CN109917330B - 一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法 - Google Patents
一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法 Download PDFInfo
- Publication number
- CN109917330B CN109917330B CN201910159420.7A CN201910159420A CN109917330B CN 109917330 B CN109917330 B CN 109917330B CN 201910159420 A CN201910159420 A CN 201910159420A CN 109917330 B CN109917330 B CN 109917330B
- Authority
- CN
- China
- Prior art keywords
- sparse
- arrival angle
- phase error
- orthogonal matching
- matching pursuit
- 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 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 10
- 238000011478 gradient descent method Methods 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 6
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
Images
Landscapes
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法，针对阵列天线接收到的信号，构建存在天线相位误差的接收信号模型；通过挖掘接收信号的空间稀疏特征，采用稀疏重构算法，理论推导了未知相位误差的求解表达式，通过迭代估计稀疏信号的未知参数，实现对信号到达角的稀疏估计。本发明通过构建接收天线存在相位误差时稀疏信号模型，采用基于正交匹配追踪理论的稀疏估计算法实现对接收信号到达角的估计。
Description
技术领域
本发明涉及阵列信号处理技术领域，尤其是一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法。
背景技术
信号的到达角估计技术在雷达、通信以及电子对抗等领域起到了关键作用，通过估计得到电磁波的如何方向，可以提高雷达系统对目标的估计与探测性能，提升无线通信系统的信道容量。传统的信号到达角估计技术主要是基于离散傅立叶变换的方法，该方法估计速度快，但精度较低，无法分辨同一波束中的多个信号。因此，提出了基于MUSIC或ESPRIT的子空间估计技术，通过对接收信号进行多次快拍采样，构建信号的协方差矩阵，从而区分信号子空间以及噪声子空间，在子空间上实现对信号的空间谱以及到达角的估计。基于子空间的到达角估计技术可以在同一波束中区分多个信号，是一种超分辨的估计方法，为了进一步提高针对相关信号的估计精度，便提出了基于空间、频率以及时间的多重平滑子空间估计技术，可以获得更优的估计性能。
然而，基于子空间的到达角估计技术只是充分利用了信号与噪声的子空间信息，而未使用更多的信号特征信息。由于接收信号在空域呈现稀疏特征，所以可以借助压缩感知(CompressedSensing，CS)的思想，通过稀疏重构的方式实现对信号的到达角估计。但是在阵列信号处理中，通过测量天线之间的相对相位来估计接收信号的到达方向，因此通过天线之间的不一致性来降低估计性能。
综合考虑现有的到达角估计技术，需要解决未能充分考虑实际阵列中的天线间相位误差对估计性能的影响。
发明内容
本发明所要解决的技术问题在于，提供一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法，充分利用信号的空域稀疏特征，弥补阵列天线之间相位误差对到达角估计的影响，采用正交匹配追踪理论以有效提高信号的到达角估计性能。
为解决上述技术问题，本发明提供一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法，包括如下步骤：
(1)构建存在天线阵列相位误差时的稀疏信号模型，进入步骤(2)；
(2)初始化未知参数，主要包括天线数量及间距、目标信号源数量及最小间隔、采样数、信噪比、接收信号到达角的网格间距大小与字典矩阵，进入步骤(3)；
(3)根据当前的未知参数取值，仿真生成接收信号，进入步骤(4)；
(4)根据当前的未知参数取值与字典矩阵，通过正交匹配追踪理论求解估计到达角，进而估计出接收信号到达角和残差，进入步骤(5)；
(5)根据相位误差量，更新存在相位误差时的字典矩阵，进入步骤(6)；
(6)根据当前的未知参数取值，通过最陡梯度下降法，估计阵列天线相位误差，进入步骤(7)；
(7)迭代计算步骤(4)至(7)，达到一定迭代次数后，停止算法，输出接收信号的空间谱以及相应的到达角。
优选的，步骤(1)中，存在天线阵列相位误差时的稀疏信号模型表示为
Y＝ΓAS+N
其中，Y＝[y0,y1,…,yM-1]为N个天线接收的M个采样信号，在第mTs个采样时刻，N个天线的接收信号为ym＝[y0,m,y1,m,…,yN-1,m]T，Ts为采样间隔，A为矢量流行构成的字典矩阵，S为稀疏矩阵，Γ＝diag(γ)为阵列天线相位误差对角矩阵，φn为第n个接受天线的相位误差，
为阵列天线的相位误差向量，N为加性高斯白噪声。
优选的，步骤(4)中，基于正交匹配追踪理论可以估计得到接收信号的到达角和残差，分别表示为
Rt＝Y-A-1Y
其中，
表示第t次迭代后估计的到达角，Rt第t次迭代后的残差。
优选的，步骤(6)中，通过最陡梯度下降法求得未知参数的估计值，具体为：设
其中，Bψ表示ΓA；
通过梯度下降法估计阵列天线相位误差，由于f(φ)具有一阶连续偏导数，若第t次迭代值为φt，则可将f(φ)在φt附近进行一阶泰勒展开：
这里
其中，p是步长，由一维搜索确定，搜索方向取负梯度方向，即
φt+1保留最大的元素，矩阵里其余元素均设置为0。
本发明的有益效果为：(1)解决了阵列天线存在相位误差时到达角估计值的偏差问题；本发明解决了一般阵列天线存在相位误差时，对于到达角的估计值存在偏差的问题，降低了到达角估计的性能，将相位误差向量引入了基于信号稀疏特征的一般模型中，并且不断更新迭代，估计相位误差向量和到达角的值，提高算法的估计性能，弥补天线相位误差带来的到达角估计性能的损失；(2)充分挖掘了接受信号的空域稀疏特征；本发明通过将到达角估计问题建模为稀疏重构问题，可以充分挖掘信号的稀疏特征，从而提高对到达角的估计性能；(3)降低了计算的复杂度；本发明使用正交匹配算法，在保证算法估计性能的情况下，极大的降低了算法的计算复杂度。
附图说明
图1为本发明针对均匀线性天线阵列的应用系统框图。
图2为本发明的方法流程示意图。
图3为本发明在不同信噪比条件下的到达角估计性能示意图。
图4为本发明在不同相位误差数目条件下的到达角估计性能示意图。
图5为本发明在不同接收天线数目条件下的到达角估计性能示意图。
具体实施方式
如图2所示，一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法，包括如下步骤：
(1)构建存在天线阵列相位误差时的稀疏信号模型，进入步骤(2)；
(2)初始化未知参数，主要包括天线数量及间距、目标信号源数量及最小间隔、采样数、信噪比、接收信号到达角的网格间距大小与字典矩阵，进入步骤(3)；
(3)根据当前的未知参数取值，仿真生成接收信号，进入步骤(4)；
(4)根据当前的未知参数取值与字典矩阵，通过正交匹配追踪理论求解估计到达角，进而估计出接收信号到达角和残差，进入步骤(5)；
(5)根据相位误差量，更新存在相位误差时的字典矩阵，进入步骤(6)；
(6)根据当前的未知参数取值，通过最陡梯度下降法，估计阵列天线相位误差，进入步骤(7)；
(7)迭代计算步骤(4)至(7)，达到一定迭代次数后，停止算法，输出接收信号的空间谱以及相应的到达角。
为了解决阵列天线存在相位误差时的信号到达角估计问题，本发明需要设计一种新的到达角估计方法，旨在充分挖掘信号的稀疏特征，通过对相位误差参数以及接受信号合理建模，构建基于正交匹配理论的到达角估计方法，以期有效提高阵列天线中的到达角估计性能。本发明的整体设计思想为：
1)首先使用相位误差向量，构建基于信号稀疏特征的信号模型；
2)基于稀疏正交匹配理论，理论推导出未知参数的最陡下降梯度，其中未知参数主要包括噪声方差、相位误差向量和接收信号等；
3)通过交叉迭代求解空间谱与未知参数，实现在多次迭代后，获得对信号到达角的精确估计。
基于上述考虑，本发明提出了一种存在相位误差时基于稀疏正交匹配理论的到达角估计方法，用于解决未知天线相位误差参数条件下的到达角高精度估计问题，并提出迭代求解算法；该算法可应用于图1所示的均匀线性天线阵列中，方法的逻辑流程图如图2所示，其工作过程包括如下步骤：
(1)构建存在天线阵列相位误差时的稀疏信号模型，进入步骤(2)；
(2)初始化未知参数，主要包括天线数量及间距、目标信号源数量及最小间隔、采样数、信噪比、接收信号到达角的网格间距大小与字典矩阵等，进入步骤(3)；
(3)根据当前的未知参数取值，仿真生成接收信号，进入步骤(4)；
(4)根据当前的未知参数取值与字典矩阵，通过正交匹配追踪理论求解估计到达角，进而估计出接收信号到达角和残差，进入步骤(5)；
(5)根据相位误差量，更新存在相位误差时的字典矩阵，进入步骤(6)；
(6)根据当前的未知参数取值，通过最陡梯度下降法，估计阵列天线相位误差，进入步骤(7)；
(7)迭代计算步骤(4)至(7)，达到一定迭代次数后，停止算法，输出接收信号的空间谱以及相应的到达角
下面对几个主要部分的内容加以具体描述：
第一部分：稀疏信号的建模
步骤(1)中，存在天线阵列相位误差时的稀疏信号模型可以表示为
Y＝ΓAS+N
其中，Y＝[y0,y1,…,yM-1]为N个天线接收的M个采样信号，在第mTs个采样时刻，N个天线的接收信号为ym＝[y0,m,y1,m,…,yN-1,m]T，Ts为采样间隔。A为矢量流行构成的字典矩阵，S为稀疏矩阵，Γ＝diag(γ)为阵列天线相位误差对角矩阵,φn为第n个接受天线的相位误差，
为阵列天线的相位误差向量，N为加性高斯白噪声。
A是矢量流构成的字典矩阵，可以表示为
第二部分：基于正交匹配理论的到达角估计
步骤(3)中，基于正交匹配追踪理论可以估计得到接收信号的到达角和残差，可以分别表示为
Rt＝Y-A-1Y
其中，
表示第t次迭代后估计的到达角，Rt第t次迭代后的残差，
设
其中，Bψ表示ΓA。
通过梯度下降法估计阵列天线相位误差，由于f(φ)具有一阶连续偏导数，若第t次迭代值为φt，则可将f(φ)在φt附近进行一阶泰勒展开：
这里
其中，p是步长，由一维搜索确定，搜索方向取负梯度方向，即
φt+1保留最大的元素，矩阵里其余元素均设置为0。
下面结合实例，对本发明做出进一步的说明。
表1仿真参数
针对ULA系统，采用表1的仿真参数，我们对比了当前主要的到达角估计方法，包括SOMP算法，OGSBI算法以及FISTA算法。
图3给出了不同信噪比条件下的到达角估计性能，从图中可以看出，当信噪比(SNR)大于0dB时，本发明所提的到达角估计算法明显优于现有的算法。
图4给出了不同相位误差数目条件下的到达角估计性能，从图中可以看出，通过联合估计多个未知参数，本发明所提的到达角估计算法可以有效弥补相位误差的影响，从而有效地提高到达角估计精度。
图5给出了不同接收天线数目条件下的到达角估计性能，从图中可以看出，本发明所提的到达角估计算法明显优于现有的算法。
Claims (4)
1.一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法，其特征在于，包括如下步骤：
(1)构建存在天线阵列相位误差时的稀疏信号模型，进入步骤(2)；
(2)初始化未知参数，主要包括天线数量及间距、目标信号源数量及最小间隔、采样数、信噪比、接收信号到达角的网格间距大小与字典矩阵，进入步骤(3)；
(3)根据当前的未知参数取值，仿真生成接收信号，进入步骤(4)；
(4)根据当前的未知参数取值与字典矩阵，通过正交匹配追踪理论求解估计到达角，进而估计出接收信号到达角和残差，进入步骤(5)；
(5)根据相位误差量，更新存在相位误差时的字典矩阵，进入步骤(6)；
(6)根据当前的未知参数取值，通过最陡梯度下降法，估计阵列天线相位误差，进入步骤(7)；
(7)迭代计算步骤(4)至(7)，达到一定迭代次数后，停止算法，输出接收信号的空间谱以及相应的到达角。
2.如权利要求1所述的存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法，其特征在于，步骤(1)中，存在天线阵列相位误差时的稀疏信号模型表示为
Y＝ΓAS+W
其中，Y＝[y0，y1，...，yM-1]为N个天线接收的M个采样信号，在第mTs个采样时刻，N个天线的接收信号为ym＝[y0，m，y1，m，...，yN-1，m]T，Ts为采样间隔，A为矢量流行构成的字典矩阵，S为稀疏矩阵，Γ＝diag(γ)为阵列天线相位误差对角矩阵，φn为第n个接受天线的相位误差，
为阵列天线的相位误差向量，W为加性高斯白噪声。
3.如权利要求1所述的存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法，其特征在于，步骤(4)中，基于正交匹配追踪理论可以估计得到接收信号的到达角和残差，分别表示为
Rt＝Y-A-1Y
其中，
表示第t次迭代后估计的到达角，Rt第t次迭代后的残差。
4.如权利要求1所述的存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法，其特征在于，步骤(6)中，通过最陡梯度下降法求得未知参数的估计值，具体为：设
其中，Bψ表示ΓA；
通过梯度下降法估计阵列天线相位误差，由于f(φ)具有一阶连续偏导数，若第t次迭代值为φt，则可将f(φ)在φt附近进行一阶泰勒展开：
这里
其中，p是步长，由一维搜索确定，搜索方向取负梯度方向，即
φt+1保留最大的元素，矩阵里其余元素均设置为0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910159420.7A CN109917330B (zh) | 2019-03-04 | 2019-03-04 | 一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910159420.7A CN109917330B (zh) | 2019-03-04 | 2019-03-04 | 一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109917330A CN109917330A (zh) | 2019-06-21 |
| CN109917330B true CN109917330B (zh) | 2022-11-01 |
Family
ID=66963178
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910159420.7A Active CN109917330B (zh) | 2019-03-04 | 2019-03-04 | 一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109917330B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111856159B (zh) * | 2020-06-28 | 2021-05-28 | 北京邮电大学 | 一种平面波生成器的采样方法 |
| CN116226627B (zh) * | 2023-03-08 | 2023-09-22 | 安徽大学 | 一种非高斯环境下洛伦茨约束角度估计方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021637A (zh) * | 2016-04-15 | 2016-10-12 | 山东农业大学 | 互质阵列中基于迭代稀疏重构的doa估计方法 |
| CN106227701A (zh) * | 2016-06-30 | 2016-12-14 | 电子科技大学 | 一种阵列信号的接收通道的幅相误差的自校正方法 |
| CN108322409A (zh) * | 2018-01-25 | 2018-07-24 | 杭州电子科技大学 | 基于广义正交匹配追踪算法的稀疏ofdm信道估计方法 |
| CN108717189A (zh) * | 2018-06-01 | 2018-10-30 | 西安电子科技大学 | 基于压缩感知理论的双基地mimo雷达成像方法 |
| CN108802667A (zh) * | 2018-05-25 | 2018-11-13 | 哈尔滨工程大学 | 基于广义正交匹配追踪的波达方向估计方法 |
| CN108957390A (zh) * | 2018-07-09 | 2018-12-07 | 东南大学 | 一种存在互耦时基于稀疏贝叶斯理论的到达角估计方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8619918B2 (en) * | 2008-09-25 | 2013-12-31 | Nec Laboratories America, Inc. | Sparse channel estimation for MIMO OFDM systems |
-
2019
- 2019-03-04 CN CN201910159420.7A patent/CN109917330B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021637A (zh) * | 2016-04-15 | 2016-10-12 | 山东农业大学 | 互质阵列中基于迭代稀疏重构的doa估计方法 |
| CN106227701A (zh) * | 2016-06-30 | 2016-12-14 | 电子科技大学 | 一种阵列信号的接收通道的幅相误差的自校正方法 |
| CN108322409A (zh) * | 2018-01-25 | 2018-07-24 | 杭州电子科技大学 | 基于广义正交匹配追踪算法的稀疏ofdm信道估计方法 |
| CN108802667A (zh) * | 2018-05-25 | 2018-11-13 | 哈尔滨工程大学 | 基于广义正交匹配追踪的波达方向估计方法 |
| CN108717189A (zh) * | 2018-06-01 | 2018-10-30 | 西安电子科技大学 | 基于压缩感知理论的双基地mimo雷达成像方法 |
| CN108957390A (zh) * | 2018-07-09 | 2018-12-07 | 东南大学 | 一种存在互耦时基于稀疏贝叶斯理论的到达角估计方法 |
Non-Patent Citations (3)
| Title |
|---|
| Compressed Sensing-Based DOA Estimation with Unknown Mutual Coupling Effect;Peng Chen 等;《Electronics》;20181211;全文 * |
| Joint DOA Estimation and Array Calibration;Hamed Ghanbari 等;《arXiv:1707.07299v1 [cs.LG]》;20170725;全文 * |
| Sparse Auto-Calibration for Radar Coincidence Imaging with Gain-Phase Errors;Xiaoli Zhou 等;《sensors》;20151030;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109917330A (zh) | 2019-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111337893B (zh) | 一种基于实值稀疏贝叶斯学习的离格doa估计方法 | |
| CN108957390B (zh) | 一种存在互耦时基于稀疏贝叶斯理论的到达角估计方法 | |
| CN109061554B (zh) | 一种基于空间离散网格动态更新的目标到达角度估计方法 | |
| Shutin et al. | Incremental sparse Bayesian learning for parameter estimation of superimposed signals | |
| CN109633538B (zh) | 非均匀采样系统的最大似然时差估计方法 | |
| CN107544051A (zh) | 嵌套阵列基于k‑r子空间的波达方向估计方法 | |
| CN106501765B (zh) | 一种基于平方和与半定规划的最大似然波达方向估计方法 | |
| 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 | |
| CN109490819A (zh) | 一种基于稀疏贝叶斯学习的离格波达方向估计方法 | |
| CN110941980B (zh) | 一种密集环境中基于压缩感知的多径时延估计方法及装置 | |
| CN113671439B (zh) | 基于非均匀智能超表面阵列的无人机集群测向系统及方法 | |
| CN109917330B (zh) | 一种存在相位误差时基于稀疏正交匹配追踪理论的到达角估计方法 | |
| CN109143154A (zh) | 一种应用于l型阵列的信号二维doa与频率联合估计方法 | |
| CN111580042B (zh) | 一种基于相位优化的深度学习测向方法 | |
| CN105334488A (zh) | 基于信源数估计的栅格偏移优化目标到达角估计方法 | |
| CN117890861B (zh) | 一种基于单比特匹配滤波的doa预测方法、系统及终端 | |
| CN104155629A (zh) | 一种冲击噪声背景下小快拍数信号波达方向估计方法 | |
| CN110413939B (zh) | 一种基于原子范数的到达角估计方法 | |
| CN110531309A (zh) | 存在幅相误差时基于原子范数的相关信号到达角估计方法 | |
| CN108594165B (zh) | 一种基于期望最大化算法的窄带信号波达方向估计方法 | |
| CN117092585B (zh) | 单比特量化DoA估计方法、系统和智能终端 | |
| CN110174657B (zh) | 基于秩一降维模型和块矩阵恢复的波达方向估计方法 | |
| CN112087235A (zh) | 基于伪逆感知字典的稀疏度自适应doa估计方法及系统 | |
| CN117195482A (zh) | 一种大规模阵列无网格doa估计方法及系统 | |
| CN116359834A (zh) | 一种基于嵌套阵列改进的samp的波达方向估计方法 |
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 |