CN110146841B - 一种提高阵列波达方向估计性能的优化方法 - Google Patents
一种提高阵列波达方向估计性能的优化方法 Download PDFInfo
- Publication number
- CN110146841B CN110146841B CN201910368239.7A CN201910368239A CN110146841B CN 110146841 B CN110146841 B CN 110146841B CN 201910368239 A CN201910368239 A CN 201910368239A CN 110146841 B CN110146841 B CN 110146841B
- Authority
- CN
- China
- Prior art keywords
- solution
- tail
- elements
- optimization
- array
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 55
- 230000000295 complement effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000006467 substitution reaction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 238000012163 sequencing technique Methods 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 101150040772 CALY gene Proteins 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling 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
- 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
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
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)
Abstract
本发明属于雷达信号处理技术领域,公开了一种提高阵列波达方向估计性能的优化方法,包括以下步骤:设置雷达阵元为均匀直线阵列,使用基追踪算法得到阵列波达方向的初始解;对初始解迭代执行尾部优化算法,求得最终优化解;记录迭代执行尾部优化算法所需的尾部元素,求解每个尾部元素集合的平均值;将尾部元素集合的平均值记录为一个数值集合;建立二维坐标系,将数值集合中的元素在二维坐标系中标示出来,其中曲线斜率变化最大的点所对应的值即为估计信源总数;对最终迭代优化解中的元素从大到小进行排序,按照估计信源总数从中取出排序靠前的元素,即可得到波达方向估计的精确解。精确解已经去除了初始解中的伪峰,为高精度的波达方向估计。
Description
技术领域
本发明属于雷达信号处理技术领域,特别涉及一种提高阵列波达方向估计性能的优化方法。
背景技术
通过分析雷达阵列接收到的辐射信号来对辐射信源进行定位,被称为阵列波达方向估计,其主要理论基础为基于阵列信号的空间谱估计算法。而经典的空间谱估计算法,以Schmidt所提出的多重信号分类(MUSIC)算法以及Roy等人提出的旋转子空间不变(ESPRIT)算法为代表,主要是通过分析阵列接收信号的统计特性来估计辐射源的波达方向,因此它们都需要大量独立同分布的测量数据(大快拍数)来实现。
而随着雷达信号处理技术的发展,为了减少被定位的几率,现代战场中雷达等辐射信源普遍采用了捷变频技术,使得获取大量具有相同统计特性的测量数据变得十分困难。因此,只需获取远少于经典Nyquist采样理论所需的测量数据,就可精确恢复满足稀疏性的信号或估计相应的参数的压缩感知(Compressive Sensing,CS)理论,对于克服传统空间谱估计算法的上述缺陷具有十分重要的研究意义和应用价值。
在现有的压缩感知理论算法中,应用范围最广的是基追踪(BP)算法,也是最为常用的信号稀疏表示的方法。但是对于短快拍、低信噪比和多信源数情况,基追踪算法解出的波达方向角度准确性偏低,且同时存在着许多伪峰,会给阵列波达方向估计的结果带来误判,极大的影响了阵列波达方向估计的性能。
发明内容
针对上述现有技术存在的问题,本发明的目的在于提出一种提高阵列波达方向估计性能的优化方法,该优化方法基于基追踪(MP)算法,能够提升在短快拍、低信噪比和多信源数情况下的阵列波达方向估计性能,起到去除伪峰提高精确度的效果。
为达到上述技术目的,本发明采用如下技术方案予以实现,具体包括以下步骤:
步骤1,设置包含M个阵元的雷达均匀直线阵列,所述雷达均匀直线阵列的检测范围内有K个可接收的目标信源信号,建立目标信源信号的空间稀疏化数学表达式;使用基追踪算法计算目标信源信号的空间稀疏化数学表达式,得到阵列波达方向带有虚假目标的初始解
本发明与现有技术相比,具有如下优点:
第一,本发明可以在低信噪比、短快拍和多信号源的情况下完成波达方向估计。
第二,本发明可以在未知信号源的情况下准确估计出信号源的个数。
第三,本发明可以提升压缩感知基追踪(Basis Pursuit,BP)算法所得解的精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种提高阵列波达方向估计性能的尾部优化方法流程图;
图2是本发明的信噪比为0dB时的初始解仿真结果图;
图3是本发明的信噪比为0dB时,目标信源数为9时的“尾部”随目标信源数增加的变化图,其中||xtail||1表示l1范数的解;
图4是本发明的信噪比为0dB时,优化结果和初始结果对比的全局图;
图5是本发明的信噪比为0dB时,优化结果和初始结果对比的局部放大图;
图6是本发明的信噪比为5dB时的初始解仿真结果图;
图7是本发明的信噪比为5dB时,目标信源数为9时的“尾部”随目标信源数增加的变化图,其中||xtail||1表示l1范数的解;
图8是本发明的信噪比为5dB时,优化结果和初始结果对比的全局图;
图9是本发明的信噪比为5dB时,优化结果和初始结果对比的局部放大图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明的一种提高阵列波达方向估计性能的尾部优化方法流程图,参照图1,本发明实例提供的方法包括以下步骤:
步骤1,设置包含M个阵元的雷达均匀直线阵列,所述雷达均匀直线阵列的检测范围内有K个可接收的目标信源信号,建立目标信源信号的空间稀疏化数学表达式;使用基追踪算法计算目标信源信号的空间稀疏化数学表达式,得到阵列波达方向带有虚假目标的初始解
具体地,步骤1包含以下子步骤:
(1.1)建立目标信源信号的空间稀疏化数学表达式:
雷达均匀直线阵列在时间t所接收的目标信源信号记为y(t),其表达式为:
y(t)=Ax(t)+n(t)
其中,x(t)为目标信源信号,n(t)为空间中存在的噪声信号,A为M×K维的阵列流型矩阵,其表达式为:
A=[α1(ω0),α2(ω0),...,αk(ω0)...,αK(ω0)]
其中,
对应目标信源信号的空间稀疏性,构造一个N×1维的稀疏信号x,其表达式为:
x=[x1,x2,...,xN]T
于是,目标信源信号的空间稀疏化数学表达式为:
y=Ax+n
其中,y为某一时刻雷达的均匀直线阵列阵元的接收信号,A为目标信源信号空间稀疏化后所对应的M×K维流型矩阵,n为雷达均匀直线阵列阵元接收到的噪声信号;
使用基追踪算法对目标信源信号的空间稀疏化数学表达式求解,其表达式如下:
min||x||0s.t Ax=y
对于以最小l0范数为非确定性问题的基追踪算法,可用l1范数代替l0范数进行求解,因上式可变为:
min||x||1s.t Ax=y
其中,||x||1表示稀疏信号x的l1范数,s.t Ax=y为约束条件。
具体地,步骤2包含以下子步骤:
将初始解中所有元素的下标的集合记为全集H0=[01,02,...,0N];对初始解中的所有元素从大到小进行排序,找出数值最大的元素,将其对应的下标的集合记为首部集合首部集合在全集H0中的补集记为尾部集合
执行第1次尾部优化算法,其算法表达式为:
将一次迭代优化解中所有元素的下标的集合记为全集H1=[11,12,...,1N];对一次迭代优化解中的所有元素从大到小进行排序,找出数值最大的2个元素,将其对应下标的集合记为首部集合首部集合在全集H1中的补集记为尾部集合
执行尾部优化算法,其算法表达式为:
其中,为一次迭代优化解的尾部集合对应的全部元素,对其执行最小l1范数的凸优化函数求解;用求解完成后的结果替代一次迭代优化解中尾部集合集所对应的全部元素,与首部集合对应的元素合并,即可得到二次迭代优化解
将第s-1次迭代优化解中所有元素下标的集合记为全集Hs-1=[s1 s2…sN];对s-1次迭代优化解中的所有元素从大到小进行排序,找出其中数值最大的s-1个元素,将其对应下标的集合记为首部集合,记为Ts-1;首部集合Ts-1在全集Hs-1中的补集记为尾部集合
执行尾部优化算法,其算法表达式为:
其中,为s-1次迭代优化解的尾部集合对应的所有元素,对其执行最小l1范数的凸优化函数求解;用求解完成后的结果替代第s-1次迭代优化解中尾部集合集所对应的全部元素,与首部集合Ts-1对应的元素合并,即可得到s次迭代优化解
将求解得到的每个集合平均值Es组合起来,记为数值集合E,E=[E1,E2,…,Es](s=1,2,...,M)。
建立一个二维坐标系,横轴为迭代次数,纵轴为数值;依次将数值集合E的元素在二维坐标系中标示出来,每个元素对应二维坐标系中的一个点;将相邻的两个点在二维坐标系中用线段依次连接起来,形成一条曲线;找出曲线上曲线斜率变化最大的点,将其横轴坐标对应的数值记为估计信源总数
通过以下仿真对本发明效果作进一步验证说明。
(一)仿真条件
以估计9个目标信源为例,设置仿真条件如下:仿真雷达阵列为等间隔线阵,共16个阵元,阵列阵元间距为0.1m,目标信源的中心频率为1.5GHz,快拍数为10次,来波方向设置为-60°到60°,间隔为15°([-60 -45 -30 -15 0 15 30 45 60]);信噪比分为0dB和5dB两种情况。详细参数见表1。
表1
(二)仿真结果
图2为信噪比为0dB时基追踪算法对来波方向的初始解仿真结果图,可以看到图中存在较多伪峰,且有伪峰估计角度过多难以区分的情况。图3是目标信源数为9时的“尾部”随目标信源数增加的变化图,可以清楚看到预估信源数为9。图4为优化结果和初始结果对比的全局图,可以看到所提方法成功的去除了伪峰。经过图5对图4的局部放大,可知初始解中估计偏差的峰值已经成功得到修正,达到了提高精确度的作用。
图6为信噪比为5dB时基追踪算法对来波方向的初始解仿真结果图,对比图2更能说明初始解中存在更多的伪峰,且伪峰估计角度存在着更大的偏差。图7是目标信源数为9时的“尾部”随目标信源数增加的变化图,可以清楚看到预估信源数为9。图8为优化结果和初始结果对比的全局图,可以看到所提方法成功的去除了伪峰。经过图9对图8的局部放大,可知初始解中估计偏差的峰值已经成功得到修正,达到了提高精确度的作用。
综上,本发明提出的优化方法可以有效的去除基追踪算法初始解中的伪峰,并且能准确的预估目标信源数。在初始解存在偏差的时候,本方法可以对初始解的偏差进行修正,使波达方向估计达到更好的准确度,更具有实际应用价值。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种提高阵列波达方向估计性能的优化方法,其特征在于,包括以下步骤:
步骤1,设置包含M个阵元的雷达均匀直线阵列,所述雷达均匀直线阵列的检测范围内有K个可接收的目标信源信号,建立目标信源信号的空间稀疏化数学表达式;使用基追踪算法计算目标信源信号的空间稀疏化数学表达式,得到阵列波达方向带有虚假目标的初始解
2.根据权利要求1所述的提高阵列波达方向估计性能的优化方法,其特征在于,步骤1包含以下子步骤:
(1.1)建立目标信源信号的空间稀疏化数学表达式:
雷达均匀直线阵列在时间t所接收的目标信源信号记为y(t),其表达式为:
y(t)=Ax(t)+n(t)
其中,x(t)为目标信源信号,n(t)为空间中存在的噪声信号,A为M×K维的阵列流型矩阵,其表达式为:
A=[α1(ω0),α2(ω0),...,αk(ω0)...,αK(ω0)]
其中,
对应目标信源信号的空间稀疏性,构造一个N×1维的稀疏信号x,其表达式为:
x=[x1,x2,...,xN]T
于是,目标信源信号的空间稀疏化数学表达式为:
y=Ax+n
其中,y为某一时刻雷达的均匀直线阵列阵元的接收信号,A为目标信源信号空间稀疏化后所对应的M×K维流型矩阵,n为雷达均匀直线阵列阵元接收到的噪声信号;
使用基追踪算法对目标信源信号的空间稀疏化数学表达式求解,其表达式如下:
min||x||0 s.t Ax=y
对于以最小l0范数为非确定性问题的基追踪算法,可用l1范数代替l0范数进行求解,因上式可变为:
min||x||1s.t Ax=y
其中,||x||1表示稀疏信号x的l1范数,s.t Ax=y为约束条件;
3.根据权利要求1所述的提高阵列波达方向估计性能的优化方法,其特征在于,步骤2包含以下子步骤:
将初始解中所有元素的下标的集合记为全集H0=[01,02,...,0N];对初始解中的所有元素从大到小进行排序,找出数值最大的元素,将其对应的下标的集合记为首部集合首部集合在全集H0中的补集记为尾部集合
执行第1次尾部优化算法,其算法表达式为:
将一次迭代优化解中所有元素的下标的集合记为全集H1=[11,12,...,1N];对一次迭代优化解中的所有元素从大到小进行排序,找出数值最大的2个元素,将其对应下标的集合记为首部集合首部集合在全集H1中的补集记为尾部集合
执行尾部优化算法,其算法表达式为:
将第s-1次迭代优化解中所有元素下标的集合记为全集Hs-1=[s1 s2 … sN];对s-1次迭代优化解中的所有元素从大到小进行排序,找出其中数值最大的s-1个元素,将其对应下标的集合记为首部集合,记为Ts-1;首部集合Ts-1在全集Hs-1中的补集记为尾部集合
执行尾部优化算法,其算法表达式为:
其中,为s-1次迭代优化解的尾部集合对应的所有元素,对其执行最小l1范数的凸优化函数求解;用求解完成后的结果替代第s-1次迭代优化解中尾部集合所对应的全部元素,与首部集合Ts-1对应的元素合并,即可得到s次迭代优化解
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368239.7A CN110146841B (zh) | 2019-05-05 | 2019-05-05 | 一种提高阵列波达方向估计性能的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910368239.7A CN110146841B (zh) | 2019-05-05 | 2019-05-05 | 一种提高阵列波达方向估计性能的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110146841A CN110146841A (zh) | 2019-08-20 |
CN110146841B true CN110146841B (zh) | 2022-11-04 |
Family
ID=67593937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910368239.7A Active CN110146841B (zh) | 2019-05-05 | 2019-05-05 | 一种提高阵列波达方向估计性能的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110146841B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113219401B (zh) * | 2021-04-09 | 2022-12-13 | 西安电子科技大学 | 一种非均匀噪声背景下的信号波达方向估计方法 |
CN113466800B (zh) * | 2021-05-11 | 2024-02-06 | 西安电子科技大学 | 基于smv模型利用尾部优化的哈达玛积快速doa估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1360804A (zh) * | 1999-05-06 | 2002-07-24 | 塞-洛克公司 | 无线定位系统 |
CN106772221A (zh) * | 2016-12-26 | 2017-05-31 | 西安电子科技大学 | 基于机翼形变拟合的共形阵列幅相误差校正方法 |
CN108761380A (zh) * | 2018-05-23 | 2018-11-06 | 西安电子科技大学 | 一种用于提高精度的目标波达方向估计方法 |
CN109407048A (zh) * | 2018-11-12 | 2019-03-01 | 华南理工大学 | 基于非圆信号和夹角可调阵的水下doa估计方法与装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9549253B2 (en) * | 2012-09-26 | 2017-01-17 | Foundation for Research and Technology—Hellas (FORTH) Institute of Computer Science (ICS) | Sound source localization and isolation apparatuses, methods and systems |
-
2019
- 2019-05-05 CN CN201910368239.7A patent/CN110146841B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1360804A (zh) * | 1999-05-06 | 2002-07-24 | 塞-洛克公司 | 无线定位系统 |
CN106772221A (zh) * | 2016-12-26 | 2017-05-31 | 西安电子科技大学 | 基于机翼形变拟合的共形阵列幅相误差校正方法 |
CN108761380A (zh) * | 2018-05-23 | 2018-11-06 | 西安电子科技大学 | 一种用于提高精度的目标波达方向估计方法 |
CN109407048A (zh) * | 2018-11-12 | 2019-03-01 | 华南理工大学 | 基于非圆信号和夹角可调阵的水下doa估计方法与装置 |
Non-Patent Citations (2)
Title |
---|
一种基于数据矩阵重构的相干信源二维测向新方法;王凌等;《西安电子科技大学学报》;20121116(第02期);第130-137页 * |
基于压缩感知的高频地波雷达二维DOA估计;赵春雷等;《系统工程与电子技术》;20170430;第39卷(第4期);第733-741页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110146841A (zh) | 2019-08-20 |
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 | |
Nanjundan et al. | Identifying the number of clusters for K-Means: A hypersphere density based approach | |
CN108375751B (zh) | 多信源波达方向估计方法 | |
CN109597046B (zh) | 基于一维卷积神经网络的米波雷达doa估计方法 | |
CN109490819B (zh) | 一种基于稀疏贝叶斯学习的离格波达方向估计方法 | |
CN108932301B (zh) | 数据填充方法及装置 | |
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 | |
CN110865343B (zh) | 基于lmb的粒子滤波检测前跟踪方法及系统 | |
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 | |
CN110146841B (zh) | 一种提高阵列波达方向估计性能的优化方法 | |
CN106291452B (zh) | 一种基于改进贪婪算法的波达角估计方法 | |
CN104021289A (zh) | 一种非高斯非稳态噪声建模方法 | |
CN113376569B (zh) | 基于最大似然的嵌套阵稀疏表示波达方向估计方法 | |
CN111507297A (zh) | 一种基于度量信息矩阵的雷达信号识别方法及系统 | |
CN113759303B (zh) | 一种基于粒子群算法的无网格波达角估计方法 | |
CN111880143B (zh) | 改进稀疏贝叶斯学习的高精度定位方法、存储介质及设备 | |
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 | |
CA2741202A1 (en) | Dynamic clustering of transient signals | |
CN113484842B (zh) | 基于目标姿态分帧与散射字典截断的rcs重构方法 | |
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 | |
CN113011597B (zh) | 一种回归任务的深度学习方法和装置 | |
CN115932770A (zh) | 雷达辐射源个体精准智能识别方法、系统、设备及终端 | |
CN113238184B (zh) | 一种基于非圆信号的二维doa估计方法 | |
CN113093098B (zh) | 基于lp范数补偿的轴向不一致矢量水听器阵列测向方法 | |
CN110332987B (zh) | 一种声纹信号成像方法及麦克风阵列信号的成像方法 |
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 |