CN108919189B - 一种频率和方位联合估计的阵列信号处理方法 - Google Patents
一种频率和方位联合估计的阵列信号处理方法 Download PDFInfo
- Publication number
- CN108919189B CN108919189B CN201810834445.8A CN201810834445A CN108919189B CN 108919189 B CN108919189 B CN 108919189B CN 201810834445 A CN201810834445 A CN 201810834445A CN 108919189 B CN108919189 B CN 108919189B
- Authority
- CN
- China
- Prior art keywords
- frequency
- estimation
- matrix
- array
- signal
- 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
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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种频率和方位联合估计的阵列信号处理方法,首先在若干个假设频率的条件下,针对每一个假设的单频信号,建立了状态方程和观测方程。在此基础上,利用卡尔曼滤波器提高了信号的信噪比,进而再利用波束形成器获得目标方位。然后,建立与假设频率和目标方位有关的目标函数。最后,通过使得目标函数达到最大而获得最终的频率‑DOA联合估计。本发明使得频率估计和目标方位估计的均方根误差减小,实现低信噪比环境中频率‑DOA联合估计,提高了接收设备的作用距离,克服了现有方法在低信噪比下参数估计性能下降的问题。
Description
技术领域
本发明属于阵列信号处理领域,涉及一种频率和方位联合估计的阵列信号处理方法。
背景技术
参数估计是阵列信号处理中的主要任务之一,包括频率估计、目标方位估计(Direction of arrival,DOA)、频率-DOA联合估计等。比如在舰船和潜艇的辐射噪声中,存在单频线谱信号,因此它可以用于检测目标。但是在接收阵列工作环境中,当接收阵列与目标的距离较远时,则阵列接收的信噪比很低,工作距离有限。
频率估计是参数估计中的一个重要任务。低信噪比将导致传统的一些频率估计的方法性能下降,包括傅里叶变换(参见:Frequency estimation using wraped discreteFourier transform.Signal Processing,2003,83(8):1661-1671)、基于特征分析的频率估计方法(参见:Analysis of MUSIC and ESPRIT frequency estimates for sinusoidalsignals with lowpass envelopes.IEEE Transactions on Signal Processing,1996,44(9):2359-2364)以及时频分析方法(参见:Use of the Cross Wigner-VilleDistribution for Estimation of Instantaneous Frequency.IEEE Transactions onSignal Processing,1993,41(3):1439-1445)等等。
目标方位估计是阵列信号处理中的另一个主要任务。通常,利用子空间分解方法和波束形成方法来估计目标方位。基于子空间分解方法的算法最大的缺点是在低信噪比下,信号源数估计不正确,其性能可能会严重下降。波束形成方法包括延时求和波束形成方法(Delay-and-sum Beamforming,DAS)和最小方差无畸变响应波束形成方法(minimumvariance distortionless response,MVDR)等。当快拍数较少或者阵列存在位置误差和通道相幅误差时,MVDR波束形成方法的稳健性较差。相比之下,DAS波束形成方法具有较好的稳健性,得到了较为广泛的应用,但是该方法的噪声抑制能力受到了阵列孔径的限制。为了提高DAS波束形成方法的噪声抑制能力,进而提高目标方位估计的性能,国内外的学者研究了基于DAS波束形成方法的各种改进方法。有学者将协方差矩阵对角线置0,改善了DAS的性能(参见:Beamforming in Acoustic Testing.Berlin:2002:83-86.)。有学者提出了复杂噪声场条件下的对角减载技术,大大提高了噪声抑制的效果(参见:复杂噪声场下对角减载技术的原理及应用.物理学报,2017;66(1):152-161)。上述这些基于DAS波束形成方法的各种改进方法均是对协方差矩阵进行处理,没有充分挖掘噪声抑制能力。在低信噪比下,基于上述这些方法的方位估计性能下降。
在一些实际应用中,需要同时估计一些参数。ESPRIT方法(参见:Total leastsquares phased averaging and 3-D ESPRIT for joint azimuth-elevation-carrierestimation.IEEE Transactions on Signal Processing,2001,49(1):54–62)和最大似然方法(参见:Maximum likelihood angle-frequency estimation in partially knowncorrelated noise for low-elevation targets.IEEE Transactions on SignalProcessing,2005,53(8):3057–3064)是两种常见的频率-DOA联合估计方法。最大似然方法呈现出了较好的性能,但是其计算复杂度较高,需要进行多维搜索。相比之下,ESPRIT的计算复杂度较低,但是在低信噪比下,ESPRIT方法的性能下降。
因此,在低信噪比环境中实现参数估计是一个极具挑战而又亟待解决的问题。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种频率和方位联合估计的阵列信号处理方法,实现低信噪比下频率估计和方位估计。
技术方案
一种频率和方位联合估计的阵列信号处理方法,其特征在于步骤如下:
步骤1:以M个水听器组成的接收阵列接收来自空间的信号和噪声数据,表示为x(k)=s(k)+n(k),其中s(k)=[s1(k),s2(k),…,sM(k)]T为阵列接收到的信号,第m号阵元接收到信号表示为sm(k)=Amsin[2πf(k-1)/fs+φm]+vm(k),Am为幅度,φm为相位,fs为采样频率,vm(k)表示信号畸变,是具有独立样本的高斯随机过程。n(k)=[n1(k),n2(k),…,nM(k)]T为阵列接收到的高斯白噪声,协方差矩阵为Qn;
其中
方差矩阵为Q′=2Q;
步骤4:将flow≤f≤fhigh频率范围按照等频率间隔,分成L个假设频率,记为fl,l=1,2,…,L,在每一个假设频率下计算得到状态矩阵B(fl);并根据步骤2和步骤3获得的状态方程和观测方程,利用Kalman滤波器获得每一个假设频率下的输出,具体递推式顺序计算如下:
3.最小预测MSE(Mean Squared Error)矩阵:
4.卡尔曼增益矩阵:K(k)=M(k|k-1)DT[Qn+DM(k|k-1)DT]-1
6.最小MSE矩阵:M(k|k)=[I-K(k)D]M(k|k-1),I为单位矩阵;
步骤5:利用步骤4中的输出信号Z(k,fl),计算得到方位谱
Pl(θ)=wH(fl,θ)R(fl)w(fl,θ)
R(fl)为Z(k,fl)的协方差矩阵,w(fl,θ)为波束形成器的加权向量;上标H表示复共轭转置;
得到目标估计方位所在主瓣外的最大旁瓣为最大旁瓣级最大旁瓣级SLLl;
通过使得目标函数最大化获得频率和方位的联合估计,表示为:
有益效果
本发明提出的一种频率和方位联合估计的阵列信号处理方法,基于Kalman滤波器和波束形成器,提出了基于Kalman滤波器和波束形成器的频率-DOA联合估计方法,称为minimum variance and sidelobe level method(MVS)。首先在若干个假设频率的条件下,针对每一个假设的单频信号,建立了状态方程和观测方程。在此基础上,利用卡尔曼滤波器提高了信号的信噪比,进而再利用波束形成器获得目标方位。然后,建立与假设频率和目标方位有关的目标函数。最后,通过使得目标函数达到最大而获得最终的频率-DOA联合估计。本发明使得频率估计和目标方位估计的均方根误差减小,实现低信噪比环境中频率-DOA联合估计,提高了接收设备的作用距离,克服了现有方法在低信噪比下参数估计性能下降的问题。
本发明采建立了单频信号的状态方程和观测方程,并用Kalman滤波器增强了单频信号,提高了信噪比,然后利用本发明所提的MVS方法,获得了频率和方位的联合估计。本发明使得频率估计和目标方位估计的均方根误差减小,实现低信噪比环境中频率-DOA联合估计,提高了设备的作用距离,克服了现有方法在低信噪比下目标方位估计性能下降的问题。
附图说明
图1:参数估计均方根误差随输入信噪比的变化情况之方位估计的均方根误差;
图2:参数估计均方根误差随输入信噪比的变化情况之频率估计的均方根误差
具体实施方式
现结合实施例、附图对本发明作进一步描述:
下面详细介绍本发明的具体操作步骤:
步骤1:20个水听器组成的接收阵列,阵元间距为0.75米,接收来自空间的信号和噪声数据,表示为x(k)=s(k)+n(k),其中s(k)=[s1(k),s2(k),…,sM(k)]T为阵列接收到的信号,第m号阵元接收到信号表示为sm(k)=Amsin[2πf(k-1)/fs+φm]+vm(k),Am为4v,φm为0rad,fs为8000Hz,f为1000Hz,vm(k)的方差为0.001。n(k)=[n1(k),n2(k),…,nM(k)]T为阵列接收到的高斯白噪声,协方差矩阵为Qn。接收数据时间长度为12.5s,采样点数为100000;
步骤2:构建状态方程,表示为:
KTs(k+1)=B(f)[KTs(k)-v(k)]+v(k+1)
=B(f)KTs(k)+v′(k+1)
依次说明上式中各变量的计算公式,
1.状态矩阵B表示为:
2.KTs(k)为状态向量,表示为:
其中
步骤3:根据步骤1构建观测方程,表示为:
x(k)=DKTs(k)+n(k)
其中,观测矩阵D表示为:
步骤4:将感兴趣的频率范围(700≤f≤1300Hz)按等频率间隔,分成301个假设频率,记为fl,l=1,2,…,301,在每一个假设频率下计算得到状态矩阵B(fl)。并根据步骤2和步骤3获得的状态方程和观测方程,利用Kalman滤波器获得每一个假设频率下的输出,具体递推式顺序计算如下:
3.最小预测MSE(Mean Squared Error)矩阵:M(k|k-1)=B(fl)M(k-1|k-1)BT(fl)+Q′
4.卡尔曼增益矩阵:K(k)=M(k|k-1)DT[Qn+DM(k|k-1)DT]-1
6.最小MSE矩阵:M(k|k)=[I-K(k)D]M(k|k-1),I为单位矩阵。
步骤5:利用步骤4中的输出信号Z(k,fl),计算得到方位谱
Pl(θ)=wH(fl,θ)R(fl)w(fl,θ),
R(fl)为Z(k,fl)的协方差矩阵,w(fl,θ)为波束形成器的加权向量,上标H表示复共轭转置。进而计算得到目标方位估计和最大旁瓣级SLLl(方位谱中,除目标估计方位所在主瓣外的最大旁瓣为最大旁瓣级);
步骤6:将阵列接收到的数据分成100段,每一段时长0.125s,采样点数为1000。对每一段数据,利用步骤4~步骤5计算得到最大旁瓣级SLLl,t,t=1,2,…,100和目标方位估计t=1,2,…,100。进而,对每一个固定的l,计算得到的方差为同时计算得到平均最大旁瓣级为:
建立目标函数F(fl)为:
通过使得目标函数最大化获得频率和方位的联合估计,表示为:
上述过程可以获得频率和方位的联合估计,为了评估MVS方法在频率-DOA联合估计中的性能,采用蒙特卡洛实验的方法,实验次数为100次,频率估计和方位估计的均方根误差(RMSE)定义为:
Claims (1)
1.一种频率和方位联合估计的阵列信号处理方法,其特征在于步骤如下:
步骤1:以M个水听器组成的接收阵列接收来自空间的信号和噪声数据,表示为x(k)=s(k)+n(k),其中s(k)=[s1(k),s2(k),…,sM(k)]T为阵列接收到的信号,第m号阵元接收到信号表示为sm(k)=Amsin[2πf(k-1)/fs+φm]+vm(k),Am为幅度,φm为相位,fs为采样频率,vm(k)表示信号畸变,是具有独立样本的高斯随机过程;n(k)=[n1(k),n2(k),…,nM(k)]T为阵列接收到的高斯白噪声,协方差矩阵为Qn;
其中
步骤4:将flow≤f≤fhigh频率范围按照等频率间隔,分成L个假设频率,记为fl,l=1,2,…,L,在每一个假设频率下计算得到状态矩阵B(fl);并根据步骤2和步骤3获得的状态方程和观测方程,利用Kalman滤波器获得每一个假设频率下的输出,具体递推式顺序计算如下:
3.最小预测MSE(Mean Squared Error)矩阵:
M(k|k-1)=B(fl)M(k-1|k-1)BT(fl)+Q′
4.卡尔曼增益矩阵:K(k)=M(k|k-1)DT[Qn+DM(k|k-1)DT]-1
6.最小MSE矩阵:M(k|k)=[I-K(k)D]M(k|k-1),I为单位矩阵;
步骤5:利用步骤4中的输出信号Z(k,fl),计算得到方位谱
Pl(θ)=wH(fl,θ)R(fl)w(fl,θ)
R(fl)为Z(k,fl)的协方差矩阵,w(fl,θ)为波束形成器的加权向量;上标H表示复共轭转置;
得到目标估计方位所在主瓣外的最大旁瓣为最大旁瓣级最大旁瓣级SLLl;
通过使得目标函数最大化获得频率和方位的联合估计,表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810834445.8A CN108919189B (zh) | 2018-07-26 | 2018-07-26 | 一种频率和方位联合估计的阵列信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810834445.8A CN108919189B (zh) | 2018-07-26 | 2018-07-26 | 一种频率和方位联合估计的阵列信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108919189A CN108919189A (zh) | 2018-11-30 |
CN108919189B true CN108919189B (zh) | 2022-04-26 |
Family
ID=64418584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810834445.8A Active CN108919189B (zh) | 2018-07-26 | 2018-07-26 | 一种频率和方位联合估计的阵列信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108919189B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113593596B (zh) * | 2021-07-07 | 2022-05-31 | 中国科学院声学研究所 | 一种基于子阵划分的鲁棒自适应波束形成定向拾音方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005017031A (ja) * | 2003-06-24 | 2005-01-20 | Hitachi Ltd | 移動発音体の運動分析方法及び装置 |
CN104020452A (zh) * | 2014-06-20 | 2014-09-03 | 西安电子科技大学 | 频域空域极化域参数联合估计方法 |
CN106685507A (zh) * | 2016-12-15 | 2017-05-17 | 哈尔滨工程大学 | 色噪声环境下基于约束Kalman波束形成方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100431386C (zh) * | 2005-05-12 | 2008-11-05 | 上海原动力通信科技有限公司 | 同频多小区终端来波方向的估计方法 |
-
2018
- 2018-07-26 CN CN201810834445.8A patent/CN108919189B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005017031A (ja) * | 2003-06-24 | 2005-01-20 | Hitachi Ltd | 移動発音体の運動分析方法及び装置 |
CN104020452A (zh) * | 2014-06-20 | 2014-09-03 | 西安电子科技大学 | 频域空域极化域参数联合估计方法 |
CN106685507A (zh) * | 2016-12-15 | 2017-05-17 | 哈尔滨工程大学 | 色噪声环境下基于约束Kalman波束形成方法 |
Non-Patent Citations (2)
Title |
---|
Parameters Estimation for Underwater Doppler Signal Using Unscented Kalman Filter;Tian Feng et al.;《ICSPCC 2013》;20160808;全文 * |
基于压缩感知的频率和DOA联合估计算法;沈志博 等;《航空学报》;20130924;第35卷(第5期);第1357-1363页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108919189A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107167778B (zh) | 一种基于协方差矩阵重构和导向矢量估计的稳健波束形成方法 | |
CN109459744B (zh) | 一种实现多干扰抑制的稳健自适应波束形成方法 | |
CN109799495B (zh) | 一种用于高保真阵列处理的宽带时延估计方法 | |
WO2022022239A1 (zh) | 一种基于检测前估计的雷达目标检测方法 | |
CN107966677B (zh) | 一种基于空间稀疏约束的圆阵模态域方位估计方法 | |
CN110515038B (zh) | 一种基于无人机-阵列的自适应无源定位装置及实现方法 | |
CN109765521A (zh) | 一种基于子阵划分的波束域成像方法 | |
KR20160012284A (ko) | 송신신호 파형의 직교성을 이용한 재머 신호 억제 및 원신호 도래각 추정 방법 및 장치 | |
CN109600152A (zh) | 一种基于子空间基变换的自适应波束形成方法 | |
CN105911527B (zh) | 基于efa与mwf的机载雷达空时自适应处理方法 | |
CN108919189B (zh) | 一种频率和方位联合估计的阵列信号处理方法 | |
CN109541526A (zh) | 一种利用矩阵变换的圆环阵方位估计方法 | |
CN109814065B (zh) | 基于相位因子加权的波束形成方法 | |
CN108957389A (zh) | 一种实数域多通道信号目标方位估计方法 | |
CN109541572B (zh) | 一种基于线性环境噪声模型的子空间方位估计方法 | |
CN109061597B (zh) | 基于盲源分离与时频脊波域滤波的电离层杂波抑制方法 | |
Aboutanios et al. | Fast iterative interpolated beamforming for high fidelity single snapshot DOA estimation | |
CN109283487B (zh) | 基于支持向量机可控功率响应的music-doa方法 | |
CN114325565B (zh) | 一种基于子空间关系的阵列超分辨测向方法 | |
CN115808659A (zh) | 基于低复杂度不确定集积分的稳健波束形成方法及系统 | |
CN107241131B (zh) | 一种利用信号非圆特性的波束形成方法 | |
CN111722178B (zh) | 一种基于指向性模型数值求解的远场窄带信号来波方向估计方法 | |
CN109861770B (zh) | 一种基于波束形成输出功率组合的宽带信号检测方法 | |
CN110632579B (zh) | 一种利用子阵波束域特征的迭代波束形成方法 | |
CN112444790A (zh) | 一种在强干扰情况下目标检测的方法 |
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 |