CN106154217A - Ula和uca中互耦未知时基于空间谱伪峰消除的自校准方法 - Google Patents
Ula和uca中互耦未知时基于空间谱伪峰消除的自校准方法 Download PDFInfo
- Publication number
- CN106154217A CN106154217A CN201610548064.4A CN201610548064A CN106154217A CN 106154217 A CN106154217 A CN 106154217A CN 201610548064 A CN201610548064 A CN 201610548064A CN 106154217 A CN106154217 A CN 106154217A
- Authority
- CN
- China
- Prior art keywords
- spatial spectrum
- mutual coupling
- doa
- theta
- estimated
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/023—Monitoring or calibrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了ULA和UCA中互耦未知时基于空间谱伪峰消除的自校准方法,包括:一、根据阵列的输出信号计算噪声子空间的特征向量;二、利用噪声子空间与互耦影响下信号方向上的实际导向矢量的正交性关系构造空间谱并消除空间谱中的伪峰,本发明提出了两种消除伪峰的方法:方法1、通过滤除空间谱中零点的方法消除伪峰;方法2、通过归一化空间谱的方法消除伪峰。根据空间谱中峰值位置用迭代的方法估计DOA;三、根据DOA的估计值计算互耦系数,从而获得一种阵列的互耦自校准方法。本发明利用了ULA和UCA中互耦矩阵的特性,有效解决了互耦较强时MUSIC空间谱中存在大量伪峰的问题且几乎不增加计算开销,改善了DOA估计的成功率和误差,实现了互耦未知时阵列的自校准。
Description
技术领域
本发明属于无线电通信测向技术领域,具体涉及在均匀线阵或均匀圆阵中互耦未知条件下,基于空间谱的阵列自校准方法。
背景技术
测向是一个既古老又新颖的科研方向,随着国民经济和国防科学技术的发展,无线电通信测向技术在雷达、声呐、无线通信等各个方面得到愈来愈广泛的应用。而具有空域信号分析和处理能力的阵列信号处理已经成为无线电测向的一种重要手段。阵列信号处理的一个基本问题就是实现信号源的分辨和定位,即波达方向(DOA)估计。
近二十年发展起来的超分辨波达方向估计算法由于能够突破瑞利限的限制,因而受到研究人员的普遍关注。其中,最具代表性的有MUSIC算法和最大似然算法,它们可以用来分辨紧密相隔的空间信源并实现方向估计。但是在实际应用中,超分辨方法对阵列流型误差非常敏感。而阵元位置误差、通道不一致和阵元间互耦等因素使得阵列流型误差不可避免。对于具有中心对称特性的均匀阵列,可以利用其阵元间互耦的对称特性,同时进行DOA和互耦系数估计,从而实现互耦未知时阵列的自校准。其中一类典型方法是对MUSIC算法的演进:降秩(RARE)类方法。当阵元间互耦效应较弱时,这种方法能够以较低开销获得较高精度的DOA和互耦系数估计。但是当互耦效应较强时,其自校准性能将受到MUSIC空间谱中伪峰的影响,导致方向估计的成功率急剧下降。
发明内容
ULA和UCA中互耦矩阵(MCM)可以分别建模为带状对称的Toeplitz矩阵和对称的循环Toeplitz矩阵。利用MCM的这一特性能减少互耦矩阵中未知参量的数目,使得对DOA以及互耦系数的同时估计成为可能。然而目前基于空间谱的自校准方法极易受到谱中伪峰的影响,从而导致方向估计失败。本发明的目的在于克服现有技术的缺陷,针对ULA和UCA两种阵列,当阵元间互耦未知时,提出基于空间谱伪峰消除的阵列互耦自校准方法。通过对MCM特性进行深入分析,更在几乎不增加计算开销的前提下,有效解决了互耦较强时MUSIC空间谱中存在大量伪峰的问题,从而提高了方向估计的成功率并降低了估计误差,实现了互耦未知时的阵列自校准。
为解决上述技术问题,本发明采用以下技术方案。
ULA和UCA中互耦未知时基于空间谱伪峰消除的阵列自校准方法,本方案包含两种方法。
方法1、一种在ULA和UCA中互耦未知时基于空间谱零点滤除的阵列自校准方法,其特征在于:通过滤除空间谱中零点的方法消除伪峰。所述方法包括以下步骤:
步骤一、接收端输出接收到的信号x(k),根据x(k)得到噪声子空间的特征向量Un;
步骤二、利用互耦影响下信号方向上的实际导向矢量与噪声子空间之间的正交性,构建空间谱函数Pm(θ),并通过等价变换和求解优化问题,构建空间谱;
步骤三、利用ULA或UCA中MCM的特性计算空间谱中零点的位置,并滤除位于零点位置处的波峰,在剩余波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计,构建空间谱函数Pmm(θm)并计算空间谱,在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计;
步骤四、根据DOA的估计值计算互耦系数,从而获得一种互耦未知时阵列的自校准方法。
在所述的步骤一中,所述的接收端输出接收到的信号x(k),根据x(k)得到噪声子空间的特征向量Un,其实现过程为:
当信号源发出的信号被阵列接收以后,阵列输出为x(k)。求x(k)的自协方差得到自相关函数Rx,对Rx进行特征值分解。根据信号源的数目M,选取相应数量的最大特征值所对应的特征向量作为信号子空间的特征向量Us,其余小特征值所对应的特征向量为噪声子空间的特征向量Un。
在所述的步骤二中,利用互耦影响下信号方向上的实际导向矢量与噪声子空间之间的正交性,构建空间谱函数Pm(θ),并通过等价变换和求解优化问题构建空间谱,其实现过程为:
利用信号方向上导向矢量与互耦矩阵的乘积与噪声子空间的正交性,得到下列等式关系:
其中C代表互耦矩阵(MCM),a(θ)代表θ方向的导向矢量。
另一方面,利用ULA中MCM的带状对称Toeplitz特性或UCA中MCM的对称循环Toeplitz特性,可以得到等式关系Ca(θ)=Q(θ)c。
根据以上两个等式,构建下列空间谱函数
其中c是代表互耦系数的向量;||.||2表示向量2范数的平方。对所有需要观测的方向θ分别求解上述公式中的优化问题,得到c在θ方向上最优解为矩阵的最小特征值所对应的特征向量,再将c的最优值代入上式得到Pm(θ)在不同θ处的取值,构成空间谱。
在所述步骤三中,利用ULA和UCA中MCM的特性计算空间谱中零点的位置,并滤除位于零点位置处的波峰,在剩余波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计,构建空间谱函数Pmm(θm)并计算空间谱,在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计。其实现过程为:
根据ULA和UCA的MCM的特性,研究发现上述空间谱在某些特定角度θf上一定会存在伪峰,这些伪峰是由于Q(θf)缺秩所引起的,与真实信号方向无关。因此,将这些角度称为零点,并记其集合为Sn。
在ULA中,当时,
在UCA中,当N是偶数且时,
在空间谱Pm(θ)中滤除零点位置的波峰,在剩余波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计θ1,θ2,…,θm-1,构建空间谱函数Pmm(θm)并计算空间谱,其中:
在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计。
在所述步骤四中,根据DOA的估计值计算互耦系数,其实现过程为:
对DOA的M个估计值θ1,θ2,…,θM所对应的互耦系数c1,c2,…,cM求平均得到互耦系数估计
方法2、一种在ULA和UCA中互耦未知时基于归一化空间谱的阵列自校准方法,其特征在于:通过归一化空间谱的方法消除伪峰。所述方法包括以下步骤:
步骤一、接收端输出接收到的信号x(k),根据x(k)得到噪声子空间的特征向量Un;
步骤二、利用互耦影响下信号方向上的实际阵列流型与噪声子空间之间的正交性,并利用ULA和UCA中MCM的特性,构建归一化的空间谱Pn(θ)。在空间谱的波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计,构建空间谱函数Pmn(θm)并计算空间谱,在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计;
步骤三、根据DOA的估计值计算互耦系数,从而获得一种互耦未知时阵列的自校准方法。
在所述的步骤一中,所述的接收端输出接收到的信号x(k),根据x(k)得到噪声子空间的特征向量Un,其实现过程为:
当信号源发出的信号被阵列接收以后,阵列输出为x(k),求x(k)的自协方差得到其自相关函数Rx。对于Rx进行特征值分解。根据信号源的数目M,选取相应数量的最大特征值所对应的特征向量作为信号子空间的特征向量Us,其余小特征值所对应的特征向量为噪声子空间的特征向量Un。
在所述的步骤二中,利用互耦影响下信号方向上的实际阵列流型与噪声子空间之间的正交性,并利用ULA和UCA中MCM的特性,构建归一化的空间谱Pn(θ)。在空间谱的波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计,构建空间谱函数Pmn(θm)并计算空间谱,在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计,其实现过程为:
利用信号方向上,互耦矩阵与导向矢量的乘积与噪声子空间的正交性,即:
以及ULA中MCM的带状对称Toeplitz特性或UCA中MCM的对称循环Toeplitz特性Ca(θ)=Q(θ)c,通过归一化||Q(θ)c||2,构建下列归一化空间谱函数:
其中C代表互耦矩阵(MCM),a(θ)代表θ方向的导向矢量,c是互耦系数向量;||.||2表示向量2范数的平方。对所有关心的观测方向θ,分别求解上述优化问题得到互耦系数的最优解v1是矩阵和Q(θ)HQ(θ)的最小广义特征值对应的特征向量。再将c的最优解代入上式得到Pn(θ)在不同θ处的取值,构建归一化空间谱。
在空间谱的波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计θ1,θ2,…,θm-1,构建空间谱函数Pmn(θm)并计算空间谱,
其中
在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计;
在所述步骤三中,根据DOA的估计值计算互耦系数,其实现过程为:
对DOA的M个估计值θ1,θ2,…,θM所对应的互耦系数c1,c2,…,cM求平均得到互耦系数估计
有益效果
1.通过对上述步骤的描述可以发现,本发明与现有的MUSIC算法和RARE算法一样,都是基于空间谱的方向估计,因此本发明便可在实际应用中直接代替现有RARE算法而不需要额外开销。
2.与原有的算法相比较,由于本发明滤除了大量伪峰,所以在未知互耦较强时,本发明对于DOA估计的表现更加稳定和精确。因此本发明相比原有的算法更加适用于在现实中的实际应用。
附图说明
图1为本发明在ULA和UCA中互耦未知时基于空间谱伪峰消除的阵列自校准方法的一个实施例流程图。
图2为本发明在ULA中的一个实施例与现有技术的空间谱仿真对比图。
图3为本发明在ULA中的一个实施例与现有技术在不同信噪比情况下的仿真性能对比图。
图4为本发明在UCA中的一个实施例与现有技术的空间谱仿真对比图。
图5为本发明在UCA中的一个实施例与现有技术在不同信噪比情况下的检测概率对比图。
图6为本发明在UCA中的一个实施例与现有技术在不同信噪比情况下的均方根误差对比图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细说明。
附图1为本发明在ULA和UCA中互耦未知时基于空间谱伪峰消除的阵列自校准方法的一个实施例流程图。如图所示,该实施例所述方法包括四个步骤一、对阵列输出的信号求其自相关函数;二、对信号的自相关函数进行特征值分解得到噪声子空间的特征向量;三、利用噪声子空间与互耦影响下信号方向上导向矢量的正交性关系构造空间谱并消除空间谱中的伪峰,再根据空间谱中峰值位置估计DOA;四、根据DOA的估计值估计互耦系数,从而获得一种阵列的互耦自校准方法。具体实施过程为:
步骤一、对阵列输出的信号求其自协方差矩阵即其自相关函数Rx。具体过程为:
(1)阵列输出的信号x(k)用下列式子表示:
x(k)=CAs(k)+n(k)
其中C表示互耦矩阵(MCM);A表示阵列流型;s(k)表示k时刻M个信号源的波形;n(k)是一个均值为0,方差为σ2的加性高斯噪声向量。阵列流型是一个N×M的矩阵,向量是信号方向上的导向矢量,且是真实DOA的集合。在ULA中MCM可建模成一个N维的带状对称Toeplitz矩阵,其第一行为在UCA中MCM可建模成一个N维对称的循环Toeplitz矩阵,其第一行为其中c=[c1,c2,…,cL],c1,c2,…,cL是未知互耦系数,且1=c1>|c2|,…,|cL|>0,L是未知互耦系数的数量。
(2)为了使用子空间方法,需要有如下基本假设:
1、M<N,并且矩阵C A的列向量都是线性独立的;
2、观测周期内的信号和噪声都是遍历平稳的;
3、每个信号源之间以及其噪声之间也都是不相关的。
求阵列输出的信号x(k)的自相关函数:
Rx=E[x(k)xH(k)]
步骤二、对信号的自相关函数进行特征值分解得到噪声子空间的特征向量Un。具体过程为:
根据上述标准假设,可将自相关函数Rx的特征值分解表示为:
其中Λs是由Rx的M个最大特征值所构成的对角矩阵;Us由M个最大特征值对应的特征向量组成,由其张成的子空间称为信号子空间;Un由其余小特征值所对应的特征向量组成,其张成的子空间称为噪声子空间。
步骤三、利用噪声子空间与互耦影响下信号方向上导向矢量的正交性关系构造空间谱并消除空间谱中的伪峰,再根据空间谱中峰值位置估计DOA。分为两种方法:
方法1、通过滤除空间谱中零点的方法消除伪峰,具体过程为:
由于在信号方向上,互耦矩阵和导向矢量的乘积与噪声子空间是正交的,因此,矩阵表达式应该满足下列条件:
其中C代表互耦矩阵(MCM),a(θ)代表θ方向的导向矢量。
在ULA中,MCM是一个带状对称Toeplitz矩阵;在UCA中,MCM是一个对称的循环Toeplitz矩阵。利用MCM的这种特性得到线性变换关系Ca(θ)=Q(θ)c,其中c是代表互耦系数的向量。在ULA中,Q(θ)=Q1(θ)+Q2(θ),并且
在UCA中,Q(θ)=Q1(θ)+Q2(θ)+Q3(θ)+Q4(θ),并且
当N是偶数时,当N是奇数时,
根据正交性和MCM的线性变换,构建下列空间谱函数:
对所有需要观测的方向θ分别求解上述公式中的优化问题,得到c在方向θ上的最优解为矩阵的最小特征值所对应的特征向量,再将c的值代入上式得到Pm(θ)在不同θ处的取值,构建空间谱。当θ∈Sr,c=c0(其中c0表示真实互耦系数组成的向量)时,即空间谱会在θ方向上出现波峰。但是在特定的条件和方向θf上,可能出现Q(θf)不满秩的情况,此时一定存在cf≠0,且cf≠c0使得Q(θf)cf=0,从而满足这样空间谱便会在θf方向上出现伪峰。本方法的思想就是找出θf的位置,并在空间谱中滤除该位置的伪峰。
经过研究发现,N×L矩阵Q(θf)在下列条件下不满秩:
在ULA中,当θf∈Sn时,其中
在UCA中,当N是偶数,且θf∈Sn时,其中
根据以上分析,将由Q(θ)不满秩而引起的空间谱中伪峰位置称为零点,其集合为Sn。在空间谱中滤除零点位置对应的波峰,在剩余波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计θ1,θ2,…,θm-1,构建空间谱函数Pmm(θm)并计算空间谱:
在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计。
方法2、通过归一化空间谱的方法消除伪峰,具体过程为:
由于在信号方向上,互耦矩阵和导向矢量的乘积与噪声子空间是正交的,因此,矩阵表达式应该满足下列条件:
其中C代表互耦矩阵(MCM),a(θ)代表θ方向的导向矢量。
在ULA中,MCM是一个带状对称Toeplitz矩阵;在UCA中,MCM是一个对称的循环Toeplitz矩阵。利用MCM的这种特性得到线性变换关系Ca(θ)=Q(θ)c,其中c是代表互耦系数的向量。在ULA中,Q(θ)=Q1(θ)+Q2(θ)并且
在UCA中Q(θ)=Q1(θ)+Q2(θ)+Q3(θ)+Q4(θ),并且
当N是偶数时,当N是奇数时,
通过归一化||Q(θ)c||2,构建下列归一化空间谱函数:
其中||.||2表示向量2范数的平方。对所有关心的观测方向θ,分别求解上述优化问题得到互耦系数的最优解v1是矩阵和Q(θ)HQ(θ)的最小广义特征值对应的特征向量。再将c的最优解代入上式得到pn(θ)在不同θ处的取值,构建归一化空间谱。显然当θ∈Sr,c=c0(其中c0表示真实互耦系数组成的向量)时,即归一化空间谱会在θ方向上出现波峰;当θf∈Sn时,归一化使得c的最优解满足Q(θf)c=1,所以空间谱在θf方向上不会因Q(θf)缺秩而产生伪峰。
在归一化空间谱的波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计[θ1,θ2,…,θm-1],构建空间谱函数Pmn(θm)并计算空间谱,其中:
其中
在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计;
两种方法的性能描述:
1、两种方法均消除了由于Q(θ)不满秩引起的伪峰;
2、两种方法与现有的算法相比均没有产生新的伪峰;
3、方法2在真正的DOA处一定存在波峰而方法1可能会丢失在θf附近的真实信号源。
步骤四、根据DOA的估计值估计互耦系数,从而获得一种阵列的互耦自校准方法。具体过程为:
对DOA的M个估计值θ1,θ2,…,θM所对应的互耦系数c1,c2,…,cM求平均得到互耦系数估计
下面根据上述实施例流程进行仿真,结合附图2至附图6的仿真图分析本发明的性能。
本发明仿真在ULA中采用N=9,M=3,L=6的参数设置,信号源方向为[-10°,8°,23°],接收端有加性高斯白噪声;在UCA中采用两种参数设置,第一种N=16,M=4,L=9,信号源方向为[10°,40°,110°,160°],接收端有加性高斯白噪声;第二种N=8,M=3,L=5,信号源方向为[10°,70°,102°],接收端有加性高斯白噪声。上述参数设置均使阵元间距d=0.5λ。
本仿真将本发明在ULA和UCA中的实施例DOA估计方案和现有空间谱方法进行比较,在ULA中,本文提出的两种方法性能相近,因此只考虑方法二。
图2描述了ULA的空间谱,可以看出本发明的实施例方案中,方法一准确的预测出零点和相应伪峰出现的位置,而方法二有效地抑制了伪峰并且没有引起新的伪峰。
图3(a)描述了ULA的DOA估计的成功率,(定义DOA估计误差小于2°时为估计成功)。可以看出在实施例方案中信噪比相同情况下,本发明与现有RARE类方法相比具有更高的检测成功率。
图3(b)描述了ULA在检测成功时自校准的均方根误差,可以看出本发明的实施例方案在相同信噪比情况下与现有RARE类方法相比误差更小。
图4描述了采用上述第一种参数设置时UCA的空间谱,可以看出本发明的实施例方案中,方法一准确的预测出零点和相应伪峰出现的位置,而方法二有效地抑制了伪峰并且没有引起新的伪峰。
图5描述了采用上述第二种参数设置时UCA的DOA估计的成功率,(定义DOA估计误差小于2°时为估计成功)。可以看出在实施例方案中信噪比相同情况下,本发明与现有RARE类方法相比具有更高的检测成功率。
图6描述了采用上述第二种参数设置时UCA在检测成功时自校准的均方根误差,可以看出本发明的实施例方案在相同信噪比情况下与现有RARE类方法相比误差更小。
综上所述,本发明的实施例方案与现有方案相比能够同时获得较高的检测成功率和估计精度,保证了系统的稳定性。
Claims (8)
1.ULA和UCA中互耦未知时基于空间谱伪峰消除的自校准方法,其特征在于包括以下步骤:
一、方法A:
步骤A-1)、接收端输出接收到的信号x(k),根据x(k)得到噪声子空间的特征向量Un;
步骤A-2)、利用互耦影响下信号方向上的实际导向矢量与噪声子空间之间的正交性,构建空间谱函数Pm(θ),并通过等价变换和求解优化问题,计算空间谱;
步骤A-3)、利用ULA或UCA中MCM的特性计算空间谱中零点的位置,并滤除位于零点位置处的波峰,在剩余波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计,构建空间谱函数Pmm(θm)并计算空间谱,在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计;
步骤A-4)、根据DOA的估计值计算互耦系数,从而获得一种互耦未知时阵列的自校准方法;
二、方法B:
步骤B-1)、接收端输出接收到的信号x(k),根据x(k)得到噪声子空间的特征向量Un;
步骤B-2)、利用互耦影响下信号方向上的实际阵列流型与噪声子空间之间的正交性,并利用ULA和UCA中MCM的特性,构建归一化的空间谱Pn(θ),在空间谱的波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计,构建空间谱函数Pmn(θm)并计算空间谱,在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计;
步骤B-3)、根据DOA的估计值计算互耦系数,获得一种互耦未知时阵列的自校准方法。
2.如权利要求1所述的方法,其特征在于,在方法步骤A-1)中,所述的接收端输出接收到的信号x(k),根据x(k)得到噪声子空间的特征向量Un,其实现过程为:
当信号源发出的信号被阵列接收以后,阵列输出为x(k),求得自协方差得到自相关函数Rx,对Rx进行特征值分解;根据信号源的数目M,选取相应数量的最大特征值所对应的特征向量作为信号子空间的特征向量Us,其余小特征值所对应的特征向量为噪声子空间的特征向量Un。
3.如权利要求1所述的方法,其特征在于,在所述的步骤A-2)中,利用互耦影响下信号方向上的实际导向矢量与噪声子空间之间的正交性,构建空间谱函数,并通过等价变换和求解优化问题构建空间谱,其实现过程为:
利用信号方向上导向矢量与互耦矩阵的乘积与噪声子空间的正交性,得到下列等式关系:
其中C代表互耦矩阵MCM,a(θ)代表θ方向的导向矢量;
另一方面,利用ULA中MCM的带状对称Toeplitz特性或UCA中MCM的对称循环Toeplitz特性,可以得到等式关系Ca(θ)=Q(θ)c;
根据以上两个等式,构建下列空间谱函数
其中c是代表互耦系数的向量;||.||2表示向量2范数的平方;对所有需要观测的方向θ分别求解上述公式中的优化问题,得到c在θ方向上最优解为矩阵的最小特征值所对应的特征向量,再将c的最优值代入上式得到Pm(θ)在不同θ处的取值,构成空间谱。
4.如权利要求所述1的方法,其特征在于,在所述步骤A-3)中,利用ULA和UCA中MCM的特性计算空间谱中零点的位置,并滤除位于零点位置处的波峰,在剩余波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计,构建空间谱函数Pmm(θm)并计算空间谱,在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计,其实现过程为:
上述空间谱在特定角度θf上存在伪峰,将这些角度称为零点,并记其集合为Sn:
在ULA中,当时,
在UCA中,当N是偶数且时,
在空间谱Pm(θ)中滤除零点位置的波峰,在剩余波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计θ1,θ2,…,θm-1,构建空间谱函数Pmm(θm),并计算空间谱,其中:
在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计。
5.如权利要求所述1的方法,其特征在于,在所述步骤A-4)中,根据DOA的估计值计算互耦系数,其实现过程为:
对DOA的M个估计值θ1,θ2,…,θM所对应的互耦系数c1,c2,…,cM求平均得到互耦系数估计
6.如权利要求所述1的方法,其特征在于,在所述的步骤B-1)中,所述的接收端输出接收到的信号x(k),根据x(k)得到噪声子空间的特征向量Un,其实现过程为:
当信号源发出的信号被阵列接收以后,阵列输出为x(k),求x(k)的自协方差得到其自相关函数Rx;对Rx进行特征值分解;根据信号源的数目M,选取相应数量的最大特征值所对应的特征向量作为信号子空间的特征向量Us,其余小特征值所对应的特征向量为噪声子空间的特征向量Un。
7.如权利要求所述1的方法,其特征在于,在所述的步骤B-2)中,利用互耦影响下信号方向上的实际阵列流型与噪声子空间之间的正交性,并利用ULA和UCA中MCM的特性,构建归一化的空间谱Pn(θ),在空间谱的波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计,构建空间谱函数Pmn(θm)并计算空间谱,在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计,其实现过程为:
利用信号方向上,互耦矩阵与导向矢量的乘积与噪声子空间的正交性,即:
以及ULA中MCM的带状对称Toeplitz特性或UCA中MCM的对称循环Toeplitz特性Ca(θ)=Q(θ)c,通过归一化||Q(θ)c||2,构建下列归一化空间谱函数:
其中C代表互耦矩阵MCM,a(θ)代表方向的导向矢量,c是互耦系数向量;||.||2表示向量2范数的平方;对所有关心的观测方向θ,分别求解上述优化问题得到互耦系数的最优解v1是矩阵和Q(θ)HQ(θ)的最小广义特征值对应的特征向量,再将c的最优解代入上式得到Pn(θ)在不同θ处的取值,构建归一化空间谱;
在空间谱的波峰中找出最大值,并将其坐标作为第一个DOA估计;在第m步,根据已有的DOA估计θ1,θ2,…,θm-1,构建空间谱函数Pmn(θm)并计算空间谱,
其中
在波峰中找出第m个最大值,并将其坐标作为第m个DOA估计。
8.如权利要求所述1的方法,其特征在于,在所述步骤B-3)中,根据DOA的估计值计算互耦系数,其实现过程为:
对DOA的M个估计值θ1,θ2,…,θM所对应的互耦系数c1,c2,…,cM求平均得到互耦系数估计
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610548064.4A CN106154217B (zh) | 2016-07-12 | 2016-07-12 | Ula和uca中互耦未知时基于空间谱伪峰消除的自校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610548064.4A CN106154217B (zh) | 2016-07-12 | 2016-07-12 | Ula和uca中互耦未知时基于空间谱伪峰消除的自校准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106154217A true CN106154217A (zh) | 2016-11-23 |
CN106154217B CN106154217B (zh) | 2019-09-03 |
Family
ID=58062658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610548064.4A Active CN106154217B (zh) | 2016-07-12 | 2016-07-12 | Ula和uca中互耦未知时基于空间谱伪峰消除的自校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106154217B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886627A (zh) * | 2017-01-09 | 2017-06-23 | 广东工业大学 | 一种m‑uca估计m‑1个信源的建模方法 |
CN109286469A (zh) * | 2018-09-19 | 2019-01-29 | 西安电子科技大学 | 基于同轴天线阵列uca的涡旋电磁波的最大似然检测方法 |
CN109358312A (zh) * | 2018-11-13 | 2019-02-19 | 内蒙古科技大学 | 确定入射信号来波方向的方法、装置、介质及设备 |
CN110927659A (zh) * | 2019-11-25 | 2020-03-27 | 长江大学 | 互耦条件下任意阵列流形doa估计与互耦校准方法及系统 |
CN112084894A (zh) * | 2020-08-24 | 2020-12-15 | 中国海洋石油集团有限公司 | 伪峰信号消除方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102195690A (zh) * | 2010-03-16 | 2011-09-21 | 埃克提克斯有限责任公司 | 估算/优化蜂窝无线网络中多天线配置产生的容量增益以及覆盖范围的方法 |
CN103716264A (zh) * | 2013-12-27 | 2014-04-09 | 南京信息工程大学 | 基于非对称空间结构和非均匀散射体的统计信道计算方法 |
CN103747456A (zh) * | 2014-01-20 | 2014-04-23 | 南京信息工程大学 | 基于三维空间域多天线mimo统计信道的建模方法 |
-
2016
- 2016-07-12 CN CN201610548064.4A patent/CN106154217B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102195690A (zh) * | 2010-03-16 | 2011-09-21 | 埃克提克斯有限责任公司 | 估算/优化蜂窝无线网络中多天线配置产生的容量增益以及覆盖范围的方法 |
CN103716264A (zh) * | 2013-12-27 | 2014-04-09 | 南京信息工程大学 | 基于非对称空间结构和非均匀散射体的统计信道计算方法 |
CN103747456A (zh) * | 2014-01-20 | 2014-04-23 | 南京信息工程大学 | 基于三维空间域多天线mimo统计信道的建模方法 |
Non-Patent Citations (2)
Title |
---|
JUN WANG 等: "On the Channel Capacity of MIMO Systems under Correlated Rayleigh Fading", 《第三届IEEE无线通讯、网络技术暨移动计算国际会议论文集》 * |
刘志武 等: "均匀圆阵线性化预处理研究", 《计算机工程与应用》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886627A (zh) * | 2017-01-09 | 2017-06-23 | 广东工业大学 | 一种m‑uca估计m‑1个信源的建模方法 |
CN106886627B (zh) * | 2017-01-09 | 2020-04-28 | 广东工业大学 | 一种m-uca估计m-1个信源的建模方法 |
CN109286469A (zh) * | 2018-09-19 | 2019-01-29 | 西安电子科技大学 | 基于同轴天线阵列uca的涡旋电磁波的最大似然检测方法 |
CN109358312A (zh) * | 2018-11-13 | 2019-02-19 | 内蒙古科技大学 | 确定入射信号来波方向的方法、装置、介质及设备 |
CN110927659A (zh) * | 2019-11-25 | 2020-03-27 | 长江大学 | 互耦条件下任意阵列流形doa估计与互耦校准方法及系统 |
CN110927659B (zh) * | 2019-11-25 | 2022-01-14 | 长江大学 | 互耦条件下任意阵列流形doa估计与互耦校准方法及系统 |
CN112084894A (zh) * | 2020-08-24 | 2020-12-15 | 中国海洋石油集团有限公司 | 伪峰信号消除方法及装置 |
CN112084894B (zh) * | 2020-08-24 | 2024-03-15 | 中国海洋石油集团有限公司 | 伪峰信号消除方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106154217B (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106154217A (zh) | Ula和uca中互耦未知时基于空间谱伪峰消除的自校准方法 | |
CN105163282B (zh) | 一种基于蓝牙位置指纹的室内定位系统及定位方法 | |
CN107817465A (zh) | 超高斯噪声背景下的基于无网格压缩感知的doa估计方法 | |
CN109471082A (zh) | 基于信号子空间重构的阵元缺损mimo雷达角度估计方法 | |
Noroozi et al. | Efficient weighted least squares estimator for moving target localization in distributed MIMO radar with location uncertainties | |
CN106526530A (zh) | 基于传播算子的2‑l型阵列二维doa估计算法 | |
CN105335615B (zh) | 一种低复杂度的二维角度和极化参数联合估计方法 | |
Chan et al. | Parameter estimation and identifiability in bistatic multiple-input multiple-output radar | |
CN107290709A (zh) | 基于范德蒙分解的互质阵列波达方向估计方法 | |
Yang et al. | Decimeter level indoor localization using WiFi channel state information | |
CN106093845B (zh) | 一种基于伪空间谱搜索的快速doa估计方法 | |
CN106501770A (zh) | 基于幅相误差阵列的远近场宽带混合源中近场源定位方法 | |
CN107907855A (zh) | 一种互素阵列转化为均匀线阵的doa估计方法及装置 | |
Zhou et al. | Accurate DOA estimation with adjacent angle power difference for indoor localization | |
CN108802669A (zh) | 二维波达方向估计方法、二维波达方向估计装置及终端 | |
CN109507635A (zh) | 利用两个未知方位辅助源的阵列幅相误差估算方法 | |
CN112130111A (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
CN103399308B (zh) | 主瓣和旁瓣干扰背景下雷达目标角度快速估计方法 | |
CN103605107A (zh) | 基于多基线分布式阵列的波达方向估计方法 | |
CN106226729A (zh) | 基于四阶累量的互质阵列波达方向角估计方法 | |
CN104020440A (zh) | 基于l型干涉式线性阵列的二维波达角估计方法 | |
CN109212467A (zh) | 幅相误差下基于部分校准嵌套阵列的欠定波达方向估计方法 | |
CN108761380A (zh) | 一种用于提高精度的目标波达方向估计方法 | |
CN109581277B (zh) | 一种基于压缩感知理论的四维天线阵doa估计方法 | |
CN108761384A (zh) | 一种抗差的传感器网络目标定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |