CN112733327A - 一种面向非高斯信号的连续和阵稀疏阵列及其设计方法 - Google Patents

一种面向非高斯信号的连续和阵稀疏阵列及其设计方法 Download PDF

Info

Publication number
CN112733327A
CN112733327A CN202011524521.9A CN202011524521A CN112733327A CN 112733327 A CN112733327 A CN 112733327A CN 202011524521 A CN202011524521 A CN 202011524521A CN 112733327 A CN112733327 A CN 112733327A
Authority
CN
China
Prior art keywords
array
sub
sparse
matrix
elements
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
CN202011524521.9A
Other languages
English (en)
Other versions
CN112733327B (zh
Inventor
张小飞
叶长波
李建峰
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202011524521.9A priority Critical patent/CN112733327B/zh
Publication of CN112733327A publication Critical patent/CN112733327A/zh
Application granted granted Critical
Publication of CN112733327B publication Critical patent/CN112733327B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G01S3/12—Means for determining sense of direction, e.g. by combining signals from directional antenna or goniometer search coil with those from non-directional antenna
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q21/00—Antenna arrays or systems
    • H01Q21/0087—Apparatus or processes specially adapted for manufacturing antenna arrays
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

本发明公开了一种面向非高斯信号的连续和阵稀疏阵列及其设计方法，所述稀疏阵列由天线数分别为M和N的第一子阵列和第二子阵列组成，且第一子阵列和第二子阵列的M和N个阵元分别位于原点两侧，且只在原点处有一个阵元重叠，将从给定的阵元数M和N中确定最长连续和阵的问题建模为邮票问题，在此基础上进行确定稀疏阵元位置并进行二阶差和阵计算。利用连续邮票问题的解获得到子阵列的阵元间距、稀疏阵的阵元位置、最长连续和阵范围。本发明的天线结构优势及优点在于极大拓宽了天线孔径、有效降低了互耦效应，相比于传统基于二阶累积量获取虚拟阵元的方法，有效减少了冗余阵元，且能够获得相对较高的自由度。

Description

一种面向非高斯信号的连续和阵稀疏阵列及其设计方法
技术领域
本发明属于阵列天线设计技术领域，具体涉及一种面向非高斯信号的连续和阵稀疏阵列及其设计方法。
背景技术
为了避免角度估计过程中的角度模糊问题，传统阵列的阵元间距被要求不大于半波长。对于给定的阵元数，显然阵列孔径会受到很大的限制，这会影响角度估计性能。
稀疏阵是指阵元间距不再受限于半波长的阵列，具有扩展阵列孔径、降低互耦、提高自由度等优点，利用稀疏阵可以获取更高的角度估计性能。然而当前的稀疏阵阵列设计主要是针对二阶累积量，即首先假定信源的形式为高斯信源。在实际应用中，更多的信源形式是非高斯的。此时，利用二阶累积量计算的相关关系矩阵不能包含所有的有效信息，大量的有用数据存在四阶累积量中。
目前针对非高斯信号和四阶累积量的阵列设计方法甚少，具体原因为四阶累积量的计算过程中存在两次级联的差阵与和阵计算，这会使得稀疏阵元同虚拟阵元的关系变得非常复杂，即改变任意一个稀疏阵元都会对虚拟阵元的位置和范围产生极大的影响。考虑到实际信源大多为非高斯信号，对基于四阶累积量设计的阵列流形是非常有意义的。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种面向非高斯信号的连续和阵稀疏阵列及其设计方法，能够在天线数目相同的情况下，比其他阵列具有更低的CRB、更高的DOF，更低的互耦效应，因而本发明阵列结构具有更好的角度估计性能，可用于基于四阶累积量的非高斯信号角度估计中。
为实现上述技术目的，本发明采取的技术方案为：
一种面向非高斯信号的连续和阵稀疏阵列，所述稀疏阵列由天线数分别为M和N的第一子阵列和第二子阵列组成，且第一子阵列和第二子阵列的M和N个阵元分别位于原点两侧，且只在原点处有一个阵元重叠，阵元总数为T＝M+N-1。
为优化上述技术方案，采取的具体措施还包括：
上述的第一子阵列的阵元间距为
Figure BDA0002850123170000011
第二子阵列的阵元间距为
Figure BDA0002850123170000012
d＝λ/2，λ表示波长，
Figure BDA0002850123170000013
和
Figure BDA0002850123170000014
为互质整数；其中，M个含0非正整数进行作和，产生阵元数为
Figure BDA0002850123170000021
的最长连续和阵，最长连续和阵范围为
Figure BDA0002850123170000022
对应的整数集合表示为
Figure BDA0002850123170000023
N个含0非负整数进行作和，产生阵元数为
Figure BDA0002850123170000024
的最长连续和阵，最长连续和阵范围为
Figure BDA0002850123170000025
对应的整数集合表示为
Figure BDA0002850123170000026
上述的稀疏阵的阵元位置为
Figure BDA0002850123170000027
一种面向非高斯信号的连续和阵稀疏阵列设计方法，包括：
步骤一、假设稀疏阵列由天线数分别为M和N的第一子阵列和第二子阵列组成，且第一子阵列和第二子阵列的M和N个阵元分别位于原点两侧，且只在原点处有一个阵元重叠；则将从给定的第一子阵列和第二子阵列中确定最长连续和阵的问题建模为GPSP；
步骤二、求解GPSP，得到子阵列的阵元间距、稀疏阵的阵元位置、最长连续和阵范围。
上述的步骤二所述求解GPSP，得到子阵列的阵元间距、稀疏阵的阵元位置、最长连续和阵范围，具体为：
第一子阵列对应的M个含0非正整数进行作和，产生阵元数为
Figure BDA0002850123170000028
的最长连续和阵，最长连续和阵范围为
Figure BDA0002850123170000029
对应的整数集合表示为
Figure BDA00028501231700000210
第二子阵列对应的N个含0非负整数进行作和，产生阵元数为
Figure BDA00028501231700000211
的最长连续和阵，最长连续和阵范围为
Figure BDA00028501231700000212
对应的整数集合表示为
Figure BDA00028501231700000213
则第一子阵列的阵元间距为
Figure BDA00028501231700000214
第二子阵列的阵元间距为
Figure BDA00028501231700000215
d＝λ2，λ表示波长，
Figure BDA00028501231700000216
和
Figure BDA00028501231700000217
为互质整数；稀疏阵的阵元位置为
Figure BDA00028501231700000218
阵元总数为T＝M+N-1。
上述的步骤二中，从M个整数确定集合
Figure BDA00028501231700000219
最大连续整数
Figure BDA00028501231700000220
的过程建模为GPSP；GPSP表述为：对给定的整数h和k，一个包含k个非负整数的集合表示为：
Figure BDA00028501231700000221
其中，
Figure BDA00028501231700000222
中的元素在经过h次求和后能够获得的连续整数集合为
Figure BDA00028501231700000223
且
Figure BDA00028501231700000224
要尽可能大；当
Figure BDA00028501231700000225
已知时，通过不断连续递增邮资，直到所需的邮票张数大于h即可；当
Figure BDA00028501231700000226
未知时，其第i+1个元素满足如下条件：
ai+1∈[ai+1,ai×h+1] (5)
其中ai表示第i个元素，1≤i≤k，由此，
Figure BDA00028501231700000227
中所有的元素均可通过不断遍历获得，即转化为
Figure BDA0002850123170000031
已知的情况，并获取连续邮资的最大值及邮票面值组合；
此外，当
Figure BDA0002850123170000032
中的元素均为非正的元素时，仅需要将其考虑为式(6)中元素取相反数即可，其对应连续整数集合也需要相应取相反数。
上述的h＝2。
本发明具有以下有益效果：
1、本发明充分利用了稀疏阵元，该阵列所产生的虚拟阵元的冗余度更低，有效阵元的数量更多；
2、本发明具有更高的自由度、更低的互耦、更低的CRB；
3、本发明天线布局能获得更好的角度估计性能。
附图说明
图1是本发明阵列结构示意图；
图2是本发明阵列结构的和阵示意图；
图3是本发明阵列结构的二阶差和阵示意图；
图4是本发明阵列结构的二阶差和阵和
Figure BDA0002850123170000033
的差阵DOF对比图；
图5是本发明阵列结构和其他阵列在不同信噪比时CRB对比图；
图6是本发明阵列结构和其他阵列在不同快拍数时CRB对比图；
图7是本发明阵列结构和其他阵列在不同信噪比时CS算法性能对比图；
图8是本发明阵列结构和其他阵列在不同快拍数时CS算法性能对比图；
图9是不同阵列结构的耦合泄露、自由度对比表。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
符号表示：本发明中(·)T,(·)H(·)-1和(·)*分别表示为转置，共轭转置，求逆和共轭运算。加粗大写字母表示矩阵，加粗小写字母表示矢量，
Figure BDA0002850123170000034
表示Kronecker积，表示Khatri-Rao积，vec(·)表示矢量化操作，diag(·)表示对矩阵或向量进行对角操作，||·||1，||·||2，||·||F分别表示1范数、2范数和F范数。
参见图1，本发明的一种面向非高斯信号的连续和阵稀疏阵列，所述稀疏阵列由天线数分别为M和N的第一子阵列和第二子阵列组成，且第一子阵列和第二子阵列的M和N个阵元分别位于原点两侧，且只在原点处有一个阵元重叠，阵元总数为T＝M+N-1。
第一子阵列的阵元间距为
Figure BDA0002850123170000041
第二子阵列的阵元间距为
Figure BDA0002850123170000042
d＝λ2，λ表示波长，
Figure BDA0002850123170000043
和
Figure BDA0002850123170000044
为互质整数；其中，M个含0非正整数进行作和，产生阵元数为
Figure BDA0002850123170000045
的最长连续和阵，最长连续和阵范围为
Figure BDA0002850123170000046
对应的整数集合表示为
Figure BDA0002850123170000047
N个含0非负整数进行作和，产生阵元数为
Figure BDA0002850123170000048
的最长连续和阵，最长连续和阵范围为
Figure BDA0002850123170000049
对应的整数集合表示为
Figure BDA00028501231700000410
稀疏阵的阵元位置为
Figure BDA00028501231700000411
一种面向非高斯信号的连续和阵稀疏阵列设计方法，包括：
步骤一、假设稀疏阵列由天线数分别为M和N的第一子阵列和第二子阵列组成，且第一子阵列和第二子阵列的M和N个阵元分别位于原点两侧，且只在原点处有一个阵元重叠；
则将从给定的第一子阵列和第二子阵列中确定最长连续和阵的问题建模为GPSP；
步骤二、求解GPSP，得到子阵列的阵元间距、稀疏阵的阵元位置、最长连续和阵范围，具体为：
第一子阵列对应的M个含0非正整数进行作和，产生阵元数为
Figure BDA00028501231700000412
的最长连续和阵，最长连续和阵范围为
Figure BDA00028501231700000413
对应的整数集合表示为
Figure BDA00028501231700000414
第二子阵列对应的N个含0非负整数进行作和，产生阵元数为
Figure BDA00028501231700000415
的最长连续和阵，最长连续和阵范围为
Figure BDA00028501231700000416
对应的整数集合表示为
Figure BDA00028501231700000417
则第一子阵列的阵元间距为
Figure BDA00028501231700000418
第二子阵列的阵元间距为
Figure BDA00028501231700000419
d＝λ/2，λ表示波长，
Figure BDA00028501231700000420
和
Figure BDA00028501231700000421
为互质整数；稀疏阵的阵元位置为
Figure BDA00028501231700000422
阵元总数为T＝M+N-1。
连续邮票问题(Global Postage-Stamp Problem,GPSP)
由M个整数确定集合
Figure BDA00028501231700000423
最大连续整数
Figure BDA00028501231700000424
的过程可以建模为GPSP。GPSP可以表述为：对给定的整数h和k，一个包含k个非负整数的集合可以表示为：
Figure BDA00028501231700000425
现要求
Figure BDA00028501231700000426
中的元素在经过h次求和后能够获得的连续整数集合为
Figure BDA00028501231700000427
且
Figure BDA00028501231700000428
要尽可能大。给出了关于GPSP的简单解法，例如：对于集合
Figure BDA00028501231700000429
即现有两种面额分别为1和3的邮票，如果想获得邮资1，需要1张面额为1的邮票，对于邮资2则需要两张面额为1的邮票，而对于邮资3，则需要1张面额为3的邮票或者3张面额为1的邮票，显然，考虑到所需的邮票张数应当尽可能小，所以选择前一种方案。所以当
Figure BDA0002850123170000051
已知的时候，只需要不断连续递增邮资，直到所需的邮票张数大于h即可(注：考虑到阵元位置可以选在原点，引入面额为0的邮票，所以构成连续邮资过程中，邮票张数小于h的组合是一定满足条件的)。
当
Figure BDA0002850123170000052
未知的时候，其第i+1个元素一定满足如下条件
ai+1∈[ai+1,ai×h+1] (8)
其中ai表示第i个元素，1≤i≤k。由此，
Figure BDA0002850123170000053
中所有的元素均可通过不断遍历获得，即转化为已知的情况，并获取连续邮资的最大值及邮票面值组合。
Figure BDA0002850123170000054
可以看作是包含k个面值邮票的集合，考虑到阵元的位置可以放在原点，面值可以为0，h表示一张邮票上允许张贴的邮票张数。因为子阵的个数为2，则h＝2.
给出一个简单的例子来进行说明上述问题的求解过程：对于面值为
Figure BDA0002850123170000055
的集合，构成邮资1和2分别需要一张和两张邮票，对于邮资3，则有两种组合，即一张邮资为3的邮票或3张邮资为1的邮票。如果当前的h＝2，显然，后一种组合是不符合要求的。对于需要张贴的邮票数小于h，均可通过面值为0的邮票进行补充。
此外，当
Figure BDA0002850123170000056
中的元素均为非正的元素时，仅需要将其考虑为式(9)中元素取相反数即可，其对应连续整数集合也需要相应取相反数。
实施例1，如图1所示的是一个本发明阵列天线结构的例子。其中，
M＝5,N＝4,
Figure BDA0002850123170000057
Figure BDA0002850123170000058
T＝M+N-1＝8，
Figure BDA0002850123170000059
假设K(θk,k＝1,2,,K),个远场窄带不相关非高斯信号入射到此阵列上，其中θk表示第k个信源的仰角，该阵列的坐标可以表示为
Figure BDA00028501231700000510
接收信号可以表示为
x(t)＝As(t)+n(t) (10)
其中，
Figure BDA00028501231700000511
为方向矩阵，
Figure BDA0002850123170000061
表示方向矢量。
Figure BDA0002850123170000062
1≤t≤J为非高斯信源矢量，J表示快拍数。n(t)为均值为0方差为
Figure BDA0002850123170000063
的高斯噪声。
接收信号x(t)的四阶累积量可以表示为
Figure BDA0002850123170000064
其中
Figure BDA0002850123170000065
1≤k≤K，其具体形式可以表示为
Figure BDA0002850123170000066
Figure BDA0002850123170000067
表示sK(t)的四阶累积量，Cum(·)为四阶累积量计算工具。
考虑到a4,x(θk)的具体形式，稀疏阵列
Figure BDA0002850123170000068
的差阵集合
Figure BDA0002850123170000069
可以被表示为
Figure BDA00028501231700000610
集合
Figure BDA00028501231700000611
和
Figure BDA00028501231700000612
分别表示
Figure BDA00028501231700000613
的正负元素集合。
为了获取虚拟阵元的数学模型，对C4,x进行矢量化
z＝vec(C4,x)＝Avec(θ)p (13)
其中，
Figure BDA00028501231700000614
avec(θk)的具体形式可以表示为
Figure BDA00028501231700000615
其中
Figure BDA00028501231700000616
表示第k个信号的功率。
avec(θk)的形式可以被改写为
Figure BDA00028501231700000617
其中
Figure BDA00028501231700000618
稀疏阵列
Figure BDA00028501231700000619
的和阵集合
Figure BDA00028501231700000620
可以表示为
Figure BDA00028501231700000621
稀疏阵列
Figure BDA00028501231700000622
的二阶差和阵可以表示为
Figure BDA0002850123170000071
对比avec(θk)的形式，其具体构成可看做由稀疏阵列的阵列流形a(θk)先进行差阵计算，再进行一次和阵计算获得。
下文讨论本发明阵列的性能：
一、互耦
在不考虑互耦的情况下，理想天线阵列中的各个阵元各自独立，互不干扰。信号模型如(1)所示。但是在实际应用中，物理阵列的阵元之间不可避免会相互干扰，这就意味着互耦效应是必须考虑的因素。当非高斯信号的接收模型叠加互耦后，可以表示为
Figure BDA0002850123170000072
其中，C表示互耦矩阵。考虑B-band模型，互耦矩阵中的元素可通过如下方式确定
Figure BDA0002850123170000073
其中
Figure BDA0002850123170000074
且c1＝0.3ejπ/3,cl＝c1e-j(l-1)π/8/l,l∈[2,B]。B＝100表示阵元之间互耦为0时的边界。为了表示互耦效应的强弱，给出了耦合泄露来定量计算互耦效应，即
Figure BDA0002850123170000075
不同天线阵列的耦合泄露值对比已经在图9中给出，通过应用式(10)中的互耦模型，式(1)中接收信号的数学模型可以被重建为
Figure BDA0002850123170000076
其中
Figure BDA0002850123170000077
二、自由度(Degree Of Freedom, DOF)
如图1所示，本发明阵列的子阵1的和阵位置集合可以表示为：
Figure BDA0002850123170000078
其元素个数为
Figure BDA0002850123170000079
本发明阵列的子阵2的和阵位置集合可以表示为
Figure BDA00028501231700000710
其元素个数为
Figure BDA00028501231700000711
考虑到
Figure BDA00028501231700000712
中阵元间距为
Figure BDA00028501231700000713
Figure BDA00028501231700000714
中阵元间距为
Figure BDA00028501231700000715
则
Figure BDA00028501231700000716
与
Figure BDA00028501231700000717
可构成展开互质阵的两个子阵，可表示为
Figure BDA00028501231700000718
考虑到阵元间的互质关系，
Figure BDA00028501231700000719
差阵的DOF为：
Figure BDA00028501231700000720
稀疏阵列
Figure BDA00028501231700000721
到虚拟阵列
Figure BDA00028501231700000722
的过程中，是分开计算
Figure BDA00028501231700000723
和
Figure BDA00028501231700000724
的，即从
Figure BDA00028501231700000725
到
Figure BDA00028501231700000726
从
Figure BDA00028501231700000727
到
Figure BDA00028501231700000728
这样的做法显然是只考虑了子阵内部的和阵计算产生的虚拟阵元，未考虑子阵间的和阵计算也会产生虚拟阵元。若将
Figure BDA0002850123170000081
看成整体考虑，所获取的和阵阵元集合应当包含
Figure BDA0002850123170000082
那么本发明阵列二阶差和阵自由度应当大于虚拟阵
Figure BDA0002850123170000083
进行差阵的自由度，即
Figure BDA0002850123170000084
图4给出了本发明阵列的二阶差和阵(图4下半部分)和
Figure BDA0002850123170000085
差阵(图4上半部分)的DOF的非负部分(负半部分和正半部分对称)，对比可验证式(13)成立。
此外，由于本发明阵列是基于GPSP，即对由稀疏阵列先获取尽可能长的连续和阵，再进行的差阵计算。实际上，其自由度远高于基于二阶累积量设计的阵列，不同阵列的自由度对比已经在图9中给出。
三、克拉美罗界(Cramer-Rao Bound,CRB)
克拉美罗界表示参数估计的下界，可从Fisher信息中获取，即CRB(θk)＝[FIM-1(θ)](k,k),θ＝[θ1,...,θK],1≤k≤K。考虑到本发明阵列可进行信源数超过阵元数的参数估计，给出了Fisher信息的获取方法如下
Figure BDA0002850123170000086
其中，J表示快拍数，C4,x表示接收信号的四阶累积量矩阵，z＝vec(C4,x)，
Figure BDA0002850123170000087
Figure BDA0002850123170000088
表示噪声的功率。
则本发明阵列的CRB可以表示为
CRB(θk)＝[FIM-1(θ)](k,k),θ＝[θ1,...,θK],1≤k≤K (24)
同样给出了本发明阵列和其他阵列在不同信噪比和不同快拍数时的CRB对比图，如图5和图7所示。
四、角度估计方法(CS算法)
CS算法是一套关于稀疏信号采集和恢复的新型信号采样理论，它可以充分利用信号的稀疏性，用远低于奈奎斯特采样率的采样频率对信号进行随机采样，然后通过非线性重建算法重建信号，大大减轻了数据传输、存储、处理的负担。
假设
Figure BDA0002850123170000089
为过完备冗余字典，包含了所有可能的入射方位角。依据Θ构造扩展的矩阵AΘ，即
Figure BDA00028501231700000810
其中
Figure BDA0002850123170000091
表示稀疏阵元经二阶差和阵计算获得的方向矢量。则式(12)中表示的数学模型可进行稀疏表示，重构为
Figure BDA0002850123170000092
其中，pΘ是一个稀疏度为K(即有K个非零元素)的稀疏向量，可看做是由p扩展而来。若θd(d＝1,2,,D)方向有信源分布，则pΘ的第d个元素pd≠0，否则pd＝0。显然，找出pΘ中非零元素的位置即可获得信源的DOA估计。
由于向量z和矩阵AΘ是已知的，故式(17)可以看作一个压缩感知模型，其中z为观测信号，AΘ为观测矩阵，pΘ为待求解的稀疏信号。显然式(17)是一个欠定的方程，求解可通过下式解决
Figure BDA0002850123170000093
其中ξ表示正则化参数。
式(18)可以转化为如下目标函数
Figure BDA0002850123170000094
可以利用稀疏恢复工具(CVX工具箱等)来优化求解式(19)并获得pΘ的估计值
Figure BDA0002850123170000095
则通过定位
Figure BDA0002850123170000096
中的非0元素即可获取目标角度的估计值
Figure BDA0002850123170000097
图2和图3分别是本发明阵列结构的和阵、二阶差和阵示意图，其中本发明阵列结构的相关参数已经在式(1)和图9中给出。
图5-6是本发明阵列结构和其他阵列在快拍数相同时CRB对比和求根均方误差(RMSE)对比图，且RMSE可通过CS算法仿真获取。其中快拍数J＝1300，入射角度为θ＝[-40°,-30°,-20°,-10°,0°,10°,20°,30°,40°]。
本发明采用CS算法对所发明阵列进行优越性验证。该算法利用长虚拟阵元的算法进行角度估计，通过稀疏恢复工具获取信源的角度估计值，即利用远低于奈奎斯特采样率的采样频率对信号进行随机采样，然后通过非线性重建算法重建信号，通过稀疏恢复获取信源角度的估计值。其仿真结果已在图7和图8中给出。
图7-8是本发明阵列结构和其他阵列在信噪比(SNR)相同时CRB对比和RMSE对比图，且RMSE可通过CS算法仿真获取。其中信噪比SNR＝0dB，入射角度为θ＝[-40°,-30°,-20°,-10°,0°,10°,20°,30°,40°]。快拍数增加，采样数据增加，能获取更精确的相关关系矩阵，即CRB和RMSE均随快拍数增加降低。通过图4-7可以看出本发明天线的CRB和RMSE远低于互质阵(CA),嵌套阵(NA),增广互质阵(ACA)展开增广互质阵(Unfolded ACA),展开互质阵(UCLA),增强嵌套阵I-1(ANAI-1),ANAI-2,最小冗余阵(MRA)等其他基于二阶累积量设计的稀疏阵列。本发明阵列在互耦、DOF等方面均优于上述阵列，所以其具有更好的CRB和RMSE性能。
图9是不同阵列结构(CA,NA,ACA,Unfolded ACA,UCLA,ANAI-1,ANAI-2,MRA)的耦合泄露、自由度对比表。
综上所述，本发明的天线结构极大拓宽了天线孔径、有效降低了互耦效应，相比于传统基于二阶累积量获取虚拟阵元的方法，有效减少了冗余阵元，且能够获得相对较高的自由度。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (7)

1.一种面向非高斯信号的连续和阵稀疏阵列，其特征在于，所述稀疏阵列由天线数分别为M和N的第一子阵列和第二子阵列组成，且第一子阵列和第二子阵列的M和N个阵元分别位于原点两侧，且只在原点处有一个阵元重叠，阵元总数为T＝M+N-1。
2.根据权利要求1所述的一种面向非高斯信号的连续和阵稀疏阵列，其特征在于，所述第一子阵列的阵元间距为
Figure FDA0002850123160000011
第二子阵列的阵元间距为
Figure FDA0002850123160000012
d＝λ/2，λ表示波长，
Figure FDA0002850123160000013
和
Figure FDA0002850123160000014
为互质整数；其中，M个含0非正整数进行作和，产生阵元数为
Figure FDA0002850123160000015
的最长连续和阵，最长连续和阵范围为
Figure FDA0002850123160000016
对应的整数集合表示为
Figure FDA0002850123160000017
N个含0非负整数进行作和，产生阵元数为
Figure FDA0002850123160000018
的最长连续和阵，最长连续和阵范围为
Figure FDA0002850123160000019
对应的整数集合表示为
Figure FDA00028501231600000110
3.根据权利要求2所述的一种面向非高斯信号的连续和阵稀疏阵列，其特征在于，稀疏阵的阵元位置为
Figure FDA00028501231600000111
4.一种面向非高斯信号的连续和阵稀疏阵列设计方法，其特征在于，包括：
步骤一、假设稀疏阵列由天线数分别为M和N的第一子阵列和第二子阵列组成，且第一子阵列和第二子阵列的M和N个阵元分别位于原点两侧，且只在原点处有一个阵元重叠；可将从给定的第一子阵列和第二子阵列中确定最长连续和阵的问题建模为GPSP；
步骤二、求解GPSP，得到子阵列的阵元间距、稀疏阵的阵元位置、最长连续和阵范围。
5.根据权利要求4所述的一种面向非高斯信号的连续和阵稀疏阵列设计方法，其特征在于，步骤二所述求解GPSP，得到子阵列的阵元间距、稀疏阵的阵元位置、最长连续和阵范围，具体为：
第一子阵列对应的M个含0非正整数进行作和，产生阵元数为
Figure FDA00028501231600000112
的最长连续和阵，最长连续和阵范围为
Figure FDA00028501231600000113
对应的整数集合表示为
Figure FDA00028501231600000114
第二子阵列对应的N个含0非负整数进行作和，产生阵元数为
Figure FDA00028501231600000115
的最长连续和阵，最长连续和阵范围为
Figure FDA00028501231600000116
对应的整数集合表示为
Figure FDA00028501231600000117
则第一子阵列的阵元间距为
Figure FDA00028501231600000118
第二子阵列的阵元间距为
Figure FDA00028501231600000119
d＝λ/2，λ表示波长，
Figure FDA00028501231600000120
和
Figure FDA00028501231600000121
为互质整数；稀疏阵的阵元位置为
Figure FDA0002850123160000021
阵元总数为T＝M+N-1。
6.根据权利要求5所述的一种面向非高斯信号的连续和阵稀疏阵列设计方法，其特征在于，步骤二中，从M个整数确定集合
Figure FDA0002850123160000022
最大连续整数
Figure FDA0002850123160000023
的过程建模为GPSP；
GPSP表述为：对给定的整数h和k，一个包含k个非负整数的集合表示为：
Figure FDA0002850123160000024
其中，
Figure FDA0002850123160000025
中的元素在经过h次求和后能够获得的连续整数集合为
Figure FDA0002850123160000026
且
Figure FDA0002850123160000027
要尽可能大；当
Figure FDA0002850123160000028
已知时，通过不断连续递增邮资，直到所需的邮票张数大于h即可；当
Figure FDA0002850123160000029
未知时，其第i+1个元素满足如下条件：
ai+1∈[ai+1,ai×h+1] (2)
其中ai表示第i个元素，1≤i≤k，由此，
Figure FDA00028501231600000210
中所有的元素均可通过不断遍历获得，即转化为
Figure FDA00028501231600000211
已知的情况，并获取连续邮资的最大值及邮票面值组合；
此外，当
Figure FDA00028501231600000212
中的元素均为非正的元素时，仅需要将其考虑为式(3)中元素取相反数即可，其对应连续整数集合也需要相应取相反数。
7.根据权利要求6所述的一种面向非高斯信号的连续和阵稀疏阵列设计方法，其特征在于，h＝2。
CN202011524521.9A 2020-12-22 2020-12-22 一种面向非高斯信号的连续和阵稀疏阵列及其设计方法 Active CN112733327B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011524521.9A CN112733327B (zh) 2020-12-22 2020-12-22 一种面向非高斯信号的连续和阵稀疏阵列及其设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011524521.9A CN112733327B (zh) 2020-12-22 2020-12-22 一种面向非高斯信号的连续和阵稀疏阵列及其设计方法

Publications (2)

Publication Number Publication Date
CN112733327A true CN112733327A (zh) 2021-04-30
CN112733327B CN112733327B (zh) 2024-04-19

Family

ID=75605516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011524521.9A Active CN112733327B (zh) 2020-12-22 2020-12-22 一种面向非高斯信号的连续和阵稀疏阵列及其设计方法

Country Status (1)

Country Link
CN (1) CN112733327B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486525A (zh) * 2021-07-13 2021-10-08 金陵科技学院 一种低冗余率的稀疏阵列构型设计方法
CN115422732A (zh) * 2022-08-25 2022-12-02 南京航空航天大学 一种互耦优化阵列及其设计方法和相干信号aoa估计方法
CN116819453A (zh) * 2023-08-28 2023-09-29 西安电子科技大学 一种基于单快拍角度超分辨的雷达天线阵最稀疏布阵方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100013710A1 (en) * 2007-03-09 2010-01-21 Ulf Lindgren array antenna arrangement
CN109613473A (zh) * 2018-11-30 2019-04-12 南京航空航天大学 基于稀疏性的展开互质线阵角度估计方法
CN110850359A (zh) * 2019-10-24 2020-02-28 杭州电子科技大学 一种基于原子范数的互质阵欠定测向方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100013710A1 (en) * 2007-03-09 2010-01-21 Ulf Lindgren array antenna arrangement
CN109613473A (zh) * 2018-11-30 2019-04-12 南京航空航天大学 基于稀疏性的展开互质线阵角度估计方法
CN110850359A (zh) * 2019-10-24 2020-02-28 杭州电子科技大学 一种基于原子范数的互质阵欠定测向方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486525A (zh) * 2021-07-13 2021-10-08 金陵科技学院 一种低冗余率的稀疏阵列构型设计方法
CN113486525B (zh) * 2021-07-13 2023-04-28 金陵科技学院 一种低冗余率的稀疏阵列构型设计方法
CN115422732A (zh) * 2022-08-25 2022-12-02 南京航空航天大学 一种互耦优化阵列及其设计方法和相干信号aoa估计方法
CN115422732B (zh) * 2022-08-25 2023-10-27 南京航空航天大学 一种互耦优化阵列及其设计方法和相干信号aoa估计方法
CN116819453A (zh) * 2023-08-28 2023-09-29 西安电子科技大学 一种基于单快拍角度超分辨的雷达天线阵最稀疏布阵方法
CN116819453B (zh) * 2023-08-28 2023-11-10 西安电子科技大学 一种基于单快拍角度超分辨的雷达天线阵最稀疏布阵方法

Also Published As

Publication number Publication date
CN112733327B (zh) 2024-04-19

Similar Documents

Publication Publication Date Title
CN112733327A (zh) 一种面向非高斯信号的连续和阵稀疏阵列及其设计方法
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
CN110308417B (zh) 基于矩阵填充的嵌套阵阵元失效下的波达方向估计方法及装置
CN109471082B (zh) 基于信号子空间重构的阵元缺损mimo雷达角度估计方法
CN107037392B (zh) 一种基于压缩感知的自由度增加型互质阵列波达方向估计方法
CN105954750B (zh) 基于压缩感知的条带式合成孔径雷达非稀疏场景成像方法
CN104515969B (zh) 一种基于六角形阵列的相干信号二维doa估计方法
CN103344940B (zh) 低复杂度的doa估计方法及系统
CN109375152B (zh) 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法
CN112698264A (zh) 增广互质阵列脉冲噪声环境下相干信源的doa估计方法
CN112731278B (zh) 一种部分极化信号的角度与极化参数欠定联合估计方法
CN107493106B (zh) 一种基于压缩感知的频率和角度联合估计的方法
US20210364564A1 (en) Spatial spectrum estimation method with enhanced degree-of-freedom based on block sampling tensor construction for coprime planar array
CN109143151B (zh) 部分阵元损坏的均匀面阵张量重构方法及信源定位方法
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
Sun et al. Real-valued DOA estimation with unknown number of sources via reweighted nuclear norm minimization
Mensen et al. Phase-space methods for representing, manipulating, and correcting Gottesman-Kitaev-Preskill qubits
CN113296049A (zh) 互质阵列脉冲环境下非圆信号的共轭增广doa估计方法
CN110146842B (zh) 基于欠采样的信号载频与二维doa参数估计方法
CN110208738B (zh) 基于阵列调制宽带转换器的信号频率与二维doa联合估计方法
CN105242237B (zh) 一种基于压缩感知的电磁矢量阵列参数估计方法
Zheng et al. DOA estimation via coarray tensor completion with missing slices
CN104502885A (zh) 基于变换矩阵的特征值差分信源数估计方法
CN104950282A (zh) 连续域内稀疏重构实现的宽带信号超分辨测向方法及装置
CN112327292A (zh) 一种二维稀疏阵列doa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