CN110146842B - 基于欠采样的信号载频与二维doa参数估计方法 - Google Patents

基于欠采样的信号载频与二维doa参数估计方法 Download PDF

Info

Publication number
CN110146842B
CN110146842B CN201910517708.7A CN201910517708A CN110146842B CN 110146842 B CN110146842 B CN 110146842B CN 201910517708 A CN201910517708 A CN 201910517708A CN 110146842 B CN110146842 B CN 110146842B
Authority
CN
China
Prior art keywords
axis
delay
array
representing
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
Application number
CN201910517708.7A
Other languages
English (en)
Other versions
CN110146842A (zh
Inventor
付宁
姜思仪
尉志良
乔立岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201910517708.7A priority Critical patent/CN110146842B/zh
Publication of CN110146842A publication Critical patent/CN110146842A/zh
Application granted granted Critical
Publication of CN110146842B publication Critical patent/CN110146842B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

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

基于欠采样的信号载频与二维DOA参数估计方法，它属于信号处理技术领域。本发明解决了在奈奎斯特采样理论下，宽带稀疏信号载频和二维DOA参数估计需要的采样率高以及需要配对操作才能实现的问题。本发明利用L型延迟阵列传感器采集信号，通过调制宽带转换器系统获得三轴阵列的欠采样值，再利用三线性分解算法对获得的采样值进行奇异值分解获得信号的二维DOA和频率参数，大大降低了信号的采样率；利用延迟通道估计载频，可以直接计算三位参数估计问题，无需额外的配对操作，减小了算法复杂度，并最终恢复出信号的时域波形。本发明可以应用于信号处理技术领域。

Description

基于欠采样的信号载频与二维DOA参数估计方法
技术领域
本发明属于信号处理技术领域，具体涉及一种基于欠采样的信号载频与二维DOA参数估计方法。
背景技术
阵列信号处理理论的研究开始于六十年代，最开始由Howells于1965年提出了自适应陷波的旁瓣对消器；1979年，Schmidt提出多重信号分类(MUSIC)算法；Roy等人在1986年提出的估计信号参数的旋转不变技术(ESPRIT)算法，促极大的进了阵列信号处理理论的发展，实现了从测向算法向子空间类超分辨方法的跃进；21世纪初，N.D.Sidiropoulos将阵列接收信号模型建模为CP分解模型，将CP分解方法引入阵列信号处理领域，为阵列测向问题提供了新的解决思路。
以上研究虽然解决了阵列信号参数估计的问题，但随着信息技术的发展，以传统的奈奎斯特采样定理采样，对前端ADC的采样速率要求越来越高，如雷达探测、脉冲超宽带通讯等领域中采样速率都在几GSp/s以上。目前的半导体集成电路技术工艺水平，想要设计这样高采样率，而又低成本、低功耗的ADC，是非常困难的。因此，尽量的降低采样速率又能实现基于阵列结构的空频域参数联合估计，具有重要的现实意义。
压缩感知(Compressed Sensing，CS)理论是近年来出现的一种新的信号采样理论，通过线性降维的方式对一个有限高维信号的压缩和采样同时进行，以此减少信号的采样率，减小信号的存储和计算负担。该理论突破了奈奎斯特采样定理的瓶颈，可以进行欠奈奎斯特采样，以高概率高精度重构原始信号。2009年，Mishali和Eldar等人针对多频带信号，提出基于压缩感知理论的调制带宽转换器系统，通过周期混合函数建立起了连续与离散之间的关系，混频前端将信号频谱搬移到基带内进行处理，易于硬件实现。
综上，将调制带宽转换器(Modulated Wideband Converter，MWC)技术与阵列信号处理相结合，在压缩采样下实现信号的二维DOA和载频的联合估计，以解决奈奎斯特采样理论下宽带稀疏信号二维DOA和载频的联合估计的采样率高、信息冗余以及需要配对操作的问题，具有重要的实际应用意义。
发明内容
本发明的目的是为解决在奈奎斯特采样理论下，宽带稀疏信号载频和二维DOA参数估计需要的采样率高以及需要配对操作才能实现的问题，而提出了一种基于欠采样的信号载频与二维DOA参数估计方法。
本发明为解决上述技术问题采取的技术方案是：基于欠采样的信号载频与二维DOA参数估计方法，该方法包括以下步骤：
步骤一、建立由三维空间直角坐标系的x轴正方向和y轴正方向上均匀分布的传感器组成的L型阵列，x轴正方向上每个传感器后均连接有两个MWC通道，在其中一个MWC通道的混频模块前加入延时模块，定义加入延时模块的通道为x轴延时通道，未加入延时模块的通道为x轴非延时通道；y轴正方向上每个传感器后仅连接有一个MWC通道，定义为y轴非延时通道；
传感器接收的信号与周期为Tp的伪随机序列p(t)混频后获得混频后信号，混频后信号经过截止频率为fs/2的低通滤波器后以fs的频率进行采样，获得采样值；
所述x轴正方向上均匀分布有N个传感器{x1,x2,...,xN}，所述y轴正方向上均匀分布有N个传感器{y1,y2,...,yN}，且x轴和y轴在原点处共用同一个传感器，即x1和y1为同一个传感器；并且有M个互不相关的窄带目标信号si(t)入射到该L型阵列，i＝1,2,…,M；
步骤二，分别将x轴正方向和y轴正方向上的N个传感器分为两个子阵，其中：x轴的第一个子阵包括传感器{x1,x2,...,xN-1}，x轴的第二个子阵包括传感器{x2,x3,...,xN}，y轴的第一个子阵包括传感器{y1,y2,...,yN-1}，y轴的第二个子阵包括传感器{y2,y3,...,yN}；
分别获得x轴非延时通道第一个子阵的采样值x1[k]，x轴非延时通道第二个子阵的采样值x2[k]，y轴非延时通道第一个子阵的采样值y1[k]，y轴非延时通道第二个子阵的采样值y2[k]，x轴延迟通道第一个子阵的采样值z1[k]，x轴延迟通道第二个子阵的采样值z2[k]；
步骤三、分别计算出x1[k]与y1[k]的协方差矩阵R1＝E{x1[k]y1[k]H}、x2[k]与y1[k]的协方差矩阵R2＝E{x2[k]y1[k]H}、x1[k]与y2[k]的协方差矩阵R3＝E{x1[k]y2[k]H}、z1[k]与y1[k]的协方差矩阵R4＝E{z1[k]y1[k]H}、z2[k]与y1[k]的协方差矩阵R5＝E{z2[k]y1[k]H}以及z1[k]与y2[k]的协方差矩阵R6＝E{z1[k]y2[k]H}；其中：上角标H表示共轭转置，E{·}表示期望；
步骤四、利用R1、R2、R3、R4、R5和R6定义一个三阶张量χ(N-1)×(N-1)×4，并将三阶张量χ(N-1)×(N-1)×4的正向切片Xk的表达式作为建立的正则分解模型；
对建立的正则分解模型进行求解，获得中间变量矩阵
Figure BDA0002095549540000031
步骤五、利用步骤四获得的矩阵
Figure BDA0002095549540000032
计算中间变量
Figure BDA0002095549540000033
和
Figure BDA0002095549540000034
步骤六、利用步骤五获得的
Figure BDA0002095549540000035
和
Figure BDA0002095549540000036
计算出第i个窄带目标信号的载频估计值
Figure BDA0002095549540000037
方位角估计值
Figure BDA0002095549540000038
以及俯仰角估计值
Figure BDA0002095549540000039
步骤七、利用步骤六获得的
Figure BDA00020955495400000310
和
Figure BDA00020955495400000311
计算出x轴非延迟通道的阵列流型矩阵Ax，y轴非延迟通道的阵列流型矩阵Ay和x轴延迟通道的阵列流型矩阵Az；
步骤八、利用步骤七的Ax、Ay和Az恢复窄带目标信号s1(t),s2(t),...,sM(t)被调制到基带后的频谱W(f)；
步骤九、利用步骤八获得的W(f)恢复出窄带目标信号的频谱S1(f),S2(f),…,SM(f)。
本发明的有益效果是：本发明的基于欠采样的信号载频与二维DOA参数估计方法，本发明利用L型延迟阵列传感器采集信号，通过调制宽带转换器系统获得三轴阵列的欠采样值，再利用三线性分解算法对获得的采样值进行奇异值分解获得信号的二维DOA和频率参数，大大降低了信号的采样率；利用延迟通道估计载频，可以直接计算三位参数估计问题，无需额外的配对操作，减小了算法复杂度，并最终恢复出信号的时域波形。
附图说明
图1是本发明的L型阵列结构的示意图；
图中θi代表窄带目标信号si(t)的方位角，
Figure BDA00020955495400000312
代表窄带目标信号si(t)的俯仰角，x2、x3、……、xN依次代表x轴正方向上的第2个、第3个、……、第N个传感器；y轴传感器的定义类似；
图2是x轴传感器阵元结构示意图；
其中：x1[n]和z1[n]分别表示x轴第一个传感器阵元x1接收信号的非延迟MWC通道与延迟MWC通道的采样值，其他传感器阵元的定义相同；h(t)代表滤波器的脉冲响应；
图3是原点处传感器阵元接收的信号时域波形图；
图4是原点处传感器阵元接收的信号频谱图；
图5是恢复的信号时域波形图；
图6是恢复的信号频谱图；
图7是估计出的信号载频图；
图中圆圈代表原始值，星号代表估计值。
图8是估计出的二维DOA参数图。
具体实施方式
具体实施方式一：如图1所示。本实施方式所述的基于欠采样的信号载频与二维DOA参数估计方法，该方法包括以下步骤：
步骤一、建立由三维空间直角坐标系的x轴正方向和y轴正方向上均匀分布的传感器组成的L型阵列，如图2所示，x轴正方向上每个传感器后均连接有两个MWC(调制带宽转换器)通道，在其中一个MWC通道的混频模块前加入延时模块，定义加入延时模块的通道为x轴延时通道，未加入延时模块的通道为x轴非延时通道；y轴正方向上每个传感器后仅连接有一个MWC通道，定义为y轴非延时通道；
传感器接收的信号与周期为Tp的伪随机序列p(t)混频后获得混频后信号，混频后信号经过截止频率为fs/2的低通滤波器后以fs的频率进行采样，获得采样值；
所述x轴正方向上均匀分布有N个传感器{x1,x2,...,xN}，所述y轴正方向上均匀分布有N个传感器{y1,y2,...,yN}，且x轴和y轴在原点处共用同一个传感器，即x1和y1为同一个传感器；并且有M个互不相关的窄带目标信号si(t)入射到该L型阵列，i＝1,2,…,M；
步骤二，分别将x轴正方向和y轴正方向上的N个传感器分为两个子阵，其中：x轴的第一个子阵包括传感器{x1,x2,...,xN-1}，x轴的第二个子阵包括传感器{x2,x3,...,xN}，y轴的第一个子阵包括传感器{y1,y2,...,yN-1}，y轴的第二个子阵包括传感器{y2,y3,...,yN}；
分别获得x轴非延时通道第一个子阵的采样值x1[k]，x轴非延时通道第二个子阵的采样值x2[k]，y轴非延时通道第一个子阵的采样值y1[k]，y轴非延时通道第二个子阵的采样值y2[k]，x轴延迟通道第一个子阵的采样值z1[k]，x轴延迟通道第二个子阵的采样值z2[k]；
步骤三、分别计算出x1[k]与y1[k]的协方差矩阵R1＝E{x1[k]y1[k]H}、x2[k]与y1[k]的协方差矩阵R2＝E{x2[k]y1[k]H}、x1[k]与y2[k]的协方差矩阵R3＝E{x1[k]y2[k]H}、z1[k]与y1[k]的协方差矩阵R4＝E{z1[k]y1[k]H}、z2[k]与y1[k]的协方差矩阵R5＝E{z2[k]y1[k]H}以及z1[k]与y2[k]的协方差矩阵R6＝E{z1[k]y2[k]H}；其中：上角标H表示共轭转置，E{·}表示期望；
步骤四、利用R1、R2、R3、R4、R5和R6定义一个三阶张量χ(N-1)×(N-1)×4，并将三阶张量χ(N-1)×(N-1)×4的正向切片Xk的表达式作为建立的正则分解模型；
利用交替最小二乘法对建立的正则分解模型进行求解，获得中间变量矩阵
Figure BDA0002095549540000051
步骤五、利用步骤四获得的矩阵
Figure BDA0002095549540000052
计算中间变量
Figure BDA0002095549540000053
和
Figure BDA0002095549540000054
步骤六、利用步骤五获得的
Figure BDA0002095549540000055
和
Figure BDA0002095549540000056
计算出第i个窄带目标信号的载频估计值
Figure BDA0002095549540000057
方位角估计值
Figure BDA0002095549540000058
以及俯仰角估计值
Figure BDA0002095549540000059
步骤七、利用步骤六获得的
Figure BDA00020955495400000510
和
Figure BDA00020955495400000511
计算出x轴非延迟通道的阵列流型矩阵Ax，y轴非延迟通道的阵列流型矩阵Ay和x轴延迟通道的阵列流型矩阵Az；
步骤八、利用步骤七的Ax、Ay和Az恢复窄带目标信号s1(t),s2(t),…,sM(t)被调制到基带后的频谱W(f)；
步骤九、利用步骤八获得的W(f)恢复出窄带目标信号的频谱S1(f),S2(f),…,SM(f)。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一的具体过程为：
Figure BDA00020955495400000512
其中：x[k]、y[k]和z[k]分别为x轴非延迟通道，y轴非延迟通道和x轴延迟通道的采样值，Ax、Ay和Az分别为x轴非延迟通道，y轴非延迟通道和x轴延迟通道的阵列流型矩阵，阵列流型矩阵中元素仅与未知载频、方位角和俯仰角有关；w[k]为窄带目标信号搬移到基带后的信号，w[k]＝{w1[k],w2[k],…,wM[k]}，w1[k],w2[k],…,wM[k]分别代表窄带目标信号s1(t),s2(t),…,sM(t)搬移到基带后的形式。
具体实施方式三：本实施方式与具体实施方式二不同的是：所述步骤二的具体过程为：
Figure BDA0002095549540000061
其中：x1[k]代表x轴非延迟通道的第一个子阵的采样值，x2[k]代表x轴非延迟通道的第二个子阵的采样值，
Figure BDA0002095549540000062
和
Figure BDA0002095549540000063
分别代表x轴非延迟通道的第一个子阵和第二个子阵的阵列流型矩阵；
y1[k]代表y轴非延迟通道的第一个子阵的采样值，y2[k]代表y轴非延迟通道的第二个子阵的采样值，
Figure BDA0002095549540000064
和
Figure BDA0002095549540000065
分别代表y轴非延迟通道的第一个子阵和第二个子阵的阵列流型矩阵；
z1[k]代表x轴延迟通道第一个子阵的采样值，z2[k]代表x轴延迟通道第二个子阵的采样值，
Figure BDA0002095549540000066
和
Figure BDA0002095549540000067
分别代表x轴延迟通道的第一个子阵和第二个子阵的阵列流型矩阵。
其中向量x1[k]和矩阵
Figure BDA0002095549540000068
是向量x[k]和矩阵Ax的前N-1行，x2[k]和
Figure BDA0002095549540000069
是向量x[k]和矩阵Ax的后N-1行，同理：y1[k]、y2[k]、z1[k]、z2[k]和
Figure BDA00020955495400000610
的定义与x1[k]、x2[k]和
Figure BDA00020955495400000611
的定义类似。
具体实施方式四：本实施方式与具体实施方式三不同的是：所述步骤一的具体过程为：
所述三阶张量χ(N-1)×(N-1)×4的正向切片Xk的表达式具体为：
Figure BDA0002095549540000071
其中：X1、X2、X3、X4、X5、X6分别代表χ(N-1)×(N-1)×4的第一、第二、第三、第四、第五、第六个正向切片，上角标T表示转置，
Figure BDA0002095549540000072
分别代表中间变量矩阵
Figure BDA0002095549540000073
转置后的第一列、第二列、第三列、第四列、第五列、第六列，且中间变量矩阵
Figure BDA0002095549540000074
Figure BDA0002095549540000075
中的第i列
Figure BDA0002095549540000076
为：
Figure BDA0002095549540000077
其中：e代表自然对数，j代表虚数单位，
Figure BDA0002095549540000078
代表信源相关矩阵Rw的对角线元素，信源相关矩阵Rw＝E{w[k]w[k]H}；fi代表第i个窄带目标信号的载频，τ为延时模块的延时时间，αi代表第i个窄带目标信号和三维空间直角坐标系原点的连线与x轴正方向的夹角，βi代表第i个窄带目标信号和三维空间直角坐标系原点的连线与y轴正方向的夹角，x轴相邻两个传感器(即相邻两个阵元)之间的延时
Figure BDA0002095549540000079
c为光速，d为两个相邻传感器的间距，y轴相邻两个传感器之间的延时
Figure BDA00020955495400000710
具体实施方式五：本实施方式与具体实施方式四不同的是：所述中间变量
Figure BDA00020955495400000711
和
Figure BDA00020955495400000712
的表达式分别为：
Figure BDA0002095549540000081
其中：∠(·)代表求复数的相角，
Figure BDA0002095549540000082
代表矩阵中第1行第i列的元素，
Figure BDA0002095549540000083
代表矩阵中第2行第i列的元素，
Figure BDA0002095549540000084
代表矩阵中第3行第i列的元素，
Figure BDA0002095549540000085
代表矩阵中第4行第i列的元素，
Figure BDA0002095549540000086
代表矩阵中第5行第i列的元素，
Figure BDA0002095549540000087
代表矩阵中第6行第i列的元素。
具体实施方式六：本实施方式与具体实施方式五不同的是：所述步骤六的具体过程为：
第i个窄带目标信号的载频估计值
Figure BDA0002095549540000088
方位角估计值
Figure BDA0002095549540000089
以及俯仰角估计值
Figure BDA00020955495400000810
的计算公式分别为：
Figure BDA00020955495400000811
Figure BDA00020955495400000812
Figure BDA00020955495400000813
具体实施方式七：本实施方式与具体实施方式六不同的是：所述步骤七的具体过程为：
x轴非延迟通道的阵列流型矩阵Ax，y轴非延迟通道的阵列流型矩阵Ay和x轴延迟通道的阵列流型矩阵Az的计算公式分别为：
Figure BDA00020955495400000814
Figure BDA0002095549540000091
Figure BDA0002095549540000092
具体实施方式八：本实施方式与具体实施方式七不同的是：所述步骤八的具体过程为：
Figure BDA0002095549540000093
其中：W(f)是一个M×1的矩阵，
Figure BDA0002095549540000094
W(f)中第i个元素Wi′(f)为Wi′(f)＝DTFT{wi[k]}，f代表频域自变量，DTFT{wi[k]}代表对wi[k]进行离散时间傅里叶变换，
Figure BDA0002095549540000097
为矩阵的伪逆；
X(f)代表x轴非延时通道采样值的离散时间傅里叶变换，Y(f)代表y轴非延时通道采样值的离散时间傅里叶变换，Z(f)代表x轴延时通道采样值的离散时间傅里叶变换。
具体实施方式九：本实施方式与具体实施方式八不同的是：所述步骤九的具体过程为：
Figure BDA0002095549540000095
其中：fp代表伪随机序列p(t)的频率，
Figure BDA0002095549540000096
Ts＝1/fs为采样间隔，且索引la满足：
Figure BDA0002095549540000101
其中：
Figure BDA0002095549540000102
代表向下取整，
Figure BDA0002095549540000103
为混频序列的傅里叶级数系数。
实验分析
设置窄带目标信号个数M＝3，奈奎斯特频率fNyq＝10GHz，带宽B＝150MHz。调制载频fi在(0，(fNyq-B)/2)范围内选取，方位角θi在(-90°,90°)范围内选取，俯仰角
Figure BDA0002095549540000104
在(0°,90°)范围内选取。设置每轴阵元数N＝6，总阵元数为2N-1＝11个，而总的通道数为3N-1＝17个，阵元间距d＝0.03m，每通道快拍数Q＝300。设置混频序列每周期65个点，L＝65，混频序列的周期频率fp＝1.1B＝154MHz，滤波器截止频率为fp/2＝77MHz，每通道采样率和混频序列的周期频率设置为fs＝fp，信噪比为20dB。图3和图4分别是原点处阵元接收的信号时域波形图与频谱图。图5-图8分别是恢复的信号时域波形图、频谱图、载频图和二维DOA参数图。
可以看出重构信号的载频位置和二维DOA参数同原始信号基本相同，时域波形基本一致。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (3)

1.基于欠采样的信号载频与二维DOA参数估计方法，其特征在于，该方法包括以下步骤：
步骤一、建立由三维空间直角坐标系的x轴正方向和y轴正方向上均匀分布的传感器组成的L型阵列，x轴正方向上每个传感器后均连接有两个MWC通道，在其中一个MWC通道的混频模块前加入延时模块，定义加入延时模块的通道为x轴延时通道，未加入延时模块的通道为x轴非延时通道；y轴正方向上每个传感器后仅连接有一个MWC通道，定义为y轴非延时通道；
传感器接收的信号与周期为Tp的伪随机序列p(t)混频后获得混频后信号，混频后信号经过截止频率为fs/2的低通滤波器后以fs的频率进行采样，获得采样值；
所述x轴正方向上均匀分布有N个传感器{x1,x2,...,xN}，所述y轴正方向上均匀分布有N个传感器{y1,y2,...,yN}，且x轴和y轴在原点处共用同一个传感器，即x1和y1为同一个传感器；并且有M个互不相关的窄带目标信号si(t)入射到该L型阵列，i＝1,2,...,M；
步骤二，分别将x轴正方向和y轴正方向上的N个传感器分为两个子阵，其中：x轴的第一个子阵包括传感器{x1,x2,...,xN-1}，x轴的第二个子阵包括传感器{x2,x3,...,xN}，y轴的第一个子阵包括传感器{y1,y2,...,yN-1}，y轴的第二个子阵包括传感器{y2,y3,...,yN}；
分别获得x轴非延时通道第一个子阵的采样值x1[k]，x轴非延时通道第二个子阵的采样值x2[k]，y轴非延时通道第一个子阵的采样值y1[k]，y轴非延时通道第二个子阵的采样值y2[k]，x轴延迟通道第一个子阵的采样值z1[k]，x轴延迟通道第二个子阵的采样值z2[k]；
步骤三、分别计算出x1[k]与y1[k]的协方差矩阵R1＝E{x1[k]y1[k]H}、x2[k]与y1[k]的协方差矩阵R2＝E{x2[k]y1[k]H}、x1[k]与y2[k]的协方差矩阵R3＝E{x1[k]y2[k]H}、z1[k]与y1[k]的协方差矩阵R4＝E{z1[k]y1[k]H}、z2[k]与y1[k]的协方差矩阵R5＝E{z2[k]y1[k]H}以及z1[k]与y2[k]的协方差矩阵R6＝E{z1[k]y2[k]H}；其中：上角标H表示共轭转置，E{·}表示期望；
步骤四、利用R1、R2、R3、R4、R5和R6定义一个三阶张量χ(N-1)×(N-1)×4，并将三阶张量χ(N-1)×(N-1)×4的正向切片Xk的表达式作为建立的正则分解模型；
对建立的正则分解模型进行求解，获得中间变量矩阵
Figure FDA0002684706850000028
所述三阶张量χ(N-1)×(N-1)×4的正向切片Xk的表达式具体为：
Figure FDA0002684706850000021
其中：
Figure FDA0002684706850000022
代表x轴非延迟通道的第一个子阵的阵列流型矩阵，
Figure FDA0002684706850000023
代表y轴非延迟通道的第一个子阵的阵列流型矩阵，X1、X2、X3、X4、X5、X6分别代表χ(N-1)×(N-1)×4的第一、第二、第三、第四、第五、第六个正向切片，上角标T表示转置，
Figure FDA0002684706850000024
Figure FDA0002684706850000025
分别代表中间变量矩阵
Figure FDA0002684706850000029
转置后的第一列、第二列、第三列、第四列、第五列、第六列，且中间变量矩阵
Figure FDA00026847068500000210
Figure FDA00026847068500000211
中的第i列
Figure FDA00026847068500000212
为：
Figure FDA0002684706850000026
其中：e代表自然对数，j代表虚数单位，
Figure FDA0002684706850000027
代表信源相关矩阵Rw的对角线元素，信源相关矩阵Rw＝E{w[k]w[k]H}；fi代表第i个窄带目标信号的载频，τ为延时模块的延时时间，αi代表第i个窄带目标信号和三维空间直角坐标系原点的连线与x轴正方向的夹角，βi代表第i个窄带目标信号和三维空间直角坐标系原点的连线与y轴正方向的夹角，x轴相邻两个传感器之间的延时
Figure FDA0002684706850000031
c为光速，d为两个相邻传感器的间距，y轴相邻两个传感器之间的延时
Figure FDA0002684706850000032
步骤五、利用步骤四获得的矩阵
Figure FDA00026847068500000318
计算中间变量
Figure FDA0002684706850000033
和
Figure FDA0002684706850000034
所述中间变量
Figure FDA0002684706850000035
和
Figure FDA0002684706850000036
的表达式分别为：
Figure FDA0002684706850000037
其中：∠(·)代表求复数的相角，
Figure FDA00026847068500000319
代表矩阵中第1行第i列的元素，
Figure FDA00026847068500000324
代表矩阵中第2行第i列的元素，
Figure FDA00026847068500000320
代表矩阵中第3行第i列的元素，
Figure FDA00026847068500000323
代表矩阵中第4行第i列的元素，
Figure FDA00026847068500000321
代表矩阵中第5行第i列的元素，
Figure FDA00026847068500000322
代表矩阵中第6行第i列的元素；
步骤六、利用步骤五获得的
Figure FDA0002684706850000038
和
Figure FDA0002684706850000039
计算出第i个窄带目标信号的载频估计值
Figure FDA00026847068500000310
方位角估计值
Figure FDA00026847068500000311
以及俯仰角估计值
Figure FDA00026847068500000312
所述步骤六的具体过程为：
第i个窄带目标信号的载频估计值
Figure FDA00026847068500000313
方位角估计值
Figure FDA00026847068500000314
以及俯仰角估计值
Figure FDA00026847068500000315
的计算公式分别为：
Figure FDA00026847068500000316
Figure FDA00026847068500000317
Figure FDA0002684706850000041
步骤七、利用步骤六获得的
Figure FDA0002684706850000042
和
Figure FDA0002684706850000043
计算出x轴非延迟通道的阵列流型矩阵Ax，y轴非延迟通道的阵列流型矩阵Ay和x轴延迟通道的阵列流型矩阵Az；
所述步骤七的具体过程为：
x轴非延迟通道的阵列流型矩阵Ax，y轴非延迟通道的阵列流型矩阵Ay和x轴延迟通道的阵列流型矩阵Az的计算公式分别为：
Figure FDA0002684706850000044
Figure FDA0002684706850000045
Figure FDA0002684706850000046
步骤八、利用步骤七的Ax、Ay和Az恢复窄带目标信号s1(t),s2(t),…,sM(t)被调制到基带后的频谱W(f)；
所述步骤八的具体过程为：
Figure FDA0002684706850000047
其中：W(f)是一个M×1的矩阵，
Figure FDA0002684706850000051
W(f)中第i个元素Wi′(f)为Wi′(f)＝DTFT{wi[k]}，f代表频域自变量，DTFT{wi[k]}代表对wi[k]进行离散时间傅里叶变换，
Figure FDA0002684706850000058
为矩阵的伪逆；
X(f)代表x轴非延时通道采样值的离散时间傅里叶变换，Y(f)代表y轴非延时通道采样值的离散时间傅里叶变换，Z(f)代表x轴延时通道采样值的离散时间傅里叶变换；
步骤九、利用步骤八获得的W(f)恢复出窄带目标信号的频谱S1(f),S2(f),…,SM(f)；
所述步骤九的具体过程为：
Figure FDA0002684706850000052
其中：fp代表伪随机序列p(t)的频率，
Figure FDA0002684706850000053
Ts＝1/fs为采样间隔，且索引la满足：
Figure FDA0002684706850000054
其中：
Figure FDA0002684706850000055
代表向下取整，
Figure FDA0002684706850000056
为混频序列的傅里叶级数系数。
2.根据权利要求1所述的基于欠采样的信号载频与二维DOA参数估计方法，其特征在于，所述步骤一的具体过程为：
Figure FDA0002684706850000057
其中：x[k]、y[k]和z[k]分别为x轴非延迟通道，y轴非延迟通道和x轴延迟通道的采样值，Ax、Ay和Az分别为x轴非延迟通道，y轴非延迟通道和x轴延迟通道的阵列流型矩阵，w[k]为窄带目标信号搬移到基带后的信号，w[k]＝{w1[k],w2[k],…,wM[k]}，w1[k],w2[k],…,wM[k]分别代表窄带目标信号s1(t),s2(t),…,sM(t)搬移到基带后的形式。
3.根据权利要求2所述的基于欠采样的信号载频与二维DOA参数估计方法，其特征在于，所述步骤二的具体过程为：
Figure FDA0002684706850000061
其中：x1[k]代表x轴非延迟通道的第一个子阵的采样值，x2[k]代表x轴非延迟通道的第二个子阵的采样值，
Figure FDA0002684706850000062
和
Figure FDA0002684706850000063
分别代表x轴非延迟通道的第一个子阵和第二个子阵的阵列流型矩阵；
y1[k]代表y轴非延迟通道的第一个子阵的采样值，y2[k]代表y轴非延迟通道的第二个子阵的采样值，
Figure FDA0002684706850000064
和
Figure FDA0002684706850000065
分别代表y轴非延迟通道的第一个子阵和第二个子阵的阵列流型矩阵；
z1[k]代表x轴延迟通道第一个子阵的采样值，z2[k]代表x轴延迟通道第二个子阵的采样值，
Figure FDA0002684706850000066
和
Figure FDA0002684706850000067
分别代表x轴延迟通道的第一个子阵和第二个子阵的阵列流型矩阵。
CN201910517708.7A 2019-06-14 2019-06-14 基于欠采样的信号载频与二维doa参数估计方法 Active CN110146842B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910517708.7A CN110146842B (zh) 2019-06-14 2019-06-14 基于欠采样的信号载频与二维doa参数估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910517708.7A CN110146842B (zh) 2019-06-14 2019-06-14 基于欠采样的信号载频与二维doa参数估计方法

Publications (2)

Publication Number Publication Date
CN110146842A CN110146842A (zh) 2019-08-20
CN110146842B true CN110146842B (zh) 2020-12-01

Family

ID=67591589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910517708.7A Active CN110146842B (zh) 2019-06-14 2019-06-14 基于欠采样的信号载频与二维doa参数估计方法

Country Status (1)

Country Link
CN (1) CN110146842B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111082973B (zh) * 2019-11-27 2021-06-22 福州大学 基于杠杆采样的网络时延估计方法
CN111355493B (zh) * 2020-04-03 2023-05-23 哈尔滨工业大学 一种面向调制宽带转换器的支撑集筛选重构方法
CN112333718B (zh) * 2020-11-05 2022-05-17 哈尔滨商业大学 基于欠采样信号的频率和到达角联合估计方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1465338A2 (fr) * 2003-04-01 2004-10-06 Thales Procédé et dispositif d'identification autodidacte d'un mélange sous-determiné de sources au quatrième ordre.
EP2293094A1 (en) * 2009-09-01 2011-03-09 Fujitsu Limited Method of estimating direction of arrival and apparatus thereof
CN104852745A (zh) * 2015-05-26 2015-08-19 哈尔滨工业大学 基于压缩感知的多频带信号欠采样重构方法及实现该方法的装置
CN105182279A (zh) * 2015-09-28 2015-12-23 黑龙江大学 基于空域稀疏优化的宽带信号超分辨测向误差校正方法
US20160091598A1 (en) * 2014-09-26 2016-03-31 The Govemment of the United States of America, as represented by the Secretary of the Navy Sparse Space-Time Adaptive Array Architecture
CN106301631A (zh) * 2016-10-18 2017-01-04 天津大学 一种基于子空间分解的互素欠采样频谱感知方法及其装置
CN108037481A (zh) * 2017-12-01 2018-05-15 天津大学 鲁棒性可分级的稀疏阵列频率和doa估计方法及装置
CN108267712A (zh) * 2018-01-02 2018-07-10 天津大学 一种基于压缩平移互素阵列的doa估计方法及装置
CN109541524A (zh) * 2018-12-14 2019-03-29 哈尔滨工业大学 一种基于欠采样的信号载频与二维doa联合估计方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998024192A1 (en) * 1996-11-26 1998-06-04 Trw Inc. Cochannel signal processing system
CN101472330A (zh) * 2007-12-28 2009-07-01 三星电子株式会社 基于时间差定位的传输同步方法
CN102830333B (zh) * 2012-09-10 2015-06-10 上海交通大学 基于电磁波天线阵列信号处理的变电站局部放电定位方法
CN104535959A (zh) * 2014-12-05 2015-04-22 天津大学 时空欠采样下信号频率及doa联合测量方法及装置
CN104618073B (zh) * 2015-03-03 2018-08-21 北京邮电大学 一种信号调制方式的识别方法
CN104914408B (zh) * 2015-06-12 2017-12-15 天津大学 基于中国余数定理的频率、doa联合测量方法以及装置
CN105242237B (zh) * 2015-09-09 2017-08-08 电子科技大学 一种基于压缩感知的电磁矢量阵列参数估计方法
CN107133014B (zh) * 2017-04-01 2021-02-12 中国人民解放军国防科技大学 宽带频谱监视系统及其产生高速伪随机序列信号的方法
CN107656237B (zh) * 2017-08-03 2020-12-01 天津大学 一种多信源频率与doa联合检测的方法及其装置
CN107483130A (zh) * 2017-10-13 2017-12-15 电子科技大学 一种联合宽带频谱感知和到达角估计方法
CN108494508A (zh) * 2018-03-08 2018-09-04 四川大学 基于mwc相关支撑集恢复的高效频谱检测方法
CN108572352B (zh) * 2018-04-25 2021-05-28 哈尔滨工业大学 一种基于欠采样的相位编码信号的参数估计方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1465338A2 (fr) * 2003-04-01 2004-10-06 Thales Procédé et dispositif d'identification autodidacte d'un mélange sous-determiné de sources au quatrième ordre.
EP2293094A1 (en) * 2009-09-01 2011-03-09 Fujitsu Limited Method of estimating direction of arrival and apparatus thereof
US20160091598A1 (en) * 2014-09-26 2016-03-31 The Govemment of the United States of America, as represented by the Secretary of the Navy Sparse Space-Time Adaptive Array Architecture
CN104852745A (zh) * 2015-05-26 2015-08-19 哈尔滨工业大学 基于压缩感知的多频带信号欠采样重构方法及实现该方法的装置
CN105182279A (zh) * 2015-09-28 2015-12-23 黑龙江大学 基于空域稀疏优化的宽带信号超分辨测向误差校正方法
CN106301631A (zh) * 2016-10-18 2017-01-04 天津大学 一种基于子空间分解的互素欠采样频谱感知方法及其装置
CN108037481A (zh) * 2017-12-01 2018-05-15 天津大学 鲁棒性可分级的稀疏阵列频率和doa估计方法及装置
CN108267712A (zh) * 2018-01-02 2018-07-10 天津大学 一种基于压缩平移互素阵列的doa估计方法及装置
CN109541524A (zh) * 2018-12-14 2019-03-29 哈尔滨工业大学 一种基于欠采样的信号载频与二维doa联合估计方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Joint carrier frequency and DOA estimation using a modified ULA based MWC discrete compressed sampling receiver;Tao Chen 等;《 IET Radar, Sonar & Navigation》;20180909;第12卷(第8期);第873-881页 *
Successive-phase correction calibration method for modulated wideband converter system;Ning Fu 等;《IET Signal Processing》;20190604;第13卷(第6期);第624-632页 *
一种新的双基地MIMO雷达快速多目标定位算法;程院兵 等;《电子与信息学报》;20120229;第34卷(第2期);第312-317页 *
面向压缩感知的块稀疏度自适应迭代算法;付宁 等;《电子学报》;20110331;第39卷(第3A期);第75-79页 *

Also Published As

Publication number Publication date
CN110146842A (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
CN110146842B (zh) 基于欠采样的信号载频与二维doa参数估计方法
CN107102291B (zh) 基于虚拟阵列内插的无网格化互质阵列波达方向估计方法
WO2018094565A1 (zh) 脉冲噪声下的波束成形方法及装置
CN109471082B (zh) 基于信号子空间重构的阵元缺损mimo雷达角度估计方法
CN107561484A (zh) 基于内插互质阵列协方差矩阵重建的波达方向估计方法
CN107315160A (zh) 基于内插虚拟阵列信号原子范数最小化的互质阵列波达方向估计方法
CN104991236B (zh) 一种单基地mimo雷达非圆信号相干源波达方向估计方法
CN105335615B (zh) 一种低复杂度的二维角度和极化参数联合估计方法
CN107037392A (zh) 一种基于压缩感知的自由度增加型互质阵列波达方向估计方法
CN108683619B (zh) 一种低复杂度的大规模mimo信道参数估计方法
CN104914408A (zh) 基于中国余数定理的频率、doa联合测量方法以及装置
CN107493106B (zh) 一种基于压缩感知的频率和角度联合估计的方法
CN110208738A (zh) 基于阵列调制宽带转换器的信号频率与二维doa联合估计方法
CN109541524B (zh) 一种基于欠采样的信号载频与二维doa联合估计方法
CN113189538A (zh) 一种基于互质稀疏排列的三元阵列及其空间谱估计方法
CN112733327A (zh) 一种面向非高斯信号的连续和阵稀疏阵列及其设计方法
CN111273218A (zh) 一种基于多层互质阵列的相干源波达方向估计方法
CN106908754B (zh) L型声矢量传感器阵列esprit解相干参数估计方法
CN110161454B (zh) 基于双l型阵列的信号频率与二维doa联合估计方法
CN112485755A (zh) 基于2q阶嵌套MIMO阵列结构的角度估计方法
CN103885035B (zh) 一种基于矩阵恢复的降采样阵列信号处理方法
CN113671477B (zh) 一种基于图信号处理的雷达目标距离估计方法
CN109298381A (zh) 一种基于变分贝叶斯推断的互质阵相干信号方位角估计方法
CN115236588A (zh) 一种基于混合分辨率量化的互质阵列波达方向估计方法
CN112858995B (zh) 一种基于分布式阵列的联合测角方法和装置

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