CN110398732A - 低计算量自适应步长迭代搜索的目标方向检测方法 - Google Patents
低计算量自适应步长迭代搜索的目标方向检测方法 Download PDFInfo
- Publication number
- CN110398732A CN110398732A CN201910540837.8A CN201910540837A CN110398732A CN 110398732 A CN110398732 A CN 110398732A CN 201910540837 A CN201910540837 A CN 201910540837A CN 110398732 A CN110398732 A CN 110398732A
- Authority
- CN
- China
- Prior art keywords
- search
- space
- stepping
- amount
- sample space
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 36
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 87
- 230000003595 spectral effect Effects 0.000 claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 28
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000009792 diffusion process Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000003199 nucleic acid amplification method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 230000017105 transposition Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/62—Sense-of-movement determination
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种低计算量自适应步长迭代搜索的目标方向检测方法,首先利用大步长均匀搜索,在很低运算量付出下,计算不同位置的谱峰高度;然后进入迭代搜索过程,根据上次搜索的谱峰高度,巧妙设计一种自适应步长求解方法,使得下一次搜索的步长和对应位置谱峰高度成反比,这使得在高谱峰处,以更小的步长进行搜索,防止漏掉目标并提高精度;在低谱峰处,以更大的步长搜索甚至不搜索,显著降低计算量。相同计算量付出情况下,本发明方法估计目标方向的精度优于传统的多重信号分类方法;相同精度要求下,本发明方法需要的计算量显著降低;对提高实际系统实时性,增强连续定位能力,降低雷达信号处理模块复杂度,提高硬件电路可靠性有明显意义。
Description
技术领域
本发明属于雷达定位技术领域,以空间等间距分布的线型雷达阵列为例,提出了一种自适应迭代搜索的目标方向检测方法,具体涉及一种低计算量自适应步长迭代搜索的目标方向检测方法。
背景技术
目标方向检测是雷达、声纳、移动通信等众多领域的关键技术。高分辨方向检测方法中,多重信号分类方法是最具代表性的方法,它可以分辨一个波束内的多个目标信号,突破了方向检测的瑞利限。但是,传统多重信号分类方法需要庞大的计算量来进行空间谱峰搜索穷尽搜索,以达到高分辨率的特性。庞大的计算量首先导致计算速度和存储容量要求苛刻,进而导致实际应用中方法实时性难以保证,无法完成目标的连续定位。同时,大计算量迫使信号处理在高速时钟频率下进行,对频率源电路稳定性要求很高,且后续信号处理时序调整极为费力,电路可靠性降低。
发明内容
针对现有技术中的缺陷和不足,本发明提供了一种低计算量自适应步长迭代搜索的目标方向检测方法,克服传统多重信号分类方法需要庞大的计算量来进行空间谱峰搜索穷尽搜索,庞大的计算量导致计算速度和存储容量要求苛刻,进而导致实际应用中方法实时性难以保证,无法完成目标的连续定位等缺陷。
为达到上述目的,本发明采取如下的技术方案:
本发明提供一种低计算量自适应步长迭代搜索的目标方向检测方法,该方法包括如下步骤:
步骤一,布设雷达阵列天线及目标信号:将m个各向同性的雷达收发组件,以等间距d排列成直线阵列,并在以雷达阵列天线为基准的二维空间内的任意方向部署P个非相干窄带目标信号;
步骤二,雷达阵列天线接收目标信号数据:雷达阵列天线的RF前端将空域中的目标信号采样H次并放大得到矩阵型雷达数据的模拟信号,再经过A/D转换模块将此信号转化为矩阵型雷达数据的数字信号:X=[x(t1),x(t2),…,x(th)…,x(tH)],其中x(th)=[x1(th),x2(th),…,xp(th),xP(th)]T(p=1,2,…,P),并将其传递给DSP和FPGA核心处理板;
步骤三,对矩阵型数据进行预处理:将步骤二得到的矩阵型数据先由FPGA专用处理器进行矩阵型数据的并行预处理,再由DSP数字信号处理器进行特征值分解运算,得到噪声子空间Un,存储在高速缓冲存储器cache中;
步骤四,进行低计算量自适应步长迭代搜索:先通过均匀粗搜索求解出采样空间,再通过采样空间求解出对于的导向矢量,然后与步骤3得到的噪声子空间共同求解出对应的空间谱峰值,进而求解出各采样点对应的搜索步进量,最后根据求解出的步进量与各采样点进行左右插值搜索得到新一轮迭代所需要的采样空间,直至求解出真实信号所在方位角。
本发明还包括如下技术特征:
具体的,所述步骤三包括如下步骤:
步骤3.1,由FPGA对矩阵型数据xk(t)(x=1,2,…,P)构造协方差矩阵Rx,并存储在高速缓冲存储器cache中;
步骤3.2,由DSP将步骤3.1中的协方差矩阵的Rx分解得到特征值与特征向量并进行排序;
步骤3.3,DSP依据低功率噪声的特性将步骤3.2中的特征值与特征向量数据进一步分离构造出噪声子空间Un,将得到的数据存储在高速缓冲存储器cache中。
具体的,所述步骤四的搜索方法是根据谱峰扩散效应而进行一种根据上次搜索点的谱峰值的大小而改变该搜索点附近区域的搜索间隔的迭代插值搜索方法;此步骤需要FPGA与DSP进行协同处理,FPGA用作矩阵型数据的并行运算,DSP用于谱峰搜索过程;
所述步骤四包括如下步骤:
步骤4.1,在方位角区间(0°,90°)范围内,先以大步进量δ进行步进均匀搜索,得到初始采样空间θ(0)=[0°,δ,2δ,…,nδ,…,90°](0°<nδ<90°);
步骤4.2,通过步骤4.1得到的初始采样空间θ(0),求解出对应的导向矢量
步骤4.3,将步骤3.3中得到的噪声子空间Un与步骤4.2得到的导向矢量a(θ)代入到空间谱峰函数公式:来求取出与采样空间θ(0)对应的谱峰信息:p(0)=[p(0°),p(δ),p(2δ),…,p(nδ),…,p(90°)],接着将p(0)中的最大值pm (0)求出,之后的pm (n)表示p(n)的最大值,将数据存储在普通存储器中;
步骤4.4,求取出初始采样空间θ(0)中的各个搜索点对应的下次搜索的步进量其中0<F<1为迭代因子,控制迭代搜索过程的收敛速度;p(θ(0))为p(0)中的某一采样点;
步骤4.5,在本次搜索过程中,以步骤4.1得到的初始采样空间θ(0)中的各个搜索点为基准,以步骤4.4求得的Δ(0)为步进量,向两边相邻搜索点进行均匀插值搜索得到新的采样空间;
其中包括向右端进行插值搜索的右采样空间:
以及向左端进行插值搜索的左采样空间:
接着将左右采样空间进行合并以及排序得到最新的采样空间:
其中为第s个搜索点,与为0°与90°;根据最新采样空间θ(1)重复步骤4.2,4.3得出与该采样空间对应的空间谱峰向量:
步骤4.6,以最新得到的采样空间为新基准采样空间;相应的,重复步骤4.5可以得到新的采样空间θ(2);与步骤4.5所不同的是:在步骤4.5中的基准采样空间θ(0)为均匀搜索空间,其中每个搜索点的间距为均为δ;因此根据可知,在第s个搜索点的左右邻域所对应的步进量均为在步骤4.6中,由于步骤4.5所进行的插值搜索,使得第s个搜索点左右间隔并不相等,因此左右邻域对应步进量也不相同,此时对步进量的求解公式做出修正;分开计算左右插值搜索的步进量为与以修正后的公式求解出对应的步进量之后,继续按照步骤4.5进行插值搜索,得出最新的采样空间:其中为第s个搜索点,与为0°与90°;
步骤4.7,重复步骤4.6直到精度满足要求即可退出迭代,其中最新采样空间中的谱峰极大值所对应的采样点的方位角即为所要求得的目标信号到达方向。
步骤一中,所述间距d接近1/2的窄带目标信号的波长,以防止虚假谱峰的出现;步骤二中,将空域中的目标信号在一个周期内采样1000次。
采用高速缓冲存储器以及普通存储器组成的存储器分级结构进行存储数据;高速缓冲存储器cache具有高速存储数据的特点,但是价格昂贵,用来存储经常使用的数据;普通存储器,速度较低,但是价格便宜,用来存储大量不常用的数据。
本发明与现有技术相比,有益的技术效果是:
本发明提出一种低计算量的目标方向检测方法,注意到谱峰高度可以反应目标存在概率的高低这个自然规律。我们首先利用大步长均匀搜索,在很低运算量付出下,计算不同位置的谱峰高度,然后进入迭代搜索过程,根据上次搜索的谱峰高度,巧妙设计一种自适应步长求解方法,使得下一次搜索的步长和对应位置谱峰高度成反比,这使得在高谱峰处,以更小的步长进行搜索,防止漏掉目标并提高精度。在低谱峰处,以更大的步长搜索甚至不搜索,显著降低计算量。总体达到了两个技术效果:(1)相同计算量付出情况下,本发明方法估计目标方向的精度优于传统的多重信号分类方法。(2)相同精度要求下,本发明方法需要的计算量显著降低。该技术效果,对提高实际系统实时性,增强连续定位能力,降低雷达信号处理模块复杂度,提高硬件电路可靠性有明显意义。
与已知的多重信号分类方法相比,本发明在计算量相等的情况下,能有效提高目标方向的搜索精度,进而极大地提高雷达阵列对空间目标定位的准确性和实时性,减小了雷达目标跟踪中,由于复杂计算量对信号处理器的运算速度要求,解决了大计算量搜索算法常见的丢失目标的问题。
附图说明
图1为本发明初始均匀粗搜索示意图。
图2为本发明第一次迭代搜索示意图。
图3为本发明第二次迭代搜索示意图。
图4为本发明第三次迭代搜索示意图。
图5为多重信号分类搜寻信号示意图。
图6为本发明的方法与多重信号分类方法的均方根误差对比示意图。
图7为本发明的方法与多重信号分类方法的计算量的对比示意图。
图8为本发明的方法与多重信号分类方法的均方根误差随信噪比变化的对比示意图。
图9为本发明的方法与多重信号分类方法的均方根误差随采样数变化的对比示意图。
图10为本发明方法对实际雷达数据的处理和目标跟踪效果示意图。
图11为多重信号分类方法(经典MUSIC)对实际雷达数据的处理和目标跟踪效果示意图。
具体实施方式
为清晰地描述本发明,先介绍均匀线性雷达阵列信号模型。考虑m个间距为d的雷达收发组件构成均匀直线阵列,接收P个中心波长为λ的远场窄带信号,各信号之间互不干扰,且各信号与阵列夹角为θ=[θ1,θ2,…,θP]。因此,雷达阵列接收信号可表示为:
x(t)=A(θ)s(t)+n(t),
其中A=[a(θ1),a(θ2),…,a(θp)…,a(θP)]为阵列导向矢量矩阵,该矩阵中蕴含着信号的方向信息。a(θp)=[a1(θp),a2(θp),…,am(θp),…aM(θp)]T(p=1,2,…,P)为相互线性独立的导向矢量。导向矢量中各元素的表达式为am(θp)=exp[j(2π/λ)(m-1)dsinθp](m=1,2,…,M),阵列输出中源信号矢量为s(t)=[s1(t),s2(t),…,sP(t)]T,sk(t)(k=1,2,…,P)为第k个信号源在振元上的信号强度。噪声矢量为n(t)=[n1(t),n2(t),…,nM(t)]T。接下来对阵列输出做协方差处理得到协方差矩阵Rx为:
Rx=ARsAH+σ2I,
接着对协方差矩阵做特征分解得出信号与噪声子空间:
Rx=UsΛsUs H+σ2UnUn H,根据阵列导向矢量矩阵A和所得到的噪声子空间Un的正交性可以估计出信号来波方向,空间谱函数如下:
当(4)式中θ等于实际目标方向时,空间谱就会出现一个峰值,我们可以通过此特性来检测目标的实际方向,这就是多重信号分类方法估计目标方向的原理。
传统多重信号分类方法搜索方法为均匀搜索,它在各方向上具有相同的搜索步进量,因此该方法想获得高分辨率特性,会产生大量的计算量。本发明对传统多重信号分类方法搜索过程进行了优化,该发明的主要理论推导如下:
本发明先以均匀大步长粗搜索提取出初始空间谱峰信息,虽然此步骤下搜索方式与传统多重信号分类方法方法相同,但是此搜索方法与传统的多重信号分类方法方法相比具有较大的步进量,此步骤的目的是以较低的计算量找到信号源的大致方向,并且给下次迭代搜索提供初始谱峰信息。假设此步骤的初始采样空间为:
因为初始搜索为固定步进量的均匀搜索,所以我们可以得到初始步进量为:
然后我们可以得到初始空间谱峰向量为:
信号源的个数为P,我们设p(0)中的最大值为我们以空间谱峰函数值的倒数为变量经过合理正则化和归一化之后得到下次迭代搜索所需的步进量与初始谱峰向量p(0)之间的函数关系:
式中F为迭代因子(正则化参数),它控制迭代收敛速度及谱峰产生新迭代值的下限,即为搜索点对应的下次迭代搜索步进量,它与空间谱峰函数p(0)成反比关系,由于谱峰函数的泄露现象,在接近实际目标方向的周围会产生很小的在第一次迭代搜索中,我们以初始采样空间θ(0)为基准,以每个采样点所求得的为步进量进行搜索,即对应的下次采样空间为:
我们可以看出越高的对应越小的则在下次迭代搜索过程中搜索点将越密集。值得注意的一点的是,在远离目标方向的方向上,由于谱峰值很低,会产生很高的步进量,甚至会超过初始均匀搜索的步进量,即或此时在区间内将不会再迭代出新的搜索点,这正是本发明自适应对准特性的原因。因此下次采样空间为:
同样的我们通过采样空间θ(1)得到谱峰函数向量p(1),而且p(1)最大值为显然第一次迭代搜索为非均匀搜索,即
所以对于来说,此时左右邻域的步进量将会有所不同,此时分开计算:
因此对应第三次采样点为
且对应于以此步骤继续实施,迭代三次即可迅速找到波达方向。
具体的,在本发明中所出现的a(θp)=[a1(θp),a2(θp),…,am(θp),…aM(θp)]T为[a1(θp),a2(θp),…,am(θp),…aM(θp)]的转置;
s(t)=[s1(t),s2(t),…,sP(t)]T为[s1(t),s2(t),…,sP(t)]的转置;
n(t)=[n1(t),n2(t),…,nM(t)]T为[n1(t),n2(t),…,nM(t)]的转置;ΑH为Α的共轭转置;aH(θ)为a(θ)的共轭转置;Us H为Us的共轭转置;Un H为Un的共轭转置。
遵从上述技术方案,以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。下面结合附图与实施例对本发明做进一步详细说明。
实施例1:
本实施例的低计算量自适应步长迭代搜索的目标方向检测方法,在S波段部署基于10个TR组件构成的传感器构成阵列雷达,雷达信号处理板采用FPGA芯片XC6SLX100-3FG676,射频雷达信号发射源为固定点目标,该目标可在固定钢丝绳上做直线非匀速滑动,以检测本发明方法对目标的跟踪能力。信号处理部分分别用本发明方法和经典MUSIC方法对雷达接收数据处理并得到各雷达信号发射源的具体方位,实现雷达定位功能。
上述基于低计算量自适应步长迭代搜索的目标方向检测方法,具体包括以下步骤:
步骤一,部设雷达阵列天线及目标信号:将m个各向同性的雷达收发组件,以等间距d排列成直线阵列,并在以雷达阵列天线为基准的二维空间内的任意方向部署P个非相干窄带目标信号。
步骤二,雷达阵列天线接收目标信号数据:雷达阵列天线的RF前端将空域中的目标信号数据采样H次并放大得到矩阵型雷达数据的模拟信号,再经过A/D转换模块此信号转化为矩阵型雷达数据的数字信号:
X=[x(t1),x(t2),…,x(th)…,x(tH)],
其中x(th)=[x1(th),x2(th),…,xp(th),xP(th)]T(p=1,2,…,P)并传递给DSP和FPGA核心处理板。
步骤三,对矩阵型数据进行预处理:将步骤二得到的矩阵型数据先由FPGA专用处理器进行矩阵型数据的并行预处理,再由DSP数字信号处理器进行特征值分解运算,得到噪声子空间Un,存储在由高速缓冲存储器cache中;共分为以下三个步骤:
步骤3.1,由FPGA对步骤二矩阵型采样数据xk(t)(x=1,2,…,P)构造协方差矩阵Rx,并存储在高速缓冲存储器中。
步骤3.2,由DSP将步骤3.1中的协方差矩阵Rx分解得到特征值与特征向量并进行排序。
步骤3.3,DSP依据低功率噪声的特性将步骤3.2中的特征值与特征向量数据进一步分离构造出噪声子空间Un,并存储在高速缓冲存储器中。
步骤四,进行低计算量自适应步长迭代搜索:先通过均匀粗搜索求解出采样空间,再通过采样空间求解出对应的导向矢量,然后与步骤3得到的噪声子空间共同求解出对应的空间谱峰值,进而求解出各采样点对应的搜索步进量,最后根据求解出的步进量与各采样点进行左右插值搜索得到新一轮迭代所需要的采样空间,直至求解出真实信号所在方位角。本搜索方法是根据谱峰扩散效应而进行一种根据上次搜索点的谱峰值的大小而改变该搜索点附近区域的搜索间隔的迭代插值搜索方法;谱峰扩散效应:当估计值偏离实际值时,仍会出现一个空间谱峰,但随着偏离实际DOA值的增加,谱峰会变小,但仍然存在空间谱峰。
共分为以下步骤:
步骤4.1,在方位角区间(0°,90°)范围内,先以大步进量δ进行步进均匀搜索,得到初始采样空间θ(0)=[0°,δ,2δ,…,nδ,…,90°](0°<nδ<90°);
步骤4.2,通过步骤4.1得到的初始采样空间θ(0),求解出对应的导向矢量
步骤4.3,将步骤3.3中得到的噪声子空间Un与步骤4.2得到的导向矢量a(θ)代入到空间谱峰函数公式:
来求取出与初始采样空间θ(0)对应的空间谱峰信息,如图1所示:
p(0)=[p(0°),p(δ),p(2δ),…,p(nδ),…,p(90°)],
接着将p(0)中的最大值pm (0)(之后的pm (n)表示p(n)的最大值)求出,将数据存储在普通存储器中;
步骤4.4,求取出初始采样空间θ(0)中的各个搜索点对应的下次搜索的步进量其中0<F<1为迭代因子,控制迭代搜索过程的收敛速度;p(θ(0))为p(0)中的某一采样点;(此之后的代表第n个搜索点所对应的第y+1次迭代搜索的步进量);迭代因子F:F只能取0到1之间,当F较小,则求取出的越小,对应的下次搜索更密集,迭代搜索的采样点数较多,精度较高。当F较小,则求取出的越大,对应的下次搜索更稀疏,迭代搜索的采样点数较少,相应精度较低。实际工程实现时,要根据具体情况确定迭代次数,需要指出的是迭代因子的选取只会影响最后计算量的多少,不会对算法运行造成影响。
步骤4.5,在本次搜索过程中,我们以步骤4.1得到的初始采样空间θ(0)中的各个搜索点为基准,以步骤4.4求得的Δ(0)为步进量,向两边相邻搜索点进行均匀插值搜索得到新的采样空间;
其中包括向右端进行插值搜索的右采样空间:
以及向左端进行插值搜索的左采样空间:
接着将左右采样空间进行合并以及排序得到最新的采样空间:
其中为第s个搜索点,与为0°与90°;然后,根据最新采样空间θ(1)重复步骤4.2,4.3得出与该采样空间对应的空间谱峰向量,如图2所示:
步骤4.6,以最新的采样空间为新基准采样空间,相应的,重复步骤4.5可以得到新的采样空间θ(2),与步骤4.5所不同的是:在步骤4.5中的基准采样空间θ(0)为均匀搜索空间,其中每个搜索点的间距为均为δ;因此根据可知,在第s个搜索点的左右邻域所对应的步进量均为
但是在步骤4.6中,由于步骤4.5所进行的插值搜索,使得第s个搜索点左右间隔并不相等,因此左右邻域对应步进量也不相同,此时对步进量的求解公式做出修正;分开计算左右插值搜索的步进量为与以修正后的公式求解出对应的步进量之后,
继续按照步骤4.5进行插值搜索,得出最新的采样空间:
其中为第s个搜索点,与为0°与90°;此时,重复步骤4.2,4.3得出与该采样空间对应的空间谱峰向量,如图3所示:
步骤4.7,重复步骤4.6直到精度满足要求即可退出迭代,其中最新采样空间中的谱峰极大值所对应的采样点的方位角即为所要求得的目标信号到达方向;(本例迭代三次,如图4所示,为第三次迭代搜索示意图。)
最后,为比较说明本发明方的法优越性,附上图5到图11;图5为多重信号分类搜寻信号示意图,经过对比可以看出,本发明图1的步进量比图5的步进量大,图1到图4中本发明方法的搜索点的分布更趋向于真实目标方向,而图5中的多重信号分类方法则为均匀分布。从图6本发明的方法与多重信号分类方法的均方根误差对比和图7的方法与多重信号分类方法的计算量的对比可以看出,本发明方法在计算量小的情况下,均方根误差也较小。图8的方法与多重信号分类方法的均方根误差随信噪比变化的对比可以看出,在不同信噪比下,本发明方法的均方根误差均比多重信号分类方法小。图9的方法与多重信号分类方法的均方根误差随采样数变化的对比可以看出,在不同采样数下,本发明方法的均方根误差均比多重信号分类方法小。图10为本发明方法对实际雷达数据的处理和目标跟踪效果示意图,即本发明方法对运动目标的跟踪特性;图11为多重信号分类方法(经典MUSIC)对实际雷达数据的处理和目标跟踪效果示意图,即本多重信号分类方法对运动目标的跟踪特性,对比图10和图11可见,本发明方法对运动目标的跟踪特性更好;综上,本方法在很多情况下比多重信号分类算法更加优秀。
通过以上分析可知,本方法减少系统搜寻波达角时的时间,提升了系统的实时性,降低了系统搜索波达方向角时的计算量,在实际应用中减轻了信号处理单元的压力,解决了目标跟踪的实时性问题,不会丢失目标。
Claims (5)
1.一种低计算量自适应步长迭代搜索的目标方向检测方法,其特征在于,该方法包括如下步骤:
步骤一,布设雷达阵列天线及目标信号:将m个各向同性的雷达收发组件,以等间距d排列成直线阵列,并在以雷达阵列天线为基准的二维空间内的任意方向部署P个非相干窄带目标信号;
步骤二,雷达阵列天线接收目标信号数据:雷达阵列天线的RF前端将空域中的目标信号采样H次并放大得到矩阵型雷达数据的模拟信号,再经过A/D转换模块将此信号转化为矩阵型雷达数据的数字信号:X=[x(t1),x(t2),…,x(th)…,x(tH)],其中x(th)=[x1(th),x2(th),…,xp(th),xP(th)]T(p=1,2,…,P),并将其传递给DSP和FPGA核心处理板;
步骤三,对矩阵型数据进行预处理:将步骤二得到的矩阵型数据先由FPGA专用处理器进行矩阵型数据的并行预处理,再由DSP数字信号处理器进行特征值分解运算,得到噪声子空间Un,存储在高速缓冲存储器cache中;
步骤四,进行低计算量自适应步长迭代搜索:先通过均匀粗搜索求解出采样空间,再通过采样空间求解出对于的导向矢量,然后与步骤3得到的噪声子空间共同求解出对应的空间谱峰值,进而求解出各采样点对应的搜索步进量,最后根据求解出的步进量与各采样点进行左右插值搜索得到新一轮迭代所需要的采样空间,直至求解出真实信号所在方位角。
2.如权利要求1所述的低计算量自适应步长迭代搜索的目标方向检测方法,其特征在于,所述步骤三包括如下步骤:
步骤3.1,由FPGA对矩阵型数据xk(t)(x=1,2,…,P)构造协方差矩阵Rx,并存储在高速缓冲存储器cache中;
步骤3.2,由DSP将步骤3.1中的协方差矩阵的Rx分解得到特征值与特征向量并进行排序;
步骤3.3,DSP依据低功率噪声的特性将步骤3.2中的特征值与特征向量数据进一步分离构造出噪声子空间Un,将得到的数据存储在高速缓冲存储器cache中。
3.如权利要求2所述的低计算量自适应步长迭代搜索的目标方向检测方法,其特征在于,所述步骤四的搜索方法是根据谱峰扩散效应而进行一种根据上次搜索点的谱峰值的大小而改变该搜索点附近区域的搜索间隔的迭代插值搜索方法;此步骤需要FPGA与DSP进行协同处理,FPGA用作矩阵型数据的并行运算,DSP用于谱峰搜索过程;
所述步骤四包括如下步骤:
步骤4.1,在方位角区间(0°,90°)范围内,先以大步进量δ进行步进均匀搜索,得到初始采样空间θ(0)=[0°,δ,2δ,…,nδ,…,90°](0°<nδ<90°);
步骤4.2,通过步骤4.1得到的初始采样空间θ(0),求解出对应的导向矢量
步骤4.3,将步骤3.3中得到的噪声子空间Un与步骤4.2得到的导向矢量a(θ)代入到空间谱峰函数公式:来求取出与采样空间θ(0)对应的谱峰信息:p(0)=[p(0°),p(δ),p(2δ),…,p(nδ),…,p(90°)],接着将p(0)中的最大值pm (0)求出,之后的pm (n)表示p(n)的最大值,将数据存储在普通存储器中;
步骤4.4,求取出初始采样空间θ(0)中的各个搜索点对应的下次搜索的步进量其中0<F<1为迭代因子,控制迭代搜索过程的收敛速度;p(θ(0))为p(0)中的某一采样点;
步骤4.5,在本次搜索过程中,以步骤4.1得到的初始采样空间θ(0)中的各个搜索点为基准,以步骤4.4求得的Δ(0)为步进量,向两边相邻搜索点进行均匀插值搜索得到新的采样空间;
其中包括向右端进行插值搜索的右采样空间:
以及向左端进行插值搜索的左采样空间:
接着将左右采样空间进行合并以及排序得到最新的采样空间:
其中为第s个搜索点,θ1 (1)与为0°与90°;根据最新的采样空间θ(1)重复步骤4.2,4.3得出与该采样空间对应的空间谱峰向量:
步骤4.6,以最新的采样空间为新基准采样空间;相应的,重复步骤4.5可以得到新的采样空间θ(2);与步骤4.5所不同的是:在步骤4.5中的基准采样空间θ(0)为均匀搜索空间,其中每个搜索点的间距为均为δ;因此根据可知,在第s个搜索点的左右邻域所对应的步进量均为在步骤4.6中,由于步骤4.5所进行的插值搜索,使得第s个搜索点左右间隔并不相等,因此左右邻域对应步进量也不相同,此时对步进量的求解公式做出修正;分开计算左右插值搜索的步进量为与以修正后的公式求解出对应的步进量之后,继续按照步骤4.5进行插值搜索,得出最新的采样空间:其中为第s个搜索点,θ1 (1)与为0°与90°;
步骤4.7,重复步骤4.6直到精度满足要求即可退出迭代,其中最新的采样空间中的谱峰极大值所对应的采样点的方位角即为所要求得的目标信号到达方向。
4.如权利要求1所述的低计算量自适应步长迭代搜索的目标方向检测方法,其特征在于,步骤一中,所述间距d接近1/2的窄带目标信号的波长,以防止虚假谱峰的出现;步骤二中,将空域中的目标信号在一个周期内采样1000次。
5.如权利要求1所述的低计算量自适应步长迭代搜索的目标方向检测方法,其特征在于,采用高速缓冲存储器以及普通存储器组成的存储器分级结构进行存储数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910540837.8A CN110398732B (zh) | 2019-06-21 | 2019-06-21 | 低计算量自适应步长迭代搜索的目标方向检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910540837.8A CN110398732B (zh) | 2019-06-21 | 2019-06-21 | 低计算量自适应步长迭代搜索的目标方向检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110398732A true CN110398732A (zh) | 2019-11-01 |
CN110398732B CN110398732B (zh) | 2023-02-14 |
Family
ID=68323321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910540837.8A Expired - Fee Related CN110398732B (zh) | 2019-06-21 | 2019-06-21 | 低计算量自适应步长迭代搜索的目标方向检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110398732B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112711720A (zh) * | 2020-12-31 | 2021-04-27 | 广州宸祺出行科技有限公司 | 一种降低出行成本的上车点推荐方法及系统 |
CN112799049A (zh) * | 2020-12-30 | 2021-05-14 | 中山联合汽车技术有限公司 | 毫米波雷达平台超分辨测角方法、装置、设备及存储介质 |
CN113552533A (zh) * | 2021-07-19 | 2021-10-26 | 北京华力创通科技股份有限公司 | 一种空间谱估计方法、装置、电子设备及存储介质 |
CN113791649A (zh) * | 2021-09-16 | 2021-12-14 | 中国电子科技集团公司第五十四研究所 | 一种基于数字引导的管道涵盖动态跟踪捕获方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5043737A (en) * | 1990-06-05 | 1991-08-27 | Hughes Aircraft Company | Precision satellite tracking system |
EP0660136A2 (en) * | 1993-12-20 | 1995-06-28 | Schlumberger Limited | Downhole processing of sonic waveform information |
GB0023118D0 (en) * | 2000-09-20 | 2000-11-01 | Nec Technologies Uk Ltd | Removal of reference frequency offset of a local oscillator in a telecommunications receiver |
CN101487888A (zh) * | 2009-02-23 | 2009-07-22 | 重庆大学 | 一种空间谱谱峰搜索方法 |
US20110033059A1 (en) * | 2009-08-06 | 2011-02-10 | Udaya Bhaskar | Method and system for reducing echo and noise in a vehicle passenger compartment environment |
CN101984360A (zh) * | 2010-07-29 | 2011-03-09 | 中国人民解放军海军航空工程学院 | 基于frft的归一化泄露lms自适应动目标检测器 |
CN103592642A (zh) * | 2013-10-22 | 2014-02-19 | 西安电子科技大学 | Mimo雷达波形的设计方法 |
CN105659547A (zh) * | 2013-10-22 | 2016-06-08 | 瑞典爱立信有限公司 | 用于峰值均值功率比降低的方法和装置 |
CN106646347A (zh) * | 2016-11-25 | 2017-05-10 | 天津津航计算技术研究所 | 基于小生境差分进化的多重信号分类谱峰搜索方法 |
CN107064892A (zh) * | 2016-11-11 | 2017-08-18 | 长江大学 | 基于张量子空间和旋转不变的mimo雷达角度估计算法 |
CN109061619A (zh) * | 2018-06-25 | 2018-12-21 | 西北大学 | 一种信号处理的方法、设备及计算机存储介质 |
-
2019
- 2019-06-21 CN CN201910540837.8A patent/CN110398732B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5043737A (en) * | 1990-06-05 | 1991-08-27 | Hughes Aircraft Company | Precision satellite tracking system |
EP0660136A2 (en) * | 1993-12-20 | 1995-06-28 | Schlumberger Limited | Downhole processing of sonic waveform information |
GB0023118D0 (en) * | 2000-09-20 | 2000-11-01 | Nec Technologies Uk Ltd | Removal of reference frequency offset of a local oscillator in a telecommunications receiver |
CN101487888A (zh) * | 2009-02-23 | 2009-07-22 | 重庆大学 | 一种空间谱谱峰搜索方法 |
US20110033059A1 (en) * | 2009-08-06 | 2011-02-10 | Udaya Bhaskar | Method and system for reducing echo and noise in a vehicle passenger compartment environment |
CN101984360A (zh) * | 2010-07-29 | 2011-03-09 | 中国人民解放军海军航空工程学院 | 基于frft的归一化泄露lms自适应动目标检测器 |
CN103592642A (zh) * | 2013-10-22 | 2014-02-19 | 西安电子科技大学 | Mimo雷达波形的设计方法 |
CN105659547A (zh) * | 2013-10-22 | 2016-06-08 | 瑞典爱立信有限公司 | 用于峰值均值功率比降低的方法和装置 |
CN107064892A (zh) * | 2016-11-11 | 2017-08-18 | 长江大学 | 基于张量子空间和旋转不变的mimo雷达角度估计算法 |
CN106646347A (zh) * | 2016-11-25 | 2017-05-10 | 天津津航计算技术研究所 | 基于小生境差分进化的多重信号分类谱峰搜索方法 |
CN109061619A (zh) * | 2018-06-25 | 2018-12-21 | 西北大学 | 一种信号处理的方法、设备及计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
曾浩等: "高信噪比下的信号波达方向估计方法", 《信号处理》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112799049A (zh) * | 2020-12-30 | 2021-05-14 | 中山联合汽车技术有限公司 | 毫米波雷达平台超分辨测角方法、装置、设备及存储介质 |
CN112711720A (zh) * | 2020-12-31 | 2021-04-27 | 广州宸祺出行科技有限公司 | 一种降低出行成本的上车点推荐方法及系统 |
CN113552533A (zh) * | 2021-07-19 | 2021-10-26 | 北京华力创通科技股份有限公司 | 一种空间谱估计方法、装置、电子设备及存储介质 |
CN113791649A (zh) * | 2021-09-16 | 2021-12-14 | 中国电子科技集团公司第五十四研究所 | 一种基于数字引导的管道涵盖动态跟踪捕获方法 |
CN113791649B (zh) * | 2021-09-16 | 2024-02-27 | 中国电子科技集团公司第五十四研究所 | 一种基于数字引导的管道涵盖动态跟踪捕获方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110398732B (zh) | 2023-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110398732A (zh) | 低计算量自适应步长迭代搜索的目标方向检测方法 | |
CN110031794B (zh) | 一种基于差分共性阵重构的相干信源doa估计方法 | |
CN106707257B (zh) | 基于嵌套阵列的mimo雷达波达方向估计方法 | |
CN106054123A (zh) | 一种稀疏l阵及其二维doa估计方法 | |
CN109655799A (zh) | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 | |
CN108375751A (zh) | 多信源波达方向估计方法 | |
CN112130111B (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
CN109633520B (zh) | 一种均匀圆阵超分辨率空间谱估计方法 | |
CN107290732B (zh) | 一种量子大爆炸的单基地mimo雷达测向方法 | |
CN109375154A (zh) | 一种冲击噪声环境下基于均匀圆阵的相干信号参数估计方法 | |
CN107238812B (zh) | 一种基于最小间隙阵列的鲁棒动态测向方法 | |
CN105403874A (zh) | 非均匀阵列欠定波达方向估计方法 | |
CN107907853A (zh) | 一种基于均匀圆阵差分相位的单分布源doa估计方法 | |
CN110018439A (zh) | 一种和差波束与波束music相结合的测向方法 | |
CN114488034A (zh) | 一种被动探测与侦察干扰一体化装置及方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN109597048A (zh) | 基于二维卷积神经网络的米波雷达doa估计方法 | |
CN108761380A (zh) | 一种用于提高精度的目标波达方向估计方法 | |
Bhargav et al. | Compressive sensing based doa estimation for multi-path environment | |
CN113093111B (zh) | 基于压缩感知和遗传算法的均匀圆阵解调二维相干信号方法及系统 | |
CN106405509B (zh) | 空时自适应信号的分块处理方法 | |
RU2392634C1 (ru) | Способ определения направлений на источники излучения и углового разрешения источников | |
CN115052246A (zh) | 一种未知衰减系数下基于多频率代价函数融合的宽带信号直接定位方法 | |
CN114563760A (zh) | 一种基于sca阵型的二阶超波束形成方法、设备及介质 | |
CN114019445A (zh) | 一种基于位置聚类动态稀疏重构的二维到达角度测量方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20230214 |