CN109061551B - 一种基于多项式求根的无网格稀疏谱估计方法 - Google Patents
一种基于多项式求根的无网格稀疏谱估计方法 Download PDFInfo
- Publication number
- CN109061551B CN109061551B CN201810867517.9A CN201810867517A CN109061551B CN 109061551 B CN109061551 B CN 109061551B CN 201810867517 A CN201810867517 A CN 201810867517A CN 109061551 B CN109061551 B CN 109061551B
- Authority
- CN
- China
- Prior art keywords
- matrix
- array
- signal
- grid
- covariance matrix
- 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
- 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
Abstract
本发明涉及一种基于多项式求根的无网格稀疏谱估计方法,通过求解阵列接收信号的协方差矩阵,将所有快拍数进行结合,使至方法在目标运动缓慢或静止的情况下的定位精度高于单快拍方法,并且能够适用于更低的信噪比情况下。将协方差矩阵重新表示在连续空间上并基于该模型建立连续空间的DOA估计问题,利用半定规划求解该问题从而使DOA估计转化为多项式求根,实现了连续空间上的DOA估计,避免了由于网格划分不够精细而带来的DOA估计误差。
Description
技术领域
本发明属于信号处理等领域,涉及一种基于多项式求根的无网格稀疏谱估计方法,通过将DOA估计问题建立在连续空间上,避免网格划分与信号方位不匹配而引起的DOA估计误差,在目标信号运动缓慢或静止的情况下实现高精度定位。
背景技术
阵列信号处理在雷达、声纳等领域上具有广泛的应用,目标方位(Direction ofarrival,DOA)估计是阵列信号处理一大主要任务。常规的DOA估计方法有最小方差无失真响应方法(Minimum variance distortion response beamforming,MVDR)和多重信号分类方法(Multiple signal classification,MUSIC),这些方法均能够实现高分辨性,但对快拍数要求较高。稀疏信号处理类的DOA估计方法是近十年发展起来的DOA估计方法,这种方法可用于小快拍和低信噪比情况下,其性能远远优于常规的DOA估计方法。
常见的稀疏信号处理方法在进行DOA估计前一般先将观测空间划分为离散的网格,在网格上建立接收信号模型并进行DOA估计。这类方法有一大缺陷,即当信号的真实方位与所划分的网格点不一致时,DOA估计的结果会存在一定误差。虽然增加空间网格的划分精度在一定程度上能够减轻目标方位与网格点不匹配的问题,但却大大增加了运算量。
国外学者Xenaki等人(Angeliki Xenaki,Peter Gerstoft.Grid-freecompressive beamforming[J].The Journal of the Acoustical Society of America,2015,137(4):1923-1935)将稀疏信号处理方法表示在连续空间上,提出了无网格的压缩感知(Grid-free compressive sensing,GFCS)方法,通过求解半正定规划问题将DOA估计转化为多项式求根,以实现连续空间上的DOA估计。尽管该方法一定程度上减弱了目标与网格点不匹配的问题,但仅适用于单快拍情况下。而当目标信号所处背景环境为慢变的,且目标运动较为缓慢或者静止时,通过将多个快拍进行结合通常能够给出精度更高的DOA估计结果,并且可应用于信噪比更低的环境下。除此之外,采用GFCS在噪声环境下进行DOA估计需选择一个超参数,该参数与阵列接收噪声幅值有关。由于环境噪声一般为随机信号,其幅值变化没有规律,使得该参数的选取较为困难,不合适的参数选取将大大影响GFCS的性能。因此,需要建立一个合适的多快拍模型,并将其表示在连续空间上,实现多快拍情况下的无网格DOA估计。
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,本发明提出一种基于多项式求根的无网格稀疏谱估计方法,在慢变环境下实现对静止或运动缓慢的目标信号更为精准的DOA估计,同时解决GFCS中超参数难以选取的问题,解决多快拍情况下的无网格DOA估计问题。
技术方案
一种基于多项式求根的无网格稀疏谱估计方法,其特征在于估计步骤如下:
步骤1:采用阵元间距为半波长的M元均匀线列阵接收窄带信号,均匀线列阵上各个传感器将接收到的水声信号转换为电信号,并通过放大电路和数据采集器得到离散时域信号xi(n),1≤n≤N,i=1,...,M;
将观测空间[-90°,90°]划分为Q个网格;所述90°为端射方向,各网格点所代表的方向角组成的向量记为Θ,Θ=[θ1,θ2,...,θQ];
在该网格上,阵列的接收信号模型表示为x(n)=A(Θ)s(n)+e(n),n=1,...,N
其中:和分别为各阵元上的接收信号、信号源以及各阵元上接收的环境噪声所组成的向量,上标“T”表示为转置符号;为阵列流形矩阵,a(θ)=[1e-j2πdsin(θ)f/c...e-j2πd(M-1)sin(θ)f/c]T,f为窄带信号的中心频率,c为声速;
阵列接收信号的采样协方差矩阵为R=E{x(n)xH(n)}=A(Θ)RsAH(Θ)+Re
其中:vec(·)为矩阵向量化算子;矩阵的第i列为上标“*”表示求共轭,表示Kronecker积;p=diag(Rs)为Rs对角线元素组成的向量,diag(·)表示由矩阵主对角元素组成的向量或以向量元素为主对角线的对角矩阵;pe=vec(Re);
其中:t=sinθ∈[-1,1];ti=sinθi,i=1,2,...,K为真实信号方位所对应的正弦值;pi为相应的信号功率;δ(t-ti)为在ti上的狄拉克函数;
将稀疏谱估计的优化问题表示为:
||p′e||2≤ε
||p′e||2≤ε
构造优化问题的对偶问题为:
步骤3、构造求根多项式:P(z)=ej2πfd/ct2(M-1)(1-|H(z)|2)
其中:angle(·)表示求相位符号;
其中:上标“+”为求Moore-Penrose逆。
有益效果
本发明提出的一种基于多项式求根的无网格稀疏谱估计方法,通过求解阵列接收信号的协方差矩阵,将所有快拍数进行结合,使至方法在目标运动缓慢或静止的情况下的定位精度高于单快拍方法,并且能够适用于更低的信噪比情况下。将协方差矩阵重新表示在连续空间上并基于该模型建立连续空间的DOA估计问题,利用半定规划求解该问题从而使DOA估计转化为多项式求根,实现了连续空间上的DOA估计,避免了由于网格划分不够精细而带来的DOA估计误差。
附图说明
图1:基于多项式求根的无网格稀疏谱估计方法流程
图2:GFSSE进行DOA估计的结果,其中“*”表示真实信号方位
具体实施方式
现结合实施例、附图对本发明作进一步描述:
本发明解决其技术问题所采用的技术方案包括以下步骤:
1)建立接收信号协方差矩阵模型
采用阵元间距为半波长的M元均匀线列阵作为接收阵列,接收窄带信号。均匀线列阵上各个传感器将接收到的水声信号转换为电信号,并通过放大电路和数据采集器得到离散时域信号xi(n),1≤n≤N,i=1,...,M。将空间[-90°,90°](其中90°为端射方向)划分为Q个网格,各网格点所代表的方向角组成的向量记为Θ,Θ=[θ1,θ2,...,θQ]。在该离散网格上,阵列的接收信号可表示为x(n)=A(Θ)s(n)+e(n),n=1,...,N,其中和分别为各阵元上的接收信号、信号源以及各阵元上接收的环境噪声所组成的向量,上标“T”表示为转置符号;为阵列流形矩阵,对于均匀线列阵来说,a(θ)=[1e-j2πdsin(θ)f/c...e-j2πd(M-1)sin(θ)f/c]T,f为信号频率,d为阵元间距,c为声速。根据阵列接收信号模型,接收信号的协方差矩阵可表示为R=E{x(n)xH(n)}=A(Θ)RsAH(Θ)+Re,将等式两端向量化,可得:
其中r=vec(R),vec(·)为矩阵向量化算子;矩阵的第i列为上标“*”表示求共轭,表示Kronecker积;p=diag(Rs)为Rs对角线元素组成的向量,diag(·)表示由矩阵主对角元素组成的向量或以向量元素为主对角线的对角矩阵;pe=vec(Re)。一般地,协方差矩阵由采样协方差矩阵所代替。
中仅存在(2M-1)个不同的元素,它们可表示为 当矩阵中任意两行的元素完全相同时,这两行所提供的信号信息相同,则可舍弃其中一行。保留矩阵中元素不同的任意(2M-1)行,并将每列元素按照的顺序进行排列,组成新的矩阵采用同样的方式保留并重新排列r和pe中的元素,得到新的向量r′和p′e,则新的协方差矩阵模型可写为:
2)构造优化问题
为将DOA估计问题转化至连续空间,将p重新表示在连续空间上:
其中t=sinθ∈[-1,1],ti=sinθi,i=1,2,...,K为真实信号方位所对应的正弦值,pi为相应的信号功率;δ(t-ti)为在ti上的狄拉克函数。r′中第m个元素可表示为:
r′m和p′em分别为r′和p′e中第m个元素。根据式(4)可将式(2)表示在连续空间上,得:
将式(6)的优化问题转化为相应的对偶问题:
对g(c,μ)关于μ和p′e求导并置零,可得如下关系式:
将式(8)带入至(7)中,优化问题转化为:
3)求根多项式的构造及DOA估计
P(z)=ej2πfd/ct2(M-1)(1-|H(z)|2) (11)
其中angle(·)表示求相位符号。
4)稀疏谱估计
上标“+”表示求Moore-Penrose逆。
具体实施流程:
基于多项式求根的无网格稀疏谱估计方法流程图见图1,主要过程如下:
1)采用阵元间距为半波长的M元均匀线列阵作为接收阵列,接收窄带信号。均匀线列阵上各个传感器将接收到的水声信号转换为电信号,并通过放大电路和数据采集器得到离散时域信号xi(n),1≤n≤N,i=1,...,M。将空间[-90°,90°](其中90°为端射方向)划分为Q个网格,各网格点所代表的方向角组成的向量记为Θ,Θ=[θ1,θ2,...,θQ]。在该离散网格上,阵列的接收信号可表示为x(n)=A(Θ)s(n)+e(n),n=1,...,N。根据阵列接收信号模型,接收信号的协方差矩阵可表示为R=E{x(n)xH(n)}=A(Θ)RsAH(Θ)+Re,将等式两端向量化,可得一般地,协方差矩阵由采样协方差矩阵来代替。保留矩阵中元素不同的任意(2M-1)行,并将每列元素按照的顺序进行排列,得到新的矩阵采用同样的方式保留并重新排列r和pe中的元素,得到新的向量r′和p′e,新的协方差矩阵的关系式可写为
2)为将DOA估计问题转化至连续空间,将p表示在连续网格上其中t=sinθ∈[-1,1],ti=sinθi,i=1,2,...,K为真实的信号方位所对应的正弦值,pi为相应的信号功率,δ(t-ti)为在ti上的狄拉克函数。向量r′中第m个元素可表示为r′m和p′em分别为r′和p′e的第m个元素,在连续空间上阵列接收信号的协方差矩阵模型可写为
||p′e||2≤ε
将该问题转化为相应的对偶问题:
对g(c,μ)关于μ和p′e求导并置零,可分别得p′eo=c/(2μo)和μo=||c||2/(2ε),并把它们带入到对偶问题中得到新的优化问题:
该优化问题中待优化变量为有限维的向量,同时约束条件也为有限维的矩阵不等式,因此可由优化工具箱进行高效求解。
3)当求解完最优变量c后,构造多项式P(z)=ej2πfd/ct2(M-1)(1-|H(z)|2),其中z=ej2 πfd/ct。计算该多项式的零点,并寻找模值为1的零点则目标信号的方位角可表示为其中angle(·)表示求相位符号。
两个不相关的窄带信号分别从-5.6°和-8.6°入射至阵元间距为4m的32元均匀线列阵上,信号频率均为187.5Hz,信噪比均为-16dB,快拍数为5000。采用GFSSE对目标方位进行估计,DOA估计结果见图2。
从仿真结果中可以看出,当信号处于静止状态时,GFSSE通过将多个快拍进行结合可在一个较低的信噪比环境下实现高分辨性能,并且该方法的估计精度不受网格误差的影响,此时的估计误差为0.26°(若采用以1°为间隔的网格进行DOA估计,则估计误差至少为0.4°)。
Claims (1)
1.一种基于多项式求根的无网格稀疏谱估计方法,其特征在于估计步骤如下:
步骤1:采用阵元间距为半波长的M元均匀线列阵接收窄带信号,均匀线列阵上各个传感器将接收到的水声信号转换为电信号,并通过放大电路和数据采集器得到离散时域信号xi(n),1≤n≤N,i=1,...,M;
将观测空间[-90°,90°]划分为Q个网格;所述90°为端射方向,各网格点所代表的方向角组成的向量记为Θ,Θ=[θ1,θ2,...,θQ];
在该网格上,阵列的接收信号模型表示为x(n)=A(Θ)s(n)+e(n),n=1,...,N
其中:和分别为各阵元上的接收信号、信号源以及各阵元上接收的环境噪声所组成的向量,上标“T”表示为转置符号;为阵列流形矩阵,a(θ)=[1e-j2πdsin(θ)f/c...e-j2πd(M-1)sin(θ)f/c]T,f为窄带信号的中心频率,d为阵元间距,c为声速;
阵列接收信号的采样协方差矩阵为R=E{x(n)xH(n)}=A(Θ)RsAH(Θ)+Re
其中:vec(·)为矩阵向量化算子;矩阵的第i列为上标“*”表示求共轭,表示Kronecker积;p=diag(Rs)为Rs对角线元素组成的向量,diag(·)表示由矩阵主对角元素组成的向量或以向量元素为主对角线的对角矩阵;pe=vec(Re);
其中:t=sinθ∈[-1,1];ti=sinθi,i=1,2,...,K为真实信号方位所对应的正弦值;pi为相应的信号功率;δ(t-ti)为在ti上的狄拉克函数;
将稀疏谱估计的优化问题表示为:
||p′e||2≤ε
构造优化问题的对偶问题为:
步骤3、构造求根多项式:P(z)=ej2πfd/ct2(M-1)(1-|H(z)|2)
其中:angle(·)表示求相位符号;
其中:上标“+”为求Moore-Penrose逆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810867517.9A CN109061551B (zh) | 2018-08-02 | 2018-08-02 | 一种基于多项式求根的无网格稀疏谱估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810867517.9A CN109061551B (zh) | 2018-08-02 | 2018-08-02 | 一种基于多项式求根的无网格稀疏谱估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109061551A CN109061551A (zh) | 2018-12-21 |
CN109061551B true CN109061551B (zh) | 2022-03-15 |
Family
ID=64832605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810867517.9A Active CN109061551B (zh) | 2018-08-02 | 2018-08-02 | 一种基于多项式求根的无网格稀疏谱估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061551B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110954860B (zh) * | 2019-12-18 | 2021-06-29 | 金陵科技学院 | 一种doa和极化参数估计方法 |
CN112363110B (zh) * | 2020-11-30 | 2021-12-21 | 海南大学 | 一种基于嵌套交叉偶极子阵列的无网格单比特doa估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009140442A (ja) * | 2007-12-10 | 2009-06-25 | Nippon Telegr & Teleph Corp <Ntt> | 多項式間距離算出装置、方法および記録媒体、一変数最近実多項式算出装置、方法および記録媒体 |
CN103926572A (zh) * | 2014-03-28 | 2014-07-16 | 西安电子科技大学 | 一种机载非正侧阵雷达用自适应子空间的杂波抑制方法 |
CN103983944A (zh) * | 2014-05-30 | 2014-08-13 | 电子科技大学 | 基于协方差矩阵稀疏表示的远场窄带doa估计方法 |
CN107817465A (zh) * | 2017-10-12 | 2018-03-20 | 中国人民解放军陆军工程大学 | 超高斯噪声背景下的基于无网格压缩感知的doa估计方法 |
-
2018
- 2018-08-02 CN CN201810867517.9A patent/CN109061551B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009140442A (ja) * | 2007-12-10 | 2009-06-25 | Nippon Telegr & Teleph Corp <Ntt> | 多項式間距離算出装置、方法および記録媒体、一変数最近実多項式算出装置、方法および記録媒体 |
CN103926572A (zh) * | 2014-03-28 | 2014-07-16 | 西安电子科技大学 | 一种机载非正侧阵雷达用自适应子空间的杂波抑制方法 |
CN103983944A (zh) * | 2014-05-30 | 2014-08-13 | 电子科技大学 | 基于协方差矩阵稀疏表示的远场窄带doa估计方法 |
CN107817465A (zh) * | 2017-10-12 | 2018-03-20 | 中国人民解放军陆军工程大学 | 超高斯噪声背景下的基于无网格压缩感知的doa估计方法 |
Non-Patent Citations (2)
Title |
---|
BOUND ON THE ESTIMATION GRID SIZE FOR SPARSE RECONSTRUCTION IN DIRECTION OF ARRIVAL ESTIMATION;Mario Coutino et al.;《2016 IEEE Statistical Signal Processing Workshop》;20160815;全文 * |
基于快速解卷积的稀疏时水声信道估计方法;李佩 等;《山东农业大学学报(自然科学版)》;20180331;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109061551A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111190136B (zh) | 一种基于特定频率组合信号的一维doa估计方法 | |
CN109444810B (zh) | 一种非负稀疏贝叶斯学习框架下的互质阵列非网格doa估计方法 | |
CN108710102B (zh) | 基于互质阵列二阶等价虚拟信号离散傅里叶逆变换的波达方向估计方法 | |
Ramirez Jr et al. | Synthetic aperture processing for passive co-prime linear sensor arrays | |
CN107544051A (zh) | 嵌套阵列基于k‑r子空间的波达方向估计方法 | |
Ramirez et al. | Multiple source localization with moving co-prime arrays | |
CN109239646B (zh) | 一种冲击噪声环境下连续量子水蒸发的二维动态测向方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN109061551B (zh) | 一种基于多项式求根的无网格稀疏谱估计方法 | |
Zhu et al. | Novel methods of DOA estimation based on compressed sensing | |
CN111812581B (zh) | 基于原子范数的球面阵列声源波达方向估计方法 | |
CN108802669B (zh) | 二维波达方向估计方法、二维波达方向估计装置及终端 | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN112444773A (zh) | 基于空域融合的压缩感知二维doa估计方法 | |
CN113075610B (zh) | 一种基于互质极化阵列的差分阵列内插的doa估计方法 | |
CN111368256A (zh) | 一种基于均匀圆阵的单快拍测向方法 | |
CN111610488A (zh) | 基于深度学习的任意阵列波达角估计方法 | |
CN111983553B (zh) | 一种基于互质多载频稀疏阵列的无网格doa估计方法 | |
CN115221768A (zh) | 基于多嵌套阵列的改进无迹粒子滤波直接跟踪方法 | |
CN114996653A (zh) | 一种基于原子范数最小化的二维鲁棒自适应波束形成方法 | |
CN114648041A (zh) | 一种基于平行稀疏阵列的二维欠定doa估计算法 | |
Khan et al. | Beamspace matrix pencil method for direction of arrival estimation | |
Rajani et al. | Direction of arrival estimation by using artificial neural networks | |
CN109061564B (zh) | 基于高阶累积量的简化近场定位方法 | |
CN113391266A (zh) | 基于非圆多嵌套阵降维子空间数据融合的直接定位方法 |
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 |