CN110687500B - 智能天线获取无线信号到达角的识别和定位方法及系统 - Google Patents

Abstract

本发明属于无线定位导航技术领域，公开了一种智能天线获取无线信号到达角的识别和定位方法及系统，对接收阵列数据进行相位同步处理；通过正交匹配追踪OMP等方法解算出实际信号初始到达角；运用邻近角度功率差分方法对到达角的初步估计值进行更加精确的信号到达角估计来进行定位；在第一次获得精确的到达角后，使用波束成形来获取下一位置状态的初始到达角，再继续利用AAPD进行高精度到达角的连续估计定位。本发明能够在低信噪比和接收端阵元数较少的条件下，有效提高目标无线信号的到达角的估计精度；抑制多径造成的估计误差，具有更好的算法稳定性和可行性，能够提高相关的定位精度。

Description

智能天线获取无线信号到达角的识别和定位方法及系统

技术领域

本发明属于无线定位导航技术领域，尤其涉及一种智能天线获取无线信号到达角的识别和定位方法及系统。

背景技术

美国的全球定位系统(GPS)、我国的北斗定位系统、俄罗斯的GLONASS系统以及欧洲的伽利略(Galileo)系统属于基于卫星的无线定位系统，该类系统凭借着覆盖范围广的重要优势，在全球得以广泛应用。但在目前极具发展潜力的民用领域这类重要场景中，该定位系统在受到建筑物等物理遮挡的情况下难以形成定位，尤其是在室内环境下，这类信号无法覆盖，定位效果差。随着IEEE802.11无线网络通信协议的发展，最新发展的标准采用OFDM信号作为主要信号，利用这类无线信号可以得到一种新的无线定位方式。与GPS相比，无线网络覆盖范围符合大多数室内环境，且该技术利用现有的无线覆盖网络，能够降低额外硬件成本费用。从世界范围来看，大多数国家采用的主流的信号传输标准如802.11、DVB-T等均采用多载波正交频分复用(OFDM)信号调制技术。该技术适合移动接收，抗多径效应良好，适用范围广。因此，基于无线信号的定位技术具有广阔的前景。

目前已有的利用无线信号的到达角估计(DOA)方法，主要是基于相关矩阵特征分解的信号频率估计方法，MUSIC算法就是其中具有代表性的算法，该到达角估计算法通过对信号数据的协方差矩阵进行特征值分解得到与信号分量相正交的噪声子空间，依据噪声子空间与信源信号的正交性来进行能量搜索。ESPRIT算法则是通过计算协方差矩阵后，利用各子阵的信号子空间之间的旋转不变性估计出信号的到达角。不过这类基于相关矩阵特征分解的算法对噪声都非常敏感，信噪比较高的情况下效果会有明显改善，这也就意味着，在日常应用中，信噪比低的情况下效果较差。

综上所述，现有技术存在的问题是：

(1)现有卫星导航定位系统在受到建筑物等物理遮挡的情况下难以形成定位，尤其是在室内环境下，信号无法覆盖，定位效果差。

(2)现有基于相关矩阵特征分解的算法对噪声都非常敏感，信噪比较高的情况下效果会有明显改善，这也就意味着，在日常应用中，信噪比低及多径严重的情况下效果较差。

解决上述技术问题的难度：

无线信号受多径干扰严重，严重影响定位导航的精度。在多天线测角定位领域，目前已有的到达角估计方法在信噪比低的情况下，容易受环境的影响而产生错误估计，特别是在移动过程中会出现明显的误差抖动，是目前制约移动过程中高精度测角和定位的主要影响因素。目前尚未有能够有效控制误差抖动的方法。

解决上述技术问题的意义：

能够很有效提高到达角估计的准确性和测角精度，算法复杂度低，在信噪比低以及多径干扰严重的条件下，能够有效估计信号到达角，同时提高算法对环境的适用性，这对多径条件下的高精度定位导航具有重要意义。

发明内容

针对现有技术存在的问题，本发明提供了一种智能天线获取无线信号到达角的识别和定位方法及系统。

本发明的目的是通过OMP获取到达角后，运用邻近角度功率差分方法(AAPD)，减少格网搜索带来的运算量，同时得到高精度的信号到达角度并实现定位。该方法能够用于高精度的无线测角及DOA定位。

提高信号到达角的估计精度和分辨率是准确测角和定位导航的先决条件。本发明通过OMP/MUSIC结合AAPD算法对测角结果进行相邻角度功率差分，可以得到静止和运动情况下的高精度的测角定位结果。

本发明另一目的在于提供一种智能天线获取无线信号到达角的识别和定位方法，首先通过智能天线接收端得到无线信号，并对接收端阵列接收的信号数据进行相位同步，将相位同步后的接收数据作为测角算法的使用数据。通过OMP算法获取到达角，实现到达角的初始估计，然后运用AAPD(Adjacent Angle Difference)方法对到达角的初步估计值进行周边高精度跟踪识别得到更加精确的信号到达角来进行定位。考虑运动状态下多次测角定位和减少运算量的需要，在第一次获得精确的到达角后，使用波束成形来获取下一位置状态的初始到达角，再继续利用AAPD进行高精度到达角的估计定位。本发明能够实现低信噪比和接收端阵元数较少的条件下，有效的提高对目标信号的到达角的估计精度，同时移动过程中的角度纠正能够抑制多径造成的错误估计，具有更好的算法稳定性和可行性，能够提高相关的定位精度。

下面结合具体方案对本发明作详细描述。本发明是这样实现的，一种智能天线获取无线信号到达角的识别和定位方法，具体包括：

运用AAPD算法对获取的到达角的初步估计值周围进行相邻角度功率差分搜索，寻找高精度到达角；

获取所述高精度到达角后，利用波束成型重新进行下一个位置DOA测量定位，求出最大值所对应的角度为新的角度初始估计值；再继续运用AAPD算法进行新位置到达角的估计。

进一步，获取的到达角的初步估计值的方法包括：通过智能天线接收端得到无线信号，并对接收端阵列接收的信号数据进行相位同步，将相位同步后的接收数据作为测角算法的使用数据；并获取到达角的初始估计值；通过OMP算法获取到达角的初始估计；

在初次测角时，在获得初始值后，通过AAPD方法进行进一步测角，好处是：提高精度，且能在多径干扰下，控制测角误差。

在连续多次测角时，不再需要原有的初始估计步骤，而是利用波束成型方法，结合AAPD，获取连续估计条件下的测角，好处是：精度高。

具体包括以下步骤：

所述智能天线获取无线信号到达角的识别和定位方法进一步包括：

步骤一，通过天线阵列接收端得到无线信号，并对接收阵列数据进行相位同步处；

步骤二，解算出实际信号初始到达角；

步骤三，运用AAPD算法对θ_doa1周围进行相邻角度功率差分搜索，寻找高精度到达角θ_{doa_resolution}；

步骤四，当目标移动到下一个位置时，重新利用波束成形进行DOA获取，求出max{r_∑(θ_i)}，最大值所对应的角度为新获取的角度初始估计值θ_doa2；

步骤五，获取步骤四得到的新位置初始估计值后，重复步骤三～步骤四，获得新位置处高精度的到达角结果；

步骤六，随着目标移动的进行，重复步骤四～步骤五，不断进行DOA测量。静止情况同样适用。

进一步，步骤一具体包括：

(1)对空间信号数据进行处理得到N×L维的接收阵列数据，其中N为接收阵元数，L为快拍数；

(2)利用滤波器对阵元间接收数据的相位同步处理，得到相位同步后的N×L维的接收阵列数据X。

进一步，步骤二具体包括：

(a)依据信号在空域中的稀疏性，构建所有可能到达角的空间搜索矩阵；依据线性阵列分布和空间角度格网划分，水平方位角划分为θ_Ns＝[θ₁，θ₂，...，θ_Ns]′，共Ns等分，俯仰角划分为同等分

对空间中给定的任意一点进行X,Y,Z坐标投影，得到投影转换向量为：

将

置为0，通过矩阵扩充阵列间距的向量为：

其中，d为半波长的阵元天线间隔，矩阵各列分别代表接收阵元中各天线的空间坐标[X,Y,Z]；通过如下公式计算出所有可能到达角的空间搜索矩阵(N×Ns维)：

根据θ_i不同写为A＝[a(θ₁) a(θ₂) ... a(θ_Ns)]；

(b)利用OMP进行到达角初始角度获取；

用Ns×1维的稀疏的列向量S(t_i)表示信号源的位置；当目标信号源包含的DOA信息与θ_Ns中的某值相等或最接近时，即θ_doa≈θ_k时，S(t_i)中的第k个元素值非0，其余为0；即信号的DOA估计公式为：

X＝AS+N；

其中，X为接收阵列数据，N为噪声；

(c)初始化Ns×1维S向量、残差r₀＝X、存放过完备导向矢量矩阵A中最相关列

索引集

(d)通过残差r₀和过完备导向矢量矩阵A相乘得到A中各列对应的多次计算值所同在的矩阵P，P中各列最大值所对应的行号应该相同，为A中最相关的列号；

(e)对矩阵P中各行向量做2-范数压缩，实现P矩阵从Ns×L维到Ns×1维列向量的转换；

(f)找出A中最相关列α_i的位置，找到列向量P中的最大值所在位置β；

(g)更新索引集INDEX＝INDEX∪{β}，并记录找到的矩阵A中的重建原子集合At＝At∪{α_i}；

(h)通过最小二乘得到

(i)更新残差

(j)依据INDEX中索引值的个数大于实际信号个数时，停止迭代，若不满足则循环执行(c)-(g)；

(k)稀疏矩阵S中非零值所对应的下标即为A中对应的列向量的列号，依据A中列号与θ_Ns中的一一对应关系得到估计信号的初始到达角θ_doa1。

进一步，步骤(k)中，利用MUSIC则通过分解接收信号的协方差矩阵，获取噪声向量子空间E_n，再进行能量谱峰搜索找到最大值对应的索引，通过索引和空间搜索矩阵的映射关系得到估计信号的初始到达角θ_doa1：

进一步，所述步骤三具体包括：

(i)对得到的θ_doa1左右设定一个对称的差分范围，进行高分辨率为Δθ的差分，在限定的范围内得到新的多个角度点：

θ_i＝[θ_min θ_min+Δθ ... θ_max]；

(ii)对步骤(i)中得到的新的角度点进行相邻角度功率差分匹配，具体包括：从最小的角度点θ_min开始，以分辨率Δθ作为间隔得到当前角度前后相差一个位置的两个角度，记智能天线接收到的信号为X，求出相邻两个角度能量差作为当前角度点的匹配标准：

Δr_power(θ_i)＝||a^H(θ_i-Δθ)·X||₂-||a^H(θ_i+Δθ)·X||₂；

求则能量差绝对值最小值所对应的角度点即为所求的当前状态的高精度到达角θ_precision：

进一步，步骤四重新进行DOA初始估计值获取，具体包括：

第一步，运用波束成形计算最大值求得当前的角度初始估计值θ_doa2，波束成形的计算公式为：

r_∑(θ_i)＝|a^H(θ_i)·X|；

其中θ_i的取值为选择的角度改变范围内的点，a^H(θ_i)是该点的流型矢量，X为新位置接收到的接收阵列数据；

第二步，求出max{r_∑(θ_i)}，最大值所对应的角度为新的角度初始估计值θ_doa2。

本发明的另一目的在于提供一种实现所述智能天线获取无线信号到达角的识别和定位方法的信息数据处理终端。

本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的智能天线获取无线信号到达角的识别和定位方法。

本发明的另一目的在于提供一种实现所述智能天线获取无线信号到达角的识别和定位方法的智能天线获取无线信号到达角的识别和定位系统，包括：

智能天线接收端，用于得到无线信号，并对接收阵列数据进行相位同步处理；

OMP解算模块，用于通过OMP解算出实际信号初始到达角；

AAPD运算模块，运用AAPD算法对周围进行相邻角度功率差分搜索，寻找高精度到达角；

接收阵列基站，用于得到同一目标信号的多个DOA，结合基线长度求出目标信号的坐标，实现定位；

DOA重新定位模块，用于目标移动到下一个位置时，重新进行DOA测量定位，求出新的角度初始估计值；

新位置高精度到达角和定位结果获取模块，用于获取得到的新位置初始估计值后，重复目标信号的坐标定位与重新进行DOA测量定位，获得新位置处高精度的到达角和定位结果；

DOA多次循环测量定位模块，用于随着目标移动的进行，重复进行DOA测量定位和重复获得新位置处高精度的到达角和定位结果，实现不断进行DOA测量定位。

综上所述，本发明的优点及积极效果为：

本发明通过OMP或MUSIC等方法获得空间域中与无线信号来波方向最匹配原子，再依据原子和空域信号之间的映射关系得到到达角的初步估计值，再结合AAPD算法进行相邻角度功率差分搜索得到高精度的到达角。该方法受噪声影响小，对信噪比不敏感，通过AAPD算法能够得到具有较高角度分辨率的结果，在不消除多径的情况下也能实现5°以内的精确测角，同时能够控制多径引起的错误估计，从而进一步提高定位准确度。附图6中是实际移动测试结果，图中比较了本发明和已有MUSIC算法在多径干扰下的测角精度，可以看出本发明所提方法能够有效的控制多径干扰误差。

本发明在移动情况下，只需在开始测角处进行格网搜索，在运动过程中通过在上一次的角度附近运用波束成形技术获得新的角度，作为当前位置角度的初步估计值，每一个位置的角度数据与上一次角度结果有关，利用移动中位置的相关性，结合波束成形可以有效减少计算量。本专利可以避免因多径导致测角存在较大偏差的情况出现，提升了算法稳定性，并且不用重复进行格网搜索，减少了运算量。

与现有技术相比，本发明的优点进一步包括：

(1)本发明提高了信号到达角的估计精度。基于OMP的到达角估计能够在单快拍和多快拍情况下稳定的实现到达角的估计，再通过AAPD方法进行相邻角度功率差分得到更为准确的高精度到达角，本发明具有较高的角度分辨率和估计精度，在角度间隔小的情况下对信号进行区分。

(2)运算量低。移动状态下，系统需要多次重新计算不同位置的DOA，这样需要重复进行格网搜索，运算量大。本发明根据移动前后位置之间的关系，将上一次得到的到达角结合相关函数求出当前位置的到达角，避免了多次大范围的格网搜索，降低了运算量。

(3)算法受噪声影响小。与传统的DOA估计算法相比，基于OMP正交匹配追踪可以在信号重构的过程中计算出目标信号的到达角，而没有用到信号子空间和噪声子空间等受信噪比明显的矩阵空间。

(4)本发明通过实验证明了OMP+AAPD算法能够在重构信号的过程中完成信号到达角估计，通过结合AAPD方法能够实现高精度的到达角估计，再通过双基站估计DOA即可实现定位。

(5)本发明实现了利用智能天线获取无线信号的高精度到达角估计，算法简单且具有很强的可行性，可以用于无线信号的定位导航系统中。

(6)本发明能够实现低信噪比和接收端阵元数较少的条件下，有效的提高对目标无线信号的到达角的估计精度，同时移动过程中的角度纠正能够抑制多径造成的错误估计，具有更好的算法稳定性和可行性，能够提高相关的定位精度。

附图说明

图1是本发明实施例提供的智能天线获取无线信号到达角的识别和定位方法流程图。

图2是本发明实施例提供的智能天线获取无线信号到达角的识别和定位方法原理图。

图3是本发明实施例提供的构建过完备导向矢量矩阵的空间角度划分示意图。

图4是本发明实施例提供的目标信号位置投影示意图(所测水平角为θ_i)。

图5是本发明实施例提供的对到达角初步估计值周围进行插值的范围选择示意图。

图6是本发明实施例提供的算法随SNR变化的仿真结果图。

图7是本发明实施例提供的实际移动测角测试结果比对图。

图8是本发明实施例提供的均匀线性阵列DOA定位原理图。

图9是本发明实施例提供的低信噪比下多目标信号高分辨仿真结果图(信噪比＝0dB)。

图中：图(a)是单快拍下到达角估计示意图；图(b)是多快拍下到达角估计示意图。

图10是本发明实施例提供的步幅3°条件下移动状态的测量结果示意图。

图11是本发明实施例提供的智能天线获取无线信号到达角的识别和定位系统示意图。

图中：1、智能天线接收端；2、OMP解算模块；3、AAPD运算模块；4、接收阵列基站；5、DOA重新定位模块；6、新位置高精度到达角和定位结果获取模块；7、DOA多次循环测量定位模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种智能天线获取无线信号到达角的识别和定位方法，下面结合附图对本发明作详细的描述。

现有定位系统在民用领域这类重要场景中，在受到建筑物等物理遮挡的情况下难以形成定位，尤其是在室内环境下，信号无法覆盖，定位效果差。现有基于相关矩阵特征分解的算法对噪声都非常敏感，信噪比较高的情况下效果会有明显改善，这也就意味着，在日常应用中，信噪比低的情况下效果较差。

为解决上述问题，下面结合附图对本发明作进一步描述。

如图1所示，本发明实施例提供的智能天线获取无线信号到达角的识别和定位方法，具体实施步骤如下：

S101：接收阵列数据相位同步处理。

S102：通过OMP解算出实际信号初始到达角。

S103：运用AAPD算法对θ_doa1周围进行相邻角度功率差分搜索，寻找更准确的高精度到达角θ_{doa_resolution}。

S104：通过两个位于水平基线上的接收阵列基站，已知基站间隔，通过测量得到同一目标信号的两个DOA，结合基线长度可以求出目标信号的坐标。

S105：当人移动到下一个位置时，重新进行DOA测量估计。定位。

S106：获取新的位置初始估计值后，重复步骤S104-步骤S105即可获得新位置处的高精度到达角和定位结果。

S107：随着移动的进行，重复步骤S105-步骤S106即可不断进行DOA测量定位，静止情况下同样适用。

图2是本发明实施例提供的智能天线获取无线信号到达角的识别和定位方法原理。

步骤S101具体包括：

(1)对空间信号数据进行处理得到N×L维的接收阵列数据，其中N为接收阵元数，L为快拍数。

(2)利用滤波器对阵元间接收数据的相位同步处理，得到相位同步后的N×L维的接收阵列数据X。

步骤S102具体包括：

(1)依据信号在空域中的稀疏性，构建所有可能到达角的空间搜索矩阵。依据如图3所示的线性阵列分布和空间角度格网划分，水平方位角划分为θ_Ns＝[θ₁，θ₂，...，θ_Ns]′，共Ns等分，俯仰角划分为同等分

对空间中给定的任意一点进行X,Y,Z坐标投影，得到投影转换向量为：

该投影转换即为目标信号的位置投影，如图4所示。该空间格网划分可以实现水平角和俯仰角，为了适用均匀线性阵列计算仅考虑水平方位角，这里不用改动矩阵和公式，只要将

置为0即可，所以通过矩阵扩充阵列间距的向量为：

其中，d为半波长的阵元天线间隔，矩阵各列分别代表接收阵元中各天线的空间坐标[X,Y,Z]。通过如下公式计算出所有可能到达角的空间搜索矩阵(N×Ns维)：

根据θ_i不同也可写为A＝[a(θ₁) a(θ₂) ... a(θ_Ns)]。

用一个Ns×1维的稀疏的列向量S(t_i)来表示信号源的位置。当目标信号源包含的DOA信息与θ_Ns中的某值相等或最接近时(依据空间格网的密集程度决定)，即θ_doa≈θ_k时，S(t_i)中的第k个元素值非0，其余为0。即信号的DOA估计公式为：

X＝AS+N。

其中，X为接收阵列数据，N为噪声。

(2)初始化Ns×1维S向量、残差r₀＝X、存放过完备导向矢量矩阵A中最相关列

索引集

(3)通过残差r₀和过完备导向矢量矩阵A相乘得到A中各列对应的多次计算值所同在的矩阵P，P中各列最大值所对应的行号应该相同，即为A中最相关的列号。

(4)对矩阵P中各行向量做2-范数压缩，实现P矩阵从Ns×L维到Ns×1维列向量的转换。

(5)找出A中最相关列α_i的位置，即找到列向量P中的最大值所在位置β。

(6)更新索引集INDEX＝INDEX∪{β}，并记录找到的矩阵A中的重建原子集合At＝At∪{α_i}。

(7)通过最小二乘得到

(8)更新残差

(9)依据INDEX中索引值的个数大于实际信号个数时，停止迭代，若不满足则循环执行(3)～(8)。

(11)稀疏矩阵S中非零值所对应的下标即为A中对应的列向量的列号，依据A中列号与θ_Ns中的一一对应关系得到估计信号的初始到达角θ_doa1。

利用MUSIC则通过分解接收信号的协方差矩阵，获取噪声向量子空间E_n，然后进行能量谱峰搜索找到最大值对应的索引，通过索引和空间搜索矩阵的映射关系得到估计信号的初始到达角θ_doa1：

步骤S103具体包括：

(1)由于经过步骤S102得到的到达角的初步估计值接近准确值，所以在θ_doa1左右设定一个对称的插值范围，范围大小可选1°～3°，进行更高分辨率为Δθ的差分，在限定的范围内得到新的多个角度点：

θ_i＝[θ_min θ_min+Δθ ... θ_max]。

举例如图5所示，范围设定为1°，分辨率Δθ。

(2)对步骤(1)中得到的新的角度点进行相邻角度功率差分匹配。首先从最小的角度点θ_min开始，以分辨率Δθ作为间隔得到当前角度前后相差一个位置的两个角度，分别为θ_left和θ_right，求出二者对应能量值差的绝对值(相邻角度差分能量)作为当前角度点的匹配标准，对称插值范围内计算得到的所有角度点的相邻角度差分能量的结果如图6所示，得到的最小点即为所求的当前状态的高精度到达角θ_precision。

记智能天线接收到的信号为X，求出相邻两个角度能量差作为当前角度点的匹配标准：

Δr_power(θ_i)＝||a^H(θ_i-Δθ)·X||₂-||a^H(θ_i+Δθ)·X||₂。

求则能量差绝对值最小值所对应的角度点即为所求的当前状态的高精度到达角θ_precision：

步骤S104中，均匀线性接收阵列定位原理图如图7所示。

步骤S105中，人的连续运动每一次的位置与前一次的位置有关，且在整体算法计算更新速度(<1s)下，角度改变范围可控制在一定范围之内，为了避免重复进行空间格网搜索初始角度估计值，可以在这一粗略的范围内运用波束成形计算最大值求得当前的角度初始估计值θ_doa2，相关函数的计算公式为：

r_∑(θ_i)＝|a^H(θ_i)·X|。

其中，θ_i的取值为选择的角度改变范围内的点；a^H(θ_i)是该点的流行矢量，计算参考S102；X为新位置接收到的接收阵列数据。

然后求出max{r_∑(θ_i)}，最大值所对应的角度即为新的角度初始估计值θ_doa2。

如图11所示，本发明实施例提供的智能天线获取无线信号到达角的识别和定位系统，包括：

智能天线接收端1，用于得到无线信号，并对接收阵列数据进行相位同步处理。

OMP解算模块2，用于通过OMP解算出实际信号初始到达角。

AAPD运算模块3，运用AAPD算法对周围进行相邻角度功率差分搜索，寻找高精度到达角。

接收阵列基站4，用于得到同一目标信号的多个DOA，结合基线长度求出目标信号的坐标，实现定位。

DOA重新定位模块5，用于目标移动到下一个位置时，重新进行DOA测量定位，求出新的角度初始估计值。

新位置高精度到达角和定位结果获取模块6，用于获取得到的新位置初始估计值后，重复目标信号的坐标定位与重新进行DOA测量定位，获得新位置处高精度的到达角和定位结果。

DOA多次循环测量定位模块7，用于随着目标移动的进行，重复进行DOA测量定位和重复获得新位置处高精度的到达角和定位结果，实现不断进行DOA测量定位。

下面仿真实验对本发明作进一步说明。

图8和图9是算法仿真验证结果，可以看出本发明能够完成在低信噪比下更高精度的到达角估计，从而提高定位精度。图10是仿真人的移动状态下，假设每一次位置相对于上一次位置的改变度数为3°，初始位置为66.8°，移动6次后的测量结果。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种智能天线获取无线信号到达角的识别和定位方法，其特征在于，所述智能天线获取无线信号到达角的识别和定位方法包括：

运用AAPD算法对获取的到达角的初步估计值周围进行相邻角度功率差分搜索，寻找高精度到达角；

获取所述高精度到达角后，利用波束成型重新进行下一个位置测量定位，求出最大值所对应的角度为新的角度初始估计值；再继续运用AAPD算法进行新位置到达角的估计；

所述智能天线获取无线信号到达角的识别和定位方法进一步包括：

步骤一，通过智能天线接收端得到无线信号，并对接收阵列数据进行相位同步处理；

步骤二，解算出实际信号初始到达角θ_doa1；

步骤三，运用AAPD算法对θ_doa1周围进行相邻角度功率差分搜索，寻找高精度到达角θ_{doa_resolution}；

步骤四，当目标移动到下一个位置时，利用波束成型重新进行DOA测量定位，求出max{r_Σ(θ_i)}，最大值所对应的角度为新的角度初始估计值θ_doa2；

步骤五，获取步骤四得到的新位置初始估计值后，重复步骤三～步骤四，获得新位置处高精度的到达角结果；

步骤六，随着目标移动的进行，重复步骤四～步骤五，不断进行DOA测量；静止情况同样适用；

步骤二解算实际信号初始到达角的方法进一步包括：

(a)依据信号在空域中的稀疏性，构建所有可能到达角的空间搜索矩阵；依据线性阵列分布和空间角度格网划分，水平方位角划分为θ_Ns＝[θ₁，θ₂，...，θ_Ns]′，共Ns等分，俯仰角划分为同等分

对空间中给定的任意一点进行X，Y，Z坐标投影，得到投影转换向量为：

将

置为0，通过矩阵扩充阵列间距的向量为：

其中，d为半波长的阵元天线间隔，矩阵各列分别代表接收阵元中各天线的空间坐标[X，Y，Z]；通过如下公式计算出所有可能到达角的空间搜索矩阵：

根据θ_i不同写为A＝[a(θ₁) a(θ₂)...α(θ_Ns)]；

(b)进行到达角初始角度获取；

(c)初始化Ns×1维S向量、残差r₀＝X、存放过完备导向矢量矩阵A中最相关列

索引集

(d)通过残差r₀和过完备导向矢量矩阵A相乘得到A中各列对应的多次计算值所同在的矩阵P，P中各列最大值所对应的行号应该相同，为A中最相关的列号；

(e)对矩阵P中各行向量做2-范数压缩，实现P矩阵从Ns×L维到Ns×1维列向量的转换；

(f)找出A中最相关列α_i的位置，找到列向量P中的最大值所在位置β；

(g)更新索引集INDEX＝INDEX∪{β}，并记录找到的矩阵A中的重建原子集合At＝At∪{α_i}；

(h)通过最小二乘得到

(i)更新残差

(j)依据INDEX中索引值的个数大于实际信号个数时，停止迭代，若不满足则循环执行(c)-(g)；

(k)稀疏矩阵S中非零值所对应的下标即为A中对应的列向量的列号，依据A中列号与θ_Ns中的一一对应关系得到估计信号的初始到达角θ_doa1；

利用MUSIC则通过分解接收信号的协方差矩阵，获取噪声向量子空间E_n，再进行能量谱峰搜索找到最大值对应的索引，通过索引和空间搜索矩阵的映射关系得到估计信号的初始到达角θ_doa1：

所述步骤三具体包括：

(i)对得到的θ_doa1左右设定一个对称的差分范围，进行高分辨率为Δθ的差分，在限定的范围内得到新的多个角度点：

θ_i＝[θ_min θ_min+Δθ...θ_max]；

(ii)对步骤(i)中得到的新的角度点进行相邻角度功率差分匹配，具体包括：从最小的角度点θ_min开始，以分辨率Δθ作为间隔得到当前角度前后相差一个位置的两个角度，记智能天线接收到的信号为X，求出相邻两个角度能量差作为当前角度点的匹配标准：

Δr_power(θ_i)＝||a^H(θ_i-Δθ)·X||₂-||a^H(θ_i+Δθ)·X||₂；

求则能量差绝对值最小值所对应的角度点即为所求的当前状态的高精度到达角θ_precision：

2.如权利要求1所述的智能天线获取无线信号到达角的识别和定位方法，其特征在于，获取的到达角的初步估计值的方法包括：通过智能天线接收端得到无线信号，并对接收端阵列接收的信号数据进行相位同步，将相位同步后的接收数据作为测角算法的使用数据；并获取到达角的初始估计值；

在初次测角时，在获得到达角的初始估计后，通过AAPD方法进行进一步测角；

在连续多次测角时，不再进行到达角的初始估计，利用波束成型方法，结合AAPD，获取连续估计条件下的测角。

3.如权利要求1所述的智能天线获取无线信号到达角的识别和定位方法，其特征在于，步骤一具体包括：

(1)对空间信号数据进行处理得到N×L维的接收阵列数据，其中N为接收阵元数，L为快拍数；

(2)利用滤波器对阵元间接收数据的相位同步处理，得到相位同步后的N×L维的接收阵列数据X。

4.如权利要求1所述的智能天线获取无线信号到达角的识别和定位方法，其特征在于，步骤四重新进行DOA初始值估计获取，具体包括：

第一步，运用波束成形计算最大值求得当前的角度初始估计值θ_doa2，波束成形的计算公式为：

r_∑(θ_i)＝|a^H(θ_i)·X|；

其中θ_i的取值为选择的角度改变范围内的点，a^H(θ_i)是该点的流型矢量，X为新位置接收到的接收阵列数据；

第二步，求出max{r_Σ(θ_i)}，最大值所对应的角度为新的角度初始估计值θ_doa2。

5.一种实现权利要求1～4任意一项所述智能天线获取无线信号到达角的识别和定位方法的信息数据处理终端。

6.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-4任意一项所述的智能天线获取无线信号到达角的识别和定位方法。

7.一种实现权利要求1～4任意一项所述智能天线获取无线信号到达角的识别和定位方法的智能天线获取无线信号到达角的识别和定位系统，其特征在于，所述智能天线获取无线信号到达角的识别和定位系统包括：

智能天线接收端，用于得到无线信号，并对接收阵列数据进行相位同步处理；

解算模块，用于解算出实际信号初始到达角；

AAPD运算模块，运用AAPD算法对周围进行相邻角度功率差分搜索，寻找高精度到达角；

接收阵列基站，用于得到同一目标信号的多个DOA，结合基线长度求出目标信号的坐标，实现定位；

DOA重新定位模块，用于目标移动到下一个位置时，重新进行DOA测量定位，求出新的角度初始估计值；

新位置高精度到达角和定位结果获取模块，用于获取得到的新位置初始估计值后，重复目标信号的坐标定位与重新进行DOA测量定位，获得新位置处高精度的到达角和定位结果；

DOA多次循环测量定位模块，用于随着目标移动的进行，重复进行DOA测量定位和重复获得新位置处高精度的到达角和定位结果，实现不断进行DOA测量定位。

Images