CN105242264A - 一种平面阵列多目标角度高分辨实现方法 - Google Patents

Abstract

本发明公开了一种平面阵列多目标角度高分辨实现方法，该方法包含如下步骤：S1，采用二维简化为一维的方式，分别对俯仰方向、方位方向阵列接收数据做波束域FFT，得到俯仰方向、方位方向目标大致方向；S2，根据得到的方位、俯仰角度进行二维角度遍历配对，并确定角度搜索区间；S3，对多目标二维角度的估计，确定目标个数和角度。本发明可以有效的估计多目标的角度，同时算法运算量远小于传统的平面阵列角分辨算法，有利于工程实现。

Description

一种平面阵列多目标角度高分辨实现方法

技术领域

本发明涉及相控阵雷达领域，特别涉及一种平面阵列多目标角度高分辨实现方法。

背景技术

波达方向(DOA)估计一直是阵列信号处理的重要研究内容之一，在通信、声纳、雷达、海洋开发、生物医学工程等应用领域中占有十分重要的地位。

空间谱估计算法可突破阵列的角度分辨“瑞利限”限制，提高空间角度分辨能力。以MUSIC算法为代表的子空间类算法由于其良好的分辨性能，受到研究者的广泛关注，是DOA估计中最常用的方法。

在实际工程中，受条件限制，快拍数少、阵列误差的存在，将导致DOA估计算法性能严重恶化；且传统的谱估计类算法当强弱信号同时存在时且相距较近时(强信号如主瓣有源干扰)，强信号会造成其附近的弱信号谱峰偏移甚至消失；另外实际工程中还需考虑算法的实时实现，传统谱估计算法的全空域遍历谱峰搜索，很难满足实时性的要求。

现阶段出现了不少针对阵列误差、小快拍数，以及强弱信号、实时实现的空间谱估计相关研究。但相关文献中的算法大部分都是针对其中一项或二项开展的研究，不利于工程实现。本文综合考虑算法性能及工程实现性，提出了一种平面阵列多目标角度高分辨实现方法。

侯颖妮等人在文献中针对均匀线阵提出一种通过通道ToePlitz化来实现幅相误差条件下的DOA估计的方法，其避免了参数优化的庞大运算量。但未考虑二维阵列应用及实时实现问题。李新潮等利用对角加载技术加强算法在快拍数少的情况下的稳定性，但该方法需要根据实验来确定对角加载量的大小，且未考虑误差存在情况。LiJian等提出的Relax方法，采用减的思想消除强信号对弱信号DOA估计的影响，每估计一个新角度就重新修整之前所有角度的估计，算法计算量较大；文献利用乘的思想抑制强信号，设计阻塞矩阵，阻塞矩阵与强信号导向矢量正交，作用在于阻止强功率信号通过，进而接收信号经过阻塞矩阵输出后不存在强信号分量。文献中利用投影变换将阵列接收数据投影到信源大致方向区间，一方面通过对接收数据的预处理来抑制模型误差，增强算法的稳健性；另一方面使数据维数降低算法运算量，但是该方法在方向区间内构建投影变换矩阵及求投影矩阵会带来新的大运算量，且对于二维阵面和多个目标的情况下算法实时性更差。采用预先存储的方式提高实时性需遍历所有的二维角度，将对系统的硬件存储带来很大的压力。

发明内容

本发明的目的是提供一种平面阵列多目标角度高分辨实现方法，快拍数少、阵列误差以及强弱信号相近的情况下，可以有效的估计多目标的角度，同时算法运算量远小于传统的平面阵列角分辨算法，有利于工程实现。

为了实现以上目的，本发明是通过以下技术方案实现的：

一种平面阵列多目标角度高分辨实现方法，其特点是，该方法包含如下步骤：

S1，采用二维简化为一维的方式，分别对俯仰方向、方位方向阵列接收数据做波束域FFT，得到俯仰方向、方位方向目标大致方向；

S2，根据得到的方位、俯仰角度进行二维角度遍历配对，并确定角度搜索区间；

S3，对多目标二维角度的估计，确定目标个数和角度。

所述的步骤S1具体为：采用二维简化为一维的方式，先对俯仰方向阵列接收数据做波束域FFT，得到俯仰方向目标大致方向θ_i，i＝1，2...I，再对方位方向阵列接收数据做波束域FFT，得到方位方向目标大致方向β_j，j＝1，2，...J其中I,J分别为俯仰方向和方位方向初步确定的信号个数。

所述的步骤S2具体为：

S2.1，判断方位方向和俯仰方向得到的角度是否均为1，若是，则执行步骤S2.1.1，若否，则执行步骤S2.2；

S2.1.1，计算平面阵列方位角其中，且二维角度搜索区域设为(θ±θ_3dB，)；

S2.2，对方位、俯仰角度遍历配对，得到相应的二维阵列方位角，每个二维阵列方位角采用如下公式：同时对每个配对后的角度设定相应的二维角度搜索区域(θ_p±θ_3dB，)，p＝1，2...,P,为配对后角度编号。

所述的步骤S3具体包含：

步骤S3.1，通过特征值分解得到L个大特征值对应的特征向量e_i，i＝1，2，...,L；并得到噪声子空间U_N＝[e_L+1,e_L+2,…e_M]：

$\hat{R}\≈\frac{1}{K}\underset{t=1}{\overset{K}{\Σ}}x\left(t\right)x^H\left(t\right)$

${\mathrm{\Σ}}_{K=L+1}^M{\mathrm{\λ}}_k/{\mathrm{\Σ}}_{K=1}^L{\mathrm{\λ}}_k\≤\mathrm{\ϵ}$

式中ε为小值常数；x(t)为阵列接收到的信号；为协方差矩阵；λ₁,λ₂,…λ_M为特征值分解得到的特征向量；e₁,e₂,…e_M为相应的特征向量；M为二维阵列阵元个数；

步骤S3.2，计算搜索空间角度区域每个空间二维角度上方向性矢量在噪声子空间上的投影值：

式中，U_N＝[e_L+1,e_L+2,…e_M]为噪声子空间，为角度对

应的二维方向性矢量。

步骤S3.3，计算搜索空间角度区域每个角度上方向性矢量在每个大特征值对应的特征向量上的投影值：

式中，e₁,e₂,…e_L为大特征值对应的特征向量；为角度对应的二维方向性矢量；

步骤S3.4，通过峰值搜索确定目标的个数和角度：

$P\left(n\right)=\frac{f_s(n,i,j)}{f_N(i,j)},(n=1,2,...,L);$

式中，f_s(n,i,j)为空间角度区域每个角度上方向性矢量在每个大特征值对应的特征向量上的投影值；f_N(i,j)为搜索空间角度区域每个空间二维角度上方向性矢量在噪声子空间上的投影值。

本发明与现有技术相比，具有以下优点：

1、本发明将二维阵列简化为方位、俯仰一维，通过波束域FFT得到搜索的大致角度区域，然后再利用整个阵面的接收数据来进一步获得更准确的目标个数和角度。采用此方式可大大降低谱估计算法的角度遍历搜索运算量，提高算法的实时性。当目标个数为2个时，阵列方位、俯仰3dB波束宽度均为3°时，角度搜索运算量可降低到传统算法的4/225。

2、本发明提出改进的基于投影理论的二维MUSIC算法实现多目标二维角度的估计，确定目标个数和角度，该方法利用大特征值对应的特征向量与信号之间的相关性以及信号与噪声空间的正交性，提高算法对小快拍数、阵列误差、强弱信号相近情况下算法的有效性。

附图说明

图1为本发明一种平面相控雷达天线阵元排列示意图；

图2为本发明流程图；

图3为传统谱估计算法空间谱图；

图4A为最大特征值对应特征向量的空间谱图；

图4B为第二大特值对应特征向量的空间谱图；

图4C为第三大特值对应特征向量的空间谱图。

具体实施方式

以下结合附图，通过详细说明一个较佳的具体实施例，对本发明做进一步阐述。

如图2所示，一种平面阵列多目标角度高分辨实现方法，该方法包含如下步骤：

S1，采用二维简化为一维的方式，分别对俯仰方向、方位方向阵列接收数据做波束域FFT，得到俯仰方向、方位方向目标大致方向；

S2，根据得到的方位、俯仰角度进行二维角度遍历配对，并确定角度搜索区间；

S3，对多目标二维角度的估计，确定目标个数和角度。

所述的步骤S1具体为：采用二维简化为一维的方式，先对俯仰方向阵列接收数据做波束域FFT，得到俯仰方向目标大致方向θ_i，i＝1，2...I，再对方位方向阵列接收数据做波束域FFT，得到方位方向目标大致方向β_j，j＝1，2，...J其中I,J分别为俯仰方向和方位方向初步确定的信号个数。

所述的步骤S2具体为：

S2.1，判断方位方向和俯仰方向得到的角度是否均为1，若是，则执行步骤S2.1.1，若否，则执行步骤S2.2；

S2.1.1，计算平面阵列方位角其中，(参见图1)，且二维角度搜索区域设为(θ±θ_3dB，)；

S2.2，对方位、俯仰角度遍历配对，得到相应的二维阵列方位角，每个二维阵列方位角采用如下公式：同时对每个角度设定二维角度搜索区域(θ_p±θ_3dB，)，p＝1，2...,P,为配对后角度编号。

参见图4A～4C所述的步骤S3具体包含：

步骤S3.1，通过特征值分解得到L个大特征值对应的特征向量e_i，i＝1，2，...,L；并得到噪声子空间U_N＝[e_L+1,e_L+2,…e_M]：

$\hat{R}\≈\frac{1}{K}\underset{t=1}{\overset{K}{\Σ}}x\left(t\right)x^H\left(t\right)$

${\mathrm{\Σ}}_{K=L+1}^M{\mathrm{\λ}}_k/{\mathrm{\Σ}}_{K=1}^L{\mathrm{\λ}}_k\≤\mathrm{\ϵ}$

式中ε为小值常数；x(t)为阵列接收到的信号；为协方差矩阵；λ₁≥λ₂…≥λ_M，λ₁,λ₂,…λ_M为特征值分解得到的特征向量；e₁,e₂,…e_M为相应的特征向量；M为二维阵列阵元个数；

步骤S3.2，计算搜索空间角度区域每个空间二维角度上方向性矢量在噪声子空间上的投影值：

式中，U_N＝[e_L+1,e_L+2,…e_M]为噪声子空间，为角度对

应的二维方向性矢量。

步骤S3.3，计算搜索空间角度区域每个角度上方向性矢量在每个大特征值对应的特征向量上的投影值：

式中，e₁,e₂,…e_L为大特征值对应的特征向量；为角度对应的二维方向性矢量；

步骤S3.4，通过峰值搜索确定目标的个数和角度：

$P\left(n\right)=\frac{f_s(n,i,j)}{f_N(i,j)},(n=1,2,...,L);$

式中，f_s(n,i,j)为空间角度区域每个角度上方向性矢量在每个大特征值对应的特征向量上的投影值；f_N(i,j)为搜索空间角度区域每个空间二维角度上方向性矢量在噪声子空间上的投影值。

综上所述，本发明一种平面阵列多目标角度高分辨实现方法，快拍数少、阵列误差以及强弱信号相近的情况下，可以有效的估计多目标的角度，同时算法运算量远小于传统的平面阵列角分辨算法，有利于工程实现。

考虑10×10平面阵列，阵元幅度随机误差0.5dB,相位随机误差10°。三个目标分别来自(1°，1°)，(3°，3°)和(10°，-18°)，SNR分别为10dB，40dB，21dB。快拍数为150。图3为传统谱估计算法空间谱图；图4A～4C为本发明目标搜索空间谱图。由图可见利用本发明，解决了实际工程应用中快拍数少、阵列误差以及强弱信号相近的情况下多目标角度分辨的问题，且可满足算法实时实现的需求，提高角度高分辨技术实战的有效性。本发明有助于提高相控阵雷达对多目标分辨和抗干扰能力，为相控阵雷达的研制提供了有效的途径。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (4)

1.一种平面阵列多目标角度高分辨实现方法，其特征在于，该方法包含如下步骤：

S1，采用二维简化为一维的方式，分别对俯仰方向、方位方向阵列接收数据做波束域FFT，得到俯仰方向、方位方向目标大致方向；

S2，根据得到的方位、俯仰角度进行二维角度遍历配对，并确定角度搜索区间；

S3，对多目标二维角度的估计，确定目标个数和角度。

2.如权利要求1所述的平面阵列多目标角度高分辨实现方法，其特征在于，所述的步骤S1具体为：采用二维简化为一维的方式，先对俯仰方向阵列接收数据做波束域FFT，得到俯仰方向目标大致方向θ_i，i＝1，2...I，再对方位方向阵列接收数据做波束域FFT，得到方位方向目标大致方向β_j，j＝1，2，...J其中I,J分别为俯仰方向和方位方向初步确定的信号个数。

3.如权利要求2所述的平面阵列多目标角度高分辨实现方法，其特征在于，所述的步骤S2具体为：

S2.1，判断方位方向和俯仰方向得到的角度是否均为1，若是，则执行步骤S2.1.1，若否，则执行步骤S2.2；

S2.1.1，计算平面阵列方位角其中，且二维角度搜索区域设为(θ±θ_3dB，)；

S2.2，对方位、俯仰角度遍历配对，得到相应的二维阵列方位角，每个二维阵列方位角采用如下公式：同时对每个配对后的角度设定相应的二维角度搜索区域(θ_p±θ_3dB，)，p＝1，2...,P,为配对后角度编号。

4.如权利要求1所述的平面阵列多目标角度高分辨实现方法，其特征在于，所述的步骤S3具体包含：

步骤S3.1，通过特征值分解得到L个大特征值对应的特征向量e_i，i＝1，2，...,L；并得到噪声子空间U_N＝[e_L+1,e_L+2,…e_M]：

$\hat{R}\≈\frac{1}{K}\underset{t=1}{\overset{K}{\Σ}}x\left(t\right)x^H\left(t\right)$

${\mathrm{\Σ}}_{K=L+1}^M{\mathrm{\λ}}_k/{\mathrm{\Σ}}_{K=1}^L{\mathrm{\λ}}_k\≤\mathrm{\ϵ}$

式中ε为小值常数；x(t)为阵列接收到的信号；为协方差矩阵；λ₁,λ₂,…λ_M为特征值分解得到的特征向量；e₁,e₂,…e_M为相应的特征向量；M为二维阵列阵元个数；

步骤S3.2，计算搜索空间角度区域每个空间二维角度上方向性矢量在噪声子空间上的投影值：

式中，U_N＝[e_L+1,e_L+2,…e_M]为噪声子空间，为角度对应的二维方向性矢量。

步骤S3.3，计算搜索空间角度区域每个角度上方向性矢量在每个大特征值对应的特征向量上的投影值：

式中，e₁,e₂,…e_L为大特征值对应的特征向量；为角度对应的二维方向性矢量；

步骤S3.4，通过峰值搜索确定目标的个数和角度：

$P\left(n\right)=\frac{f_s(n,i,j)}{f_N(i,j)},(n=1,2,...,L);$

式中，f_s(n,i,j)为空间角度区域每个角度上方向性矢量在每个大特征值对应的特征向量上的投影值；f_N(i,j)为搜索空间角度区域每个空间二维角度上方向性矢量在噪声子空间上的投影值。