CN111781593A - 低数据量相干信号doa估计方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种低数据量相干信号DOA估计方法、装置、设备及可读存储介质，所述方法包括：发射雷达信号，并接收目标物反射的回波信号，而后对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号，接下来基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向。通过单频时变阈值一比特量化采样降低雷达的回波数据采集、存储、传输、处理等过程中的数据量，节约了系统成本，采取了前后向空间平滑算法，将相干信号协方差的秩恢复到目标物个数，实现了去相关，提高低数据量相干信号DOA估计的精度。

Description

低数据量相干信号DOA估计方法、装置、设备及介质

技术领域

本发明涉及数据采集和信号处理领域，尤其涉及一种低数据量相干信号DOA估计方法、装置、设备及可读存储介质。

背景技术

毫米波阵列雷达具有全天候、全天时的远距离、高分辨探测能力，在先进驾驶辅助系统(ADAS)、盲点监测、辅助变道、无人机定高与盲检、无人船航行、人体生命特征检测等多领域发挥着重要的作用。但随着阵列雷达接收阵元(通道)数目的增加以及信号带宽的不断增加，其数据采集、传输、处理的负担也在不断地加大。例如根据奈奎斯特采样定理，采样一个1G赫兹带宽的雷达一个通道的回波信号，需要2G赫兹/秒的采样率，如果每个信号采样量化为16比特，则ADC速率为4GB/秒，一分钟就可以存满一个中等大小的硬盘，如果是多个接收通道的阵列，雷达会导致ADC采样数据量更大。

进一步地，由于传播环境的复杂性，入射到阵列的信号中有相干信号源的存在，包括同频干扰和由于背景物体反射的多径传播信号，从而无法定位产生同频干扰的多个目标各自的DOA。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种低数据量相干信号DOA估计方法、装置、设备及可读存储介质，旨在解决现有低数据量相干信号DOA估计算法的精度低且数据采集的数据量大的技术问题。

为实现上述目的，本发明提供一种低数据量相干信号DOA估计方法，所述的低数据量相干信号DOA估计方法包括以下步骤：

发射雷达信号，并接收目标物反射的雷达信号对应的回波信号；

对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号；

基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向。

进一步地，所述对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号的步骤包括：

基于所述回波信号的频率确定采样信号的频率，并基于所述回波信号的幅度确定所述采样信号的幅度；

利用所述采样信号对所述回波信号进行一比特量化采样，得到所述量化采样后的回波信号。

进一步地，所述基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向的步骤包括：

基于量化采样后的回波信号构建协方差矩阵，并对所述协方差矩阵进行特征值分解；

基于分解后得到的特征值对应的特征向量构建信号子空间和噪声子空间；

利用所述信号子空间和噪声子空间进行空间谱峰值搜索，得到所述回波信号的波达方向。

进一步地，所述基于分解后得到的特征值对应的特征向量构建信号子空间和噪声子空间的步骤包括：

对所述分解后得到的特征值对应的特征向量进行排序，基于所述排序后的特征向量构建所述信号子空间和所述噪声子空间。

进一步地，所述基于所述排序后的特征向量构建所述信号子空间和所述噪声子空间的步骤包括：

在排序后的特征向量中选取与目标物数量相同的特征向量作为信号子空间，将排序后的特征值中其他特征向量作为噪声子空间。

进一步地，所述利用所述信号子空间和噪声子空间进行空间谱峰值搜索，得到所述回波信号的波达方向的步骤包括：

基于所述信号子空间和所述噪声子空间的正交关系构造空间谱函数；

对所述空间谱函数求峰值，将得到的峰值作为所述波达方向的估计值。

进一步地，所述毫米波阵列雷达的天线阵列为均匀线阵，所述发射雷达信号，并接收目标物反射的雷达信号对应的回波信号的步骤之前包括：

将所述毫米波阵列雷达的天线阵列分为多个相重叠的子阵列，并分别确定各个子阵列对应的前向子阵的协方差矩阵和后向子阵的协方差矩阵；

基于各个前向子阵的协方差矩阵和后向子阵的协方差矩阵确定前后向平滑协方差矩阵。

进一步地，所述低数据量相干信号DOA估计装置包括：

收发模块，用于发射雷达信号，并接收目标物反射的雷达信号对应的回波信号；

采样模块，用于对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号；

处理模块，用于基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向。

此外，为实现上述目的，本发明还提供一种设备，所述设备为毫米波阵列雷达，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的低数据量相干信号DOA估计程序，所述低数据量相干信号DOA估计程序被所述处理器执行时实现上述任一项所述的低数据量相干信号DOA估计方法的步骤。

此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有低数据量相干信号DOA估计程序，所述低数据量相干信号DOA估计程序被处理器执行时实现上述任一项所述的低数据量相干信号DOA估计方法的步骤。

本发明发射雷达信号，并接收目标物反射的回波信号，而后对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号，接下来基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向。通过单频时变阈值一比特量化采样降低雷达的回波数据采集、存储、传输、处理等过程中的数据量，节约了系统成本，采取了前后向空间平滑算法，将相干信号协方差的秩恢复到目标物个数，实现了去相关，提高低数据量相干信号DOA估计的精度。

附图说明

图1是本发明实施例方案涉及的硬件运行环境中设备的结构示意图；

图2为本发明基于低数据量相干信号DOA估计方法第一实施例的流程示意图；

图3为本发明基于低数据量相干信号DOA估计方法一实施例中均匀线阵的示意图；

图4为本发明基于低数据量相干信号DOA估计方法一实施例中相干LFMCW信号的示意图；

图5为本发明基于低数据量相干信号DOA估计方法一实施例中单频时变阈值信号的示意图；

图6为本发明基于低数据量相干信号DOA估计方法一实施例中回波LFMCW信号单频时变阈值一比特采样量化后的示意图；

图7为本发明基于低数据量相干信号DOA估计方法一实施例中前后向空间平滑的示意图；

图8为本发明基于低数据量相干信号DOA估计方法一实施例中单频时变阈值一比特采样量化后的前后向空间平滑低数据量相干信号DOA估计的示意图；

图9为本发明基于低数据量相干信号DOA估计方法一实施例中相干LFMCW信号低数据量相干信号DOA估计结果对比的示意图；

图10为本发明基于低数据量相干信号DOA估计方法第二实施例的流程示意图；

图11为本发明基于低数据量相干信号DOA估计装置实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境中设备的结构示意图。

如图1所示，该设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于低数据量相干信号DOA估计程序。

在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接用户端，与用户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的基于低数据量相干信号DOA估计程序。

在本实施例中，设备包括：存储器1005、处理器1001及存储在所述存储器1005上并可在所述处理器1001上运行的基于低数据量相干信号DOA估计程序，其中，处理器1001调用存储器1005中存储的基于低数据量相干信号DOA估计程序时，执行本申请各个实施例提供的基于低数据量相干信号DOA估计方法的步骤

本发明还提供一种低数据量相干信号DOA估计方法，参照图2，图2为本发明低数据量相干信号DOA估计方法第一实施例的流程示意图。

本发明实施例提供了低数据量相干信号DOA估计方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中，该低数据量相干信号DOA估计方法包括：

步骤S100，发射雷达信号，并接收目标物反射的雷达信号对应的回波信号；

在本实施例中，雷达是用无线电的方法发现目标并测定它们的空间位置。接收和发射波束均以数字方式形成的全数字化阵列天线雷达就称作数字阵列雷达，数字阵列雷达一般由天线阵列、数字发射/接收(T/R)组件、时钟、数据传输系统、数字处理机组成。雷达按照发射信号种类分成脉冲雷达和连续波雷达两大类，常规脉冲雷达发射周期性的高频脉冲，连续波雷达发射的是连续波信号。本发明的雷达为毫米波阵列雷达，且天线阵列为均匀线阵，如图3所示，两两天线阵子之间的距离d都相等，并且采用的是线性调频连续波信号，其缩写为LFMCW。

进一步地，当多个目标物在同一距离上时，此时反射回来反射信号中的回波信号的时间延迟是一样的，从而会导致回波信号由于反射时间一样而出现同频相干信号。对于存在相干信号的情况，如果采用现有的低数据量相干信号DOA估计算法，如传统的MUSIC、ESPRIT等信号子空间算法不能有效分辨回波信号DOA，其中，DOA是电子、通信、雷达、声呐等研究领域的行业内用语，通过处理接收到的回波信号，获取目标的距离信息和方位信息。本发明提出的低数据量相干信号DOA估计方法通过单频时变阈值一比特量化采样降低雷达回波数据，降低了数据采集、存储、传输、处理等过程中的数据量，节约了系统成本，采取了前后向空间平滑算法，提高低数据量相干信号DOA估计的精度。

具体地，毫米波阵列雷达采用线性调频连续波LFMCW来发射雷达信号，目标物反射的雷达信号对应的反射信号X可以公式一简单表示为：

公式一：X＝AS+N

其中，A为阵列相应矩阵，S是回波信号，N表示阵列噪声信号。

进一步地，反射信号X(t)可以用公式二表示为：

在公式二中，M表示均匀的阵元数目，N表示快拍数，K表示目标物个数,注意信源个数的要求是K<M，θ_K(k＝1,2,3…K)表示第k个目标的来波方向入射M根线。运用矩阵的定义，可得到公式一：X＝AS+N中各参数具体为：

X＝[x₁(t),x₂(t),...x_M(t)]_M×N ^T

S＝[S₁(t),S₂(t),...S_K(t)]_K×N ^T

A＝[a(θ₁),a(θ₂),...a(θ_K)]_M×K

N＝[n₁(t),n₂(t),...n_M(t)]_M×N ^T

来波方向为θ_K(k＝1,2,3…K)的第k个目标的回波信号入射两个阵元间的相位差为

d表示均匀线阵中的阵元间距，λ表示阵列雷达发射的线性调频信号的波长，其中λ＝cf_c，其中c表示光速，f_c表示阵列雷达发射的线性调频信号的中心频率。如图3所示，阵元间距为d的均匀线阵的阵列响应矩阵为

步骤S200，对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号；

具体地，步骤S200包括：

步骤S210，基于所述回波信号的频率确定采样信号的频率，并基于所述回波信号的幅度确定所述采样信号的幅度；

步骤S220，利用所述采样信号对所述回波信号进行一比特量化采样，得到所述量化采样后的回波信号。

在本实施例中，目标物经过时延τ反射回来的回波信号用S(t)表示：

A为目标回波信号最大幅度值，k为线性调频信号的调频斜率，其中k＝BT，B为信号带宽，T为信号脉冲宽度，f_c为中心频率，“”表示相乘。τ为回波信号相对于发射信号时间延迟。如果τ一致，将会产生同频相干LFMCW信号。根据表1配置各参数，参照图4，得到相干LFMCW信号。

表1

对毫米波阵列雷达的每个通道的相干LFMCW回波信号进行单频时变阈值一比特量化采样，通过将回波数据与时变阈值比较，将其量化为一比特量采样数据，从而降低雷达信号处理回波数据的位宽，达到简化系统、提升效率的目的。传统的一比特量量化将信号与0阈值比较，这将造成信号相对幅度的非线性失真，影响雷达信号处理的质量，随机时变阈值虽然能够保留幅度信息，却会引入额外的类噪声干扰。单频时变阈值将能够有效地保留一比特量采样量化中丢失的相对幅度信息，同时避免引入类噪声干扰，有效地提高了一比特量采样量化下的相干LFMCW信号的低数据量相干信号DOA估计的质量。

对LFMCW信号回波进行一比特量采样量化，其中采样阈值为频率为f₀、幅度为A_s的单频信号，表达式为：

其中，

阈值的初相。在不同的脉冲重复间隔内，可以采用固定初相以最大程度简化阈值存储参数，或采用随机初相以降低时变阈值的相干特性。需要说明的是，单频时变阈值可以由模拟振荡器直接生成，其产生的成本与复杂度远小于需要预先计算、高精度存储、实时查表重现的随机时变阈值。单频时变阈函数的参数设置如表2所示，相位设置为随机初相，目的是为了降低时变阈值的相干特性，产生的时变阈值函数如图5所示。

表2

令φ和ψ为如下表达式：

则基于单频时变阈值的LFMCW回波1-bit采样量化过程可以表述为：

S(t)＝sign[S(t)+h_s(t)]＝sign(A cosφ+A_s cosψ)+j sign(A sinφ+A_s sinψ)

其中，sign表示符号函数，由于低数据量相干信号DOA估计需要利用LFMCW信号的相位信息，通常采集的数据为复数，因此一比特量采样量化的过程也需要分别针对数据的实部与虚部进行，产生的实部和虚部进行一比特量采样量化后的结果如图6所示，可以看到回波LFMCW信号全部被采样量化为+1和-1，完成了一比特采样量化。

需要说明的是，用于一比特采样量化的单频信号，其幅度A_s可设定为采样信号的幅度平均值；其频率f₀一般取小于0.5倍LFMCW信号的带宽，主要是为了降低量化采样后的数据量，因为f₀的取值与A_s一样，会影响到量化采样后的数据量大小，在相同的时间内，频率f₀越大，则数据量就会更大，对设备的要求越高，因此，在满足一比特量化采样的条件下，尽可能将f₀的值设小一些，一般取小于0.5倍带宽的大小。

步骤S300，基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向。

具体地，步骤S300包括：

步骤S310，基于量化采样后的回波信号构建协方差矩阵，并对所述协方差矩阵进行特征值分解；

步骤S320，基于分解后得到的特征值对应的特征向量构建信号子空间和噪声子空间；

具体地，步骤S320包括：

步骤S321，对所述分解后得到的特征值对应的特征向量进行排序，基于所述排序后的特征向量构建所述信号子空间和所述噪声子空间。

具体地，步骤S321包括：在排序后的特征值中选取与目标物数量相同的特征值作为信号子空间，将排序后的特征值中其他特征值作为噪声子空间。

在本实施例中，空间平滑技术是对付相干或者强相关信号的的有效方法，其基本思想是等距线阵分成若干个相重叠的子阵列，子阵协方差矩阵可以相加后平均取代原来意义上的协方差矩阵R。例如将M个的等距线阵用滑动方式分成Q个子阵，每个子阵有N个阵元，其中N＝M-Q+1，符号f表示前向，定义前向空间平滑协方差矩阵为：

同理符号b表示后向，定义后向空间平滑协方差矩阵为：

其实R_b和R_f的关系是共轭倒序阵，他们之间具有共轭倒序不变性，因此可以定义前后向平滑协方差矩阵为：

将量化采样后的回波信号输入前后向平滑协方差矩阵，进行特征值分解。具体地，对前后向平滑协方差矩阵进行特征值分解，表达式如下：

R＝UΣU^H

其中，Σ＝diag(λ₁,λ₂,...,λ_M)，λ₁≥λ₂≥…≥λ_K≥λ_K+1…≥λ_M＝σ²，其中diag表示对角矩阵，表示高斯白噪声的噪声功率示对角矩阵，σ²表示高斯白噪声的噪声功率。

按照特征值的大小顺序，把与信号个数K相等的最大特征值λ对应的特征向量看U₁,U₂,...,U_K做信号子空间U_s，把剩下的(M-K)个特征值对应的特征向量U_K+1,U_K+2,...,U_M看做噪声子空间U_N，则特征值分解过程如下

R＝U_SΣ_SU_S ^H+U_NΣ_NU_N ^H

其中Σ_S＝diag(λ₁,λ₂,...,λ_K)是K个较大特征值构成的对角矩阵，而后Σ_N＝diag(λ_K+1,λ_K+2,...,λ_M)是由M-K个特征值构成的对角矩阵。

步骤S330，利用所述信号子空间和噪声子空间进行空间谱峰值搜索，得到所述回波信号的波达方向。

具体地，步骤S330包括：

步骤S331，基于所述信号子空间和所述噪声子空间的正交关系构造空间谱函数；

步骤S332，对所述空间谱函数求峰值，将得到的峰值作为所述波达方向的估计值。

在本实施例中，利用信号子空间和噪声子空间构造空间谱函数，然后对空间谱函数求峰值，将得到的峰值作为所述波达方向的估计值。用

来计算谱函数，通过寻求峰值来得到波达方向的估计值。

可以看到单频时变阈值一比特采样量化后的前后向空间平滑低数据量相干信号DOA估计峰值搜索的结果如图8，观察图中实线可以发现经过前后向空间平滑后，相干LFMCW信号已经可以很好估计出信号源的波达方向。对比图8中实线和虚线发现，经过一比特采样的数据与未经过一比特采样的数据进行低数据量相干信号DOA估计后得到的角度信息几乎一致，这也证明了单频时变阈值一比特采样也和传统的高精度采样(12bit或者16bit等)一样，可以很好保留信号的相位信息，同时避免引入噪声干扰，从而可以采用一比特采用量化降低阵列雷达的低数据量相干信号DOA估计数据量，降低数据采集，传输和存储的成本。

从图9中的对比效果可知，对宽带相干LFMCW信号而言普通MUSIC等子空间类方法失效的问题，在当相干信号的个数大于等于3时，传统的基于矩阵重构解相干的MUSIC算法实现相干LFM的低数据量相干信号DOA估计的方法也失效。只有前后向空间平滑的低数据量相干信号DOA估计质量较好，且进行一比特采样量化后的效果与未进行一比特量化前的非常接近，所以说基于单频时变阈值一比特采样量化的引入不但没有降低低数据量相干信号DOA估计的质量，还可以大幅降低系统成本。

本实施例提出的低数据量相干信号DOA估计方法，发射雷达信号，并接收目标物反射的回波信号，而后对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号，接下来基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向。通过单频时变阈值一比特量化采样降低雷达的回波数据采集、存储、传输、处理等过程中的数据量，节约了系统成本，采取了前后向空间平滑算法，将相干信号协方差的秩恢复到目标物个数，实现了去相关，提高低数据量相干信号DOA估计的精度。

基于第一实施例，参照图10，提出本发明低数据量相干信号DOA估计方法的第二实施例，在本实施例中，步骤S100之前，包括：

步骤S400，将所述毫米波阵列雷达的天线阵列分为多个相重叠的子阵列，并分别确定各个子阵列对应的前向子阵的协方差矩阵和后向子阵的协方差矩阵；

步骤S500，基于各个前向子阵的协方差矩阵和后向子阵的协方差矩阵确定前后向平滑协方差矩阵。

在本实施例中，空间平滑技术是对付相干或者强相关信号的的有效方法，其基本思想是等距线阵分成若干个相重叠的子阵列，子阵协方差矩阵可以相加后平均取代原来意义上的协方差矩阵R。如图7所示，将M个的等距线阵用滑动方式分成Q个子阵，每个子阵有N个阵元，其中N＝M-Q+1，定义第h个前向子阵的输出为

其中，A_M为N×K维的方向矩阵，其列为N维的导向向量a_M(θ_i)(i＝1,2，…,K)

所以，第h个前向子阵的协方差矩阵为：

其中符号f表示前向，定义前向空间平滑协方差矩阵为：

同理符号b表示后向，定义后向空间平滑协方差矩阵为：

其实R_b和R_f的关系是共轭倒序阵，他们之间具有共轭倒序不变性，因此可以定义前后向平滑协方差矩阵为：

本实施例提出的低数据量相干信号DOA估计方法，将所述毫米波阵列雷达的天线阵列分为多个相重叠的子阵列，并分别确定各个子阵列对应的前向子阵的协方差矩阵和后向子阵的协方差矩阵，而后基于各个前向子阵的协方差矩阵和后向子阵的协方差矩阵确定前后向平滑协方差矩阵。通过采用前后向空间平滑，而不是仅仅的前向或者后向，利用前向和后向的共轭倒叙不变性的优点，可以增加子阵的数目，从而提高低数据量相干信号DOA估计的精度。

本发明进一步提供一种低数据量相干信号DOA估计装置，参照图11，图11为本发明低数据量相干信号DOA估计装置实施例的功能模块示意图。

收发模块10，用于发射雷达信号，并接收目标物反射的雷达信号对应的回波信号；

采样模块20，用于对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号；

处理模块30，用于基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向。

进一步地，所述采样模块20还用于：

基于所述回波信号的频率确定采样信号的频率，并基于所述回波信号的幅度确定所述采样信号的幅度；

利用所述采样信号对所述回波信号进行一比特量化采样，得到所述量化采样后的回波信号。

进一步地，所述处理模块30还用于：

基于量化采样后的回波信号构建协方差矩阵，并对所述协方差矩阵进行特征值分解；

基于分解后得到的特征值对应的特征向量构建信号子空间和噪声子空间；

利用所述信号子空间和噪声子空间进行空间谱峰值搜索，得到所述回波信号的波达方向。

进一步地，所述处理模块30还用于：

对所述分解后得到的特征值对应的特征向量进行排序，基于所述排序后的特征向量构建所述信号子空间和所述噪声子空间。

进一步地，所述处理模块30还用于：

在排序后的特征向量中选取与目标物数量相同的特征向量作为信号子空间，将排序后的特征值中其他特征向量作为噪声子空间。

进一步地，所述处理模块30还用于：

基于所述信号子空间和所述噪声子空间的正交关系构造空间谱函数；

对所述空间谱函数求峰值，将得到的峰值作为所述波达方向的估计值。

进一步地，所述低数据量相干信号DOA估计装置还包括：

分割模块，用于将所述毫米波阵列雷达的天线阵列分为多个相重叠的子阵列，并分别确定各个子阵列对应的前向子阵的协方差矩阵和后向子阵的协方差矩阵；

确定模块，用于基于各个前向子阵的协方差矩阵和后向子阵的协方差矩阵确定前后向平滑协方差矩阵。

此外，本发明实施例还提出一种可读存储介质，所述可读存储介质上存储有低数据量相干信号DOA估计程序，所述低数据量相干信号DOA估计程序被处理器执行时实现上述各个实施例中低数据量相干信号DOA估计方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台系统设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种低数据量相干信号DOA估计方法，应用于毫米波阵列雷达，其特征在于，所述低数据量相干信号DOA估计方法包括：

发射雷达信号，并接收目标物反射的雷达信号对应的回波信号；

对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号；

基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向。

2.如权利要求1所述的低数据量相干信号DOA估计方法，其特征在于，所述对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号的步骤包括：

基于所述回波信号的频率确定采样信号的频率，并基于所述回波信号的幅度确定所述采样信号的幅度；

利用所述采样信号对所述回波信号进行一比特量化采样，得到所述量化采样后的回波信号。

3.如权利要求1所述的低数据量相干信号DOA估计方法，其特征在于，所述基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向的步骤包括：

基于量化采样后的回波信号构建协方差矩阵，并对所述协方差矩阵进行特征值分解；

基于分解后得到的特征值对应的特征向量构建信号子空间和噪声子空间；

利用所述信号子空间和噪声子空间进行空间谱峰值搜索，得到所述回波信号的波达方向。

4.如权利要求3所述的低数据量相干信号DOA估计方法，其特征在于，所述基于分解后得到的特征值对应的特征向量构建信号子空间和噪声子空间的步骤包括：

对所述分解后得到的特征值对应的特征向量进行排序，基于所述排序后的特征向量构建所述信号子空间和所述噪声子空间。

5.如权利要求4所述的低数据量相干信号DOA估计方法，其特征在于，所述基于所述排序后的特征向量构建所述信号子空间和所述噪声子空间的步骤包括：

在排序后的特征向量中选取与目标物数量相同的特征向量作为信号子空间，将排序后的特征值中其他特征向量作为噪声子空间。

6.如权利要求3所述的低数据量相干信号DOA估计方法，其特征在于，所述利用所述信号子空间和噪声子空间进行空间谱峰值搜索，得到所述回波信号的波达方向的步骤包括：

基于所述信号子空间和所述噪声子空间的正交关系构造空间谱函数；

对所述空间谱函数求峰值，将得到的峰值作为所述波达方向的估计值。

7.如权利要求1至6中任一项所述的低数据量相干信号DOA估计方法，其特征在于，所述毫米波阵列雷达的天线阵列为均匀线阵，所述发射雷达信号，并接收目标物反射的雷达信号对应的回波信号的步骤之前包括：

将所述毫米波阵列雷达的天线阵列分为多个相重叠的子阵列，并分别确定各个子阵列对应的前向子阵的协方差矩阵和后向子阵的协方差矩阵；

基于各个前向子阵的协方差矩阵和后向子阵的协方差矩阵确定前后向平滑协方差矩阵。

8.一种低数据量相干信号DOA估计装置，其特征在于，所述低数据量相干信号DOA估计装置包括：

收发模块，用于发射雷达信号，并接收目标物反射的雷达信号对应的回波信号；

采样模块，用于对所述回波信号进行单频时变阈值一比特量化采样，得到量化采样后的回波信号；

处理模块，用于基于前后向空间平滑算法以及所述量化采样后的回波信号，确定所述回波信号的波达方向。

9.一种设备，其特征在于，所述设备为毫米波阵列雷达，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的低数据量相干信号DOA估计程序，所述低数据量相干信号DOA估计程序被所述处理器执行时实现如权利要求1至7中任一项所述的低数据量相干信号DOA估计方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有所述低数据量相干信号DOA估计程序，所述低数据量相干信号DOA估计程序被处理器执行时实现如权利要求1至7中任一项所述的低数据量相干信号DOA估计方法的步骤。

Images