CN108761380B - 一种用于提高精度的目标波达方向估计方法 - Google Patents
一种用于提高精度的目标波达方向估计方法 Download PDFInfo
- Publication number
- CN108761380B CN108761380B CN201810500858.2A CN201810500858A CN108761380B CN 108761380 B CN108761380 B CN 108761380B CN 201810500858 A CN201810500858 A CN 201810500858A CN 108761380 B CN108761380 B CN 108761380B
- Authority
- CN
- China
- Prior art keywords
- iteration
- estimated
- angle direction
- true
- kth
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013178 mathematical model Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 64
- 239000013598 vector Substances 0.000 claims description 61
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 230000017105 transposition Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- PXDJXZJSCPSGGI-UHFFFAOYSA-N palmityl palmitate Chemical compound CCCCCCCCCCCCCCCCOC(=O)CCCCCCCCCCCCCCC PXDJXZJSCPSGGI-UHFFFAOYSA-N 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种用于提高精度的目标波达方向估计方法,其主要思路为:确定均匀直线阵列,建立均匀直线阵列接收设定范围内L个不同角度方向信号的数学模型,L>>1;初始化:令k表示第k次迭代,k∈[1,K],k的初始值为1,K表示L个不同角度方向中存在的真实信源总个数,K<<L;迭代总次数与真实信源总个数相等且一一对应;计算第k次迭代后包含个待估计真实信源的角度方向集合,然后依次得到第k次迭代后包含个待估计真实信源的新角度方向集合、第k次迭代后最优投影系数和第k个真实信源的角度方向估计令k的值加1,直到k=K,进而得到K个真实信源的角度方向估计集合并将K个真实信源的角度方向估计集合作为一种用于提高精度的目标波达方向估计结果。
Description
技术领域
本发明属于阵列信号处理领域,特别涉及一种用于提高精度的目标波达方向估计方法,适用于解决单快拍环境下提高目标波达方向DOA估计算法精度的问题。
背景技术
阵列信号处理是近几十年发展起来的一种信号处理技术,其目的是通过对传感器阵列接收信号的处理来获取信号的参数,如波达方向、频率等;信号的波达方向DOA估计是阵列信号处理的一个重要研究内容,其应用涉及到通信、雷达、声纳、地震勘探等领域。
20世纪70年代末开始,Schmidt等人提出的多重信号分类(MUSIC)算法实现了向现代超分辨率测向技术的飞跃,极大地提高了阵列天线的分辨能力,突破了传统空间谱估计算法中孔径对波达方向的瑞利限制,促进了子空间类算法的兴起;另一个具有代表性的特征子空间算法是旋转不变子空间(ESPRIT)算法,该方法利用各个子空间的旋转不变性来求解波达方向,并且不用进行谱峰搜索,克服了MUSIC算法计算量巨大的问题。实际工程环境中,由于存在大量相干信号源,特别是当信号相关性很强时,目标的方位矢量张成的子空间与根据阵列协方差矩阵求得的信号子空间不完全一致,方位矢量张成的子空间与噪声子空间不再正交,从而导致MUSIC等基于子空间正交的超分辨算法性能下降。因此后来出现了许多针对相干信号源的处理方法。其中,最大似然(ML)算法和加权子空间拟合(WSF)算法是二十世纪后期出现的子空间拟合类算法的代表。相比于子空间分解类算法,这类算法的缺点是运算量比较大,但是当信噪比很低而且样本数很少时,性能明显好过子空间分解类算法。
近几年,Donoho、Candes等人提出压缩感知(CS)理论,M.Cetin和D.Malioutov等人已经将压缩感知的思想即稀疏思想应用于空间DOA估计,在很大程度上提高了测向的实时性;压缩感知是利用信号的稀疏性通过以尽量少的采样脉冲对信号进行采样,并在接收端根据压缩矩阵(CSM)、稀疏基(CB)使用匹配追踪(MP)、正交匹配追踪(OMP)、基追踪(BP)或正交最小二乘(OLS)等算法重构原信号。
近些年来,空间波达方向DOA估计技术已经开始从估计算法的理论研究向研制准实时的工程样机系统转移;特别是随着集成电路技术的高速发展,高速数字信号处理器不断出现,为空间DOA估计准实时运算工程样机的实现提供了硬件基础;而传统的基于子空间波达方向DOA估计算法在低信噪比、单快拍数据或者信源相距较近时估计性能不佳,不能在非理想环境下更精确、高效地实现波达方向DOA估计。
发明内容
针对上述现有技术存在的不足,本发明的目的在于提出一种用于提高精度的目标波达方向估计方法,该种用于提高精度的目标波达方向估计方法通过将ESPRIT算法嵌入到稀疏信号重构OLS算法的框架中,融合了二者在不同信噪比下的优势,提高了估计波达方向DOA的精度。
为达到上述技术目的,本发明采用如下技术方案予以实现。
一种用于提高精度的目标波达方向估计方法,包括以下步骤:
步骤1,确定均匀直线阵列,建立均匀直线阵列接收设定范围内L个不同角度方向信号的数学模型,L>>1;
初始化:令k表示第k次迭代,k∈[1,K],k的初始值为1,K表示L个不同角度方向中存在的真实信源总个数,K<<L;迭代总次数与真实信源总个数相等且一一对应;
本发明的有益效果:
本发明方法将ESPRIT算法嵌入到OLS算法框架中,实现了在低信噪比和高信噪比区间同时减少波达方向DOA估计误差,提高波达方向DOA的估计精度目的;ESPRIT算法利用了子空间的信息,在高信噪比区间DOA估计误差小于OLS算法,但是在低信噪比区间,这一优势变为劣势,DOA估计误差大于OLS算法;相反,OLS算法并没有利用子空间信息,其利用的是贪婪算法的框架,该框架使得OLS算法在低信噪比区间DOA估计性能优于ESPRIT算法;本发明方法融合了二者的在不同信噪比之下的优势,提高了估计DOA的稳健性,因而具有更高的使用价值。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1是本发明的一种用于提高精度的目标波达方向估计方法流程图;
图2是在信源位于格点上并且彼此远离的情况下,采用本发明方法、ESPRIT算法、OLS算法分别进行波达方向DOA估计的均方误差平均值的对比图;其中,横坐标为信噪比,单位为dB;纵坐标为角度均方根误差,单位为dB;
图3是在信源不位于格点上并且彼此远离的情况下,分别采用本发明方法、ESPRIT算法、OLS算法进行DOA估计的均方误差平均值的对比图;其中,横坐标为信噪比,单位为dB;纵坐标为角度均方根误差,单位为dB;
图4是在信源不位于格点上并且彼此靠近的情况下,分别采用本发明方法、ESPRIT算法、OLS算法进行DOA估计的均方误差平均值的对比图;其中,横坐标为信噪比,单位为dB;纵坐标为角度均方根误差,单位为dB。
具体实施方式
参照图1,为本发明的一种用于提高精度的目标波达方向估计方法流程图;其中所述用于提高精度的目标波达方向估计方法,包括以下步骤:
步骤1,确定均匀直线阵列,所述均匀直线阵列包括M个阵元,然后建立均匀直线阵列接收设定范围内L个不同角度方向信号的数学模型,将均匀直线阵列接收的L个不同角度方向信号记为接收信号y,待估计信号矢量为s,s=[s1,s2,…,sL]T,L个不同角度方向分别为θ1,θ2,…,θL,在所述数学模型中,L个不同角度方向信号分别为L个窄带远场信号,并且任意时刻所述L个窄带远场信号入射进均匀直线阵列中;所述L个不同角度方向中只有K个不同角度方向分别存在真实信号,分别为K<<L;初始化残差信号r0=y,估计得到的信源角度集合下标集合令k表示第k次迭代,k∈[1,K],k的初始值为1。
步骤1可分为如下子步骤:
1a)确定均匀直线阵列,所述均匀直线阵列包括M个阵元,建立均匀直线阵列接收设定范围内L个不同角度方向信号的数学模型,本实施例中设定范围为[-90°,90°];将均匀直线阵列接收的L个不同角度方向信号记为接收信号y,∈表示属于,表示M×1维的复列向量集合;设定待估计信号矢量为s,s=[s1,s2,…,sl,…,sL]T,sl表示第l个待估计信号,第l个待估计信号的角度方向为θl,l=1,2,…,L,L>>1;表示L×1维的复列向量集合,上标T表示转置。
在所述数学模型中,L个不同角度方向信号中每个角度方向信号频带范围远远小于该角度方向信号中心频率,因此将L个不同角度方向信号分别记为L个窄带远场信号,并且任意时刻所述L个窄带远场信号入射进均匀直线阵列中,其中将均匀直线阵列接收的L个不同角度方向信号记为接收信号y,其表达式为:
y=Φs+n
其中,M表示均匀直线阵列包含的阵元个数,d表示均匀直线阵列的阵元间距,λ表示M个阵元的均匀直线阵列接收L个不同角度方向信号的波长,上标T表示转置;n表示均匀直线阵列接收的噪声矢量,假设均匀直线阵列接收的噪声矢量n为高斯白噪声;s表示待估计信号矢量,s=[s1,s2,…,sl,…,sL]T,待估计信号s包括L个元素,其中第l个元素为sl,sl表示第l个待估计信号,表示M×1维的复列向量集合,l=1,2,…,L。
1b)所述L个不同角度方向中只有K个不同角度方向分别存在真实信号,记为K个真实信号,K个真实信号的角度方向分别为表示第k'个真实信号的角度方向,k'=1,2,…,K,K<<L;L个不同角度方向中只有K个不同角度方向分别存在真实信号,也就是说待估计信号矢量s的L个元素中只有K个元素均是非零元素值,每个非零元素值分别对应一个真实信号,其余L-K个元素值均为零;因此得到均匀直线阵列接收的K个不同角度方向信号,记为真实接收信号其表达式为:
其中,A表示K个不同角度方向导向矢量矩阵, 表示M×K维的复矩阵集合,表示第k'个真实信号的角度方向θk'处的导向矢量,k'=1,2,…,K;d表示均匀直线阵列的阵元间距,λ表示M个阵元的均匀直线阵列接收L个不同角度方向信号的波长,上标T表示转置;表示待估计信号矢量s中K个真实信号的幅度矢量,
1c)由于真实接收信号中包括K个真实信号,说明L个不同角度方向中存在K个真实信源,因此本发明方法共迭代K次,并且在迭代过程中,每次迭代后对应得到一个真实信源的角度方向估计,进而得到K个真实信源的角度方向估计集合;本发明方法只估计每个真实信号的角度方向,并不估计每个真实信号的幅度。
步骤2,开始第k次迭代:第k次迭代后待估计真实信源总个数为前k-1次迭代后的真实信源角度方向估计集合为表示第1次迭代后的真实信源角度方向估计,表示第2次迭代后的真实信源角度方向估计,表示第k-1次迭代后的真实信源角度方向估计。
对第k-1次迭代后的残差信号rk-1进行空间平滑,得到第k-1次迭代后的空间平滑残差信号然后利用ESPRIT算法对第k-1次迭代后的空间平滑残差信号进行波达方向DOA估计,得到第k次迭代后包含个待估计真实信源的角度方向集合。
步骤2可分为如下子步骤:
2a)令前k-1次迭代后的真实信源角度方向估计集合为所述前k-1次迭代后的真实信源角度方向估计集合包括k-1个真实信源角度方向估计,第k次迭代后待估计真实信源总个数为令第k-1次迭代后的残差信号为rk-1,表示M×1维的复列向量集合,第k-1次迭代后的残差信号rk-1包括M个元素。
2a.1)设定子阵阵元数目为Msub,那么子阵数目Nsub=M-Msub+1,且一般满足Nsub=2×Msub。
2a.2)将第k-1次迭代后的残差信号rk-1中第n个元素至第Msub+n-1个元素作为第k-1次迭代后第n个快拍数据,n=1,2,…,Nsub。
2a.3)令n的值分别1取至Nsub,重复执行2a.2),进而得到第k-1次迭代后第1个快拍数据至第k-1次迭代后第Nsub个快拍数据,并记为第k-1次迭代后的空间平滑多快拍信号其中,表示Msub×Nsub维的复矩阵集合。
步骤3,针对第k-1次迭代后的残差信号rk-1,利用OLS算法得到下标集合为Sk-1时的最优估计真实信源角度方向在第k次迭代后包含个待估计真实信源的角度方向集合中找到与差值最小的角度方向,假设为表示第k次迭代后第m个待估计真实信源的角度方向,然后用替换进而得到第k次迭代后包含个待估计真实信源的新角度方向集合
步骤4,根据前k-1次迭代后的真实信源角度方向估计集合和第k次迭代后包含个待估计真实信源的角度方向集合计算第k次迭代后投影误差及第k次迭代后投影误差的投影系数;其中,p=1,2,…,1-k,然后根据前k-1次迭代后的真实信源角度方向估计集合和第k次迭代后包含个待估计真实信源的新角度方向集合计算第k次迭代后新投影误差及第k次迭代后新投影误差的投影系数;通过选择和中的最小值,并保留该最小值对应的投影系数。
步骤4可分为如下子步骤:
其中,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计处的导向矢量,表示第k次迭代后包含个待估计真实信源的角度方向集合中第q个待估计真实信源的角度方向,表示第k次迭代后包含个待估计真实信源的角度方向集合中第q个待估计真实信源的角度方向处的导向矢量,p=1,2,…,k-1,
第k次迭代后投影误差的投影系数包括第k次迭代后第一投影系数串和第k次迭代后第二投影系数串,第k次迭代后第一投影系数串包括k-1个第一投影系数,分别为p=1,2,…,k-1,表示第k次迭代后第p个第一投影系数;当k取值为1时,第k次迭代后第一投影系数串为空集。
其中,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计处的导向矢量,表示第k次迭代后包含个待估计真实信源的新角度方向集合中第q个待估计真实信源的角度方向,表示第k次迭代后包含个待估计真实信源的新角度方向集合中第q个待估计真实信源的角度方向处的导向矢量。
第k次迭代后新投影误差的投影系数包括第k次迭代后第一新投影系数串和第k次迭代后第二新投影系数串,第k次迭代后第一新投影系数串包括k-1个第一新投影系数,分别为p=1,2,…,k-1,表示第k次迭代后第p个第一新投影系数;当k取值为1时,第k次迭代后第一新投影系数串为空集。
4b)通过选择和中的最小值,并保留该最小值对应的投影系数,记为第k次迭代后最优投影系数,所述第k次迭代后最优投影系数包括第k次迭代后第一最优投影系数串和第k次迭代后第二最优投影系数串,第k次迭代后第一最优投影系数串包括k-1个第一最优投影系数,分别为表示第k次迭代后第p个第一最优投影系数;第k次迭代后第二最优投影系数串包括个第二最优投影系数,分别为表示第k次迭代后第q个第二最优投影系数。
步骤5,选取个第二最优投影系数中的最大值,记为第k次迭代后最优投影系数计算第k次迭代后最优投影系数对应的导向矢量表示第k次迭代后最优角度方向;而第k次迭代后最优角度方向就是第k次迭代后所要寻找的真实信源角度方向估计也就是使第k-1次迭代后的残余信号rk-1最大限度减小的分量;利用这些信息,可以计算得到第k次迭代后的残差信号rk,并且可以得到前k次迭代后的真实信源角度方向估计集合
步骤5可分为如下子步骤:
设定第k次迭代后最优投影系数对应第k次迭代后包含个待估计真实信源的角度方向集合中第c'个元素或者对应第k次迭代后包含个待估计真实信源的新角度方向集合中第c个元素,第k次迭代后包含个待估计真实信源的角度方向集合中第c'个元素表示第k次迭代后第c'个待估计真实信源的角度方向第k次迭代后包含个待估计真实信源的新角度方向集合中第c个元素表示第k次迭代后第c个待估计真实信源的新角度方向,
根据第k次迭代后第c'个待估计真实信源的角度方向得到第k次迭代后第c'个待估计真实信源的角度方向处的导向矢量根据第k次迭代后第c个待估计真实信源的新角度方向得到第k次迭代后第c个待估计真实信源的新角度方向处的导向矢量将所述第k次迭代后第c'个待估计真实信源的角度方向处的导向矢量或第k次迭代后第c个待估计真实信源的新角度方向处的导向矢量作为第k次迭代后最优投影系数对应的导向矢量
式中,real(·)表示取实部操作,asin(·)表示反正弦函数,log(·)表示取对数操作。
其中,表示第k次迭代后第p个第一最优投影系数,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计处的导向矢量,p=1,2,…,k-1。
步骤6,计算第k次迭代后最优角度方向对应的导向矢量的下标令∪表示求并集;由于第k次迭代后最优角度方向并不一定刚好落在L个不同角度方向上,因此选择时采取就近原则,即选择与第k次迭代后最优角度方向相差最小的角度方向下标作为
步骤6的子步骤为:
其中,round(·)表示四舍五入操作。
本发明的效果可由以下仿真实验作进一步说明:
(一)仿真条件:
1)均匀直线阵列阵元数目M=30,阵元间距为0.5米,接收信号的波长为1米;估计角度范围为[-90°,90°),以0.2°为间隔,即划分格点数L=900,真实信源数目K=3;子阵阵元数目Msub=10,则子阵数目Nsub=21。
具体的算法参数如下表所示:
(二)仿真内容及结果分析
为了验证本发明提高了DOA估计的精度,实现了在低信噪比和高信噪比区间同时减少DOA估计误差的性能,本发明分别在信源位于格点上并且彼此远离(真实信源DOA分别为-34°、-26.8°、17.4°)、信源不位于格点上并且彼此远离(真实信源DOA分别为-30.416°、-20.798°、32.568°)和信源不位于格点上并且彼此靠近(真实信源DOA分别为-28.076°、-25.798°、10.568°)三种情况下进行了仿真实验,并且针对每一个给定的信噪比,仿真中均进行了1000次蒙特卡洛实验,计算本发明方法、ESPRIT算法和OLS算法进行DOA估计角度的均方根误差,然后取平均,作为衡量算法性能的标准,仿真结果如图2、图3和图4所示。
图2给出了信源位于格点上并且彼此远离的情况下三种算法进行DOA估计均方误差的平均值;其中,横坐标为信噪比,单位为dB,纵坐标为角度均方根误差,单位为dB。
由图2可知,首先,ESPRIT算法受信噪比影响比较大,估计DOA的角度均方根误差随信噪比的增加迅速减小,这是因为ESPRIT算法利用了子空间的信息,该信息随着信噪比的增加而更加准确;而OLS算法在低信噪比区间估计误差随信噪比的增加而减少的趋势比较明显,但是当信噪比较高时,该趋势趋于平缓,这是因为OLS算法框架并没有采用子空间信息,受信噪比影响较小;其次,在低信噪比区间,本发明方法由于在ESPRIT算法的基础上采用了OLS算法的框架,估计DOA的角度均方根误差小于ESPRIT算法,同时也小于OLS算法;在高信噪比区间,本发明方法由于在OLS算法的基础上利用了ESPRIT算法提供的子空间信息,估计DOA的角度均方根误差小于OLS算法,同时也小于ESPRIT算法;因此,总体来说,在单快拍情况下,当信源位于格点上并且彼此远离时,本发明方法在不同信噪比之下估计DOA的误差均小于ESPRIT算法和OLS算法,提高了估计DOA的精度。
图3给出了信源不位于格点上并且彼此远离的情况下三种算法进行DOA估计的均方误差;其中,横坐标为信噪比,单位为dB,纵坐标为角度均方根误差,单位为dB。
由图3可知,当信源不位于格点上时,ESPRIT算法和OLS算法估计DOA的性能稍有下降,但本发明方法估计DOA的性能无论是在低信噪比区间还是高信噪比区间都优于ESPRIT算法和OLS算法。
图4给出了信源不位于格点上并且彼此靠近的情况下三种算法进行DOA估计均方误差的平均值;其中,横坐标为信噪比,单位为dB,纵坐标为角度均方根误差,单位为dB;信源彼此靠近意味着其对应的导向矢量之间的相关性增强,通过空间平滑解相干的效果就会变差;由图4可知,本发明方法估计DOA的性能在不同信噪比之下仍优于ESPRIT算法和OLS算法。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围;这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种用于提高精度的目标波达方向估计方法,其特征在于,包括以下步骤:
步骤1,确定均匀直线阵列,建立均匀直线阵列接收设定范围内L个不同角度方向信号的数学模型,L>>1;
初始化:令k表示第k次迭代,k∈[1,K],k的初始值为1,K表示L个不同角度方向中存在的真实信源总个数,K<<L;迭代总次数与真实信源总个数相等且一一对应;
2a)令前k-1次迭代后的真实信源角度方向估计集合为所述前k-1次迭代后的真实信源角度方向估计集合包括k-1个真实信源角度方向估计,第k次迭代后待估计真实信源总个数为令第k-1次迭代后的残差信号为rk-1,第k-1次迭代后的残差信号rk-1包括M个元素;
2b)将第k-1次迭代后的残差信号rk-1中第n个元素至第Msub+n-1个元素作为第k-1次迭代后第n个快拍数据,n=1,2,…,Nsub;其中,Nsub=M-Msub+1,Nsub=2×Msub,Msub为子阵阵元数目,Nsub为子阵数目;
针对第k-1次迭代后的残差信号rk-1,利用OLS算法得到下标集合为Sk-1时的最优估计真实信源角度方向在第k次迭代后包含个待估计真实信源的角度方向集合中找到与差值最小的角度方向,假设为 表示第k次迭代后第m个待估计真实信源的角度方向,然后用替换进而得到第k次迭代后包含个待估计真实信源的新角度方向集合
所述第k次迭代后最优投影系数,其得到过程为:
其中,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计处的导向矢量,表示第k次迭代后包含个待估计真实信源的角度方向集合中第q个待估计真实信源的角度方向,表示第k次迭代后包含个待估计真实信源的角度方向集合中第q个待估计真实信源的角度方向处的导向矢量,p=1,2,…,k-1,
第k次迭代后投影误差的投影系数包括第k次迭代后第一投影系数串和第k次迭代后第二投影系数串,第k次迭代后第一投影系数串包括k-1个第一投影系数,分别为p=1,2,…,k-1,表示第k次迭代后第p个第一投影系数;当k取值为1时,第k次迭代后第一投影系数串为空集;
其中,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计处的导向矢量,表示第k次迭代后包含个待估计真实信源的新角度方向集合中第q个待估计真实信源的角度方向,表示第k次迭代后包含个待估计真实信源的新角度方向集合中第q个待估计真实信源的角度方向处的导向矢量;
第k次迭代后新投影误差的投影系数包括第k次迭代后第一新投影系数串和第k次迭代后第二新投影系数串,第k次迭代后第一新投影系数串包括k-1个第一新投影系数,分别为p=1,2,…,k-1,表示第k次迭代后第p个第一新投影系数;当k取值为1时,第k次迭代后第一新投影系数串为空集;
4b)通过选择和中的最小值,并保留该最小值对应的投影系数,记为第k次迭代后最优投影系数,所述第k次迭代后最优投影系数包括第k次迭代后第一最优投影系数串和第k次迭代后第二最优投影系数串,第k次迭代后第一最优投影系数串包括k-1个第一最优投影系数,分别为 表示第k次迭代后第p个第一最优投影系数;第k次迭代后第二最优投影系数串包括个第二最优投影系数,分别为 表示第k次迭代后第q个第二最优投影系数;
2.如权利要求1所述的一种用于提高精度的目标波达方向估计方法,其特征在于,在步骤1中,所述均匀直线阵列接收设定范围内L个不同角度方向信号的数学模型为:
y=Φs+n
设定第k次迭代后最优投影系数对应第k次迭代后包含个待估计真实信源的角度方向集合中第c'个元素或者对应第k次迭代后包含个待估计真实信源的新角度方向集合中第c个元素,第k次迭代后包含个待估计真实信源的角度方向集合中第c'个元素表示第k次迭代后第c'个待估计真实信源的角度方向第k次迭代后包含个待估计真实信源的新角度方向集合中第c个元素表示第k次迭代后第c个待估计真实信源的新角度方向,
根据第k次迭代后第c'个待估计真实信源的角度方向得到第k次迭代后第c'个待估计真实信源的角度方向处的导向矢量根据第k次迭代后第c个待估计真实信源的新角度方向得到第k次迭代后第c个待估计真实信源的新角度方向处的导向矢量将所述第k次迭代后第c'个待估计真实信源的角度方向处的导向矢量或第k次迭代后第c个待估计真实信源的新角度方向处的导向矢量作为第k次迭代后最优投影系数对应的导向矢量
式中,real(·)表示取实部操作,asin(·)表示反正弦函数,log(·)表示取对数操作;
利用下式计算第k次迭代后的残差信号rk,则:
其中,表示第k次迭代后第p个第一最优投影系数,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计,表示前k-1次迭代后的真实信源角度方向估计集合中第p个真实信源角度方向估计处的导向矢量,p=1,2,…,k-1;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810500858.2A CN108761380B (zh) | 2018-05-23 | 2018-05-23 | 一种用于提高精度的目标波达方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810500858.2A CN108761380B (zh) | 2018-05-23 | 2018-05-23 | 一种用于提高精度的目标波达方向估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108761380A CN108761380A (zh) | 2018-11-06 |
CN108761380B true CN108761380B (zh) | 2022-05-03 |
Family
ID=64004920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810500858.2A Active CN108761380B (zh) | 2018-05-23 | 2018-05-23 | 一种用于提高精度的目标波达方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108761380B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110426670B (zh) * | 2018-12-26 | 2022-09-23 | 西安电子科技大学 | 基于tls-cs的外辐射源雷达超分辨doa估计方法 |
CN110146841B (zh) * | 2019-05-05 | 2022-11-04 | 西安电子科技大学 | 一种提高阵列波达方向估计性能的优化方法 |
CN113325363B (zh) * | 2020-02-28 | 2024-07-23 | 加特兰微电子科技(上海)有限公司 | 确定波达方向的方法、装置及相关设备 |
CN111736131B (zh) * | 2020-07-13 | 2023-09-01 | 深圳大学 | 一种剔除一比特信号谐波虚假目标的方法及相关组件 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2005207A1 (en) * | 2006-03-09 | 2008-12-24 | Fundacio Privada Centre Tecnologic de Tele- comunicacions de Catalunya | Method and system for estimating directions-of-arrival in low power or low sample size scenarios |
CN104749553A (zh) * | 2015-04-10 | 2015-07-01 | 西安电子科技大学 | 基于快速稀疏贝叶斯学习的波达方向角估计方法 |
CN105572631A (zh) * | 2015-12-23 | 2016-05-11 | 西安电子科技大学 | 基于多波位联合处理的最大似然目标doa估计方法 |
CN106291452A (zh) * | 2016-09-12 | 2017-01-04 | 电子科技大学 | 一种基于改进贪婪算法的波达角估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101272168B (zh) * | 2007-03-23 | 2012-08-15 | 中国科学院声学研究所 | 一种信源数估计方法及其波达方向估计方法 |
JP4794613B2 (ja) * | 2008-10-15 | 2011-10-19 | 三菱電機株式会社 | 信号波到来角度測定装置 |
JP5659472B2 (ja) * | 2009-09-01 | 2015-01-28 | 富士通株式会社 | 到来方向推定装置及び方法 |
-
2018
- 2018-05-23 CN CN201810500858.2A patent/CN108761380B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2005207A1 (en) * | 2006-03-09 | 2008-12-24 | Fundacio Privada Centre Tecnologic de Tele- comunicacions de Catalunya | Method and system for estimating directions-of-arrival in low power or low sample size scenarios |
CN104749553A (zh) * | 2015-04-10 | 2015-07-01 | 西安电子科技大学 | 基于快速稀疏贝叶斯学习的波达方向角估计方法 |
CN105572631A (zh) * | 2015-12-23 | 2016-05-11 | 西安电子科技大学 | 基于多波位联合处理的最大似然目标doa估计方法 |
CN106291452A (zh) * | 2016-09-12 | 2017-01-04 | 电子科技大学 | 一种基于改进贪婪算法的波达角估计方法 |
Non-Patent Citations (4)
Title |
---|
"A modified ESPRIT algorithm for signal DOA estimation";Hui Jiang;《IET International Conference on Communication Technology and Application(ICCTA 2011)》;20120507;1381-1384 * |
"A novel 2-D DOA estimation for coherent signals based on L-shaped array";Qiao Cheng;《2012 International Conference on Wireless Communications and Signal Processing (WCSP)》;20130620;1-5 * |
"基于压缩感知的波达方向估计算法研究";胡德顺;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20180215;14-27 * |
"相干信号源DOA估计ESPRIT改进算法研究";王佳鑫 等;《计算机仿真》;20100228;第27卷(第2期);373-376 * |
Also Published As
Publication number | Publication date |
---|---|
CN108761380A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108761380B (zh) | 一种用于提高精度的目标波达方向估计方法 | |
CN110045321B (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
CN103954950B (zh) | 一种基于样本协方差矩阵稀疏性的波达方向估计方法 | |
CN108802683B (zh) | 一种基于稀疏贝叶斯学习的源定位方法 | |
CN106019214B (zh) | 宽带相干信号源doa估计方法 | |
CN106093921B (zh) | 基于稀疏分解理论的声矢量阵宽带测向方法 | |
CN106021637B (zh) | 互质阵列中基于迭代稀疏重构的doa估计方法 | |
CN104777450B (zh) | 一种两级music麦克风阵列测向方法 | |
CN104007414B (zh) | 基于平面阵的二维波达方向估计方法和估计器 | |
CN105676168A (zh) | 一种声矢量阵方位估计方法 | |
CN106291452B (zh) | 一种基于改进贪婪算法的波达角估计方法 | |
CN109298383A (zh) | 一种基于变分贝叶斯推断的互质阵波达方向角估计方法 | |
CN108196251A (zh) | 基于向量外推的加速迭代正则化超分辨成像方法 | |
CN110045323A (zh) | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 | |
CN111257845B (zh) | 一种基于近似消息传递的不在网格目标角度估计方法 | |
CN107102298B (zh) | 基于迭代互耦校正的雷达协方差矩阵重构波束形成方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN107450046B (zh) | 低仰角多径环境下的波达角估计方法 | |
CN113376569A (zh) | 基于最大似然的嵌套阵稀疏表示波达方向估计方法 | |
CN109541573A (zh) | 一种弯曲水听器阵列的阵元位置校准方法 | |
CN113671485A (zh) | 基于admm的米波面阵雷达二维doa估计方法 | |
CN105022025B (zh) | 基于稀疏处理的信号波达方向估计方法 | |
CN114047474B (zh) | 基于广义回归神经网络的均匀线列阵目标方位估计方法 | |
CN115236586B (zh) | 一种基于数据预处理的极地冰下doa估计方法 | |
CN113238184B (zh) | 一种基于非圆信号的二维doa估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |