CN111239679B - 一种用于互质面阵下相干信源doa估计的方法 - Google Patents
一种用于互质面阵下相干信源doa估计的方法 Download PDFInfo
- Publication number
- CN111239679B CN111239679B CN202010088102.9A CN202010088102A CN111239679B CN 111239679 B CN111239679 B CN 111239679B CN 202010088102 A CN202010088102 A CN 202010088102A CN 111239679 B CN111239679 B CN 111239679B
- Authority
- CN
- China
- Prior art keywords
- array
- sub
- matrix
- area array
- prime
- 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
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
- G01S3/74—Multi-channel systems specially adapted for direction-finding, i.e. having a single antenna system capable of giving simultaneous indications of the directions of different signals
Abstract
本发明公开了一种互质面阵下相干信源的二维波达方向(Direction of arrival,DOA)估计方法。该方法首先引入空间平滑技术对接收数据的协方差矩阵进行预处理,使其恢复列满秩。在此基础上,该方法基于阵列的旋转不变性对相干信源的波达方向进行估计,同时借助阵列中两个子面阵的互质关系消除模糊值。本发明能实现空间相干信源的有效定位,且DOA估计性能优异。此外本发明无需额外的角度配对方法就能实现信号二维参数的自动配对,在参数估计中也无需进行二维谱峰搜索,因此算法复杂低。
Description
技术领域
本发明属于阵列信号处理技术领域,是一种相干信号源的定位方法,特别涉及一种用于互质面阵下相干信源DOA估计的方法。
背景技术
信号空间谱估计作为阵列信号处理领域的一个重要分支,在雷达、通信、声纳、勘测、射电天文及生物医学工程等众多军事及国民经济领域都有广泛的应用。经典的超分辨率DOA估计算法有子空间分解类算法、子空间拟合类算法等,这些算法在理想情况下都具有良好的空间谱估计性能。在实际环境中,由于多径传播等因素的影响,存在大量的相干信号源。由于相干信号源信号子空间与噪声子空间相互渗透,因此传统的DOA估计算法,如MUSIC,ESPRIT等信号子空间类算法,无法对相干信号源进行有效分辨或测向。因此,相干信号源的估计问题始终是一个十分棘手的问题。目前对相干信号源的处理方法一般分为空间平滑类算法、矩阵重构类算法和非降维处理算法。另一方面,近年来,互质阵因其相比于传统均匀阵列拥有更大的阵列孔径和更高的测向精度而受到越来越多专家学者的关注,俨然已成为阵列信号领域的一个研究热点,而目前对互质阵列下相干信源的谱估计算法的研究还存在明显的不足。
发明内容
为了解决现有技术中相干信源在信号参数估计中接收信号协方差矩阵的秩亏损的问题,本发明提供一种用于互质面阵下相干信源DOA估计的方法,该方法实现互质面阵下相干信源的二维DOA估计。
为实现上述目的,本发明采用的技术方案为:
一种用于互质面阵下相干信源DOA估计的方法,首先,利用空间平滑技术对接收数据的协方差矩阵进行预处理,恢复接收信号协方差矩阵的满秩特性,然后基于旋转不变性,运用二维ESPRIT算法对互质面阵下相干信源的波达方向进行估计,并利用阵列中两个子面阵的互质特性消除模糊值,从而实现相干信源的高分辨DOA估计。
进一步的,利用空间平滑技术解相干,包括以下步骤:
互质面阵分成两个子阵,分别记为子阵1和子阵2,子阵阵元只在原点处重合,其中,子阵1是阵元数为M1×M1的均匀面阵,子阵2是阵元数为M2×M2的均匀面阵;子阵1在X轴和Y轴方向上的阵元间距为d1=M2λ/2,其中:λ为入射信号波长,子阵2在X轴和Y轴方向上的阵元间距为d2=M1λ/2;因此,互质面阵的阵元总数为
根据互质面阵的结构特点,分别对互质面阵的两个子面阵进行空间平滑,将互质面阵的子面阵i(i=1,2)分为若干个部分重叠的大小为P×Q(1<P≤Mi-1,1<Q≤Mi-1)的子阵,当i=1时,Mi即M1,当i=2时,Mi即M2,第(p,q)个子阵的阵元位置为Li,(p,q)={((m'+p-1)di,(n'+q-1)di)|0≤m'≤P-1,0≤n'≤Q-1},其中:当i=1时,di即为d1,当i=2时,di即为d2,其中:m',n'分别是范围[0,P-1]和[0,Q-1]内的整数,接收信号向量xi,(p,q)(t)为:
其中,1≤p≤Mi-P+1,1≤q≤Mi-Q+1,i=1,2;Ai,(1,1)=Aiy,(1,1)⊙Aix,(1,1)为子面阵i的第(1,1)个子阵的方向矩阵,Ai,(1,1)在X轴和Y轴方向的方向矢量分别为Aix,(1,1)和Aiy,(1,1);和分别表示K×K阶对角矩阵Φix的p-1次幂和Φiy的q-1次幂,其中,其中:e为自然常数,j为虚数单位,π为圆周率,θk,φk分别表示第k(k=1,2,…,K)条路径的入射俯仰角和方位角;相干信号源矢量为s(t)=αs0(t),α=[α1,α2,…,αK]T为由一系列复常数组成的相干系数矩阵,[·]T表示矩阵的转置,s0(t)为生成信源;ni,(p,q)(t)为子面阵i的第(p,q)个子阵的噪声矢量;因此,子面阵i的第(p,q)个子阵接收信号的协方差矩阵Ri,(p,q)表示为其中,为xi,(p,q)(t)的共轭转置;故子面阵i的二维空间平滑的协方差矩阵由其全部平滑子阵的协方差矩阵的均值表示:
进一步的,运用二维ESPRIT算法对互质面阵下相干信源的波达方向进行估计,包括以下步骤:
将子面阵i的二维空间平滑协方差矩阵进行特征分解,得到的K个较大特征值对应的特征矢量构成的信号子空间Eis,将Eis分解成Eix=Eis(1:P(Q-1),:),Eiy=Eis(P+1:PQ,:),其中:Eix为Eis的1到P(Q-1)行,Eiy为Eis的P+1到PQ行;若用Dl(·)表示用矩阵的第l(l=1,2,…,Q-1)行构造的对角阵,则Eix、Eiy分别表示为:
Eix=Ai1,(1,1)Ti,Eiy=Ai1,(1,1)ΦiyTi (10)
其中,Ai1,(1,1)=[Aix,(1,1)D1(Aiy,(1,1)),Aix,(1,1)D2(Aiy,(1,1)),…,Aix,(1,1)DQ-1(Aiy,(1,1))],Ti为K×K阶的满秩矩阵;将式(10)化简得:
Eiy=EixTi -1ΦiyTi=EixΨi (11)
其中,Ψi=Ti -1ΦiyTi,Ti -1为Ti的逆运算,Ψi的特征值为Φiy的对角线元素;
在不考虑噪声的情况下有:
其中,Πi为一个置换矩阵,表示Πi的逆运算,由于和的特征值一致,因此将进行特征值分解得到uik=sinθk sinφk,k=1,2,…,K的估计值uik是公式sinθksinφk,k=1,2,…,K的值:
对信号子空间进行重构Eis得其中:为对矩阵Ti的估计值求逆;对E'is进行行变换后得到E″is,E″is表示为将E″is分解成E'ix=E″is(1:Q(P-1),:),E'iy=E″is(Q+1:PQ,:),即E'ix为E″is的1到Q(P-1)行,E'iy为E″is的Q+1到PQ行;
构造矩阵Ai2,(1,1)=[Aiy,(1,1)D1(Aix,(1,1)),Aiy,(1,1)D2(Aix,(1,1)),…,Aiy,(1,1)DP-1(Aix,(1,1))],其中:Dl(·)表示用矩阵的第l(l=1,2,…,P-1)行构造的对角阵;
则有:
E'ix=Ai2,(1,1)Πi -1,E'iy=Ai2,(1,1)ΦixΠi -1 (15)
化简得:
(E'ix)E'iy=ΠiΦixΠi -1 (16)
在不考虑噪声的条件下有:
其中,为矩阵(E'ix)E'iy的第k个对角元素,表示取的相角;由式(13)和(17),uik与vik的估计值有相同的列模糊,因此将俯仰角和方位角进行自动配对,利用已配对的和得到入射信号的DOA估计。
进一步的,利用阵列中两个子面阵的互质特性消除模糊值,包括以下步骤:
(1)、本发明研究了相干信源在互质面阵下的信号二维参数估计问题这一前沿课题,通过借助空间平滑技术解决了相干信源在信号参数估计中接收信号协方差矩阵的秩亏损问题;
(2)、本发明算法在信号参数估计过程中不需要进行二维谱峰搜索,算法复杂度低;
(3)、本发明能实现相干信源二维信号参数(即俯仰角和方位角)的自动配对,不需要额外的角度配对过程
附图说明
图1是互质面阵的阵列结构图。
图2是互质面阵的空间平滑结构示意图。
图3是本发明在SNR=10dB时的二维空间谱估计结果散布图。
图4是本发明在不同快拍数下的角度估计性能对比图。
图5是本发明在不同阵元数下的角度估计性能对比图。
图6是本发明在不同平滑子阵下的角度估计性能对比图。
图7是本发明在SNR=15dB时的互质面阵相干信源估计各算法在不同快拍数下性能对比图。
图8是本发明在快拍数J=400时的互质面阵相干信源估计各算法在不同信噪比下性能对比图。
具体实施方式
下面结合实施例对本发明作更进一步的说明。
一、数据模型
互质面阵的拓扑结构如图1所示。与传统面阵相比,互质面阵可以分成两个子阵,分别记为子阵1和子阵2,子阵阵元只在原点处重合。其中,子阵1为阵元数为M1×M1的均匀面阵,子阵2由阵元数为M2×M2的均匀面阵构成。子阵1在X轴和Y轴方向上的阵元间距为d1=M2λ/2,其中:λ为入射信号波长,子阵2在X轴和Y轴方向上的阵元间距为d2=M1λ/2。因此,互质面阵的阵元总数为阵元位置Ls可用如下集合表示:
Ls={(zd1,nd1)|0≤z,n≤M1-1}∪{(pd2,qd2)|0≤p,q≤M2-1} (1)
其中:z和n为范围[0,M1-1]内的整数,p和q为范围[0,M2-1]内的整数;
假设远场窄带信源s0(t)产生的K条多径入射到图1所示的互质面阵上,θk,φk分别表示第k(k=1,2,…,K)条路径的入射俯仰角和方位角。考虑互质面阵的子阵i(i=1,2),其在X轴和Y轴上阵元的方向矢量aix(θk,φk)和aiy(θk,φk)可以分别表示为:
其中,e为自然常数,j为虚数单位,π为圆周率,当i=1时,di即为d1,当i=2时,di即为d2。因此,子阵i在X轴和Y轴上的方向矩阵可分别表示为Aix=[aix(θ1,φ1),aix(θ2,φ2),…,aix(θK,φK)],Aiy=[aiy(θ1,φ1),aiy(θ2,φ2),…,aiy(θK,φK)]。则子阵i在X轴上阵元的接收信号xi1(t)为:
xi1(t)=Aixs(t)+ni1(t) (3)
其中,相干信号源矢量为s(t)=αs0(t),α=[α1,α2,…,αK]T为由一系列复常数组成的相干系数矩阵,[·]T表示矩阵的转置,s0(t)为生成信源。ni1(t)是子阵i在X轴上阵元的产生的噪声矢量,s(t)为信源矢量,其矩阵维度为K×1。因此,子阵i中平行于X轴的第m(m=1,2,…,Mi)个分阵列接收信号xim(t)表示为:
xim(t)=AixΦiy (m-1)s(t)+nim(t) (4)
将上式改写为:
定义子阵i的接收信号的协方差矩阵为Rxi=E[xi(t)xi H(t)]=AiSAi H+σ2I,其中,σ2为噪声方差,E[·]表示求数学期望,xi H(t)为xi(t)的共轭转置,Ai H为Ai的共轭转置,I表示单位阵。S为矩阵维度为K×K的信源协方差矩阵,S表示如下:
S=E[s(t)sH(t)]=E[|s0(t)|2]ααH (7)
其中,sH(t)为s(t)的共轭转置,αH为α的共轭转置。
由上式可知,协方差矩阵Rxi不再满足满秩特性,导致传统的基于子空间的空间谱估计方法失效。为解决这类难题,本发明将采用空间平滑技术解相干。
二、空间平滑
根据互质面阵的结构特点,分别对互质面阵的两个子面阵进行空间平滑。将互质面阵的子面阵i(i=1,2)分为若干个图2所示的部分重叠的大小为P×Q(1<P≤Mi-1,1<Q≤Mi-1)的子阵,当i=1时,Mi即M1,当i=2时,Mi即M2,第(p,q)个子阵的阵元位置为Li,(p,q)={((m'+p-1)di,(n'+q-1)di)|0≤m'≤P-1,0≤n'≤Q-1},其中:m',n'分别是范围[0,P-1]和[0,Q-1]内的整数,接收信号向量xi,(p,q)(t)为:
其中,1≤p≤Mi-P+1,1≤q≤Mi-Q+1,i=1,2。Ai,(1,1)=Aiy,(1,1)⊙Aix,(1,1)为子面阵i的第(1,1)个子阵的方向矩阵,其在X轴和Y轴方向的方向矢量分别为Aix,(1,1)和Aiy,(1,1)。和分别表示K×K阶对角矩阵Φix的p-1次幂和Φiy的q-1次幂,其中,ni,(p,q)(t)为子面阵i的第(p,q)个子阵的噪声矢量。因此,子面阵i的第(p,q)个子阵接收信号的协方差矩阵Ri,(p,q)可表示为其中,为xi,(p,q)(t)的共轭转置。故子面阵i的二维空间平滑的协方差矩阵可由其全部平滑子阵的协方差矩阵的均值表示:
三、二维ESPRIT算法
将子面阵i的二维空间平滑协方差矩阵进行特征分解,得到的K个较大特征值对应的特征矢量构成的信号子空间Eis,将Eis分解成Eix=Eis(1:P(Q-1),:),Eiy=Eis(P+1:PQ,:),其中:Eix为Eis的1到P(Q-1)行,Eiy为Eis的P+1到PQ行。若用Dl(·)表示用矩阵的第l(l=1,2,…,Q-1)行构造的对角阵(字母D单独而言是没有意义的,数学中是diag的缩写),则Eix、Eiy可表示为:
Eix=Ai1,(1,1)Ti,Eiy=Ai1,(1,1)ΦiyTi (10)
其中,Ai1,(1,1)=[Aix,(1,1)D1(Aiy,(1,1)),Aix,(1,1)D2(Aiy,(1,1)),…,Aix,(1,1)DQ-1(Aiy,(1,1))],Ti为K×K阶的满秩矩阵。将上式化简得:
Eiy=EixTi -1ΦiyTi=EixΨi (11)
其中,Ψi=Ti -1ΦiyTi,Ti -1为Ti的逆运算,Ψi的特征值为Φiy的对角线元素。
其中,Πi为一个置换矩阵,表示Πi的逆运算。由于和的特征值一致,因此将进行特征值分解可得uik=sinθk sinφk,k=1,2,…,K的估计值(本发明中仅仅是为了方便描述将sinθk sinφk,k=1,2,…,K的值用uik代替):
对信号子空间进行重构Eis得其中:为对矩阵Ti的估计值求逆。对E'is进行行变换后得到E″is,E″is表示为类似地,将E″is分解成E'ix=E″is(1:Q(P-1),:),E'iy=E″is(Q+1:PQ,:),即E'ix为E″is的1到Q(P-1)行,E'iy为E″is的Q+1到PQ行。
构造矩阵Ai2,(1,1)=[Aiy,(1,1)D1(Aix,(1,1)),Aiy,(1,1)D2(Aix,(1,1)),…,Aiy,(1,1)DP-1(Aix,(1,1))],其中,Dl(·)表示用矩阵的第l(l=1,2,…,P-1)行构造的对角阵(字母D单独而言是没有意义的,数学中是diag的缩写);
则有:
化简得:
在不考虑噪声的条件下有:
其中,为矩阵(E'ix)E'iy的第k个对角元素,表示取的相角。由式(13)和(17),uik与vik的估计值有相同的列模糊,因此可以将俯仰角和方位角进行自动配对,利用已配对的和得到入射信号的DOA估计。
四、解模糊
由于互质面阵的阵元间距大于λ/2,因此存在角度模糊问题。大量研究与文献已证明,互质面阵的角度模糊问题可以通过两个子面阵间的互质关系消除,即两个子面阵相同的角度估计值即为真实信源入射角的DOA估计。根据此理论,通过对比子阵1和子阵2得到误差最小的和再由下式分别得到真实角度θk、φk的估计值
下面利用MATLAB仿真对本发明的算法性能进行分析。其中,采用求根均方误差(Root Mean Square Error,RMSE)来评估算法DOA估计性能,RMSE定义如下:
其中,K表示相干信源的入射路径数,L表示Monte Carlo试验次数,本次仿真中L=200。和分别表示第l次Monte Carlo试验时第k条路径入射信号的仰角θk和方位角φk的估计值,θk,l和φk,l分别表示其精确值。
图3为本发明在SNR=10dB时的二维空间谱估计结果散布图。其中,相干信源分别从角度(5°,10°)、(15°,20°)和(25°,30°)入射到阵元数为M1=5、M2=6的互质面阵,快拍数J=200。可以看出,本发明提出的算法可以有效估计出相干信源的DOA信息。
图4是本发明在不同快拍数下的角度估计性能对比图。其中,互质面阵的阵元数M1=4,M2=5,相干信源的入射方向分别为(15°,10°)、(25°,25°)和(35°,40°)。仿真结果显示,本发明的角度估计性能随着快拍数的增加而变好。
图5是本发明在不同阵元数下的角度估计性能对比图。其中,阵元数M2=8,快拍数J=200,相干信源的入射方向分别为(15°,10°)、(25°,25°)和(35°,40°)。仿真结果显示,俯仰角和方位角估计值的RMSE值随阵元数的增加而降低,算法性能渐优。
图6是本发明在不同平滑子阵下的角度估计性能对比图。其中,阵元数M1=7,M2=8,快拍数J=200,相干信源的入射方向分别为(15°,10°)、(25°,25°)和(35°,40°),且规定互质面阵的两个子面阵在仿真中采用同样大小的平滑子阵,P=Q。仿真结果显示,当P=5时角度估计性能最佳。
图7-8为互质面阵下相干信源DOA估计的不同算法的性能对比图。其中相干信源分别从角度(15°,10°)、(25°,25°)、(35°,40°)入射到阵元数为M1=4,M2=5的互质面阵。仿真结果显示,本发明(即SS-ESPRIT)的角度估计性能与SS-PM方法的性能相近,不及SS-MUSIC方法的角度估计性能。但是由于SS-MUSIC方法需要进行二维谱峰搜索,算法复杂度高,不便于硬件实现。
本发明首先引入空间平滑技术对信号协方差矩阵进行预处理,解决了信源相干性导致的信号协方差的秩亏损的问题。在此基础上,本发明基于阵列的旋转不变性实现相干信源的高精度定位。
本发明针对互质阵在进行信号参数过程中会出现模糊值的问题,先对阵列中两个子面阵独立运算,最后利用两个子面阵间的互质关系消除模糊值,得到目标DOA信息的真实估计。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种用于互质面阵下相干信源DOA估计的方法,其特征在于,首先,利用空间平滑技术对接收数据的协方差矩阵进行预处理,恢复接收信号协方差矩阵的满秩特性,然后基于旋转不变性,运用二维ESPRIT算法对互质面阵下相干信源的波达方向进行估计,并利用阵列中两个子面阵的互质特性消除模糊值,从而实现相干信源的高分辨DOA估计;
利用空间平滑技术解相干,包括以下步骤:
互质面阵分成两个子阵,分别记为子阵1和子阵2,子阵阵元只在原点处重合,其中,子阵1是阵元数为M1×M1的均匀面阵,子阵2是阵元数为M2×M2的均匀面阵;子阵1在X轴和Y轴方向上的阵元间距为d1=M2λ/2,其中:λ为入射信号波长,子阵2在X轴和Y轴方向上的阵元间距为d2=M1λ/2;因此,互质面阵的阵元总数为
根据互质面阵的结构特点,分别对互质面阵的两个子面阵进行空间平滑,将互质面阵的子面阵i(i=1,2)分为若干个部分重叠的大小为P×Q(1<P≤Mi-1,1<Q≤Mi-1)的子阵,当i=1时,Mi即M1,当i=2时,Mi即M2,第(p,q)个子阵的阵元位置为Li,(p,q)={((m'+p-1)di,(n'+q-1)di)|0≤m'≤P-1,0≤n'≤Q-1},其中:当i=1时,di即为d1,当i=2时,di即为d2,其中:m',n'分别是范围[0,P-1]和[0,Q-1]内的整数,接收信号向量xi,(p,q)(t)为:
其中,1≤p≤Mi-P+1,1≤q≤Mi-Q+1,i=1,2;Ai,(1,1)=Aiy,(1,1)⊙Aix,(1,1)为子面阵i的第(1,1)个子阵的方向矩阵,Ai,(1,1)在X轴和Y轴方向的方向矢量分别为Aix,(1,1)和Aiy,(1,1);和分别表示K×K阶对角矩阵Φix的p-1次幂和Φiy的q-1次幂,其中,其中:e为自然常数,j为虚数单位,π为圆周率,θk,φk分别表示第k(k=1,2,…,K)条路径的入射俯仰角和方位角;相干信号源矢量为s(t)=αs0(t),α=[α1,α2,…,αK]T为由一系列复常数组成的相干系数矩阵,[·]T表示矩阵的转置,s0(t)为生成信源;ni,(p,q)(t)为子面阵i的第(p,q)个子阵的噪声矢量;因此,子面阵i的第(p,q)个子阵接收信号的协方差矩阵Ri,(p,q)表示为其中,为xi,(p,q)(t)的共轭转置;故子面阵i的二维空间平滑的协方差矩阵由其全部平滑子阵的协方差矩阵的均值表示:
运用二维ESPRIT算法对互质面阵下相干信源的波达方向进行估计,包括以下步骤:
将子面阵i的二维空间平滑协方差矩阵进行特征分解,得到的K个特征值对应的特征矢量构成的信号子空间Eis,将Eis分解成Eix=Eis(1:P(Q-1),:),Eiy=Eis(P+1:PQ,:),其中:Eix为Eis的1到P(Q-1)行,Eiy为Eis的P+1到PQ行;若用Dl(·)表示用矩阵的第l(l=1,2,…,Q-1)行构造的对角阵,则Eix、Eiy分别表示为:
Eix=Ai1,(1,1)Ti,Eiy=Ai1,(1,1)ΦiyTi (10)
Eiy=EixTi -1ΦiyTi=EixΨi (11)
其中,Ψi=Ti -1ΦiyTi,Ti -1为Ti的逆运算,Ψi的特征值为Φiy的对角线元素;
在不考虑噪声的情况下有:
其中,Πi为一个置换矩阵,表示Πi的逆运算,由于和的特征值一致,因此将进行特征值分解得到uik=sinθksinφk,k=1,2,…,K的估计值uik是公式sinθksinφk,k=1,2,…,K的值:
对信号子空间进行重构Eis得其中:为对矩阵Ti的估计值求逆;对E'is进行行变换后得到E”is,E”is表示为将E”is分解成E'ix=E”is(1:Q(P-1),:),E'iy=E”is(Q+1:PQ,:),即E'ix为E”is的1到Q(P-1)行,E'iy为E”is的Q+1到PQ行;
构造矩阵Ai2,(1,1)=[Aiy,(1,1)D1(Aix,(1,1)),Aiy,(1,1)D2(Aix,(1,1)),…,Aiy,(1,1)DP-1(Aix,(1,1))],其中:Dl(·)表示用矩阵的第l(l=1,2,…,P-1)行构造的对角阵;
则有:
化简得:
在不考虑噪声的条件下有:
其中,为矩阵(E'ix)E'iy的第k个对角元素,表示取的相角;由式(13)和(17),uik与vik的估计值有相同的列模糊,因此将俯仰角和方位角进行自动配对,利用已配对的和得到入射信号的DOA估计;
利用阵列中两个子面阵的互质特性消除模糊值,包括以下步骤:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010088102.9A CN111239679B (zh) | 2020-02-12 | 2020-02-12 | 一种用于互质面阵下相干信源doa估计的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010088102.9A CN111239679B (zh) | 2020-02-12 | 2020-02-12 | 一种用于互质面阵下相干信源doa估计的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111239679A CN111239679A (zh) | 2020-06-05 |
CN111239679B true CN111239679B (zh) | 2022-04-08 |
Family
ID=70873191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010088102.9A Active CN111239679B (zh) | 2020-02-12 | 2020-02-12 | 一种用于互质面阵下相干信源doa估计的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111239679B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462363A (zh) * | 2020-10-15 | 2021-03-09 | 中国人民解放军空军预警学院 | 非均匀稀疏极化阵列相干目标参数估计方法 |
CN113253192B (zh) * | 2021-04-15 | 2024-03-15 | 南京航空航天大学 | 一种用于非圆信号的互质线阵级联doa估计方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912791B (zh) * | 2016-04-15 | 2019-03-29 | 山东农业大学 | 虚拟互质阵列中基于局部搜索的doa估计方法 |
CN106785486B (zh) * | 2017-01-09 | 2020-02-18 | 南京航空航天大学 | 一种广义互质面阵天线结构 |
CN107092004B (zh) * | 2017-05-05 | 2020-08-07 | 浙江大学 | 基于信号子空间旋转不变性的互质阵列波达方向估计方法 |
CN107907852B (zh) * | 2017-10-27 | 2021-08-03 | 大连大学 | 基于空间平滑的协方差矩阵秩最小化doa估计方法 |
CN108120967B (zh) * | 2017-11-30 | 2020-01-10 | 山东农业大学 | 一种平面阵列doa估计方法及设备 |
CN108344967B (zh) * | 2018-01-20 | 2020-05-26 | 中国人民解放军战略支援部队信息工程大学 | 基于互质面阵的二维波达方向快速估计方法 |
CN109239651B (zh) * | 2018-07-24 | 2023-06-20 | 南京航空航天大学 | 互质面阵下的二维doa跟踪方法 |
-
2020
- 2020-02-12 CN CN202010088102.9A patent/CN111239679B/zh active Active
Non-Patent Citations (2)
Title |
---|
《On Spatial Smoothing for Two-Dimensional Direction-of-Arrival Estimation of Coherent Signals》;Yih-Min Chen;《IEEE TRANSACTIONS ON SIGNAL PROCESSING》;19970731;第45卷(第7期);正文第Ⅱ节 * |
《互质阵的空间谱估计算法及其FPGA实现》;胡滨;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20180315;正文第四章 * |
Also Published As
Publication number | Publication date |
---|---|
CN111239679A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | DOA estimation for coprime linear arrays: An ambiguity-free method involving full DOFs | |
CN107315162B (zh) | 基于内插变换和波束形成的远场相干信号doa估计方法 | |
Wu et al. | 3-D mixed far-field and near-field sources localization with cross array | |
CN109375152B (zh) | 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法 | |
CN108896954A (zh) | 互质阵中一种基于联合实值子空间的波达角估计方法 | |
CN110412499B (zh) | 基于压缩感知理论下的rss算法的宽带doa估计算法 | |
CN111239679B (zh) | 一种用于互质面阵下相干信源doa估计的方法 | |
CN112731278B (zh) | 一种部分极化信号的角度与极化参数欠定联合估计方法 | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN113296049A (zh) | 互质阵列脉冲环境下非圆信号的共轭增广doa估计方法 | |
Sun et al. | Real-valued DOA estimation with unknown number of sources via reweighted nuclear norm minimization | |
Qi et al. | Time-frequency DOA estimation of chirp signals based on multi-subarray | |
Dong et al. | Non-circular sources DOA estimation for coprime array with impulsive noise: A novel augmented phased fractional low-order moment | |
Meng et al. | Real-valued MUSIC for efficient direction of arrival estimation with arbitrary arrays: mirror suppression and resolution Improvement | |
CN109270483B (zh) | 三维阵虚拟扩展相干源二维波达方向估计方法 | |
CN112731275B (zh) | 一种基于零化插值的互质阵部分极化信号参数估计方法 | |
CN109521393A (zh) | 一种基于信号子空间旋转特性的波达方向估计算法 | |
CN112016037A (zh) | 一种互质面阵中基于降维Capon求根的二维测向估计方法 | |
CN110673085A (zh) | 一种均匀面阵下基于快速收敛平行因子的相干信源测向方法 | |
CN113391266B (zh) | 基于非圆多嵌套阵降维子空间数据融合的直接定位方法 | |
CN114895234A (zh) | 互质面阵下降维Capon的二维DOA估计方法 | |
CN114325568A (zh) | 脉冲噪声环境下基于bnc的嵌套阵列非圆信号doa估计方法 | |
CN113281698A (zh) | 一种嵌套阵中基于级联的非高斯信源测向方法 | |
Qianlin et al. | Fast parallel factor decomposition technique for coherently distributed source localization | |
Shi et al. | Sparsity-based DOA estimation of coherent and uncorrelated targets with co-prime MIMO radar |
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 |