CN112505685A - 基于bsbl-em算法的分离式极化敏感阵列相干信号doa和极化参数估计 - Google Patents
基于bsbl-em算法的分离式极化敏感阵列相干信号doa和极化参数估计 Download PDFInfo
- Publication number
- CN112505685A CN112505685A CN202011128526.XA CN202011128526A CN112505685A CN 112505685 A CN112505685 A CN 112505685A CN 202011128526 A CN202011128526 A CN 202011128526A CN 112505685 A CN112505685 A CN 112505685A
- Authority
- CN
- China
- Prior art keywords
- polarization
- algorithm
- doa
- block
- bsbl
- 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
- 230000010287 polarization Effects 0.000 title claims abstract description 46
- 230000001427 coherent effect Effects 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000008878 coupling Effects 0.000 claims abstract description 9
- 238000010168 coupling process Methods 0.000 claims abstract description 9
- 238000005859 coupling reaction Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 12
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims 1
- 230000010363 phase shift Effects 0.000 claims 1
- 238000009499 grossing Methods 0.000 abstract description 5
- 238000003491 array Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003786 synthesis reaction 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于BSBL‑EM算法的分离式极化敏感阵列相干信号DOA和极化参数估计。本发明首先构造无参数“互耦”的信号模型，以降低计算复杂度；然后推导多快拍条件下的矢量化块稀疏表示，使其完备字典仅包含DOA参数，块稀疏信号向量包含极化参数和原始信号；再利用块稀疏贝叶斯学习算法恢复块稀疏信号矢量；最后根据非零元素的支撑集以及块内相互关系，推算DOA和极化参数的估计值。相比于传统的子空间算法，本发明的方法无需空间平滑或极化平滑即可实现相干目标角度的估计；此外，本发明的阵列结构适用于共形相控阵雷达，分离式的阵元结构便于工程实现。
Description
技术领域
本发明涉及基于BSBL-EM算法的分离式极化敏感阵列相干信号DOA和极化参数估计，特别适用于 布置阵列的空间有限且共形的相控阵雷达。
背景技术
当前，雷达装备大多采用和差法测量目标波达方向(Direction of Arrival)，该方法精度较高，且能满 足实时性要求。和差法测角最大的弊端在于仅能测量主波束内单目标的角度，当主波束内存在两个目标甚 至多目标时，和差法将失效。因此，继续雷达技术人员探索出新的体制雷达和新的信号处理方法。
与标量阵列相比，极化敏感阵列能额外感知入射信号的极化信息，在同样的背景条件下极化敏感阵列 的参数估计性能比标量阵列的参数估计性能更好。因此，对极化敏感阵列的参数估计算法进行研究具有重 要理论和实践意义，有望突破当前标量阵列参数估计的瓶颈。极化敏感阵列的成熟参数估计算法有矢量叉 积算法、子空间方法和极化平滑算法，这些方法对快拍数和信噪比要求较高。在如今敌方电子装备如此先 进的情况下，要求接收数据的多快拍和高信噪比是不现实的，亟需探索出性能更强的算法。
压缩感知(Compressed Sensing，CS)技术便应运而生，它能够突破采样定理限制，以远低于奈奎斯特 频率进行采样，且通过求解最优化问题，只需要少量观测采样点就能精确重构原始信号。在低快拍和低信 噪比情况下，CS技术比传统的算法性能更好。此外，极化敏感阵列按空间结构分为共点式和分离式两类， 共点式极化敏感阵列互耦严重，不便于工程实现；分离式极化敏感阵列是将单个适量传感器的内部电偶极 子或磁环从空间上分离开，互耦大大降低，便于工程实现。
本发明针对低信噪比和低快拍条件下的多个目标参数估计问题，提出基于块稀疏贝叶斯学习(Block Sparse Bayesian Learning，BSBL)极化敏感阵列多维参数估计算法。
发明内容
本发明的目的在于利用块稀疏贝叶斯学习解决低信噪比和低快拍条件下极化敏感阵列参数估计问题。
为了实现上述的发明目的，本发明提供了一种基于BSBL-EM算法的分离式极化敏感阵列相干信号 DOA和极化参数估计，包括以下技术步骤：
(1)基于原始阵列接收数据模型，推导无参数“互耦”的信号模型；
(2)推导多快拍条件下的矢量化稀疏表示，使其完备字典仅包含DOA参数，块稀疏信号矢量包含极 化参数和原始信号；
(3)利用BSBL-EM算法更新多个超参数，得到块稀疏信号矢量；
(4)根据非零元素在块稀疏矢量中的位置以及块内相互关系，推出DOA和极化参数的估计值。
本发明的优点在于：
(1)本发明充分挖掘极化导向矢量的结构信息，构造了无参数“互耦”的信号模型，构造的完备字 典维数由3维降到1维，算法复杂度大大降低；
(2)本发明设计的测角算法，可用于估计相干目标角度，无需空间平滑或极化平滑；
(3)本发明所设计的阵列结构互耦较小，可用于共形相控阵雷达，便于工程实现。
附图说明
图1是本发明的实施例的结构框图。参照图1，本发明的实施例由构建降维信号模型、构建块稀疏表 示、恢复块稀疏矢量和参数信息综合组成。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。假设空中有K个相干目标，阵列是由M个分离式 电磁矢量传感器组成的均匀线阵，单个分离式电磁矢量传感器是由3个电偶极子和3个磁环组成的，其导 向矢量为
其中，⊙表示Hadamard积，Δxy表示x轴方向放置的电偶极子与y轴方向放置的电偶极子的间距，同zoy面平行的磁环与同xoz面平行的磁环间距也为Δxy，类似地，Δxy也表示相应电偶极子和磁环的间距。则 阵列接收数据为
其中，
表示空域-极化联合导向矢量，qk表示空域导向矢量，A表示 由a(θk，φk，γk，ηk)组成的流形矩阵，s(t)表示信号矢量，n(t)表示加性高斯噪声。如果考虑多快拍情况，式 (2)可表达为
Y＝AS+N (3)
基于上述信号模型，本发明的详细步骤如下：
(1)基于阵列接收数据模型(1)，令φ＝π/2，推导无参数“互耦”的信号模型：
其中，
表示Kronecker积运算。新的阵列流形矩阵 A′＝[a′(θ1)，...，a′(θK)]仅包含DOA参数，即“无互耦”信号模型构建成功。
(2)推导多快拍条件下的稀疏表示，使其完备字典仅包含DOA参数，块稀疏信号向量包含极化参数 和原始信号。多快拍条件下的信号模型可表示为：
Y＝A′S+N (5)
其中，S＝[s′(t1)，s′(t2)，...，s′(tL)]是一个信号矩阵，L表示快拍数，N＝[n(t1)，n(t2)，...，n(tL)]是一个噪声矩 阵。假设空域被均匀划分为N个角度，且真实目标的俯仰角刚好落在划分角度上，则完备字典可表示为：
则多快拍条件下接收数据的稀疏表示为：
对上式进行矢量化可得到多快拍条件下接收数据的矢量化稀疏表示：
y＝Dx+v (8)
其中，y＝vec(YT)，
v＝vec(NT)，(·)T表示转置运算。分析(8)式可知，x 为块稀疏信号矢量，块内元素的关系如下：
其中n＝1，2，...，N。
(3)在BSBL的架构下，根据贝叶斯准则，块稀疏信号x的后验分布为
其中μx＝Σ0DT(αI+D∑0DT)-1y为均值，
为方差。一旦
等超参数被求出，x的后验分布的平均值即可作为块稀疏信号x的极大后验估 计值：
为了估计各个超参数
需要求解式(11)的最小值，这里采用期望最大化(Expectation Maximization，EM)算法求解它：
进而可得超参数α和εi的更新规则：
其中
表示μx的第n个块元素，
表示∑x的主对角上第n个块元素，Tr(·)表示求矩阵的迹。至此，就 得到了块稀疏恢复信号
(4)根据非零元素在块稀疏向量中的位置以及块内相互关系，推出DOA和极化参数的估计值。DOA 和极化参数估计值可按如下步骤推导得出：1)将向量
转换成矩阵X，其中
2)对矩阵X的每一行求平均值，得到一个新的块稀疏信号矢量z；3)找出向量z中的非零元素支撑集换 算出DOA估计值；4)找出相邻的两个非零元素，根据式(9)的块内关系，可以得到两个相邻非零元素的比 值，极化辅助角的估计值为arctan|tanγejη|，极化相位差的估计值为比值的相位，即∠(tan γejη)。
虽然结合附图描述了本发明的实施方式，但是本领域普通技术人员可以在所附权利要求的范围内做出 各种变形或修改。
Claims (5)
1.基于BSBL-EM算法的分离式极化敏感阵列相干信号DOA和极化参数估计，包括以下技术步骤：
(1)基于原始阵列接收数据模型，推导无参数“互耦”的信号模型；
(2)推导多快拍条件下的矢量化稀疏表示，使其完备字典仅包含DOA参数，块稀疏信号矢量包含极化参数和原始信号；
(3)利用BSBL-EM算法更新多个超参数，得到块稀疏信号矢量；
(4)根据非零元素在块稀疏矢量中的位置以及块内相互关系，推出DOA和极化参数的估计值。
2.根据权利要求1所述的基于BSBL-EM算法的分离式极化敏感阵列相干信号DOA和极化参数估计，其特征在于步骤(1)中的推导无参数“互耦”的信号模型通过下式实现
其中，A为阵列流形矩阵，s(t)为信号矢量，a为空域-极化联合导向矢量，q为空域导向矢量，
为极化矢量，n(t)为加性高斯噪声，
为考虑了空间相移因子的极化矩阵，g为相位描述子，
表示Kronecker积运算。
3.根据权利要求1所述的基于BSBL-EM算法的分离式极化敏感阵列相干信号DOA和极化参数估计，其特征在于步骤(2)中的多快拍条件下的矢量化稀疏表示为
y＝Dx+v
其中，y＝vec(YT)，
v＝vec(NT)，Y为多快拍下阵列接收数据，
为多快拍下信号矩阵，N为多快拍下加性高斯噪声矩阵，(·)T表示转置运算，vec(·)表示矢量化运算。
4.根据权利要求1所述的基于BSBL-EM算法的分离式极化敏感阵列相干信号DOA和极化参数估计，其特征在于步骤(3)中的更新多个超参数的方法为
其中，
表示μx的第n个块元素，
表示∑x的主对角上第n个块元素，Tr(·)表示求矩阵的迹。
5.根据权利要求1所述的基于BSBL-EM算法的分离式极化敏感阵列相干信号DOA和极化参数估计，其特征在于步骤(4)中分析得出块内相互关系为
其中n＝1，2，…，N。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011128526.XA CN112505685A (zh) | 2020-10-15 | 2020-10-15 | 基于bsbl-em算法的分离式极化敏感阵列相干信号doa和极化参数估计 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011128526.XA CN112505685A (zh) | 2020-10-15 | 2020-10-15 | 基于bsbl-em算法的分离式极化敏感阵列相干信号doa和极化参数估计 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112505685A true CN112505685A (zh) | 2021-03-16 |
Family
ID=74954179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011128526.XA Pending CN112505685A (zh) | 2020-10-15 | 2020-10-15 | 基于bsbl-em算法的分离式极化敏感阵列相干信号doa和极化参数估计 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112505685A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113625219A (zh) * | 2021-06-23 | 2021-11-09 | 沈阳航空航天大学 | 基于稀疏贝叶斯学习的矢量共形阵列doa-极化参数联合估计方法 |
| CN114047473A (zh) * | 2021-10-18 | 2022-02-15 | 中国电子科技集团公司第二十九研究所 | 基于极化敏感环形阵列的到达角度和极化角度测量方法 |
-
2020
- 2020-10-15 CN CN202011128526.XA patent/CN112505685A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113625219A (zh) * | 2021-06-23 | 2021-11-09 | 沈阳航空航天大学 | 基于稀疏贝叶斯学习的矢量共形阵列doa-极化参数联合估计方法 |
| CN113625219B (zh) * | 2021-06-23 | 2023-10-13 | 沈阳航空航天大学 | 基于稀疏贝叶斯学习的矢量共形阵列doa-极化参数联合估计方法 |
| CN114047473A (zh) * | 2021-10-18 | 2022-02-15 | 中国电子科技集团公司第二十九研究所 | 基于极化敏感环形阵列的到达角度和极化角度测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111337893B (zh) | 一种基于实值稀疏贝叶斯学习的离格doa估计方法 | |
| CN109655799B (zh) | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 | |
| CN109490819B (zh) | 一种基于稀疏贝叶斯学习的离格波达方向估计方法 | |
| CN109061554B (zh) | 一种基于空间离散网格动态更新的目标到达角度估计方法 | |
| CN110161452B (zh) | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 | |
| CN106501765B (zh) | 一种基于平方和与半定规划的最大似然波达方向估计方法 | |
| CN103954950A (zh) | 一种基于样本协方差矩阵稀疏性的波达方向估计方法 | |
| CN107576951B (zh) | 基于嵌套式电磁矢量传感器阵列的波达方向估计方法 | |
| CN107493106B (zh) | 一种基于压缩感知的频率和角度联合估计的方法 | |
| CN112505685A (zh) | 基于bsbl-em算法的分离式极化敏感阵列相干信号doa和极化参数估计 | |
| CN109696657B (zh) | 一种基于矢量水听器的相干声源定位方法 | |
| CN112379327A (zh) | 一种基于秩损估计的二维doa估计与互耦校正方法 | |
| CN112269172A (zh) | 一种基于张量结构的嵌套mimo雷达角度估计方法和装置 | |
| CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
| Zhang et al. | Direction finding in partly calibrated arrays exploiting the whole array aperture | |
| Jiang et al. | DOA estimation of coherent signals based on modified music algorithm | |
| CN113759303A (zh) | 一种基于粒子群算法的无网格波达角估计方法 | |
| CN114460531A (zh) | 一种均匀线阵music空间谱估计方法 | |
| CN109946672B (zh) | 基于被动孔径合成稀疏阵列的doa估计方法 | |
| CN105388450B (zh) | 一种基于目标角度分离的双基地mimo系统dod和doa估计方法 | |
| CN108594165B (zh) | 一种基于期望最大化算法的窄带信号波达方向估计方法 | |
| He et al. | Extended aperture 2-D direction finding with a two-parallel-shape-array using propagator method | |
| CN112363106B (zh) | 基于量子粒子群的信号子空间波达方向检测方法及系统 | |
| CN113093143B (zh) | 基于共形频控阵mimo雷达的降维参数估计方法 | |
| CN110208733B (zh) | 基于四阶累量的非圆信号阵列波达方向角估计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| DD01 | Delivery of document by public notice | ||
| DD01 | Delivery of document by public notice |
Addressee: Li Binbin Document name: Notification before the expiration of the request period for substantive examination of an invention patent application |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210316 |