.png){kind=icon}
返回
Coarray Tensor Train Decomposition for Bistatic MIMO Radar With Uniform Planar Array
.png){kind=icon}
PRE
AI
DOI：10.1109/TAP.2025.3567446.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，张量网络分解因其对高阶张量中多维相关性建模的高效性而日益受到关注。基于此优势，本研究采用张量列分解（TTD）来实现双基地多输入多输出（MIMO）雷达系统中均匀平面阵列（UPA）配置下的联合2-D出发角（2D-DOD）和2-D到达角（2D-DOA）估计。首先，定义一个5-D张量以包含来自发射UPA（TUPA）和接收UPA（RUPA）的2-D空间信息，并将其与时间信息结合。接着，通过对5-D张量的时间维度执行自相关运算，生成一个低秩4-D张量，形成一种包含TUPA和RUPA差分协方差阵列的结构。然后，设计一个TTD框架将4-D张量分解为相互连接的低阶TT核。此外，在TT核与原始Vandermonde因子矩阵之间执行精确的双向映射。最后，利用TT核的不同组合，开发出两种创新方法以恢复Vandermonde因子矩阵。所提方法通过强制所有因子矩阵保持一致的排列顺序，自动配对2D-DOD并获取2D-DOA估计。仿真实验验证了所提方法的有效性，结果表明其在估计精度方面优于现有的基于张量的方法。
Keyword:
2-D direction-of-departure (2D-DOD) and 2-D direction-of-arrival (2D-DOA) estimation
bistatic uniform planar array (UPA) multiple-input multiple-output (MIMO) radar
high-order tensor
tensor train decomposition (TTD)
Vandermonde matrix
期刊
IF:
5.8
论文数:
719
被引数:
6.8W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏分享收藏
查看更多内容