CN112327245A - 一种基于高分辨率特征空间doa估计方法 - Google Patents
一种基于高分辨率特征空间doa估计方法 Download PDFInfo
- Publication number
- CN112327245A CN112327245A CN202011150934.5A CN202011150934A CN112327245A CN 112327245 A CN112327245 A CN 112327245A CN 202011150934 A CN202011150934 A CN 202011150934A CN 112327245 A CN112327245 A CN 112327245A
- Authority
- CN
- China
- Prior art keywords
- signal
- noise
- matrix
- theta
- formula
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims abstract description 39
- 238000001228 spectrum Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 18
- WASZXVMLVDQNDE-UHFFFAOYSA-N 3-[(3-aminopropyl)amino]-4-hydroxybenzoic acid Chemical compound NCCCNC=1C=C(C(=O)O)C=CC=1O WASZXVMLVDQNDE-UHFFFAOYSA-N 0.000 claims description 3
- 238000002229 photoelectron microspectroscopy Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000003595 spectral effect Effects 0.000 abstract description 2
- 230000001427 coherent effect Effects 0.000 description 26
- 238000004088 simulation Methods 0.000 description 8
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
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
- G01S3/14—Systems for determining direction or deviation from predetermined direction
-
- 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
- G01S3/80—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 ultrasonic, sonic or infrasonic waves
Landscapes
- Physics & Mathematics (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高分辨率特征空间DOA估计方法,该方法首先计算阵列信号的协方差矩阵,然后将协方差矩阵分解到噪声子空间和信号子空间,再定义一种新的空间谱函数,当空间谱函数出现谱峰时,即可得到波达方向的估计值。该方法充分的考虑了噪声子空间和信号子空间,使得算法在较低信噪比情况下对波达方向估仍有很好的效果。
Description
技术领域
本发明属于信号处理技术领域,具体涉及一种DOA估计方法。
背景技术
波达方向估计是阵列信号处理中的重要内容,它已然成为雷达、声呐等许多领域的重要任务之一。自二十世纪七十年代开始,在空间谱估计方面涌现出了大量的研究成果,其中以SchmidtR等人提出的多重信号分类法(Multiple Signal Classification,MUSIC)方法最具代表性,自此MUSIC方法得到了广泛的应用,这是DOA估计理论上的一次重大突破。
二十世纪九十年代初,Roy等人提出了旋转不变子空间的(简称ESPRIT)的方法,该方法借助于旋转不变性进行计算,利用子空间旋转不变性对待测信号进行参数估计。在对相干信号处理方面,J.E.Evans最早提出了空间平滑技术,这类方法将线阵重新进行子阵划分,形成阵列流型相同的子阵列,然后对各子阵的协方差进行平均,从而实现相干的计算。也有学者提出基于特普利兹矩阵的多重信号分类方法,该方法对特普利兹的重构矩阵进行处理,可以改变等效信号源的个数,在改善DOA估计分辨率的同时,也改变了信噪比。在学者研究中也提到了一种改进MUSIC方法(Modified MUSIC algorithm,简称MMUSIC方法),该方法可以保证非相干信源DOA估计的前提下,提高相干相干信源的估计。改进的MMUSIC方法主要是对阵列输出的信号协方差矩阵进行处理,使得信号的协方差的秩恢复到满秩,从而在相干信源和非相干信源情况下都能有效的估计出信号DOA。此外还有一种基于特征空间的EMUSIC方法,该方法利用了噪声子空间和信号子空间,在相干信源和非相干信源情况下,波达方向也能很好的估计。但是在低信噪比情况下,改进的MMUSIC方法和EMUSIC方法在方向估计精度上明显恶化。
发明内容
为了克服现有技术的不足,本发明提供了一种基于高分辨率特征空间DOA估计方法,该方法首先计算阵列信号的协方差矩阵,然后将协方差矩阵分解到噪声子空间和信号子空间,再定义一种新的空间谱函数,当空间谱函数出现谱峰时,即可得到波达方向的估计值。该方法充分的考虑了噪声子空间和信号子空间,使得算法在较低信噪比情况下对波达方向估仍有很好的效果。
本发明解决其技术问题所采用的技术方案包括以下步骤:
步骤1:假定阵列中有M个阵元;阵列信号的协方差矩阵为:
R=E[X(t)X(t)H]=ARSAH+σ2I (1)
式中:R是加入噪声之后的信号协方差矩阵,X(t)为M×1阶数据矢量,A为阵列对信号的M×D阶导向矢量,RS为信号的相关矩阵,σ2是噪声功率,I为M×M阶单位矩阵,D为信源的个数;
步骤2:对协方差矩阵R进行重构:
RX=R+IvR*Iv (2)
式中,R*是R的共轭矩阵,
将协方差矩阵RX分成噪声子空间和信号子空间:
RX=US∑SUS H+UN∑NUN H (3)
式中:∑s为由大到小前D个特征值构成的对角阵,∑N为由小到大前M×D个特征值构成的对角阵,US为信号子空间,UN为噪声子空间;
步骤3:定义矩阵:
RA1=AE[S(t)S(t)H]AH=APAH=US∑SUS H (4)
RA2=AE[N(t)N(t)H]AH=AQAH=UN∑NUN H (5)
式中:S(t)为D个入射信号矢量,N(t)是阵列噪声矢量,t为快拍数;
RA1 +=US∑S -1US H (6)
RA2 +=UN∑N -1UN H (7)
式中:P=E[S(t)S(t)H],Q=E[N(t)N(t)H];
步骤4:定义:
aH(θi)RA1 +a(θi)=δi TP+δi=[P]ii=1/pi (8)
式中:a(θi)为第i个信号的导向矢量,(.)+表示求伪逆运算,P为信号协方差矩阵,δi=[0,…,1,0,…,0]T为M×1的矢量,其中第i项元素为1,其元素的都为0;pi为第i个信源的功率,i=1,2,…,D;
aH(θi)RA2 +a(θi)=aH(θi)(AQAH)+a(θi)=1/qi (9)
其中:qi为第i个信源噪声的功率;
步骤5:定义新的空间谱函数:
当θ=θi,aH(θ)UNUN Ha(θ)=0,aH(θi)RA1 +a(θi)=1/pi和aH(θi)RA2 +a(θi)=1/qi时,PESM(θ)的空间谱函数在θ=θi出现谱峰,从而得到波达方向的估计值。
本发明的有益效果是:由于采用了本发明的一种基于高分辨率特征空间DOA估计方法,该方法充分考虑了噪声子空间和信号子空间,在较低信噪比情况下对波达方向估仍有很好的效果。
附图说明
图1是非相干信源和相干信源情况下三种方法的空间角谱图,图(a)是非相干信源,图(b)是相干信源。
图2是非相干信源下和相干信源情况下三种方法的成功概率,图(a)是非相干信源,图(b)是相干信源。
图3是非相干信源和相干信源情况下三种方法的估计偏差,图(a)是非相干信源,图(b)是相干信源。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
如图1所示,本发明提供了一种基于高分辨率特征空间DOA估计方法,包括以下步骤:
步骤1:假定阵列中有M个阵元;阵列信号的协方差矩阵为:
R=E[X(t)X(t)H]=ARSAH+σ2I (1)
式中:R是加入噪声之后的信号协方差矩阵,X(t)为M×1阶数据矢量,A为阵列对信号的M×D阶导向矢量,RS为信号的相关矩阵,σ2是噪声功率,I为M×M阶单位矩阵,D为信源的个数;
步骤2:对协方差矩阵R进行重构:
RX=R+IvR*Iv (2)
式中,R*是R的共轭矩阵,
将协方差矩阵RX分成噪声子空间和信号子空间:
RX=US∑SUS H+UN∑NUN H (3)
式中:∑s为由大到小前D个特征值构成的对角阵,∑N为由小到大前M×D个特征值构成的对角阵,US为信号子空间,UN为噪声子空间;
步骤3:定义矩阵:
RA1=AE[S(t)S(t)H]AH=APAH=US∑SUS H (4)
RA2=AE[N(t)N(t)H]AH=AQAH=UN∑NUN H (5)
式中:S(t)为D个入射信号矢量,N(t)是阵列噪声矢量,t为快拍数;
RA1 +=US∑S -1US H (6)
RA2 +=UN∑N -1UN H (7)
式中:P=E[S(t)S(t)H],Q=E[N(t)N(t)H];
步骤4:定义:
aH(θi)RA1 +a(θi)=δi TP+δi=[P]ii=1/pi (8)
式中:a(θi)为第i个信号的导向矢量,(.)+表示求伪逆运算,P为信号协方差矩阵,δi=[0,…,1,0,…,0]T为M×1的矢量,其中第i项元素为1,其元素的都为0;pi为第i个信源的功率,i=1,2,…,D;
aH(θi)RA2 +a(θi)=aH(θi)(AQAH)+a(θi)=1/qi (9)
其中:qi为第i个信源噪声的功率;
步骤5:定义新的空间谱函数:
当θ=θi,aH(θ)UNUN Ha(θ)=0,aH(θi)RA1 +a(θi)=1/pi和aH(θi)RA2 +a(θi)=1/qi时,PESM(θ)的空间谱函数在θ=θi出现谱峰,从而得到波达方向的估计值。
具体实施例:
1、在相干信源和非相干信源条件下,采样经典MUSIC,改进MMUSIC和ESM-MUSIC的空间角谱对比实验。
采用阵元数M=8的阵元等距直线阵列进行仿真,阵元间距为d=λ/2,噪声为加性高斯白噪声,入射到阵列的都是远场窄带信号,且信号源数目已知。
仿真1:该实验采用2个互不相干的信源,2个信源的入射角度分别为-40°、20°,快拍数为512,信噪比为SNR=0dB,仿真结果如图1所示。
由图1可知,在非相干信源及相干信源情况下,通过对比三种方法的空间角谱图可以发现本发明的ESM-MUSIC方法形成的谱峰都更加尖锐,波达角附近的波束宽度更窄,分辨率更高,DOA估计的效果更佳。
2、在相干信源和非相干信源条件下,采样经典MUSIC,改进MMUSIC和ESM-MUSIC的波达方向估计的成功概率和信噪比的关系。
仿真条件同上,并进行了500次MonteCarlo实验,设定估计偏差小于1°时的成功概率,仿真结果如图2所示。
由图2可知,在非相干信源及相干信源情况下,通过对比三种方法的成功概率图,可以发现本发明的ESM-MUSIC方法在信噪比为-10dB—5dB时,成功概率更高,说明了本发明方法在低信噪比情况下估计精度更优。
3、在相干信源和非相干信源条件下,采样经典MUSIC,改进MMUSIC和ESM-MUSIC的波达方向估计的估计偏差和信噪比的关系。
仿真条件同上,并进行了500次MonteCarlo实验,仿真结果如图3所示
由图3可知,在非相干信源及相干信源情况下,通过对比三种方法的估计偏差图,可以发现本发明研究的ESM-MUSIC方法在信噪比为0dB—7dB,情况下,估计偏差均低于另外两种方法,说明了本发明方法在低信噪比情况下估计精度更优。
综上所述,本发明的一种新的ESM-MUSIC方法,通过仿真实验验证了该方法相比于传统的MUSIC方法和改进的MMUSIC方法,在检测非相干信源或者相干信源的情况下均可以得到更高的估计精度,对实际工程中目标方位估计具有一定的应用价值和指导意义。
Claims (1)
1.一种基于高分辨率特征空间DOA估计方法,其特征在于,包括以下步骤:
步骤1:假定阵列中有M个阵元;阵列信号的协方差矩阵为:
R=E[X(t)X(t)H]=ARSAH+σ2I (1)
式中:R是加入噪声之后的信号协方差矩阵,X(t)为M×1阶数据矢量,A为阵列对信号的M×D阶导向矢量,RS为信号的相关矩阵,σ2是噪声功率,I为M×M阶单位矩阵,D为信源的个数;
步骤2:对协方差矩阵R进行重构:
RX=R+IvR*Iv (2)
式中,R*是R的共轭矩阵,
将协方差矩阵RX分成噪声子空间和信号子空间:
RX=US∑SUS H+UN∑NUN H (3)
式中:∑s为由大到小前D个特征值构成的对角阵,∑N为由小到大前M×D个特征值构成的对角阵,US为信号子空间,UN为噪声子空间;
步骤3:定义矩阵:
RA1=AE[S(t)S(t)H]AH=APAH=US∑SUS H (4)
RA2=AE[N(t)N(t)H]AH=AQAH=UN∑NUN H (5)
式中:S(t)为D个入射信号矢量,N(t)是阵列噪声矢量,t为快拍数;
RA1 +=US∑S -1US H (6)
RA2 +=UN∑N -1UN H (7)
式中:P=E[S(t)S(t)H],Q=E[N(t)N(t)H];
步骤4:定义:
aH(θi)RA1 +a(θi)=δi TP+δi=[P]ii=1/pi (8)
式中:a(θi)为第i个信号的导向矢量,(.)+表示求伪逆运算,P为信号协方差矩阵,δi=[0,…,1,0,…,0]T为M×1的矢量,其中第i项元素为1,其元素的都为0;pi为第i个信源的功率,i=1,2,…,D;
aH(θi)RA2 +a(θi)=aH(θi)(AQAH)+a(θi)=1/qi (9)
其中:qi为第i个信源噪声的功率;
步骤5:定义新的空间谱函数:
当θ=θi,aH(θ)UNUN Ha(θ)=0,aH(θi)RA1 +a(θi)=1/pi和aH(θi)RA2 +a(θi)=1/qi时,PESM(θ)的空间谱函数在θ=θi出现谱峰,从而得到波达方向的估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011150934.5A CN112327245A (zh) | 2020-10-24 | 2020-10-24 | 一种基于高分辨率特征空间doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011150934.5A CN112327245A (zh) | 2020-10-24 | 2020-10-24 | 一种基于高分辨率特征空间doa估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112327245A true CN112327245A (zh) | 2021-02-05 |
Family
ID=74312094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011150934.5A Pending CN112327245A (zh) | 2020-10-24 | 2020-10-24 | 一种基于高分辨率特征空间doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112327245A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080086950A (ko) * | 2007-03-23 | 2008-09-29 | 삼성전자주식회사 | 가간섭성 소스의 도래방향각 추정을 위한 방법 및 장치 |
CN106371079A (zh) * | 2016-08-19 | 2017-02-01 | 西安电子科技大学 | 基于谱锐化的多重信号分类谱估计方法 |
CN106443570A (zh) * | 2016-08-22 | 2017-02-22 | 西安电子科技大学 | 基于多重信号分类算法矢量相关性的波达方向估计方法 |
CN108845309A (zh) * | 2018-08-28 | 2018-11-20 | 西北工业大学 | 一种基于主动虚拟时反方法的水下目标doa估计方法 |
CN110031794A (zh) * | 2019-04-16 | 2019-07-19 | 中国人民解放军国防科技大学 | 一种基于差分共性阵重构的相干信源doa估计方法 |
CN110082741A (zh) * | 2019-03-14 | 2019-08-02 | 哈尔滨工程大学 | 一种基于伪数据重构的超分辨波达角估计算法 |
-
2020
- 2020-10-24 CN CN202011150934.5A patent/CN112327245A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080086950A (ko) * | 2007-03-23 | 2008-09-29 | 삼성전자주식회사 | 가간섭성 소스의 도래방향각 추정을 위한 방법 및 장치 |
CN106371079A (zh) * | 2016-08-19 | 2017-02-01 | 西安电子科技大学 | 基于谱锐化的多重信号分类谱估计方法 |
CN106443570A (zh) * | 2016-08-22 | 2017-02-22 | 西安电子科技大学 | 基于多重信号分类算法矢量相关性的波达方向估计方法 |
CN108845309A (zh) * | 2018-08-28 | 2018-11-20 | 西北工业大学 | 一种基于主动虚拟时反方法的水下目标doa估计方法 |
CN110082741A (zh) * | 2019-03-14 | 2019-08-02 | 哈尔滨工程大学 | 一种基于伪数据重构的超分辨波达角估计算法 |
CN110031794A (zh) * | 2019-04-16 | 2019-07-19 | 中国人民解放军国防科技大学 | 一种基于差分共性阵重构的相干信源doa估计方法 |
Non-Patent Citations (1)
Title |
---|
陈林茂;周围;: "估计间隔较近信源的修正MUSIC算法", 广东通信技术, no. 10, 15 October 2014 (2014-10-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110208735B (zh) | 一种基于稀疏贝叶斯学习的相干信号doa估计方法 | |
CN110927659B (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 | |
CN109407055B (zh) | 基于多径利用的波束形成方法 | |
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 | |
CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及系统 | |
CN109490819B (zh) | 一种基于稀疏贝叶斯学习的离格波达方向估计方法 | |
CN109597046B (zh) | 基于一维卷积神经网络的米波雷达doa估计方法 | |
CN109490850B (zh) | 主瓣干扰下宽带阵列自适应波束形成方法 | |
CN108872926B (zh) | 一种基于凸优化的幅相误差校正及doa估计方法 | |
CN107390197B (zh) | 基于特征空间的雷达自适应和差波束测角方法 | |
CN110596692B (zh) | 基于联合约束的自适应单脉冲测向方法 | |
CN110161489B (zh) | 一种基于伪框架的强弱信号测向方法 | |
CN109597048B (zh) | 基于二维卷积神经网络的米波雷达doa估计方法 | |
CN112666513B (zh) | 一种改进式music波达方向估计方法 | |
CN111049556A (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 | |
CN110196417B (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
CN111337873A (zh) | 一种基于稀疏阵的doa估计方法 | |
CN112327245A (zh) | 一种基于高分辨率特征空间doa估计方法 | |
CN116299150B (zh) | 一种均匀面阵中降维传播算子的二维doa估计方法 | |
CN109541572B (zh) | 一种基于线性环境噪声模型的子空间方位估计方法 | |
CN106886627B (zh) | 一种m-uca估计m-1个信源的建模方法 | |
Yan et al. | Two-Step root-MUSIC for direction of arrival estimation without EVD/SVD computation | |
CN115421098A (zh) | 嵌套面阵下降维求根music的二维doa估计方法 | |
CN114647931A (zh) | 一种基于期望信号消除和空间谱估计的稳健波束形成方法 | |
CN114487985A (zh) | 一种基于差-和信号的波束锐化方法及系统 |
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 |