项目名称: 基于稀疏互质阵列的DOA估计算法研究

项目编号: No.61501062

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 贾勇

作者单位: 成都理工大学

项目金额: 19万元

中文摘要: 本项目旨在利用稀疏非均匀的互质接收阵列和稀疏均匀的互质收发阵列分别解决信号源和散射源两类目标DOA的估计问题,通过对互质阵列协同阵理论、多频自相关矩阵增广方法、DOA估计算法、相关理论与算法性能评估体系等方面的研究,完善基于互质阵列的DOA估计理论体系。突破关键技术难题,提出充分利用互质布局自由度实现目标DOA估计的算法,利用仿真数据对研究取得的理论成果进行验证、分析及优化。本项目的研究可提高对信号源和散射源DOA估计的最大可分辨目标数,突破物理阵元数的限制,还可带来散射源DOA估计的灵活性,为互质阵列及其理论体系在雷达与声呐(加强目标捕获能力)、通信(提升信道容量)等领域的应用奠定技术基础,具有重要的理论意义和应用价值。

中文关键词: 波达方向估计;空间谱估计;互质阵列;最大可分辨目标数

英文摘要: This project mainly deals with the estimation problem of DOA for signal sources and scattering sources by using the sparse and non-uniform coprime receiving array as well as the sparse and uniform coprime transmit-receiving array respectively. The theory for DOA estimation with coprime array can be improved via the studies of the coarray theory of coprime array, the augmentation method of autocorrelation matrix, the DOA estimation algorithm and the performance evaluation system of the related theories and algorithms. We will solve the key technologies, and propose the estimation algorithms for target DOA which make full use of the degrees of freedom from the coprime layout. We will validate, analyze and optimize the theoretical achievements with the simulation data. The research of this project can increase the number of the resolvable signal sources and scattering sources to break the limitation of the number of physical array elements. Moreover, the flexibility of DOA estimation is introduced to the scattering sources. Therefore, it is of great theory significance and application worth to provide the technical basis for the applications of coprime array and theory system in Radar and sonar (enhance the ability of target acquisition), and communication (improve the channel capacity).

英文关键词: DOA estimation;spatial spectrum estimation;coprime array;maximum resolvable target number

成为VIP会员查看完整内容
0

相关内容

专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
22+阅读 · 2021年7月15日
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
31+阅读 · 2021年2月17日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
42+阅读 · 2020年7月29日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
无人机集群、蜂群与蜂群算法
无人机
88+阅读 · 2018年9月25日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月18日
Challenges for Open-domain Targeted Sentiment Analysis
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
Arxiv
14+阅读 · 2019年9月11日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Arxiv
24+阅读 · 2018年10月24日
小贴士
相关VIP内容
专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
22+阅读 · 2021年7月15日
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
31+阅读 · 2021年2月17日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
42+阅读 · 2020年7月29日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
相关资讯
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
无人机集群、蜂群与蜂群算法
无人机
88+阅读 · 2018年9月25日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
相关论文
微信扫码咨询专知VIP会员