CN110286351A - 一种基于l型嵌套阵的二维doa估计方法及装置 - Google Patents
一种基于l型嵌套阵的二维doa估计方法及装置 Download PDFInfo
- Publication number
- CN110286351A CN110286351A CN201910631285.1A CN201910631285A CN110286351A CN 110286351 A CN110286351 A CN 110286351A CN 201910631285 A CN201910631285 A CN 201910631285A CN 110286351 A CN110286351 A CN 110286351A
- Authority
- CN
- China
- Prior art keywords
- array
- matrix
- sub
- subarray
- autocorrelation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 150
- 239000013598 vector Substances 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000000354 decomposition reaction Methods 0.000 claims description 19
- 238000003491 array Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006880 cross-coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
-
- 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
- G01S3/78—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 electromagnetic waves other than radio waves
- G01S3/782—Systems for determining direction or deviation from predetermined direction
-
- 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
- G01S3/80—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 ultrasonic, sonic or infrasonic waves
- G01S3/802—Systems for determining direction or deviation from predetermined direction
- G01S3/8027—By vectorial composition of signals received by plural, differently-oriented transducers
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出一种基于L型嵌套阵的二维DOA估计方法，包括：分别求出第一子阵接收信号的自相关矩阵和第一子阵虚拟优化阵接收信号的自相关矩阵；根据所述第一子阵虚拟优化阵对应的自相关矩阵求得俯仰角的估计值；根据所述俯仰角的估计值估计第一子阵的方向矩阵和入射信号的自相关矩阵；根据第一子阵、第二子阵的接收数据矢量以及第一子阵的方向矩阵和入射信号的自相关矩计算第二子阵方向矩阵的估计值；根据所述第二子阵方向矩阵的估计值求到得方位角的估计值。本发明使用嵌套阵的虚拟阵元来进行估计，相较于传统的基于L型均匀线阵(ULA)的估计算法，自由度得到了极大提升，并显著提高了DOA的估计性能。
Description
技术领域
本发明属于无线通信和雷达信号处理技术领域，具体涉及一种基于L型嵌套阵的二维DOA估计方法及装置。
背景技术
波达方向(DOA)估计是天线阵列通过接收信号以特定的方法辨别空间信源的入射方向。该技术最早应用于军事领域，主要针对敌方目标进行定位并实施检测和精准打击。近年来，在雷达、声呐、导航、地震、生物医学、射电天文学等诸多领域有着广泛应用。
现有的DOA估计方法大多基于传统满阵，即天线阵列相邻阵元的间距不得超过入射信号的半波长。但是，满阵由于阵元间距的限制，若想增大阵列孔径、提升DOA估计精度和分辨率就必须增加阵元数目，因此，会造成系统过于复杂和系统成本的增加。鉴于传统满阵存在的上述问题，人们又提出了稀疏阵，即存在阵元间距大于半波长的阵列。与传统满阵相比，在阵元数目相同的情况下，稀疏阵拥有更大的阵列孔径以及更小的阵元互耦，提高了DOA估计精度、分辨率和最大可处理的信号数。另一方面，在阵列孔径相同的条件下，稀疏阵所需的阵元数更少，这意味着更小规模的接收系统和信号处理系统等，极大地降低了系统成本。
目前基于稀疏阵的DOA估计主要是一维DOA估计。但在实际应用中仅有一维DOA信息是远远不够的，例如：移动通信等数据传输的过程中往往需要知道入射信号方位角和俯仰角的二维DOA信息。现有的二维DOA估计方法大多是基于阵元间距等于半波长的简化面阵，如L形阵列、双平行线阵、十字形阵列等。其中，L型阵由于结构简单、更低的克拉美罗界以及更好的估计性能，得到了广泛关注和应用。如N.Tayem等人[N.Tayem,H.M.Kwon.L-shape 2-dimensional arrival angle estimation with propagator method,IEEETransactions on Antennas and Propagation.53(5)(2005)1622-1630.]利用L型阵列，采用修MPM(modified propagate method)算法实现了二维DOA估计，但是该方法参数配对效果差，仅在高信噪比的环境下才具有较好的估计性能；J.-F.Gu等人[J.-F.Gu,P.Wei.JointSVD oftwo cross-correlation matrices to achieve automatic pairing in 2-Dangle estimation problems.IEEE Antennas and Wireless Propagation Letters.6(2007)553-556.]提出了基于L型均匀线阵的JSVD(joint singular valuedecomposition)算法，通过对互相关矩阵进行奇异值分解，消除了加性噪声的影响，提升了估计性能，同时提高了二维角度的配对成功率；S.O.Al-Jazzar等人[S.O.Al-Jazzar,D.C.MeLernon,M.A.Smadi.SVD-based joint azimuth/elevation estimation withautomatic pairing.Signal Process.90(5)(2010)1669-1675.]同样通过奇异值分解的方式实现了二维角度的估计和自动配对。目前，基于L型线阵的二维DOA估计存在以下缺点：DOA估计的自由度受到阵列结构的限制，导致了较差的估计性能；大多需要额外的配对算法，少数自动配对算法配对成功率较低；谱峰搜索带来了巨大计算量，计算复杂度较高；估计精度和分辨率较低等等。所以利用稀疏阵的特殊结构将其引入到二维DOA估计具有很好的发展前景与实用价值，也是当前研究的热点与难点。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于L型嵌套阵的二维DOA估计方法及装置，以解决现有技术中较低的DOA估计自由度和性能；较低的估计精度和分辨率；需要额外的配对算法；需要谱峰搜索，计算复杂度较高等问题。
为实现上述目的及其他相关目的，本发明提供一种基于L型嵌套阵的二维DOA估计方法，所述L型嵌套阵包括具有N1个阵元的第一子阵和具有N2个阵元的第二子阵，第一子阵和第二子阵共用原点处的阵元，所述第一子阵位于z轴上，所述第二子阵位于x轴上，所述L型嵌套阵接收K个不相关的远场窄带信号，信号入射方向和z轴、x轴的夹角分别为φ和β，入射信号在xoy平面内的投影与x轴的夹角为θ；第一子阵和第二子阵的接收数据矢量分别为x1(t)和x2(t)；该估计方法包括：
分别求出第一子阵接收信号的自相关矩阵和第一子阵虚拟优化阵接收信号的自相关矩阵；
根据所述第一子阵虚拟优化阵对应的自相关矩阵求得俯仰角的估计值；
根据所述俯仰角的估计值估计第一子阵的方向矩阵和入射信号的自相关矩阵；
根据第一子阵、第二子阵的接收数据矢量以及第一子阵的方向矩阵和入射信号的自相关矩计算第二子阵方向矩阵的估计值；
根据所述第二子阵方向矩阵的估计值求到得方位角的估计值。
可选地，所述分别求出第一子阵接收信号和第一子阵虚拟优化阵接收信号的自相关矩阵，包括：
计算第一子阵接收数据x1(t)在N次快拍下的自相关矩阵
将自相关矩阵向量化并去冗余得到观测矢量
基于观测矢量构建一个Hermitian Toeplitz矩阵则就是第一子阵虚拟优化阵接收信号的自相关矩阵。
可选地，根据所述第一子阵虚拟优化阵对应的自相关矩阵求得俯仰角的估计值，包括：
将第一子阵虚拟优化阵接收信号的自相关矩阵进行特征分解，得到信号子空间Us；
利用ESPRIT算法求得俯仰角的估计值
可选地，根据所述俯仰角的估计值估计第一子阵的方向矩阵和入射信号的自相关矩阵，包括：
根据所述俯仰角估计值估计第一子阵的方向矩阵
对第一子阵的自相关矩阵进行特征分解，并对较小的特征值取平均，得到第一子阵上的噪声功率
结合自相关矩阵噪声功率以及方向矩阵估计出入射信号的自相关矩阵
可选地，根据所述第二子阵方向矩阵的估计值求到得方位角的估计值，包括：
计算第二子阵的相位因子；
根据所述相位因子求得方位角θk的估计值。
为实现上述目的及其他相关目的，本发明还提供一种基于L型嵌套阵的二维DOA估计装置，所述L型嵌套阵包括具有N1个阵元的第一子阵和具有N2个阵元的第二子阵，第一子阵和第二子阵共用原点处的阵元，所述第一子阵位于z轴上，所述第二子阵位于x轴上，所述L型嵌套阵接收K个不相关的远场窄带信号，信号入射方向和z轴、x轴的夹角分别为φ和β，入射信号在xoy平面内的投影与x轴的夹角为θ；第一子阵和第二子阵的接收数据矢量分别为x1(t)和x2(t)；该估计装置包括：
自相关模块，用于分别求出第一子阵接收信号的自相关矩阵和第一子阵虚拟优化阵接收信号的自相关矩阵；
第一估计模块，用于根据所述第一子阵虚拟优化阵对应的自相关矩阵求得俯仰角的估计值；
第二估计模块，用于根据所述俯仰角的估计值估计第一子阵的方向矩阵和入射信号的自相关矩阵；
第三估计模块，用于根据第一子阵、第二子阵的接收数据矢量以及第一子阵的方向矩阵和入射信号的自相关矩计算第二子阵方向矩阵的估计值；
第四估计模块，用于根据所述第二子阵方向矩阵的估计值求到得方位角的估计值。
可选地，所述自相关模块包括：
自相关单元，用于计算第一子阵接收数据x1(t)在N次快拍下的自相关矩阵
向量化单元，用于将自相关矩阵向量化并去冗余得到观测矢量
构建单元，用于基于观测矢量构建一个Hermitian Toeplitz矩阵则就是第一子阵虚拟优化阵接收信号的自相关矩阵。
可选地，所述第一估计模块包括：
第一特征分解单元，用于将第一子阵虚拟优化阵接收信号的自相关矩阵进行特征分解，得到信号子空间Us；
第一估计单元，利用ESPRIT算法求得俯仰角的估计值
可选地，所述第二估计模块包括：
第二估计单元，用于根据所述俯仰角估计值估计第一子阵的方向矩阵
第二特征分解单元，对第一子阵的自相关矩阵进行特征分解，并对较小的特征值取平均，得到第一子阵上的噪声功率
第三估计单元，结合自相关矩阵噪声功率以及方向矩阵估计出入射信号的自相关矩阵
可选地，所述第四估计模块包括：
相位因子计算单元，用于计算第二子阵的相位因子；
第四估计单元，用于根据所述相位因子求得方位角θk的估计值。
如上所述，本发明的一种基于L型嵌套阵的二维DOA估计方法及装置，具有以下有益效果：
本发明使用嵌套阵的虚拟阵元来进行估计，相较于传统的基于L型均匀线阵(ULA)的估计算法，自由度得到了极大提升，并显著提高了DOA的估计性能；采用ESPRIT算法求解角度信息，无需谱搜索，大大降低了算法复杂度。
附图说明
为了进一步阐述本发明所描述的内容，下面结合附图对本发明的具体实施方式作进一步详细的说明。应当理解，这些附图仅作为典型示例，而不应看作是对本发明的范围的限定。
图1为本发明一实施例中阵列设置示意图；
图2为本发明一实施例中所提算法方位角和俯仰角的求根均方误差随SNR变化关系示意图；
图3为本发明一实施例中所提算法方位角和俯仰角的求根均方误差随快拍数变化关系示意图；
图4为本发明一实施例中所提算法方位角和俯仰角的检测概率随SNR变化关系示意图；
图5为本发明一实施例中所提算法方位角和俯仰角的检测概率随快拍数变化关系示意图；
图6为本发明一实施例中一种基于L型嵌套阵的二维DOA估计方法的流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图6所示，一种基于L型嵌套阵的二维DOA估计方法，该方法包括以下步骤：
步骤1：设置天线阵列：
如图1所示，设置一个L型嵌套阵，该阵列由两个完全相同的稀疏非均匀嵌套阵组成，每个子阵都有N＝N1+N2个阵元，N1为每个子阵密集ULA的阵元数，N2为每个子阵稀疏ULA的阵元数，而且，第一子阵位于z轴上，第二子阵位于x轴上，λ表示信号波长。并且第一子阵和第二子阵共用原点处的阵元。
不妨用dz,i表示第一子阵第i个阵元的阵元位置，同样的，用dx,i表示第二子阵第i个阵元的阵元位置，其中i＝1,2,...,N。
假设有K个非相关远场窄带信号sk(t)从方向(θk,φk)入射到阵列，其中，k＝1,2,…,K，θk和φk分别表示第K个信号的方位角和俯仰角。噪声为独立同分布的加性高斯白噪声，且与信号独立。则L型嵌套阵中两个子阵的接收信号矢量可分别表示为：
其中，A1＝[a1(φ1),a1(φ2),…,a1(φK)]表示第一子阵的阵列流型矩阵，A2＝[a2(θ1,φ1),a2(θ2,φ2),…,a2(θK,φK)]表示第二子阵的阵列流型矩阵，表示第一子阵与第k个信号相对应的导向矢量，表示第二子阵与第k个信号相对应的导向矢量，φk表示信号入射方向和z轴的夹角，θk表示信号在xoy平面内的投影与x轴的夹角。s(t)＝[s1(t),s2(t),...,sK(t)]T表示信号矢量，和分别为第一子阵和第二子阵的噪声矢量，其元素独立同分布且均服从复高斯分布
步骤2：分别求出第一子阵接收信号的自相关矩阵和第一子阵虚拟优化阵接收信号的自相关矩阵；
利用x1(t)求解第一子阵接收信号的自相关矩阵R1为：
其中，是信号的自相关矩阵，对角元素表示第k个信号的功率，k＝1,…,K。
但是自相关矩阵R1是不可得到的理想协方差矩阵，实际上，通过T次快拍估计得到：
其中，T为快拍数。
然后，向量化矩阵可以得到矢量z1，
其中， 其中表示a1(φk)的共轭，为Kronecker积。则可看作第一子阵的虚拟优化阵所对应的阵列流型矩阵，p可看作入射到该虚拟优化阵的单快拍信号矢量。z1中的元素为第一子阵的虚拟优化阵的接收数据，但是存在冗余，因此，需要对z1去进行去冗余操作得到
其中，是第一子阵的观测矢量，γ＝N2(N1+1)，是第一子阵虚拟阵列的去冗余方向矩阵，p1是信号的功率矢量，矢量除了第γ个元素为1，其余元素均为0。
接下来，基于矢量构建一个Hermitian Toeplitz矩阵具体结构如下所示：
则构建的即是第一子阵的虚拟优化阵接收信号的自相关矩阵，且与z轴上阵元位置位于Md(M＝1,2,…,γ)的均匀线阵(ULA)接收信号的自相关矩阵等价。由于嵌套阵的虚拟优化阵列关于零阵元对称，因此有等式成立。
步骤3：根据所述第一子阵虚拟优化阵对应的自相关矩阵求得俯仰角的估计值，可以采用ESPRIT算法求出俯仰角；
将步骤2中第一子阵虚拟优化阵对应的自相关矩阵进行特征分解，有
其中，Λs是K×K维对角矩阵，包含的K个大特征值；Us是γ×K维信号子空间，由的K个大特征值对应的特征向量张成；Λn是(γ-K)×(γ-K)维对角矩阵，包含的γ-K个小特征值；Un是γ×(γ-K)维噪声子空间，由的γ-K个小特征值对应的特征向量张成。
将信号子空间Us的前γ-1行记为Us1，将Us的后γ-1行记为Us2，得到第一子阵的相位矩阵其中(·)+是对矩阵求伪逆的算子。接着对ψ进行特征分解有ψ＝PVP-1，其中V＝diag(v1,v2,…,vK)，P是由特征向量所构成的矩阵。最终可以得到俯仰角φk的估计值
其中，angle(·)为取相位算子。
步骤4：根据所述俯仰角的估计值估计第一子阵的方向矩阵和入射信号的自相关矩阵；
利用步骤3中俯仰角的估计值得到第一子阵的方向矩阵的估计值
其中，接着对步骤2中的自相关矩阵R1进行特征分解，得到对应的N个特征值，取其中较小的N-K个特征值求平均，求得第一子阵上噪声功率的估计则信号自相关矩阵的估计值
其中，IN为N阶单位矩阵。
步骤5：根据第一子阵、第二子阵的接收数据矢量以及第一子阵的方向矩阵和入射信号的自相关矩计算第二子阵方向矩阵的估计值；
由接收信号x1(t)和x2(t)得到两个子阵的互相关矩阵R12；
同样地，通过多次快拍来得到互相关矩阵R12的估计值
结合步骤4中第一子阵方向矩阵的估计值和信号自相关矩阵的估计值求得第二子阵方向矩阵的估计值
其中，(·)+是对矩阵求伪逆的算子。
步骤6：根据所述第二子阵方向矩阵的估计值求到得方位角的估计值；
由于第二子阵是一个标准嵌套阵，有一部分密集的ULA，且该密集ULA的阵元数为N1，则方向矩阵的估计值的前N1行具有范德蒙特矩阵的特性，即具有部分范德蒙德特性。记第i行的行矢量为ri，i＝1,2,...,N，ri,k为行矢量ri的第k个元素，k＝1,2,...,K。采用平滑处理的方式，如下计算第二子阵的相位因子δk：
则最终求得方位角θk的估计值为：
其中，angle(·)为取相位算子，λ为入射信号的波长，d为单位间距。
这样就完成了基于L型嵌套阵的二维DOA估计。
本发明使用嵌套阵的虚拟阵元来进行估计，相较于传统的基于L型均匀线阵(ULA)的估计算法，自由度得到了极大提升，并显著提高了DOA的估计性能；采用ESPRIT算法求解角度信息，无需谱搜索，大大降低了算法复杂度。
为了分析本发明所提算法与文献[J.-F.Gu,P.Wei.Joint SVD of two cross-correlation matrices to achieve automatic pairing in 2-D angle estimationproblems.IEEE Antennas and Wireless Propagation Letters.6(2007)553-556.]的JSVD算法以及文献[C.Niu,Y.Zhang,J.Guo.Interlaced double-precision 2-D angleestimation algorithm using L-shaped nested arrays.IEEE Signal ProcessingLetters.23(4)(2016)522-526.]的IDP算法的估计性能，设计了两组仿真实验来进行比较。其中，本发明与文献[C.Niu,Y.Zhang,J.Guo.Interlaced double-precision 2-D angleestimation algorithm using L-shaped nested arrays.IEEE Signal ProcessingLetters.23(4)(2016)522-526.]均采用L型嵌套阵，阵列参数为N1＝N2＝3，文献[J.-F.Gu,P.Wei.Joint SVD of two cross-correlation matrices to achieve automaticpairing in 2-D angle estimation problems.IEEE Antennas and WirelessPropagation Letters.6(2007)553-556.]采用的L型阵列，阵列参数为M＝6，显然L型嵌套阵和L型阵列的阵元总数相同，均有11个阵元(两个轴共用零位置阵元)。信号数为2，入射方向分别为(θ1,φ1)＝(55°,70°)和(θ2,φ2)＝(60°,55°)。定义检测概率为：如果方位角和俯仰角的估计值与真实值的偏差均不超过标准值(本实验设为0.5°)，则检测成功。否则检测失败。
第一组试验快拍数为6000，并进行1000次独立试验，方位角和俯仰角估计的求根均方误差(RMSE)随信噪比(SNR)变化的关系如图2所示，方位角和俯仰角的检测概率随SNR变化关如图4所示。
另一组试验信噪比为6dB，同样进行1000次独立试验，方位角和俯仰角的求根均方误差(RMSE)随快拍数变化的关系如图3所示，方位角和俯仰角的检测概率随快拍数的变化关如图5所示。
从图中可以看出，本发明所提的基于L型嵌套阵及其相应的二维DOA估计算法能够很好的提高二维DOA估计性能，降低系统成本，并且无需谱搜索，计算复杂度较低。
本发明还提供一种基于L型嵌套阵的二维DOA估计装置，所述L型嵌套阵包括具有N1个阵元的第一子阵和具有N2个阵元的第二子阵，第一子阵和第二子阵共用原点处的阵元，所述第一子阵位于z轴上，所述第二子阵位于x轴上，所述L型嵌套阵接收K个不相关的远场窄带信号，信号入射方向和z轴、x轴的夹角分别为φ和β，入射信号在xoy平面内的投影与x轴的夹角为θ；第一子阵和第二子阵的接收数据矢量分别为x1(t)和x2(t)；该估计装置包括：
自相关模块，用于分别求出第一子阵接收信号的自相关矩阵和第一子阵虚拟优化阵接收信号的自相关矩阵；
第一估计模块，用于根据所述第一子阵虚拟优化阵对应的自相关矩阵求得俯仰角的估计值；
第二估计模块，用于根据所述俯仰角的估计值估计第一子阵的方向矩阵和入射信号的自相关矩阵；
第三估计模块，用于根据第一子阵、第二子阵的接收数据矢量以及第一子阵的方向矩阵和入射信号的自相关矩计算第二子阵方向矩阵的估计值；
第四估计模块，用于根据所述第二子阵方向矩阵的估计值求到得方位角的估计值。
在一些实施例中，所述自相关模块包括：
自相关单元，用于计算第一子阵接收数据x1(t)在N次快拍下的自相关矩阵
向量化单元，用于将自相关矩阵向量化并去冗余得到观测矢量
构建单元，用于基于观测矢量构建一个Hermitian Toeplitz矩阵则就是第一子阵虚拟优化阵接收信号的自相关矩阵。
在一些实施例中，所述第一估计模块包括：
第一特征分解单元，用于将第一子阵虚拟优化阵接收信号的自相关矩阵进行特征分解，得到信号子空间Us；
第一估计单元，利用ESPRIT算法求得俯仰角的估计值
在一些实施例中，所述第二估计模块包括：
第二估计单元，用于根据所述俯仰角估计值估计第一子阵的方向矩阵
第二特征分解单元，对第一子阵的自相关矩阵进行特征分解，并对较小的特征值取平均，得到第一子阵上的噪声功率
第三估计单元，结合自相关矩阵噪声功率以及方向矩阵估计出入射信号的自相关矩阵
可选地，所述第四估计模块包括：
相位因子计算单元，用于计算第二子阵的相位因子；
第四估计单元，用于根据所述相位因子求得方位角θk的估计值。
需要说明的是，由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例的内容请参见方法部分的实施例的描述，这里暂不赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于L型嵌套阵的二维DOA估计方法，其特征在于，所述L型嵌套阵包括具有N1个阵元的第一子阵和具有N2个阵元的第二子阵，第一子阵和第二子阵共用原点处的阵元，所述第一子阵位于z轴上，所述第二子阵位于x轴上，所述L型嵌套阵接收K个不相关的远场窄带信号，信号入射方向和z轴、x轴的夹角分别为φ和β，入射信号在xoy平面内的投影与x轴的夹角为θ；第一子阵和第二子阵的接收数据矢量分别为x1(t)和x2(t)；该估计方法包括：
分别求出第一子阵接收信号的自相关矩阵和第一子阵虚拟优化阵接收信号的自相关矩阵；
根据所述第一子阵虚拟优化阵对应的自相关矩阵求得俯仰角的估计值；
根据所述俯仰角的估计值估计第一子阵的方向矩阵和入射信号的自相关矩阵；
根据第一子阵、第二子阵的接收数据矢量以及第一子阵的方向矩阵和入射信号的自相关矩计算第二子阵方向矩阵的估计值；
根据所述第二子阵方向矩阵的估计值求到得方位角的估计值。
2.根据权利要求1所述的一种基于L型嵌套阵的二维DOA估计方法，其特征在于，所述分别求出第一子阵接收信号和第一子阵虚拟优化阵接收信号的自相关矩阵，包括：
计算第一子阵接收数据x1(t)在N次快拍下的自相关矩阵
将自相关矩阵向量化并去冗余得到观测矢量
基于观测矢量构建一个Hermitian Toeplitz矩阵则就是第一子阵虚拟优化阵接收信号的自相关矩阵。
3.根据权利要求2所述的一种基于L型嵌套阵的二维DOA估计方法，其特征在于，根据所述第一子阵虚拟优化阵对应的自相关矩阵求得俯仰角的估计值，包括：
将第一子阵虚拟优化阵接收信号的自相关矩阵进行特征分解，得到信号子空间Us；
利用ESPRIT算法求得俯仰角的估计值
4.根据权利要求3所述的一种基于L型嵌套阵的二维DOA估计方法，其特征在于，根据所述俯仰角的估计值估计第一子阵的方向矩阵和入射信号的自相关矩阵，包括：
根据所述俯仰角估计值估计第一子阵的方向矩阵
对第一子阵的自相关矩阵进行特征分解，并对较小的特征值取平均，得到第一子阵上的噪声功率
结合自相关矩阵噪声功率以及方向矩阵估计出入射信号的自相关矩阵
5.根据权利要求4所述的一种基于L型嵌套阵的二维DOA估计方法，其特征在于，根据所述第二子阵方向矩阵的估计值求到得方位角的估计值，包括：
计算第二子阵的相位因子；
根据所述相位因子求得方位角θk的估计值。
6.一种基于L型嵌套阵的二维DOA估计装置，其特征在于，所述L型嵌套阵包括具有N1个阵元的第一子阵和具有N2个阵元的第二子阵，第一子阵和第二子阵共用原点处的阵元，所述第一子阵位于z轴上，所述第二子阵位于x轴上，所述L型嵌套阵接收K个不相关的远场窄带信号，信号入射方向和z轴、x轴的夹角分别为φ和β，入射信号在xoy平面内的投影与x轴的夹角为θ；第一子阵和第二子阵的接收数据矢量分别为x1(t)和x2(t)；该估计装置包括：
自相关模块，用于分别求出第一子阵接收信号的自相关矩阵和第一子阵虚拟优化阵接收信号的自相关矩阵；
第一估计模块，用于根据所述第一子阵虚拟优化阵对应的自相关矩阵求得俯仰角的估计值；
第二估计模块，用于根据所述俯仰角的估计值估计第一子阵的方向矩阵和入射信号的自相关矩阵；
第三估计模块，用于根据第一子阵、第二子阵的接收数据矢量以及第一子阵的方向矩阵和入射信号的自相关矩计算第二子阵方向矩阵的估计值；
第四估计模块，用于根据所述第二子阵方向矩阵的估计值求到得方位角的估计值。
7.根据权利要求6所述的一种基于L型嵌套阵的二维DOA估计装置，其特征在于，所述自相关模块包括：
自相关单元，用于计算第一子阵接收数据x1(t)在N次快拍下的自相关矩阵
向量化单元，用于将自相关矩阵向量化并去冗余得到观测矢量
构建单元，用于基于观测矢量构建一个Hermitian Toeplitz矩阵则就是第一子阵虚拟优化阵接收信号的自相关矩阵。
8.根据权利要求7所述的一种基于L型嵌套阵的二维DOA估计装置，其特征在于，所述第一估计模块包括：
第一特征分解单元，用于将第一子阵虚拟优化阵接收信号的自相关矩阵进行特征分解，得到信号子空间Us；
第一估计单元，利用ESPRIT算法求得俯仰角的估计值
9.根据权利要求8所述的一种基于L型嵌套阵的二维DOA估计装置，其特征在于，所述第二估计模块包括：
第二估计单元，用于根据所述俯仰角估计值估计第一子阵的方向矩阵
第二特征分解单元，对第一子阵的自相关矩阵进行特征分解，并对较小的特征值取平均，得到第一子阵上的噪声功率
第三估计单元，结合自相关矩阵噪声功率以及方向矩阵估计出入射信号的自相关矩阵
10.根据权利要求9所述的一种基于L型嵌套阵的二维DOA估计装置，其特征在于，所述第四估计模块包括：
相位因子计算单元，用于计算第二子阵的相位因子；
第四估计单元，用于根据所述相位因子求得方位角θk的估计值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910631285.1A CN110286351A (zh) | 2019-07-12 | 2019-07-12 | 一种基于l型嵌套阵的二维doa估计方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910631285.1A CN110286351A (zh) | 2019-07-12 | 2019-07-12 | 一种基于l型嵌套阵的二维doa估计方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110286351A true CN110286351A (zh) | 2019-09-27 |
Family
ID=68022829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910631285.1A Pending CN110286351A (zh) | 2019-07-12 | 2019-07-12 | 一种基于l型嵌套阵的二维doa估计方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110286351A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111474534A (zh) * | 2020-04-16 | 2020-07-31 | 电子科技大学 | 一种基于对称平行嵌套阵的二维doa估计方法 |
| CN112327292A (zh) * | 2020-10-11 | 2021-02-05 | 南京理工大学 | 一种二维稀疏阵列doa估计方法 |
| CN113341371A (zh) * | 2021-05-31 | 2021-09-03 | 电子科技大学 | 一种基于l阵和二维esprit算法的doa估计方法 |
| CN113791378A (zh) * | 2021-08-31 | 2021-12-14 | 长沙航空职业技术学院 | 稀疏l型阵列的二维角度分析方法、系统、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104730491A (zh) * | 2015-03-06 | 2015-06-24 | 中国计量学院 | 一种基于l型阵的虚拟阵列doa估计方法 |
| CN106054123A (zh) * | 2016-06-06 | 2016-10-26 | 电子科技大学 | 一种稀疏l阵及其二维doa估计方法 |
| CN108957391A (zh) * | 2018-07-24 | 2018-12-07 | 北京理工大学 | 一种基于嵌套阵列的l型天线阵的二维波达方向估计方法 |
| CN109270483A (zh) * | 2018-08-27 | 2019-01-25 | 西安电子科技大学 | 三维阵虚拟扩展相干源二维波达方向估计方法 |
| CN109490820A (zh) * | 2018-11-13 | 2019-03-19 | 电子科技大学 | 一种基于平行嵌套阵的二维doa估计方法 |
| CN109521393A (zh) * | 2018-11-05 | 2019-03-26 | 昆明理工大学 | 一种基于信号子空间旋转特性的波达方向估计算法 |
| JP2019090749A (ja) * | 2017-11-16 | 2019-06-13 | 富士通株式会社 | 到来方向推定装置および到来方向推定方法 |
-
2019
- 2019-07-12 CN CN201910631285.1A patent/CN110286351A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104730491A (zh) * | 2015-03-06 | 2015-06-24 | 中国计量学院 | 一种基于l型阵的虚拟阵列doa估计方法 |
| CN106054123A (zh) * | 2016-06-06 | 2016-10-26 | 电子科技大学 | 一种稀疏l阵及其二维doa估计方法 |
| JP2019090749A (ja) * | 2017-11-16 | 2019-06-13 | 富士通株式会社 | 到来方向推定装置および到来方向推定方法 |
| CN108957391A (zh) * | 2018-07-24 | 2018-12-07 | 北京理工大学 | 一种基于嵌套阵列的l型天线阵的二维波达方向估计方法 |
| CN109270483A (zh) * | 2018-08-27 | 2019-01-25 | 西安电子科技大学 | 三维阵虚拟扩展相干源二维波达方向估计方法 |
| CN109521393A (zh) * | 2018-11-05 | 2019-03-26 | 昆明理工大学 | 一种基于信号子空间旋转特性的波达方向估计算法 |
| CN109490820A (zh) * | 2018-11-13 | 2019-03-19 | 电子科技大学 | 一种基于平行嵌套阵的二维doa估计方法 |
Non-Patent Citations (2)
| Title |
|---|
| CHAO NIU, YONGSHUN ZHANG, AND JIANRONG GUO: "Interlaced Double-Precision 2-D Angle Estimation", 《IEEE SIGNAL PROCESSING LETTERS》 * |
| 杨荣山等: "基于L型阵的ESPRIT算法在DOA估计中的应用", 《无线电通信技术》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111474534A (zh) * | 2020-04-16 | 2020-07-31 | 电子科技大学 | 一种基于对称平行嵌套阵的二维doa估计方法 |
| CN111474534B (zh) * | 2020-04-16 | 2023-04-07 | 电子科技大学 | 一种基于对称平行嵌套阵的二维doa估计方法 |
| CN112327292A (zh) * | 2020-10-11 | 2021-02-05 | 南京理工大学 | 一种二维稀疏阵列doa估计方法 |
| CN112327292B (zh) * | 2020-10-11 | 2024-01-09 | 南京理工大学 | 一种二维稀疏阵列doa估计方法 |
| CN113341371A (zh) * | 2021-05-31 | 2021-09-03 | 电子科技大学 | 一种基于l阵和二维esprit算法的doa估计方法 |
| CN113341371B (zh) * | 2021-05-31 | 2022-03-08 | 电子科技大学 | 一种基于l阵和二维esprit算法的doa估计方法 |
| CN113791378A (zh) * | 2021-08-31 | 2021-12-14 | 长沙航空职业技术学院 | 稀疏l型阵列的二维角度分析方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109932680B (zh) | 一种基于平移互质阵列的非圆信号波达方向估计方法 | |
| CN109490820B (zh) | 一种基于平行嵌套阵的二维doa估计方法 | |
| CN110286351A (zh) | 一种基于l型嵌套阵的二维doa估计方法及装置 | |
| CN106483493B (zh) | 一种稀疏双平行线阵及二维波达方向估计方法 | |
| CN108120967B (zh) | 一种平面阵列doa估计方法及设备 | |
| CN110286350A (zh) | 一种l型稀疏阵doa估计的精确配对方法及装置 | |
| CN109597020A (zh) | 一种使用互质线阵进行低复杂度角度估计的方法 | |
| CN109239657A (zh) | 装载嵌套阵无人机平台下的辐射源高精度定位方法 | |
| CN109581276A (zh) | 一种基于求和求差嵌套阵的doa估计方法 | |
| CN112130111B (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
| CN109959891A (zh) | 电磁矢量l阵中空间角与极化参数的降维谱峰搜索方法 | |
| CN109946643B (zh) | 基于music求解的非圆信号波达方向角估计方法 | |
| CN109633520B (zh) | 一种均匀圆阵超分辨率空间谱估计方法 | |
| 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 | |
| CN111983554A (zh) | 非均匀l阵下的高精度二维doa估计 | |
| CN104020440B (zh) | 基于l型干涉式线性阵列的二维波达角估计方法 | |
| CN107576951A (zh) | 基于嵌套式电磁矢量传感器阵列的波达方向估计方法 | |
| CN111352063A (zh) | 一种均匀面阵中基于多项式求根的二维测向估计方法 | |
| CN109782218A (zh) | 一种基于双平行天线阵的相干分布式非圆信号doa估计方法 | |
| CN111693947A (zh) | 基于互质阵列doa估计的改进music方法 | |
| CN113835063A (zh) | 一种无人机阵列幅相误差与信号doa联合估计方法 | |
| CN113296050B (zh) | 基于各向异性阵列的极化和角度参数联合估计方法 | |
| CN109696651B (zh) | 一种基于m估计的低快拍数下波达方向估计方法 | |
| CN112733333A (zh) | 互质面阵中一种基于多项式求根的二维测向估计方法 | |
| CN112763972A (zh) | 基于稀疏表示的双平行线阵二维doa估计方法及计算设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |
|
| RJ01 | Rejection of invention patent application after publication |