CN111693937B - 一种基于稀疏重构的无需网格化的近场信号源定位方法 - Google Patents
一种基于稀疏重构的无需网格化的近场信号源定位方法 Download PDFInfo
- Publication number
- CN111693937B CN111693937B CN202010450164.XA CN202010450164A CN111693937B CN 111693937 B CN111693937 B CN 111693937B CN 202010450164 A CN202010450164 A CN 202010450164A CN 111693937 B CN111693937 B CN 111693937B
- Authority
- CN
- China
- Prior art keywords
- matrix
- covariance
- toeplitz
- signal
- arrival
- 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
- 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
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于稀疏重构的无需网格化的近场信号源定位方法,具体为:基于对称均匀线性阵列接收到的信号模型获取协方差矩阵提取协方差矩阵的反对角线元素构建类似Toeplitz矩阵的相关矩阵基于协方差拟合准则构造目标函数,使用半正定规划估计Toeplitz相关矩阵基于Toeplitz相关矩阵使用Prony方法估计近场信号源的波达方向再使用常规的基于子空间的方法有效地估计范围可以采用MUSIC方法估计范围本发明通过提取信号协方差矩阵反对角线元素构造类似Toeplitz矩阵的相关矩阵,建立针对该相关矩阵重构的凸优化问题,基于恢复的相关矩阵使用Prony方法估计近场信号源的波达方向,避免迭代运算带来的高计算复杂度问题的同时避免传统网格化方法的网格失配问题。
Description
技术领域
本发明属于阵列信号处理技术领域,具体涉及一种基于稀疏重构的无需网格化的近场信号源定位方法。
背景技术
近场问题的复杂性带来的计算量通常都很大,如何在保证估计精度的同时降低计算量一直是近场源定位领域不断研究的方向。二维MUSIC算法是把传统的一维MUSIC方法推广到二维参数估计,这种方法需要搜索波达方向和距离两个参数,计算负担大。最大似然估计方法具有很好地统计性能,但是它通常需要优化一个高度非线性代价函数,而且需要不断迭代,计算量巨大。通过对接收传感器阵列周围空间进行网格化,利用网格匹配的方法估计信号源的波达方向以及位置,这种方法大大降低了计算量,但是当实际的信号不在该网格上的话,就会造成定位算法本身无法克服的误差。
发明内容
本发明的目的在于克服现有技术中存在的缺陷,提供一种用于对称均匀线阵的基于稀疏重构的无需网格化的近场信号源定位方法,保证精度的同时避免了迭代算法带来的巨大计算量,也避免网格失配的问题。
为达到上述目的,本发明采用了以下技术方案:一种基于稀疏重构的无需网格化的近场信号源定位方法,其特征在于,包括以下步骤:
步骤1,基于对称均匀线性阵列接收到的信号模型获取协方差矩阵提取协方差矩阵的反对角线元素,利用协方差矩阵的反对角线元素构建类似Toeplitz矩阵的相关矩阵对称均匀线性阵列包含2M+1个全向传感器阵元;
步骤1具体如下:
设K个近场窄带非相干信号源入射至拥有2M+1个全向传感器阵元的对称均匀线性阵列,K<M,阵元之间间距为d,阵元m接收到的信号为:
式中m=-M,...,...0,...,M,sk(n)表示第k个入射信号,ωm(n)表示阵元m上的噪声,其中:
使用矩阵表示对称均匀线性阵列接收到的信号模型为:
式中N表示采样数,x(n)表示阵列接收数据。
R和Γ均为理论值,协方差矩阵R为2M+1维矩阵,其计算式可以表示为
R=E{x(n)xH(n)}=ARsAH+σI2M+1 (5)
根据协方差矩阵R的反对角线上元素得到空间相关性:
式中i=-2M,...,-1,0,1,...,2M,p=-M+i2,...,-1,0,-1,M-i1,这里i1=0.5(|i|+i),i2=0.5(|i|-i),γik=Ψk-iΦk;
设i=0,则i1=i2=0,构建M+1维Toeplitz矩阵Γ
将式(6)代入式(7),Toeplitz矩阵Γ可以表示为:
Γ=B(θ)RsBH(θ)+σIM+1 (8)
式中:
步骤2具体包括以下步骤:
根据协方差拟合准则构建以下半正定规划问题(SDP):
若采样数N≥2M+1,SDP问题为:
若采样数N<2M+1,SDP问题为:
协方差拟合准则为:
若采样数N≥2M+1:
若采样数N<2M+1:
ΓB(θ)RsBH(θ)+σIM+1
协方差矩阵共有2M+1个特征值,将所有特征值按大小排序,是由前K个较大特征值构成的K维对角阵,是由前K个较大特征值对应的特征向量张成的子空间,即信号子空间;是由后2M+1-K个小特征值构成的2M+1-K维对角阵,是由后2M+1-K个较小特征值对应的特征向量张成的子空间;
与现有技术相比,本发明具有以下有益的技术效果:本发明通过提取信号协方差矩阵反对角线元素构造类似Toeplitz矩阵的相关矩阵,建立针对该相关矩阵重构的凸优化问题,基于恢复的相关矩阵使用Prony方法估计近场信号源的波达方向,在获得波达方向的情况下使用常规的基于子空间的方法有效地估计距离,该算法对波达方向和距离的估计都有卓越的性能,特别在采样数较小甚至单采样的情况下,估计结果的精度高于已有算法WLPM和GEMM,该算法将波达方向以及距离分开估计并自动关联,无需再做额外处理,使用非迭代的方式求解问题大大降低了计算量,由于不需要离散化处理,在提高性能的同时也避免了传统网格匹配算法的网格失配问题。
附图说明
图1a为波达方向的估计均方根误差随信噪比变化曲线,
图1b为距离的估计均方根误差随信噪比变化曲线。
图2a为波达方向的估计均方根误差随采样数变化曲线。
图2b为距离的估计均方根误差随采样数变化曲线。
具体实施方式
下面结合附图和实施例对本发明做详细描述。
提取信号协方差矩阵反对角线元素,构造类似Toeplitz矩阵的相关矩阵,建立针对所述相关矩阵重构的凸优化问题,基于恢复的半正定规划估计得到的更接近于理论值的相关矩阵可以使用Prony方法估计近场信号源的波达方向,在已知波达方向的情况下使用常规的基于子空间的方法可以有效地估计信号源与对称均匀线性阵列的距离。所述近场信号为入射到对称均匀线性阵列上的K个不相干窄带信号所述对称均匀线性阵列包含2M+1个全向传感器阵元,M的取值范围为M>K,为入射信号的方位信息,其中θi表示第i个入射信号的波达方向角,所述波达方向角为第i个入射信号相对于y轴的逆时针夹角。
一种基于对称均匀线性阵列的应用于近场信号源定位的稀疏重构方法,具体实现步骤概括如下:
其中,N表示采样数,x(n)表示阵列接收数据,{.}H表示共轭转置;
下面进行具体描述。
K个近场窄带非相干信号源入射至拥有2M+1个全向传感器阵元的对称均匀线性阵列,要求K<M,阵元之间间距为d,阵元m接收到的信号为:
式中m=-M,...,...0,...,M,sk(n)表示第k个入射信号,ωm(n)表示阵元m上的噪声,其中:
式中,λ为信号波长,θk为第k个入射信号的波达方向,rk为第k个入射信号到均匀对称线性阵列的距离。
使用矩阵表示对称均匀线性阵列接收到的信号模型为:
式中N表示采样数,x(n)表示阵列接收数据。
a、协方差矩阵R为2M+1维矩阵,其计算公式可以表示为
R=E{x(n)xH(n)}=ARsAH+σI2M+1 (6)
b、根据协方差矩阵R的反对角线上元素可以得到空间相关性:
式中i=-2M,...,-1,0,1,...,2M,p=-M+i2,...,-1,0,-1,M-i1,,这里i1=0.5(|i|+i),i2=0.5(|i|-i),γik=Ψk-iΦk。
c、设i=0,则i1=i2=0,构建M+1维Toeplitz矩阵Г
d、将式(7)代入式(8),Toeplitz矩阵Γ可以表示为:
Γ=B(θ)RsBH(θ)+σIM+1 (9)式中:
根据协方差拟合准则构建以下半正定规划问题(SDP):
若采样数N≥2M+1,SDP问题为:
若采样数N<2M+1,SDP问题为:
协方差矩阵共有2M+1个特征值,将所有特征值按大小排序,是由前K个较大特征值构成的K维对角阵,是由K个较大特征值对应的特征向量张成的子空间,即信号子空间;是由后2M+1-K个较小特征值构成的2M+1-K维对角阵,是由后2M+1-K个小特征值对应的特征向量张成的子空间。
下面通过以下不同情形对上述方法的效果进行说明:
空间有两个波达方向及距离未知的不相干近场信号,其入射方向及距离分别为(12°,1.5λ),(31°,1.7λ)。对称均匀线性阵列含有2M+1=7个阵元,阵元间隔为d=λ/4,仿真中加入近场源定位的加权线性预测方法(WLPM)和基于对称子阵的近场源定位(GEMM)作为对比,同时给出了CRB界。每一个仿真结果都是经由1000次独立重复实验得到的。
参考图1a和图1b,所有的方法都相对准确地估计近场信号的波达方向以及距离,波达方向以及距离的估计均方根误差(RMSE)随着信噪比的增加而显著降低;采样数N=200,实线为本发明方法所得;长虚线为GEMM算法所得;点虚线为WLPM算法所得;短虚线为克拉美罗下界(CRB);可以看出本发明提出的方法在低信噪比下完全优于WLPM方法和GEMM方法,图b中的结果可以看出本发明提出的方法在距离估计上有卓越的性能,远优于WLPM方法和GEMM方法。
参考图2a和图2b,信噪比为10dB,实线为本发明方法所得;长虚线为GEMM算法所得;点虚线为WLPM算法所得;短虚线为克拉美罗下界(CRB);所有的方法都相对准确地估计近场信号的波达方向以及距离,波达方向以及距离的估计均方根误差(RMSE)随着采样数的增加而显著降低,由图可以看出本发明提出的方法在低采样数甚至单采样的情况下效果完全优于WLPM方法和GEMM方法,由图2b的结果可以看出本发明提出的方法在距离估计上有卓越的性能,远优于WLPM方法和GEMM方法。
本发明通过提取信号协方差矩阵反对角线元素构造类似Toeplitz矩阵的相关矩阵,建立针对该相关矩阵重构的凸优化问题,基于恢复的相关矩阵使用Prony方法估计近场信号源的波达方向,在获取波达方向的情况下使用常规的基于子空间的方法可以有效地估计距离。本发明使用无需网格化的稀疏重构方法,避免了迭代运算带来的高计算复杂度问题的同时也没有传统网格化方法的网格失配问题。
Claims (3)
1.一种基于稀疏重构的无需网格化的近场信号源定位方法,其特征在于,包括以下步骤:
步骤1,基于对称均匀线性阵列接收到的信号模型获取协方差矩阵提取协方差矩阵的反对角线元素,利用协方差矩阵的反对角线元素构建类似Toeplitz矩阵的相关矩阵对称均匀线性阵列包含2M+1个全向传感器阵元;基于协方差矩阵反对角线元素构建类似Toeplitz矩阵的相关矩阵过程如下:
R和Γ均为理论值,协方差矩阵R为2M+1维矩阵,其计算式可以表示为R=E{x(n)xH(n)}=ARsAH+σI2M+1 (5)
根据协方差矩阵R的反对角线上元素得到空间相关性:
式中i=-2M,...,-1,0,1,...,2M,p=-M+i2,...,-1,0,-1,M-i1,这里i1=0.5(|i|+i),i2=0.5(|i|-i),γik=Ψk-iΦk;
设i=0,则i1=i2=0,构建M+1维Toeplitz矩阵Γ
将式(6)代入式(7),Toeplitz矩阵Γ可以表示为:
Γ=B(θ)RsBH(θ)+σIM+1 (8)
式中:
根据协方差拟合准则构建以下半正定规划问题(SDP):
若采样数N≥2M+1,SDP问题为:
若采样数N<2M+1,SDP问题为:
若采样数N≥2M+1:
若采样数N<2M+1:
2.根据权利要求1所述的基于稀疏重构的无需网格化的近场信号源定位方法,其特征在于,步骤1具体如下:
设K个近场窄带非相干信号源入射至拥有2M+1个全向传感器阵元的对称均匀线性阵列,K<M,阵元之间间距为d,阵元m接收到的信号为:
式中m=-M,...,...0,...,M,sk(n)表示第k个入射信号,ωm(n)表示阵元m上的噪声,其中:
使用矩阵表示对称均匀线性阵列接收到的信号模型为:
式中N表示采样数,x(n)表示阵列接收数据。
协方差矩阵共有2M+1个特征值,将所有特征值按大小排序,是由前K个较大特征值构成的K维对角阵,是由前K个较大特征值对应的特征向量张成的子空间,即信号子空间;是由后2M+1-K个小特征值构成的2M+1-K维对角阵,是由后2M+1-K个较小特征值对应的特征向量张成的子空间;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010450164.XA CN111693937B (zh) | 2020-05-25 | 2020-05-25 | 一种基于稀疏重构的无需网格化的近场信号源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010450164.XA CN111693937B (zh) | 2020-05-25 | 2020-05-25 | 一种基于稀疏重构的无需网格化的近场信号源定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111693937A CN111693937A (zh) | 2020-09-22 |
CN111693937B true CN111693937B (zh) | 2023-04-28 |
Family
ID=72478257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010450164.XA Active CN111693937B (zh) | 2020-05-25 | 2020-05-25 | 一种基于稀疏重构的无需网格化的近场信号源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111693937B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112666513B (zh) * | 2020-12-11 | 2024-05-07 | 中国人民解放军63892部队 | 一种改进式music波达方向估计方法 |
CN113721184B (zh) * | 2021-08-19 | 2023-08-15 | 西安电子科技大学 | 基于改进music算法的近场信号源定位方法 |
CN114462454B (zh) * | 2022-02-11 | 2024-07-05 | 南京邮电大学 | 基于深度学习的无网格信号源doa估计方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537249A (zh) * | 2015-01-04 | 2015-04-22 | 西安电子科技大学 | 基于稀疏贝叶斯学习的波达方向角估计方法 |
CN109557504A (zh) * | 2018-10-25 | 2019-04-02 | 西安交通大学 | 一种近场窄带信号源的定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014217681B4 (de) * | 2014-09-04 | 2020-12-10 | Imra Europe S.A.S. | Sirenensignalquellenerfassung, -Erkennung und -Lokalisation |
-
2020
- 2020-05-25 CN CN202010450164.XA patent/CN111693937B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537249A (zh) * | 2015-01-04 | 2015-04-22 | 西安电子科技大学 | 基于稀疏贝叶斯学习的波达方向角估计方法 |
CN109557504A (zh) * | 2018-10-25 | 2019-04-02 | 西安交通大学 | 一种近场窄带信号源的定位方法 |
Non-Patent Citations (1)
Title |
---|
基于矢量水听器阵的迭代稀疏协方差矩阵拟合波达方向估计方法;王伟东等;《西北工业大学学报》(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111693937A (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111693937B (zh) | 一种基于稀疏重构的无需网格化的近场信号源定位方法 | |
CN106980106B (zh) | 阵元互耦下的稀疏doa估计方法 | |
WO2018094565A1 (zh) | 脉冲噪声下的波束成形方法及装置 | |
CN111337893B (zh) | 一种基于实值稀疏贝叶斯学习的离格doa估计方法 | |
CN110927659A (zh) | 互耦条件下任意阵列流形doa估计与互耦校准方法及系统 | |
CN111049556B (zh) | 一种基于干扰协方差矩阵重构的互素阵稳健自适应波束形成方法 | |
CN107576931B (zh) | 一种基于协方差低维度迭代稀疏重构的相关/相干信号波达方向估计方法 | |
CN109639333B (zh) | 一种基于有效重构协方差矩阵的波束形成方法 | |
CN112735460B (zh) | 基于时频掩蔽值估计的波束成形方法及系统 | |
CN108802667A (zh) | 基于广义正交匹配追踪的波达方向估计方法 | |
CN111337873A (zh) | 一种基于稀疏阵的doa估计方法 | |
CN110244258B (zh) | 用于双平行阵二维测向中扩展doa矩阵方法 | |
CN112992173B (zh) | 基于改进bca盲源分离的信号分离和去噪方法 | |
CN106788655B (zh) | 互耦条件下未知互耦信息的干扰相干稳健波束形成方法 | |
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 | |
CN110895325B (zh) | 基于增强四元数多重信号分类的到达角估计方法 | |
CN110673085B (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 | |
CN114462454B (zh) | 基于深度学习的无网格信号源doa估计方法 | |
CN114884841A (zh) | 基于高阶统计和非均匀阵列的欠定参数联合估计方法 | |
CN113504549B (zh) | 基于广义旁瓣相消器的导航空时抗干扰方法 | |
CN104407319A (zh) | 阵列信号的目标源测向方法和系统 | |
CN107592115B (zh) | 一种基于非均匀范数约束的稀疏信号恢复方法 | |
CN114184999B (zh) | 一种互耦小孔径阵列的生成式模型处理方法 | |
TW201342364A (zh) | 於旋積混合盲信號源中將多個訊號源進行分離之方法 | |
CN115514389A (zh) | 一种同步直扩信号的源数估计方法 |
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 |