CN103389490B - 基于稀疏信号的波束形成器及其方法 - Google Patents
基于稀疏信号的波束形成器及其方法 Download PDFInfo
- Publication number
- CN103389490B CN103389490B CN201310323437.4A CN201310323437A CN103389490B CN 103389490 B CN103389490 B CN 103389490B CN 201310323437 A CN201310323437 A CN 201310323437A CN 103389490 B CN103389490 B CN 103389490B
- Authority
- CN
- China
- Prior art keywords
- sampling
- signal
- sampling data
- input
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005070 sampling Methods 0.000 claims abstract description 86
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract 1
- 230000006835 compression Effects 0.000 description 10
- 238000007906 compression Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于稀疏信号的波束形成器及其方法。波束形成器包括阵元接收天线、多输入模拟加法器、模拟乘法器、伪随机序列产生器、积分器和A/D转换器。多输入模拟加法器权系数服从随机伯努利分布,采样后数据进行重组步骤:1.取主对角线元素构造第K1+1行采样数据;2.取主对角线元素构造第K1+2行采样数据;3.依次构造剩余K2-2行采样数据;4.对各行数据依次求和。本发明采用压缩采样技术,可以实现以低采样速率对大带宽信号进行采样,空域投影观测矩阵选择随机伯努利矩阵不需要使用移相器和乘法器,时域观测投影使用多通道结构和采样数据重组方式,能够以较少通道数得到较多包含信息量大的采样数据。
Description
技术领域
本发明属于通信技术领域,更进一步涉及阵列雷达技术领域的一种基于稀疏信号的波束形成器及其方法。本发明解决了阵列雷达中由于增加信号带宽和工作频带带来的高采样率和大数据量的问题,可用于阵列雷达波束形成。
背景技术
随着战争环境的复杂化和电子对抗的发展,当前的各种军事需要对雷达的功能提出了越来越高的要求。为了应对这些越来越高的要求,现代雷达系统只好在时频域和空域进行不断探索研究,一方面采用大信号带宽和系统工作频带,另一方面在空间上提高阵列孔径,从而提高空域的角度分辨率,或者增加传感器数量从而提高信道容量。在Nyquist采样理论的框架下以上改进会造成较高的采样速率要求和大的采样数据量。
传统的阵列雷达波束形成原理是通过可控移相器对各阵元进行连续的相位补偿,以在特定方向实现波束形成,当可控移相器补偿角度相位和来波方向一致时会出现波束峰值,从而实现DOA估计。传统方法中要实现高精度、连续扫描就需要设计精密的可控移相器,而阵元个数增多所需要的可控移相器数目也会相应增加,从而给硬件工程实现带来困难。
目前对于大宽带信号采样的传统处理方法是采用多通道处理的方式,通过对原始信号进行频谱搬移,然后对各子带进行采样,采样后对采样数据进行重组处理,该方法虽然可以用低速ADC器件对大带宽信号进行采样,但总的采样带宽和数据量并没有减少。
Y. Wang and G. Leus在"Space-Time Compressive SamplingArray"(IEEE Sensor Array and Multichannel Signal Processing Workshop, 2010, pp. 33-36)中公开了一种空时两维压缩的阵列前端结构,但在本文中在空域压缩部分每个阵元后都需要使用多个乘法器来实现阵元接收信号和观测投影矩阵的相乘操作,这就造成了工程实现上乘法器的大量使用,同时在时域压缩部分也没有给出具体的实现结构。
发明内容
本发明的目的在于克服上述已有技术的不足,解决阵列雷达中由于增加信号带宽和工作频带带来的高采样率和大数据量的问题,提出一种基于稀疏信号的波束形成器,降低采样速率和采样数据量。
一种基于稀疏信号的波束形成器,包括L个阵元接收天线、M个多输入模拟加减法器、M×K1个模拟乘法器、M×K1个伪随机序列产生器、M×K1个积分器和M×K1个低速A/D转换器,所述的L个阵元接收天线中每个阵元天线均和M个多输入模拟加减法器相连,每个多输入加减法器和K1个模拟乘法器相连,伪随机序列产生器和模拟乘法器相连,模拟乘法器和积分器相连,积分器和A/D转换器相连。
所述的基于稀疏信号的波束形成器的波束形成方法, L个阵元接收信号xi(t),i=1,2,…,L与信号载频fc进行混频,得到L个带宽为B的雷达基带信号xBi(t),i=1,2,…,L;L个雷达基带信号xBi(t)通过M个多输入模拟加减法器得到M个空域压缩信号sj(t),j=1,2,…,M;每个空域压缩信号sj(t)输入到K1个时域调制采样支路中,完成信号采样,其中每个时域调制采样支路完成如下处理:空域压缩信号sj(t)与伪随机序列产生器产生的伪随机信号相乘得到调制信号zi,j(t),i=1,2,…,M,j=1,2,…,K1;调制信号zi,j(t)经过积分器得到积分后调制信号yi,j(t),i=1,2,…,M,j=1,2,…,K1;对积分后调制信号进行采样得到采样数据。
所述的波束形成方法,所述多输入模拟加减法器加减法输入端的选择服从随机伯努利分布,且值为±1,表示为:
其中,为第j个阵元接收天线输入到第i个多输入模拟加减法器的选择因子;为1表示输入到加减法器的加法输入端,为-1表示输入到加减法器的减法输入端。
所述的波束形成方法,所述伪随机序列产生器翻转频率为2B,其中B为雷达信号带宽。
所述的波束形成方法,所述积分器的积分时间为,其中N为雷达系统一次检测所需采样点数,Ms为子采样周期数,Ms≤K1。
所述的波束形成方法,对第一个通道,经过低速A/D转换器采样得到的数据表示成矩阵形式为:
其他15个通道可以得到同相的采样数据矩阵;yij表示第i个采样子通道采样得到的第j个采样数据,其中i=1,2,…,K1,j=1,2,…,Ms;得到采样数据矩阵后,重组采样数据。
所述的波束形成方法,所述的重组采样数据的步骤为:
步骤1、取主对角线上的前5个元素构成第11行采样数据;
步骤2、取次对角线上的前5各元素构成第12行采样数据;
步骤3、依次取各对角线的前5个元素构成新的采样数据行,直到构成第M×K2+10行采样数据,取K2为10为例,新构造的采样数据矩阵可以表示为:
步骤4、对各行进行求和,得到20个采样数据,16个阵元通道共得到320个采样数据。
本发明与现有技术相比具有以下优点:
第一,由于本发明基于稀疏信号的波束形成器采用压缩感知理论,阵列雷达信号在角度域上的稀疏性表现在稀疏基上,通过空域观测投影矩阵对各阵元信号进行空域压缩投影观测,不需要对各阵元信号进行相位补偿,克服了现有技术需要进行精确相位补偿的缺陷,使得本发明具有了实现简单,不需要设计可变移相器的优点。
第二,由于本发明基于稀疏信号的波束形成器采用压缩感知理论,可以打破奈奎斯特采样定理框架,以远低于奈奎斯特频率的采样频率对雷达回波信号进行采样,克服了现有技术中高采样率和大数据量的缺陷,使得本发明具有了可以使用低速A/D转换器对大带宽信号进行采样和采样数据量小的优点。
第三,由于本发明基于稀疏信号的波束形成器采用伯努利随机矩阵作为空域压缩观测投影矩阵,使得所有系数均为±1,只使用多输入加法器就能实现空域压缩投影操作,克服了空域压缩部分需要大量乘法器的缺陷,使得本发明具有了空域压缩实现简单的优点。
第四,由于本发明基于稀疏信号的波束形成器时域压缩部分采用多通道多采样周期的方法,通过对采样数据进行重组的方式获得额外的相关性较小的采样数据,克服了压缩采样通道数过多的缺陷,使得本发明具有了以较少通道数获得较多包含信息量较大的采样数据的优点。
附图说明
图1为本发明系统的方框图;
图2为本发明中重组采样数据方法的流程图;
图3为采用本发明波束形成器进行DOA估计结果图;
具体实施方式
以下结合具体实施例,对本发明进行详细说明。
本发明基于稀疏信号的波束形成器,包括L个阵元接收天线、M个多输入模拟加减法器、M×K1个模拟乘法器、M×K1个伪随机序列产生器、M×K1个积分器和M×K1个低速A/D转换器,所述的L个阵元接收天线中每个阵元天线均和M个多输入模拟加减法器相连,每个多输入加减法器和K1个模拟乘法器相连,伪随机序列产生器和模拟乘法器相连,模拟乘法器和积分器相连,积分器和A/D转换器相连。为了达到降低数据量的目的,要求L>M。在本实施例中取L为32,M为16,K1为10。
波束形成过程描述如下:L个阵元接收信号xi(t),i=1,2,…,L与信号载频fc进行混频,得到L个带宽为B的雷达基带信号xBi(t),i=1,2,…,L;L个雷达基带信号xBi(t)通过M个多输入模拟加减法器得到M个空域压缩信号sj(t),j=1,2,…,M;每个空域压缩信号sj(t)输入到K1个时域调制采样支路中,完成信号采样,其中每个时域调制采样支路完成如下处理:空域压缩信号sj(t)与伪随机序列产生器产生的伪随机信号相乘得到调制信号zi,j(t),i=1,2,…,M,j=1,2,…,K1;调制信号zi,j(t)经过积分器得到积分后调制信号yi,j(t),i=1,2,…,M,j=1,2,…,K1;对积分后调制信号进行采样的到采样数据。
多输入模拟加减法器加减法输入端的选择服从随机伯努利分布,且值为±1,可以表示为:
其中,为第j个阵元接收天线输入到第i个多输入模拟加减法器的选择因子。为1表示输入到加减法器的加法输入端,为-1表示输入到加减法器的减法输入端。
伪随机序列产生器翻转频率为2B,其中B为雷达信号带宽,在本实施例中取B为15MHz。
积分器的积分时间为,其中N为雷达系统一次检测所需采样点数,Ms为子采样周期数,Ms≤K1。在本实施例中取N为300,Ms为5。
对第一个通道来说经过低速A/D转换器采样得到的数据可以表示成矩阵形式:
其他15个通道可以得到同相的采样数据矩阵。yij表示第i个采样子通道采样得到的第j个采样数据,其中i=1,2,…j=1,2,…Ms。得到采样数据矩阵后,重组采样数据。
下面结合图2对本发明中重组采样数据的方法做进一步描述,具体实施步骤如下:
步骤1.取主对角线上的前5个元素构成第11行采样数据;
步骤2.取次对角线上的前5各元素构成第12行采样数据;
步骤3.依次取各对角线的前5个元素构成新的采样数据行,直到构成第K2+10行采样数据,本实施例中取K2为10,新构造的采样数据矩阵可以表示为:
步骤4.对各行进行求和,得到20个采样数据,16个阵元通道共得到320个采样数据。
本发明的效果通过以下仿真试验进一步说明:
1、仿真条件
雷达参数如下:雷达载频fc=3GHz,阵元个数L=32,发射信号为线性调频信号,带宽为15MHZ,脉冲宽度为10us,采样率为30MHz,采样个数N=300,重构算法采用FOCUSS算法。
空域压缩后阵元个数M=16,降采样率DR=15,降采样后采样点数T=20,分段AIC结构积分支路个数K1=10,扩展采样点数K2=10,K3=T=K1+K2,分段数Ms=5。
图3中,目标个数K=2,目标角度设置为θ1=-5°,θ2=5°,信噪比SNR=0dB,角度扫描范围[-90,90],扫描步长1°。
2. 仿真内容
验证本发明波束形成器DOA估计的正确性。
3. 仿真结果分析
在重构算法中只利用了空域压缩观测投影矩阵的信息,从图3可以看出,采用本发明的波束形成器进行DOA估计在使用较少阵元通道和采样数据的情况下同样可以得到较精确的DOA估计结果。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种基于稀疏信号的波束形成器,其特征在于,包括L个阵元接收天线、M个多输入模拟加减法器、M×K1个模拟乘法器、M×K1个伪随机序列产生器、M×K1个积分器和M×K1个低速A/D转换器,所述的L个阵元接收天线中每个阵元接收天线均和M个多输入模拟加减法器相连,每个多输入模拟加减法器和K1个模拟乘法器相连,伪随机序列产生器和模拟乘法器相连,模拟乘法器和积分器相连,积分器和A/D转换器相连。
2.根据权利要求1所述的基于稀疏信号的波束形成器的波束形成方法,其特征在于,L个阵元接收信号xi(t),i=1,2,...,L与信号载频fc进行混频,得到L个带宽为B的雷达基带信号xBi(t),i=1,2,...,L;L个雷达基带信号xBi(t)通过M个多输入模拟加减法器得到M个空域压缩信号sj(t),j=1,2,...,M;每个空域压缩信号sj(t)输入到K1个时域调制采样支路中,完成信号采样,其中每个时域调制采样支路完成如下处理:空域压缩信号sj(t)与伪随机序列产生器产生的伪随机信号相乘得到调制信号zi,j(t),i=1,2,...,M,j=1,2,...,K1;调制信号zi,j(t)经过积分器得到积分后调制信号yi,j(t),i=1,2,...,M,j=1,2,...,K1;对积分后调制信号进行采样得到采样数据。
3.根据权利要求2所述的波束形成方法,其特征在于,所述多输入模拟加减法器加减法输入端的选择服从随机伯努利分布,且值为±1,表示为:
其中,为第j个阵元接收天线输入到第i个多输入模拟加减法器的选择因子;为1表示输入到加减法器的加法输入端,为-1表示输入到加减法器的减法输入端。
4.根据权利要求2所述的波束形成方法,其特征在于,所述伪随机序列产生器翻转频率为2B,其中B为雷达信号带宽。
5.根据权利要求2所述的波束形成方法,其特征在于,所述积分器的积分时间为其中N为雷达系统一次检测所需采样点数,Ms为子采样周期数,Ms≤K1。
6.根据权利要求2所述的波束形成方法,其特征在于,对第一个通道,经过低速A/D转换器采样得到的数据表示成矩阵形式为:
其他15个通道可以得到同相的采样数据矩阵;yij表示第i个采样子通道采样得到的第j个采样数据,其中i=1,2,...,K1,j=1,2,...,Ms;得到采样数据矩阵后,重组采样数据。
7.根据权利要求6所述的波束形成方法,其特征在于,所述的重组采样数据的步骤为:
步骤1、取主对角线上的前5个元素构成第11行采样数据;
步骤2、取次对角线上的前5各元素构成第12行采样数据;
步骤3、依次取各对角线的前5个元素构成新的采样数据行,直到构成第K2+10行采样数据,取扩展采样点数K2为10,新构造的采样数据矩阵可以表示为:
步骤4、对各行进行求和,得到20个采样数据,16个阵元通道共得到320个采样数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310323437.4A CN103389490B (zh) | 2013-07-29 | 2013-07-29 | 基于稀疏信号的波束形成器及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310323437.4A CN103389490B (zh) | 2013-07-29 | 2013-07-29 | 基于稀疏信号的波束形成器及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103389490A CN103389490A (zh) | 2013-11-13 |
CN103389490B true CN103389490B (zh) | 2015-05-27 |
Family
ID=49533815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310323437.4A Expired - Fee Related CN103389490B (zh) | 2013-07-29 | 2013-07-29 | 基于稀疏信号的波束形成器及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103389490B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104219188A (zh) * | 2014-08-27 | 2014-12-17 | 电子科技大学 | 利用压缩感知的双端时域波束搜索方法 |
CN104506224B (zh) * | 2015-01-11 | 2018-04-03 | 复旦大学 | 一种基于角度域变换的低复杂度3d波束成形算法 |
CN105471525B (zh) * | 2015-11-12 | 2019-03-08 | 中国电子科技集团公司第四十一研究所 | 一种矢量网络分析仪的四通道压缩感知数字接收机信号处理方法 |
CN106772225B (zh) * | 2017-01-20 | 2019-03-26 | 大连大学 | 基于压缩感知的波束域doa估计 |
CN107450045B (zh) * | 2017-07-13 | 2021-10-12 | 中国人民解放军空军空降兵学院 | 基于focuss二次加权算法的doa估计方法 |
CN109298395B (zh) * | 2018-09-28 | 2020-12-22 | 西安建筑科技大学 | 一种基于最大信干噪比的稀疏阵列波束形成方法 |
CN109358332A (zh) * | 2018-11-28 | 2019-02-19 | 浙江大学 | 一种基于稀疏平面阵列的分布式波束形成方法 |
CN110995397A (zh) * | 2019-11-15 | 2020-04-10 | 深圳职业技术学院 | 一种物联网中可靠的信息处理方法 |
CN111669183B (zh) * | 2020-06-30 | 2022-04-19 | 中南大学 | 一种压缩感知采样与重建方法、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0860952A2 (en) * | 1997-02-21 | 1998-08-26 | Hughes Electronics Corporation | Ground based beam forming utilizing synchronized code division multiplexing |
CN1430365A (zh) * | 2001-12-29 | 2003-07-16 | 深圳市中兴通讯股份有限公司上海第二研究所 | 一种到达角度型智能天线装置 |
US7016649B1 (en) * | 2000-03-17 | 2006-03-21 | Kathrein-Werke Kg | Space-time and space-frequency hopping for capacity enhancement of mobile data systems |
CN1801666A (zh) * | 2005-01-07 | 2006-07-12 | 松下电器产业株式会社 | 码分多址中波束形成与瑞克接收的联合处理方法 |
-
2013
- 2013-07-29 CN CN201310323437.4A patent/CN103389490B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0860952A2 (en) * | 1997-02-21 | 1998-08-26 | Hughes Electronics Corporation | Ground based beam forming utilizing synchronized code division multiplexing |
US7016649B1 (en) * | 2000-03-17 | 2006-03-21 | Kathrein-Werke Kg | Space-time and space-frequency hopping for capacity enhancement of mobile data systems |
CN1430365A (zh) * | 2001-12-29 | 2003-07-16 | 深圳市中兴通讯股份有限公司上海第二研究所 | 一种到达角度型智能天线装置 |
CN1801666A (zh) * | 2005-01-07 | 2006-07-12 | 松下电器产业株式会社 | 码分多址中波束形成与瑞克接收的联合处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103389490A (zh) | 2013-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103389490B (zh) | 基于稀疏信号的波束形成器及其方法 | |
Ameri et al. | One-bit radar processing with time-varying sampling thresholds | |
CN105259550B (zh) | 基于压缩感知的多输入多输出雷达二维角度估计方法 | |
CN105652273B (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
CN106680815B (zh) | 基于张量稀疏表示的mimo雷达成像方法 | |
CN105158735B (zh) | 基于压缩采样阵列的空频二维谱估计方法 | |
CN110208738B (zh) | 基于阵列调制宽带转换器的信号频率与二维doa联合估计方法 | |
CN106324596B (zh) | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 | |
CN107493106B (zh) | 一种基于压缩感知的频率和角度联合估计的方法 | |
CN113162670A (zh) | 数字多波束校正与合成方法 | |
CN105929397B (zh) | 基于正则化的偏置相位中心天线成像方法 | |
CN105572473A (zh) | 高分辨率线性时频分析方法 | |
CN109541524A (zh) | 一种基于欠采样的信号载频与二维doa联合估计方法 | |
CN110146842B (zh) | 基于欠采样的信号载频与二维doa参数估计方法 | |
CN106908754A (zh) | L型声矢量传感器阵列esprit解相干参数估计方法 | |
CN111812644B (zh) | 基于稀疏估计的mimo雷达成像方法 | |
CN110161454B (zh) | 基于双l型阵列的信号频率与二维doa联合估计方法 | |
Ramezani et al. | Joint frequency and two‐dimensional direction of arrival estimation for electronic support systems based on sub‐Nyquist sampling | |
CN103323831B (zh) | 一种基于czt变换和剪除分裂基快速傅里叶变换的三维摄像声纳波束形成方法 | |
CN113791384B (zh) | 目标探测方法、装置以及计算机设备 | |
CN109298381A (zh) | 一种基于变分贝叶斯推断的互质阵相干信号方位角估计方法 | |
Ni et al. | Information-theoretic target localization with compressed measurement using FDA radar | |
CN112698263A (zh) | 一种基于正交传播算子的单基地互质mimo阵列doa估计算法 | |
CN104898094A (zh) | 压缩采样阵列的空频二维波束形成方法 | |
Wang et al. | A novel multi-channel high-resolution imaging method for MIMO-SAR system based on filterbank framework reconstruction theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150527 Termination date: 20200729 |