CN112363109A - 一种基于宽带强弱临近信号的加权波达方向估计方法 - Google Patents

一种基于宽带强弱临近信号的加权波达方向估计方法 Download PDF

Info

Publication number
CN112363109A
CN112363109A CN202011259117.3A CN202011259117A CN112363109A CN 112363109 A CN112363109 A CN 112363109A CN 202011259117 A CN202011259117 A CN 202011259117A CN 112363109 A CN112363109 A CN 112363109A
Authority
CN
China
Prior art keywords
matrix
sub
signal
signals
band
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.)
Granted
Application number
CN202011259117.3A
Other languages
English (en)
Other versions
CN112363109B (zh
Inventor
贺顺
贺小艳
张一沫
谢永妮
刘祥熹
张旭阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Science and Technology
Original Assignee
Xian University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian University of Science and Technology filed Critical Xian University of Science and Technology
Priority to CN202011259117.3A priority Critical patent/CN112363109B/zh
Publication of CN112363109A publication Critical patent/CN112363109A/zh
Application granted granted Critical
Publication of CN112363109B publication Critical patent/CN112363109B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S3/14—Systems for determining direction or deviation from predetermined direction
    • G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
    • 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
    • G01S3/04—Details
    • G01S3/043—Receivers
    • 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)
  • 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)

Abstract

本发明提供的基于宽带强弱临近信号的加权波达方向估计方法，包括将宽带强弱临近信号转换为频域上的信号，并划分为M个子频带信号，获取各个子频带信号的阵列输出矢量，计算协方差矩阵，对协方差矩阵重构获得构造矩阵，分解构造矩阵，获得特征值矩阵以及特征向量矩阵；构造加权噪声子空间，获得新构矩阵；获取各个子频带信号在中心频率处的导向矢量，根据各个子频带信号在中心频率处的导向矢量、新构矩阵以及加权噪声子空间，获取加权波达方向估计算法谱函数，根据加权波达方向估计算法谱函数计算谱峰值，谱峰值对应的角度为宽带强弱临近信号的波达方向，本发明提供的波达方向估计方法分辨率高，可实现宽带相干下的强弱临近信号的波达方向估计。

Description

一种基于宽带强弱临近信号的加权波达方向估计方法
技术领域
本发明涉及信号的波达方向估计技术领域，尤其涉及一种基于宽带强弱临近信号的加权波达方向估计方法。
背景技术
宽带信号DOA(Direction Of Arrival，波达方向)估计的研究是阵列信号处理领域的一个重要部分，被广泛应用在雷达、通信、生物医等诸多领域中。相对窄带信号而言，宽带信号是指相对带宽大于1％的信号，其携带更丰富的目标信息量,且具有更强的抗干扰能力，充分利用这些宽带信号的优点进行高分辨估计,可以提高分辨算法的性能。
宽带信号DOA估计方法的研究起步较晚，大多数宽带DOA估计算法是在窄带DOA估计算法的基础上发展起来的。针对窄带信号:1979年，R.O.Schmidt提出多重信号分类MUSIC(Multiple Signal Classification)算法,其是高分辨测向技术的标志性成功，该算法的核心思想是利用信号子空间和噪声子空间的正交性来进行谱估计，谱峰位置对应波达角方向，但该方法并不能测强弱、临近信号的DOA估计。针对宽带信号：1984年，M.Wax提出的非相干信号子空间方法(ISSM：Incoherent Signal Subspace Method),该算法是最早出现的宽带信号高分辨DOA估计方法。其思想是：将宽带信号变化到频域，在频域将宽带信号看作是若干个窄带信号，对每个窄带信号分别按照窄带DOA估计算法做谱估计，再将各个谱做算术平均，最终得到宽带信号的DOA估计，因为该算法中每个窄带信号仅仅利用了宽带信号的部分信息，所以分辨率不高，不能解相干源，不能测强弱、临近信号的DOA估计。另一类是在1985年，H.Wang提出相干信号子空间方法(CSM：Cohernet Signal Subspace Method),也是宽带阵列信号处理的经典算法，聚焦变换是其主要思想，算法的的分辨率高低取决于聚焦矩阵的选取，该方法通过某种聚焦变换将不同频点的窄带数据变换到参考频率点上，然后通过频率平滑得到聚焦后的协方差矩阵，最后利用窄带DOA估计方法得到宽带信号的DOA估计，但是CSM算法不能实现临近强弱信号的DOA估计。
发明内容
为了解决现有的波达方向估计算法不能实现宽带强弱临近信号的波达方向估计的问题，本发明提供一种基于宽带强弱临近信号的加权波达方向估计方法，该方法可用于测强弱临近信号的波达方向。
本发明提供的基于宽带强弱临近信号的加权波达方向估计方法包括接收宽带强弱临近信号，将宽带强弱临近信号转换为频域上的信号，同时按照预设的频段划分策略将频域上的宽带强弱临近信号划分为M个子频带信号；分别获取各个子频带信号的阵列输出矢量X(fm)，并根据阵列输出矢量X(fm)分别计算各个子频带信号的协方差矩阵Rx(fm)Rx(fm)，其中fm表示第m个子频带信号的中心频率，m＝1，2，……M；按照预设的重构策略分别对各个子频带信号的协方差矩阵Rx(fm)进行重构，获得各个子频带信号的构造矩阵Rnew(fm)；按照预设的特征分解策略分别对各个子频带信号的构造矩阵Rnew(fm)进行分解，得到各个子频带信号所对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)；按照预设的噪声子空间构建策略，分别根据各个子频带信号所对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)构造各个子频带信号的加权噪声子空间UW(fm)；按照预设排序规则，将第一特征值矩阵Σ(fm)内的部分特征值重新排序得到第二特征值矩阵
Figure BDA0002774045490000021
根据第二特征值矩阵
Figure BDA0002774045490000022
以及特征向量矩阵U(fm)获得各个子频带信号的新构矩阵
Figure BDA0002774045490000023
获取各个子频带信号在中心频率fm处的导向矢量，按照预设的谱函数生成策略，根据各个子频带信号在中心频率fm处的导向矢量、新构矩阵
Figure BDA0002774045490000024
以及加权噪声子空间UW(fm)，获取加权波达方向估计算法谱函数，根据加权波达方向估计算法谱函数计算谱峰值，谱峰值对应的角度为宽带强弱临近信号的波达方向。
进一步的，分别获取各个子频带信号的阵列输出矢量X(fm)包括：根据公式X(fm)＝[x1(fm) x2(fm)…xN(fm)]T，分别计算当m＝1,2……M时的阵列输出矢量，其中M为子频带信号的个数，N为阵元数，xN(fm)表示第m个子频带信号在第N个接收阵元上的响应，T为转置操作。
进一步的，根据阵列输出矢量X(fm)分别计算各个子频带信号的协方差矩阵Rx(fm)包括：将阵列输出矢量X(fm)代入到公式
Figure BDA0002774045490000025
中，分别计算当m＝1,2……M时的Rx(fm)，其中M为子频带信号的个数，L为每个子频带信号的快拍数，T为转置操作。
进一步的，按照预设的重构策略分别对各个子频带信号的协方差矩阵Rx(fm)进行重构，获得各个子频带信号的构造矩阵Rnew(fm)包括：将协方差矩阵Rx(fm)代入公式
Figure BDA0002774045490000031
分别计算当m＝1,2……M时的Rnew(fm)，其中M为子频带信号的个数，S为N阶反对角单位矩阵，
Figure BDA0002774045490000032
为Rx(fm)的复共轭矩阵。
进一步的，按照预设的特征分解策略分别对各个子频带信号的构造矩阵Rnew(fm)进行分解，得到各个子频带信号所对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)包括：将构造矩阵Rnew(fm)代入到公式Rnew(fm)＝U(fm)Σ(fm)UH(fm)中，分别计算当m＝1,2……M时的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)，其中M为子频带信号的个数，H为共轭转置操作；第一特征值矩阵Σ(fm)中包括N个按照从大到小的顺序排列的特征值，特征向量矩阵U(fm)中包括N个特征向量，特征向量与特征值一一对应，其中，N为阵元数。
进一步的，按照预设的噪声子空间构建策略，分别根据各个子频带信号所对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)构造各个子频带信号的加权噪声子空间UW(fm)包括：将第一特征值矩阵Σ(fm)中的特征值分为第一部分以及第二部分，其中第一部分为第1～P个特征值，第二部分为第P+1～N个特征值，其中，P为信源个数；将第二部分的特征值以及第二部分的特征值对应的特征向量代入到公式
Figure BDA0002774045490000033
中，分别计算当m＝1,2……M时的加权噪声子空间UW(fm)，其中，幂级数n为加权指数。
进一步的，按照预设排序策略，将第一特征值矩阵Σ(fm)内的部分特征值重新排序得到第二特征值矩阵
Figure BDA0002774045490000034
根据第二特征值矩阵
Figure BDA0002774045490000035
以及特征向量矩阵U(fm)获得各个子频带信号的新构矩阵
Figure BDA0002774045490000036
包括：保持第二部分内的特征值顺序不变，将第一部分内的特征值按照从小到大的顺序进行排序，得到特征值矩阵
Figure BDA0002774045490000037
将特征值矩阵
Figure BDA0002774045490000038
以及特征向量矩阵U(fm)代入到公式
Figure BDA0002774045490000039
中，分别计算当m＝1,2……M时的新构矩阵
Figure BDA00027740454900000310
进一步的，获取各个子频带信号在中心频率fm处的导向矢量，按照预设的谱函数生成策略，根据各个子频带信号在中心频率fm处的导向矢量、新构矩阵
Figure BDA00027740454900000311
以及加权噪声子空间UW(fm)，获取加权波达方向估计算法谱函数包括：各个子频带在中心频率fm处的导向矢量为a(fm,θ)，将各个子频带信号在中心频率fm处的导向矢量a(fm,θ)以及新构矩阵
Figure BDA0002774045490000041
代入到公式
Figure BDA0002774045490000042
中，得到各个子频带信号的空间谱函数
Figure BDA0002774045490000047
将各个子频带信号的空间谱函数代入到公式
Figure BDA0002774045490000043
中，得到加权波达方向估计算法谱函数。
本发明提供的基于宽带强弱临近信号的加权波达方向估计方法，通过将特征值矩阵Σ(fm)内的部分特征值进行重新排序，增大弱信号的特征值，减小强信号的特征值，构造出新构矩阵
Figure BDA0002774045490000044
使强信号对应的特征矢量在新构矩阵
Figure BDA0002774045490000045
中所占的比重得到减少，弱信号对应的特征矢量在新构矩阵
Figure BDA0002774045490000046
中所占的比重得到增加，抑制了强信号，增强了弱信号，实现了强弱临近信号的波达方向估计。此外，利用特征值矩阵Σ(fm)第一部分内的特征值的幂数级一一乘以其对应的的特征向量得到加权噪声子空间UW(fm)，通过使用适当的幂级数n进行加权运算，使不同的噪声功率对波达方向估计谱的作用不同，抑制噪声功率谱，达到提高波达方向估计谱的分辨率的目的。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图；
图1为阵列接收信号的几何示意图；
图2为本发明一实施例提供的基于宽带强弱临近信号的加权波达方向估计方法流程图；
图3为采用不同方法仿真临近信号的波达方向估计的谱线图；
图4为采用不同方法仿真的强弱临近信号的波达方向估计的谱线图。
具体实施方式
下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明的保护范围。
图1为阵列接收信号的几何示意图，如图1所示，由间距为d的N个阵元组成均匀等距的阵列，阵列用于接收宽带强弱临近信号。具体的，宽带强弱临近信号指到达阵列的宽带信号中存在强弱信号，且强弱信号之间的夹角临近。
在本发明的一种实施例中，提供一种基于宽带强弱临近信号的加权波达方向估计方法，如图2所示，方法包括以下步骤：
步骤S101：接收宽带强弱临近信号，将宽带强弱临近信号转换为频域上的信号，同时按照预设的频段划分策略将频域上的宽带强弱临近信号划分为M个子频带信号。
在本实施例中，采用傅里叶变换方法将接收到的宽带强弱临近信号转换为频域上的信号，具体的，假设将宽带强弱临近信号划分为M个子频带信号，每个子频带信号的带宽相等。如果M太小则不能按照窄带处理，M过大，预算量就比较大，因此M的取值需要技术人员结合宽带强弱临近信号的带宽，以及预算量，根据实际需要自行设定，通常M取2的整数次方，本发明对此不作限制。
步骤S102：分别获取各个子频带信号的阵列输出矢量X(fm)。
具体的，在阵列接收到宽带强弱临近信号后，假设将宽带强弱临近信号按照预设的频段划分策略划分为M个子频带信号。可以根据公式X(fm)＝[x1(fm) x2(fm)…xN(fm)]T，分别计算当m＝1,2……M时的阵列输出矢量即为各个子频带信号的阵列输出矢量，其中N为阵元数，xN(fm)表示第m个子频带信号在第N个接收阵元上的响应，T为转置操作，在本实施例中fm表示第m个子频带信号的中心频率，m＝1，2……M。X(fm)指的是第m个子频带信号在中心频率处的阵列输出矢量，由于子频带信号为窄带信号，因此将其中心频率处的阵列输出矢量作为整个子频带信号的阵列输出矢量。
步骤S103：根据阵列输出矢量X(fm)分别计算各个子频带信号的协方差矩阵Rx(fm)。
具体的，将阵列输出矢量X(fm)代入到公式
Figure BDA0002774045490000051
中，分别计算当m＝1,2……M时的协方差矩阵Rx(fm)，本步骤中的M与步骤S102中的M相同，均为子频带信号的个数，L表示每个子频带信号的快拍数，具体的，快拍数指的是在时域上的采样点数，T表示转置操作。
步骤S104：按照预设的重构策略分别对各个子频带信号的协方差矩阵Rx(fm)进行重构，获得各个子频带信号的构造矩阵Rnew(fm)。
具体的，利用公式
Figure BDA0002774045490000061
对协方差矩阵Rx(fm)进行重新构造，将协方差矩阵Rx(fm)代入公式
Figure BDA0002774045490000062
分别计算当m＝1,2……M时的Rnew(fm)，本步骤中的M与上述步骤中的M相同，均为子频带信号的个数，S为N阶反对角单位矩阵，
Figure BDA0002774045490000063
为Rx(fm)的复共轭矩阵。
其中，
Figure BDA0002774045490000064
N为阵元数，根据矩阵理论，矩阵Rx(fm)和Rnew(fm)具有相同的噪声子空间。
步骤S105：按照预设的特征分解策略分别对各个子频带信号的构造矩阵Rnew(fm)进行分解，得到各个子频带信号所对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)。
具体的，利用如下公式对Rnew(fm)进行特征值分解：Rnew(fm)＝U(fm)Σ(fm)UH(fm)，在m＝1,2……M时获得对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)。其中，Σ(fm)是由特征值组成的对角矩阵，即
Figure BDA0002774045490000065
U(fm)是由特征向量构成的矩阵，式中的H表示共轭转置操作。
更具体的，Σ(fm)中的特征值的数量与阵元数相等，阵元数为N，因此Σ(fm)中共有N个特征值，并且N个特征值是按照从大到小的顺序进行排列的，即：
λ1(fm)≥λ2(fm)≥…≥λN(fm)，U(fm)为Σ(fm)中的特征值对应的特征向量的集合，每一个特征值均存在一个特征向量与之对应，因此同样的，U(fm)中包括N个特征向量，且N个特征向量的顺序与其所对应的Σ(fm)中的特征值的顺序一致。
步骤S106：按照预设的噪声子空间构建策略，分别根据各个子频带信号所对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)构造各个子频带信号的加权噪声子空间UW(fm)。
具体的，将第一特征值矩阵Σ(fm)中的特征值分为第一部分以及第二部分，其中第一部分为第1～P个特征值，即第一部分的特征值为λ1(fm)、λ2(fm)……λP(fm)，第二部分为第P+1～N个特征值，即第二部分的特征值为λP+1(fm)、λP+2(fm)……λN(fm)。其中，P为信源个数。
将第二部分的特征值以及第二部分的特征值对应的特征向量代入到公式
Figure BDA0002774045490000071
中，分别计算当m＝1,2……M时的加权噪声子空间UW(fm)，其中，第二部分的特征值的幂级数n为加权指数。进一步的，n的取值范围为[0.2，0.8]，技术人员可以根据实际需要确定n的值。
利用第二部分的特征值的幂数级一一乘以其对应的的特征向量得到噪声子空间，通过使用适当的幂级数加权，以使不同的噪声功率对波达方向估计谱的作用不同，抑制了噪声功率谱，提高了波达方向估计谱的分辨率。
步骤S107：按照预设排序策略，将第一特征值矩阵Σ(fm)内的部分特征值重新排序得到第二特征值矩阵
Figure BDA0002774045490000072
根据第二特征值矩阵
Figure BDA0002774045490000073
以及特征向量矩阵U(fm)获得各个子频带信号的新构矩阵
Figure BDA0002774045490000074
具体的，预设排序策略为保持第二部分内的特征值顺序不变，将第一部分内的特征值按照从小到大的顺序进行排序，因此得到的矩阵
Figure BDA0002774045490000075
用公式表示为：
Figure BDA0002774045490000076
通过上述的排序规则对特征值进行重新排序，使前1～P个较大的特征值顺序变为从小到大的顺序，可以达到削弱强信号所占比重、增大矩阵中弱信号所占比重的目的。
进一步的，获得第二特征值矩阵
Figure BDA0002774045490000081
后，将第二特征值矩阵
Figure BDA0002774045490000082
以及特征向量矩阵U(fm)代入到公式
Figure BDA0002774045490000083
中，即可分别计算得到当m＝1,2……M时的新构矩阵
Figure BDA0002774045490000084
由于特征向量矩阵U(fm)中的特征向量的顺序不变，而第二特征值矩阵
Figure BDA0002774045490000085
中的特征值的顺序相较于第一特征值矩阵Σ(fm)发生了改变，强信号对应的特征矢量在新构相关矩阵中所占的比重得到减少，弱信号对应的特征矢量在新构相关矩阵中所占的比重得到增加，也就是说抑制了强信号，增强了弱信号，从而实现强弱、临近信号的波达方向估计。
步骤S108：获取各个子频带信号在中心频率fm处的导向矢量，按照预设的谱函数生成策略，根据各个子频带信号在中心频率fm处的导向矢量、新构矩阵
Figure BDA0002774045490000086
以及加权噪声子空间UW(fm)，获取加权波达方向估计算法谱函数，根据加权波达方向估计算法谱函数计算谱峰值，谱峰值对应的角度为宽带强弱临近信号的波达方向。
具体的，各个子频带在频率fm处的导向矢量用a(fm,θ)表示，将各个子频带在频率fm处的导向矢量a(fm,θ)以及新构矩阵
Figure BDA0002774045490000087
代入到公式：
Figure BDA0002774045490000088
中，获取每个子频带的空间谱函数
Figure BDA0002774045490000089
其中UW(fm)为步骤S106中构造的加权噪声子空间，H表示共轭转置操作。
进一步的，获得每个子频带的空间谱函数
Figure BDA00027740454900000810
后，根据公式
Figure BDA00027740454900000811
对这些子频带的空间谱函数进行算术平均，即可得到加权波达方向估计算法谱函数P(θ)。在搜索目标的波达角时，当P(θ)在谱峰时所对应的角度即为估计的宽带强弱临近信号的波达方向。
本发明提供的加权波达方向估计方法，通过对特征值的重新排序，使强信号对应的特征矢量在新构相关矩阵中所占的比重得到减少，弱信号对应的特征矢量在新构相关矩阵中所占的比重得到增加达到削弱矩阵中强信号所占比重、增大矩阵中弱信号所占比重的目的，实现了对宽带强弱临近信号的波达方向(DOA)的估计，并且通过使用适当的幂级数加权，抑制噪声功率谱从而提高波达方向估计谱的分辨率。
为了进一步的说明本发明提供的基于宽带强弱临近信号的加权DOA估计方法相较于其他DOA估计算法的优势，在本发明中提供以下仿真实验：
1、仿真数据：
以宽带雷达探测强弱临近信号为仿真背景，采用宽带雷达模型作为仿真对象。信源为远场信号，即信号源距离阵列处足够远，所以空间源信号到达阵列时可近似为平面波，且信号源是相干信号，阵列模型是平面等间距线性天线阵列,宽带雷达发射信号频域范围为0.8GHz～1.2GHz。
2、仿真内容及结果
仿真1，设阵元数N＝16，阵元间距d＝0.5λ，信源频段范围为：0.8GHz～1.2GHz，信号源个数P＝2，快拍数为8，信源的信噪比均为15dB，信源的入射角度分别为θ1＝0°，θ2＝3°，幂级数n取0.8；使用CSM算法和本发明提供的基于宽带强弱临近信号的加权波达方向估计方法比较临近信号下的检测性能。
由图3所示，在临近信号下，相比CSM算法而言，可以明显看出应用本发明提供的基于宽带强弱临近信号的加权波达方向估计方法得到的波达方向估计谱线更尖锐，指向性更好，波束宽度也更窄。因此利用本发明提供的基于宽带强弱临近信号的加权波达方向估计方法更适用于测临近信号的波达方向估计。
仿真2，设阵元数N＝16，阵元间距d＝0.5λ，信源频段范围为：0.8GHz～1.2GHz，信号源个数P＝2，拍数为8，强信号入射角度为θ1＝0°，信噪比为50dB，弱信号入射角度为θ2＝3°，信噪比为-10dB，幂级数n取0.8，使用CSM算法和本发明提供的基于宽带强弱临近信号的加权波达方向估计方法比较临近强弱信号下的检测性能。
图4是临近强弱信号下的CSM算法和本发明提供的基于宽带强弱临近信号的加权波达方向估计方法获得的谱线图，从图4可以看出本发明提供的基于宽带强弱临近信号的加权波达方向估计方法获得的谱线图的弱信号对应的谱峰高度与强信号的对应的谱峰高度几乎相同，且波达方向估计的谱线明显，其分辨性能优于CSM算法。
从上述两个仿真实验来看，本发明提供的基于宽带强弱临近信号的加权波达方向估计方法既可以用于测等强度的临近信号的波达方向，也可以测强弱临近信号的波达方向。
本文中在本发明的权利要求书、说明书中所使用的“第一”、“第二”只是为了便于区分的目的，没有特殊含义，不是旨在于限制本发明。本领域技术人员应当理解，在不脱离所公开的实施方式的基本原理的前提下，对上述实施方式中的各细节可进行各种变化。因此，本发明的范围只由权利要求确定，在权利要求中，除非另有说明，所有的术语应按最宽泛合理的意思进行理解。

Claims (8)

1.一种基于宽带强弱临近信号的加权波达方向估计方法，其特征在于，所述方法包括：
接收宽带强弱临近信号，将所述宽带强弱临近信号转换为频域上的信号，同时按照预设的频段划分策略将频域上的所述宽带强弱临近信号划分为M个子频带信号；
分别获取各个所述子频带信号的阵列输出矢量X(fm)，并根据所述阵列输出矢量X(fm)
分别计算各个所述子频带信号的协方差矩阵Rx(fm)，其中fm表示第m个子频带信号的中心频率，m＝1，2，……M；
按照预设的重构策略分别对各个所述子频带信号的协方差矩阵Rx(fm)进行重构，获得各个所述子频带信号的构造矩阵Rnew(fm)；
按照预设的特征分解策略分别对各个所述子频带信号的构造矩阵Rnew(fm)进行分解，得到各个所述子频带信号所对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)；
按照预设的噪声子空间构建策略，分别根据各个所述子频带信号所对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)构造各个所述子频带信号的加权噪声子空间UW(fm)；
按照预设排序策略，将所述第一特征值矩阵Σ(fm)内的部分特征值重新排序得到第二特征值矩阵
Figure FDA0002774045480000011
根据所述第二特征值矩阵
Figure FDA0002774045480000012
以及所述特征向量矩阵U(fm)获得各个所述子频带信号的新构矩阵
Figure FDA0002774045480000013
获取各个所述子频带信号在中心频率fm处的导向矢量，按照预设的谱函数生成策略，根据各个所述子频带信号在中心频率fm处的导向矢量、新构矩阵
Figure FDA0002774045480000014
以及加权噪声子空间UW(fm)，获取加权波达方向估计算法谱函数，根据所述加权波达方向估计算法谱函数计算谱峰值，所述谱峰值对应的角度为所述宽带强弱临近信号的波达方向。
2.根据权利要求1所述的基于宽带强弱临近信号的加权波达方向估计方法，其特征在于，所述分别获取各个所述子频带信号的阵列输出矢量X(fm)包括：
根据公式X(fm)＝[x1(fm) x2(fm) … xN(fm)]T，分别计算当m＝1,2……M时的阵列输出矢量，其中M为子频带信号的个数，N为阵元数，xN(fm)表示第m个子频带信号在第N个接收阵元上的响应，T为转置操作。
3.根据权利要求1所述的基于宽带强弱临近信号的加权波达方向估计方法，其特征在于，所述根据所述阵列输出矢量X(fm)分别计算各个所述子频带信号的协方差矩阵Rx(fm)包括：
将所述阵列输出矢量X(fm)代入到公式
Figure FDA0002774045480000021
中，分别计算当m＝1,2……M时的Rx(fm)，其中M为子频带信号的个数，L为每个子频带信号的快拍数，T为转置操作。
4.根据权利要求1所述的基于宽带强弱临近信号的加权波达方向估计方法，其特征在于，所述按照预设的重构策略分别对各个所述子频带信号的协方差矩阵Rx(fm)进行重构，获得各个所述子频带信号的构造矩阵Rnew(fm)包括：
将所述协方差矩阵Rx(fm)代入公式
Figure FDA0002774045480000022
分别计算当m＝1,2……M时的Rnew(fm)，其中M为子频带信号的个数，S为N阶反对角单位矩阵，
Figure FDA0002774045480000023
为Rx(fm)的复共轭矩阵。
5.根据权利要求1所述的基于宽带强弱临近信号的加权波达方向估计方法，其特征在于，所述按照预设的特征分解策略分别对各个所述子频带信号的构造矩阵Rnew(fm)进行分解，得到各个所述子频带信号所对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)包括：
将所述构造矩阵Rnew(fm)代入到公式Rnew(fm)＝U(fm)Σ(fm)UH(fm)中，分别计算当m＝1,2……M时的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)，其中M为子频带信号的个数，H为共轭转置操作；
所述第一特征值矩阵Σ(fm)中包括N个按照从大到小的顺序排列的特征值，特征向量矩阵U(fm)中包括N个特征向量，所述特征向量与所述特征值一一对应，其中，N为阵元数。
6.根据权利要求5所述的基于宽带强弱临近信号的加权波达方向估计方法，其特征在于，所述按照预设的噪声子空间构建策略，分别根据各个所述子频带信号所对应的第一特征值矩阵Σ(fm)以及特征向量矩阵U(fm)构造各个所述子频带信号的加权噪声子空间UW(fm)包括：
将所述第一特征值矩阵Σ(fm)中的特征值分为第一部分以及第二部分，其中所述第一部分为第1～P个特征值，所述第二部分为第P+1～N个特征值，其中，P为信源个数；
将所述第二部分的特征值以及所述第二部分的特征值对应的特征向量代入到公式
Figure FDA0002774045480000031
中，分别计算当m＝1,2……M时的加权噪声子空间UW(fm)，其中，所述第二部分的特征值的幂级数n为加权指数。
7.根据权利要求6所述的基于宽带强弱临近信号的加权波达方向估计方法，其特征在于，所述按照预设排序策略，将所述第一特征值矩阵Σ(fm)内的部分特征值重新排序得到第二特征值矩阵
Figure FDA0002774045480000032
根据所述第二特征值矩阵
Figure FDA0002774045480000033
以及所述特征向量矩阵U(fm)获得各个所述子频带信号的新构矩阵
Figure FDA0002774045480000034
包括：
保持所述第二部分内的特征值顺序不变，将所述第一部分内的特征值按照从小到大的顺序进行排序，得到第二特征值矩阵
Figure FDA0002774045480000035
将所述第二特征值矩阵
Figure FDA0002774045480000036
以及所述特征向量矩阵U(fm)代入到公式
Figure FDA0002774045480000037
中，分别计算当m＝1,2……M时的新构矩阵
Figure FDA0002774045480000038
8.根据权利要求7所述的基于宽带强弱临近信号的加权波达方向估计方法，其特征在于，所述获取各个所述子频带信号在中心频率fm处的导向矢量，按照预设的谱函数生成策略，根据各个所述子频带信号在中心频率fm处的导向矢量、新构矩阵
Figure FDA0002774045480000039
以及加权噪声子空间UW(fm)，获取加权波达方向估计算法谱函数包括：
各个所述子频带在中心频率fm处的导向矢量为a(fm,θ)，将各个所述子频带信号在中心频率fm处的导向矢量a(fm,θ)以及所述新构矩阵
Figure FDA00027740454800000310
代入到公式
Figure FDA0002774045480000041
中，得到各个所述子频带信号的空间谱函数
Figure FDA0002774045480000042
将各个所述子频带信号的空间谱函数代入到公式
Figure FDA0002774045480000043
中，得到加权波达方向估计算法谱函数。
CN202011259117.3A 2020-11-12 2020-11-12 一种基于宽带强弱临近信号的加权波达方向估计方法 Active CN112363109B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011259117.3A CN112363109B (zh) 2020-11-12 2020-11-12 一种基于宽带强弱临近信号的加权波达方向估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011259117.3A CN112363109B (zh) 2020-11-12 2020-11-12 一种基于宽带强弱临近信号的加权波达方向估计方法

Publications (2)

Publication Number Publication Date
CN112363109A true CN112363109A (zh) 2021-02-12
CN112363109B CN112363109B (zh) 2023-06-23

Family

ID=74514415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011259117.3A Active CN112363109B (zh) 2020-11-12 2020-11-12 一种基于宽带强弱临近信号的加权波达方向估计方法

Country Status (1)

Country Link
CN (1) CN112363109B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116224311A (zh) * 2023-02-10 2023-06-06 广东海洋大学 一种利非相干子空间方法对水下多目标方位识别方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103091661A (zh) * 2013-02-01 2013-05-08 西安科技大学 基于迭代谱重构的宽带信号波达方向估计方法
US20140334265A1 (en) * 2013-05-13 2014-11-13 Korea Advanced Institute Of Science And Technology Direction of Arrival (DOA) Estimation Device and Method
CN107894581A (zh) * 2017-11-16 2018-04-10 河海大学 一种宽带阵列波达方向估计方法
CN107966676A (zh) * 2017-08-04 2018-04-27 大连理工大学 复杂噪声环境下阵列天线角度和信源个数联合估计方法
CN109255169A (zh) * 2018-08-27 2019-01-22 西安电子科技大学 基于遗传算法的宽带多信号到达角估计方法
CN109831265A (zh) * 2019-01-24 2019-05-31 西安电子科技大学 一种基于空域滤波的宽带信号频谱感知方法和系统
CN109901148A (zh) * 2019-03-21 2019-06-18 西安电子科技大学 基于协方差矩阵稀疏表示的宽带信号doa估计方法
US20200249308A1 (en) * 2017-10-26 2020-08-06 Huawei Technologies Co., Ltd. Device and method for estimating direction of arrival of sound from a plurality of sound sources

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103091661A (zh) * 2013-02-01 2013-05-08 西安科技大学 基于迭代谱重构的宽带信号波达方向估计方法
US20140334265A1 (en) * 2013-05-13 2014-11-13 Korea Advanced Institute Of Science And Technology Direction of Arrival (DOA) Estimation Device and Method
CN107966676A (zh) * 2017-08-04 2018-04-27 大连理工大学 复杂噪声环境下阵列天线角度和信源个数联合估计方法
US20200249308A1 (en) * 2017-10-26 2020-08-06 Huawei Technologies Co., Ltd. Device and method for estimating direction of arrival of sound from a plurality of sound sources
CN107894581A (zh) * 2017-11-16 2018-04-10 河海大学 一种宽带阵列波达方向估计方法
CN109255169A (zh) * 2018-08-27 2019-01-22 西安电子科技大学 基于遗传算法的宽带多信号到达角估计方法
CN109831265A (zh) * 2019-01-24 2019-05-31 西安电子科技大学 一种基于空域滤波的宽带信号频谱感知方法和系统
CN109901148A (zh) * 2019-03-21 2019-06-18 西安电子科技大学 基于协方差矩阵稀疏表示的宽带信号doa估计方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
HIROYOSHI YAMADA ETAL.: "Wideband DOA estimation technique for correlated sources", 2014 INTERNATIONAL SYMPOSIUM ON ANTENNAS AND PROPAGATION CONFERENCE PROCEEDINGS *
HUAWEI CHEN ETAL.: "Coherent signal-subspace processing of acoustic vector sensor array for DOA estimation of wideband sources", SIGNAL PROCESSING, vol. 85, no. 4 *
刘晓志;宋牧野;李鸿儒;: "基于伪数据相关矩阵二次重构的DOA估计新算法", 东北大学学报(自然科学版), no. 06 *
徐亮;曾操;廖桂生;李军;: "基于特征波束形成的强弱信号波达方向与信源数估计方法", 电子与信息学报, no. 02 *
王鼎等: "两种强干扰下弱信号的二维波达方向估计算法研究", 系统仿真学报, vol. 21, no. 10 *
贺顺: "阵列信号处理若干关键问题研究", 万方学位论文库 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116224311A (zh) * 2023-02-10 2023-06-06 广东海洋大学 一种利非相干子空间方法对水下多目标方位识别方法
CN116224311B (zh) * 2023-02-10 2024-02-02 广东海洋大学 一种利非相干子空间方法对水下多目标方位识别方法

Also Published As

Publication number Publication date
CN112363109B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN108375763B (zh) 一种应用于多声源环境的分频定位方法
Khmou et al. Comparative study between several direction of arrival estimation methods
CN108809398B (zh) 一种基于信源个数约束的稳健自适应波束形成方法
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
Li et al. DOA estimation of time-modulated linear array based on sparse signal recovery
CN109490850A (zh) 主瓣干扰下宽带阵列自适应波束形成方法
CN110412499B (zh) 基于压缩感知理论下的rss算法的宽带doa估计算法
CN109407055A (zh) 基于多径利用的波束形成方法
Liao et al. A cumulant-based method for direction finding in uniform linear arrays with mutual coupling
CN106788655A (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
CN112363109B (zh) 一种基于宽带强弱临近信号的加权波达方向估计方法
CN108828586B (zh) 一种基于波束域的双基地mimo雷达测角优化方法
CN113267746A (zh) 基于组稀疏的加权宽带波达方向估计方法
Okane et al. Resolution improvement of wideband direction-of-arrival estimation" Squared-TOPS"
Liu et al. High-resolution direction-of-arrival estimation in SNR and snapshot challenged scenarios using multi-frequency coprime arrays
Yu et al. A robust minimum variance beamformer with new constraint on uncertainty of steering vector
RU2704027C1 (ru) Способ контроля излучения нескольких источников частотно-неразделимых сигналов
Qi et al. An improved multiple-Toeplitz matrices reconstruction algorithm for DOA estimation of coherent signals
Al-Sadoon et al. A more efficient AOA method for 2D and 3D direction estimation with arbitrary antenna array geometry
Kase et al. Performance analysis of DOA estimation of two targets using deep learning
CN109061555B (zh) 嵌套阵列下混合相干doa估计方法
CN113805139A (zh) 基于聚焦变换的宽带信号稀疏表示波达方向估计方法
CN114047481A (zh) 一种基于子空间正交性的稳健自适应波束形成方法
Sun et al. Robust adaptive beamforming for coprime array based on interference power estimation via subspace
Tayem et al. Capon root-MUSIC-like direction of arrival estimation based on real data

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