然而,当入射信号
    为相干信号,这时的源信号的互协方差矩阵的秩小于入射信号的个数,基于子
    空间方法的性能下降明显。一些可行的方法被提出来解决信号的相关问题,这
    些方法采用一些对阵列传感器的预处理策略,它们把传感器阵列分成几个子阵
    列,然后得到子阵列的输出协方差矩阵的平均,以牺牲阵列孔径为代价来达到
    解相干的目的,但是在不相关信号和相干信号同时存在的情况下,为解相干信
    号波达方向而采取的子阵平滑技术导致阵列孔径减小,使得不相关信号的波达
    方向估计精度也降低。

    发明内容

    为了克服上述现有技术存在的不足,本发明的目的在于提供一种基于均匀
    线阵的混合信号方向估计方法,克服了可解信号个数远小于传感器个数的缺陷,
    该方法通过分步估计的方法,提高了方法的性能,并通过分别估计出不相关信
    号和相干信号的波达方向,能快速估计波达方向。

    为了达到上述目的,本发明所采用的技术方案是:

    一种基于均匀线阵的混合信号方向估计方法,步骤如下:

    步骤1:首先设置均匀线性阵列,该均匀线性阵列由M个各向同性的传感器
    线型排列,相邻的两个传感器的间隔d大小为λ/2,λ为远场窄带信号{sk(n)}的
    波长。相干信号和不相关信号同时存在的p个波长为λ的远场窄带信号{sk(n)}沿
    角度{θi(k)}入射到均匀线性阵列上时,该均匀线性阵列所采样接收到的信号x(n)
    表示为式(1):

    x ( n ) = Σ k = 1 q a ( θ k ) β k s 1 ( n ) + Σ k = q + 1 p a ( θ k ) s k ( n ) + w ( n ) ]]>

    = A c ( θ ) β s 1 ( n ) + A u ( θ ) s u ( n ) + w ( n ) - - - ( 1 ) ]]>

    = A ( θ ) s ( n ) + w ( n ) ]]>

    其中βk是复的信号衰减系数,且β1=1,sk(n)=βks1(n),其中k=1,2,...,p,q为
    小于p的自然数,p为大于等于1的整数且p<M,n为信号采样数目,
    β[β1,β2,...,βq]T,τk2πdcosθk/λ,Ac(θ)[a(θ1),,
    a(θ2),...,a(θq)],Au(θ)[a(θq+1),a(θq+2),...,a(θp)],A(θ)[Ac(θ)β,Au(θ)],
    su(n)[sq+1(n),sq+2(n),...,sp(n)]T,s(n)[s1(n),su(n)]T,x(n)[x1(n),x2(n),...,xM(n)]T,
    w(n)[w1(n),w2(n),...,wM(n)]T,w(n)为附加噪音信号且为复的白高斯随机过程,其
    均值为零,方差为σ2,且w(n)和远场窄带信号{sk(n)}相互独立,远场窄带信号
    {sk(n)}是复的白高斯随机过程,均值为零;

    步骤2:不相关信号的波达方向估计,即根据式(1)导出阵列协方差矩阵
    Rx为式(2):

    R x E { x ( n ) x H ( n ) } ]]>

    = A c ( θ ) R s c A c H ( θ ) + A u ( θ ) R s u A u H ( θ ) + σ 2 I M - - - ( 2 ) ]]>

    = A ( θ ) R s A H ( θ ) + σ 2 I M ]]>

    其中E{·}和(·)H分别表示期望运算和复共轭转置, R s c E { β s 1 ( n ) s 1 * ( n ) β H } = δ 1 2 ββ H , ]]>
    R s u E { s u ( n ) s u H ( n ) } = diag { δ q + 1 2 , δ q + 2 2 , . . . , δ p 2 } , ]]> R s E { s ( n ) s H ( n ) } = diag { δ 1 2 , δ 2 2 , . . . , δ p 2 } , ]]>
    δ k 2 = E { s k ( n ) s k * ( n ) } ]]>是第k个远场窄带信号sk(n)的能量,IM是M×M单位矩阵;随
    后对Rx进行特征值分解如式(3)所示:

    R x = U s Λ s U s H + U n Λ n U n H - - - ( 3 ) ]]>

    其中Us是M×(p-q+1)的矩阵,它的列向量是按从大到小排列的前p-q+1个
    特征值所对应的特征向量,Un的是M×(M-(p-q+1))的矩阵,它的列向量是剩余
    的M-(p-q+1)个特征值所对应的特征向量,Λs和Λn分别为(p-q+1)×(p-q+1)对
    角矩阵和(M-(p-q+1))×(M-(p-q+1))对角矩阵。

    Us的列张成的空间对应信号子空间,和[Ac(θ)β,Au(θ)]的列张成的生成子空间
    相同,而且信号子空间和Un的列张成的噪声子空间是正交的,据此导出
    |[(Ac(θ)β)HUn]|2=0,其中O表示零矩阵,最后最小化式(4)
    导出不相关信号的波达方向估计值;

    f ( θ ) = a H ( θ ) U n U n H a ( θ ) - - - ( 4 ) ]]>

    步骤3:相干信号的波达方向的估计,即通过阵列协方差矩阵Rx导出初始
    扩展的协方差矩阵Rd如式(5)所示,




    其中为准信号协方差矩
    阵,由此准信号协方差矩阵的第k个对角元素为
    而准信号协方差矩阵的对角元素表示远场窄
    带信号{sk(n)}的能量,是非零的,随后将初始扩展的协方差矩阵Rd进行平方,得
    到平方结果矩阵如式(6)所示,




    其中它的对角元素为其中向量为
    的第k行,且向量是非零的,

    其次,对平方结果矩阵利用子空间平滑技术,可以得到平方结果矩阵的
    子阵如式(7)和式(8)所示,

    R d , l q F l R d q = A c ( θ ) Φ l - 1 R s A c H ( θ ) - - - ( 7 ) ]]>

    R d , l q F l J M R d q * = A c ( θ ) Φ - ( M - l ) R s * A c T ( θ ) - - - ( 8 ) ]]>

    其中l=1,2...q,选择矩阵Fl=[Om×(l-1),Im,Om×(M-m-l+1)],Jm是一个m×m的反单位矩
    阵,是由Ac(θ)的的前m行组成的子阵,m=M-q+1,由式(7)和式(8),
    导出过程扩展的协方差矩阵R如式(9)所示,

    R [ R d , 1 q , R d , 2 q , . . . , R d , q q , R d , 1 q , R d , 2 q , . . . , R d , q q ] - - - ( 9 ) ]]>

    将m×q的矩阵分成上子阵Ac1(θ)和下子阵Ac2(θ)如式(10)所示,

    A c ( θ ) A c 1 ( θ ) A c 2 ( θ ) } m - q } q - - - ( 10 ) ]]>

    根据Ac1(θ)是Vandermode矩阵,是非奇异的,而Ac2(θ)由Ac1(θ)的行向量的线
    性组合来表示,通过一个q×(m-q)的线性运算矩阵P,导出式(11),

    PHAc1(θ)=Ac2(θ)????(11)

    并据此将过程扩展的协方差矩阵R分为前子阵R1和后子阵R2,导出式(12),

    R R 1 R 2 } m - p } p - - - ( 12 ) ]]>

    由式(7)-式(12),导出式(13),

    PHR1=R2????(13)

    因此,矩阵P可以由R1和R2来计算,

    P = ( R 1 R 1 H ) - 1 R 1 R 2 H - - - ( 14 ) ]]>

    构造矩阵Q[PT,-Im-q]T,有根据该构造矩阵Q并且信号采
    样数n为有限值,角度通过最小化式(15)来获取,


    其中,
    该的求解是通过矩阵求逆引理,是变量x的估计。

    通过两步分别估计出不相关和相干信号的方向。第一步,应用传统的子空
    间方法估计出不相关信号的波达方向;第二步,使用矩阵差分技术将不相关信
    号的信息从接收信号中滤除,再通过子阵平均技术解相干,将相干信号的波达
    方向估计出来,克服了可解信号个数远小于传感器个数的缺陷,该方法通过分
    步估计的方法,提高了方法的性能,并通过分别估计出不相关信号和相干信号
    的波达方向,能快速估计波达方向。

    具体实施方式

    下面结合实施例对本发明作更详细的说明。

    基于均匀线阵的混合信号方向估计方法,步骤如下:

    步骤1:首先设置均匀线性阵列,该均匀线性阵列由M个各向同性的传感器
    线型排列,相邻的两个传感器的间隔d大小为λ/2,λ为远场窄带信号{sk(n)}的
    波长,相干信号和不相关信号同时存在的p个波长为λ的远场窄带信号{sk(n)}沿
    角度{θi(k)}入射到均匀线性阵列上时,该均匀线性阵列所采样接收到的信号x(n)
    表示为式(1):

    x ( n ) = Σ k = 1 q a ( θ k ) β k s 1 ( n ) + Σ k = q + 1 p a ( θ k ) s k ( n ) + w ( n ) ]]>

    = A c ( θ ) β s 1 ( n ) + A u ( θ ) s u ( n ) + w ( n ) - - - ( 1 ) ]]>

    = A ( θ ) s ( n ) + w ( n ) ]]>

    其中βk是复的信号衰减系数,且β1=1,sk(n)=βks1(n),其中k=1,2,...,p,,q为
    小于p的自然数,p为大于等于1的整数且p<M,n为信号采样数目,
    β[β1,β2,...,βq]T,τk2πdcosθk/λ,
    Ac(θ)[a(θ1),a(θ2),...,a(θq)],Au(θ)[a(θq+1),a(θq+2),...,a(θp)],A(θ)[Ac(θ)β,Au(θ)],
    su(n)[sq+1(n),sq+2(n),...,sp(n)]T,s(n)[s1(n),su(n)]T,x(n)[x1(n),x2(n),...,xM(n)]T,
    w(n)[w1(n),w2(n),...,wM(n)]T,w(n)为附加噪音信号且为复的白高斯随机过程,其
    均值为零,方差为σ2,且w(n)和远场窄带信号{sk(n)}相互独立,远场窄带信号
    {sk(n)}是复的白高斯随机过程,均值为零;

    步骤2:不相关信号的波达方向估计,即根据式(1)导出阵列协方差矩阵
    Rx为式(2):

    R x E { x ( n ) x H ( n ) } ]]>

    = A c ( θ ) R s c A c H ( θ ) + A u ( θ ) R s u A u H ( θ ) + σ 2 I M - - - ( 2 ) ]]>

    = A ( θ ) R s A H ( θ ) + σ 2 I M ]]>

    其中E{·}和(·)H分别表示期望运算和复共轭转置, R s c E { β s 1 ( n ) s 1 * ( n ) β H } = δ 1 2 ββ H , ]]>
    R s u E { s u ( n ) s u H ( n ) } = diag { δ q + 1 2 , δ q + 2 2 , . . . , δ p 2 } , ]]> R s E { s ( n ) s H ( n ) } = diag { δ 1 2 , δ 2 2 , . . . , δ p 2 } , ]]>
    δ k 2 = E { s k ( n ) s k * ( n ) } ]]>是第k个远场窄带信号sk(n)的能量,IM是M×M单位矩阵;随
    后对Rx进行特征值分解如式(3)所示:

    R x = U s Λ s U s H + U n Λ n U n H - - - ( 3 ) ]]>

    其中Us是M×(p-q+1)的矩阵,它的列向量是按从大到小排列的前p-q+1个特征
    值所对应的特征向量,Un的是M×(M-(p-q+1))的矩阵,它的列向量是剩余的
    M-(p-q+1)个特征值所对应的特征向量,Λs和Λn分别为(p-q+1)×(p-q+1)对角
    矩阵和(M-(p-q+1))×(M-(p-q+1))对角矩阵;

    Us的列张成的空间对应信号子空间,和[Ac(θ)β,Au(θ)]的列张成的空相同,而
    且信号子空间和Un的列张成的噪声子空间是正交的,据此导出
    |[(Ac(θ)β)HUn]|2=0,其中O表示零矩阵,最后最小化式(4)
    导出不相关信号的波达方向估计值;

    f ( θ ) = a H ( θ ) U n U n H a ( θ ) - - - ( 4 ) ]]>

    步骤3:相干信号的波达方向的估计,即通过阵列协方差矩阵Rx导出初始
    扩展的协方差矩阵Rd如式(5)所示,




    其中为准信号协方差矩
    阵,由此准信号协方差矩阵的第k个对角元素为
    而准信号协方差矩阵的对角元素表示远场窄
    带信号{sk(n)}的能量,是非零的,随后将初始扩展的协方差矩阵Rd进行平方,得
    到平方结果矩阵如式(6)所示,




    其中它的对角元素为其中向量为
    的第k行,且向量是非零的,

    其次,对平方结果矩阵利用子空间平滑技术,可以得到平方结果矩阵的
    子阵如式(7)和式(8)所示,

    R d , l q F l R d q = A c ( θ ) Φ l - 1 R s A c H ( θ ) - - - ( 7 ) ]]>

    R d , l q F l J M R d q * = A c ( θ ) Φ - ( M - l ) R s * A c T ( θ ) - - - ( 8 ) ]]>

    其中l=1,2...q,选择矩阵Fl=[Om×(l-1),Im,Om×(M-m-l+1)],Jm是一个m×m的反单位矩
    阵,是由Ac(θ)的的前m行组成的子阵,m=M-q+1,由式(7)和式(8),
    导出过程扩展的协方差矩阵R如式(9)所示,

    R [ R d , 1 q , R d , 2 q , . . . , R d , q q , R d , 1 q , R d , 2 q , . . . , R d , q q ] - - - ( 9 ) ]]>

    将m×q的矩阵分成上子阵Ac1(θ)和下子阵Ac2(θ)如式(10)所示,

    A c ( θ ) A c 1 ( θ ) A c 2 ( θ ) } m - q } q - - - ( 10 ) ]]>

    根据Ac1(θ)是Vandermode矩阵,是非奇异的,而Ac2(θ)由Ac1(θ)的行向量的线
    性组合来表示,通过一个q×(m-q)的线性运算矩阵P,导出式(11),

    PHAc1(θ)=Ac2(θ)????(11)

    并据此将过程扩展的协方差矩阵R分为前子阵R1和后子阵R2,导出式(12),

    R R 1 R 2 } m - p } p - - - ( 12 ) ]]>

    由式(7)-式(12),导出式(13),

    PHR1=R2????(13)

    因此,矩阵P可以由R1和R2来计算,

    P = ( R 1 R 1 H ) - 1 R 1 R 2 H - - - ( 14 ) ]]>

    构建构造矩阵有根据该构造矩阵Q并且信
    号采样数n为有限值,角度通过最小化式(15)来获取,


    其中,
    该的求解是通过矩阵求逆引理,是变量x的
    估计。

    关于本文
    本文标题:基于均匀线阵的混合信号方向估计方法.pdf
    链接地址://www.4mum.com.cn/p-5817373.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 股票分析师 3月8日上证指数 2010年7月上证指数 股票涨跌原理和机制 中小盘股票推荐 股票分析师这个行业怎样 股票指数怎么买 股票融资还款技巧 上证指数k线走势 000157个股资料股票行情 什么是股票指数 炒股秘籍 比亚迪股票行情 2016股票融资比例 标准普尔500种股票指数 股票分析软件破解版