CN113326650B - 传感器阵列的信号处理方法、装置、设备及存储介质 - Google Patents

传感器阵列的信号处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113326650B
CN113326650B CN202011606972.7A CN202011606972A CN113326650B CN 113326650 B CN113326650 B CN 113326650B CN 202011606972 A CN202011606972 A CN 202011606972A CN 113326650 B CN113326650 B CN 113326650B
Authority
CN
China
Prior art keywords
array
dimensional plane
axis
setting
real
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.)
Active
Application number
CN202011606972.7A
Other languages
English (en)
Other versions
CN113326650A (zh
Inventor
刘超
王海明
杨本圣
张沛泽
王敏
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.)
Southeast University
Network Communication and Security Zijinshan Laboratory
Original Assignee
Southeast University
Network Communication and Security Zijinshan Laboratory
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 Southeast University, Network Communication and Security Zijinshan Laboratory filed Critical Southeast University
Priority to CN202011606972.7A priority Critical patent/CN113326650B/zh
Publication of CN113326650A publication Critical patent/CN113326650A/zh
Application granted granted Critical
Publication of CN113326650B publication Critical patent/CN113326650B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明实施例公开了一种传感器阵列的信号处理方法、装置、设备及存储介质，其中，所述传感器阵列的信号处理方法，包括：真实阵列分布分配；真实阵列规模设置；虚拟阵列生成；差分合成阵列生成；设置目标函数；阵列优化。由信号频谱虚拟出有效阵元，使得无需设置阵元间距为半波长也能保证阵列对伪峰的抑制能力，有效降低阵元间的互耦效应；同时，由于从信号带宽虚拟出有效阵元，在形成差分合成阵列时，极大提升了合成阵列的规模，继而提升了合成阵列的自由度与对到达角的分辨能力；通过优化阵列位置，实现了合成阵列方向图性能的提升，改善了对信号二维到达角估计的性能。

Description

传感器阵列的信号处理方法、装置、设备及存储介质
技术领域
本发明涉及阵列设置技术领域，主要指一种传感器阵列的信号处理方法、装置、设备及存储介质，尤其指一种用于宽带信号到达角估计的传感器阵列的信号处理方法、装置、设备及存储介质。
背景技术
阵列信号处理作为信号处理的一个重要分支，在通信、雷达、声纳、地震勘探和射电天文等领域内获得了广泛应用和迅速发展，其目的主要是对阵列接收到的信号进行处理，增强所需要的有用信号，抑制无用的干扰和噪声，并提取有用的信号特征以及信号所包含的信息。阵列信号处理广泛应用于雷达、声呐以及通信等领域，其经典的阵列信号的到达角估计方法，如多重信号分类算法算法、旋转不变子空间算法等已被广泛研究与拓展，部分学者还研究了基于稀疏重构的到达角估计方法。随着研究的深入，为了提升阵列的估计性能以及降低阵元间的互耦效应，学者们研究了稀疏阵的设计，经典的稀疏阵包括最小冗余阵列、嵌套阵列列以及互质阵等，大部分研究由接收信号的二阶统计量构造合成阵列，实现阵元数量的扩展，再采用稀疏重构或谱估计方法进行到达角估计。在稀疏阵列设计的研究中，大部分的工作围绕一维阵列开展，少部分围绕二维阵列的工作也主要基于窄带信号模型假设。
综上所述，如何在宽带信号模型下进行二维阵列设计以提升阵列性能还有鲜有研究，而为数不多的现有的二维阵列设计包括二维嵌套阵列以及二维互质阵列，而这些二维阵列设计具有如下缺陷：
1.现有提出的二维阵列仍然存在间距为半波长的阵元对，即仍然存在阵元间的互耦现象。
2.现有二维阵列的设计没有充分考虑合成阵列的方向图，即忽视了对信号源的分辨能力。
3.现有的二维阵列设计均基于窄带信号模型开展，鲜有围绕宽带模型开展的。
发明内容
本发明实施例提供了一种传感器阵列的信号处理方法、装置、设备及存储介质，解决了阵元数少于信号源数场景下如何设计阵列以实现对宽带信号二维到达角高性能估计的问题。
本发明实施例提供了一种传感器阵列的信号处理方法，包括：
真实阵列分布分配，其包括在二维平面上设置阵元；
真实阵列规模设置，其包括设置阵列的最大规模；
虚拟阵列生成，其包括在二维平面上形成阵元位置；
差分合成阵列生成，其包括形成差分合成阵列的位置；
设置目标函数，其包括定义优化目标；
阵列优化，其包括采用遗传算法进行阵元位置优化；
其中，所述真实阵列是将一组传感器按一定方式布置在空间不同位置上形成的传感器阵列。
进一步的，所述真实阵列分布分配的方法，具体包括：对于阵元数为3M+1的阵列，在二维平面的原点上设置阵元，在二维平面的X轴、二维平面的Y轴以及二维平面的对角线上各放置M个阵元，二维平面的Y轴上的阵元为二维平面的X轴上的阵元可表示为/> 二维平面的对角线上的阵元可表示为(kmdc，kmdc)/>其中dc为对应频率fc的半波长，M为正整数，真实阵列位置的集合/>为/>
进一步的，所述真实阵列规模设置的方法，具体包括：设置阵列的最大规模为imaxdc，即二维平面的Y轴上的阵元jm≤imax，二维平面的X轴上的阵元im≤imax，二维平面的对角线上的阵元km≤imax。
进一步的，所述虚拟阵列生成的方法，具体包括：根据阵元最大规模imaxdc，生成以及/>并由信号频谱进行虚拟有效阵元生成，形成Y轴上的阵元位置X轴上的阵元位置/>以及对角线上阵元位置虚拟阵列位置集合为/>其中，
进一步的，所述差分合成阵列生成的方法，具体包括：通过由信号频谱虚拟出的阵列形成差分合成阵列/>的位置/>其中/>
进一步的，所述设置目标函数的方法，具体包括：定义作为目标函数的优化目标ε为：
其中表示感兴趣角度的集合。/>是差分合成阵列在方向/>上的方向图，/>是阵列/>在方向/>上的单位导向矢量，可表示为
式中
进一步的，所述阵列优化的方法，包括：根据目标函数以及阵列的最大规模imaxdc，采用遗传算法进行阵元位置优化，具体如下所示：
本发明实施例还提供一种传感器阵列的信号处理装置，包括：
分配模块，用于真实阵列分布分配，其包括在二维平面上设置阵元；
设置模块，用于真实阵列规模设置，其包括设置阵列的最大规模；
生成模块，用于虚拟阵列生成，其包括在二维平面上形成阵元位置；
构造模块，用于差分合成阵列生成，其包括形成差分合成阵列的位置；设定模块，用于设置目标函数，其包括定义优化目标；
优化模块，用于阵列优化，其包括采用遗传算法进行阵元位置优化
本发明实施例还提供一种传感器阵列的信号处理设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述传感器阵列的信号处理方法。
本发明实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述传感器阵列的信号处理方法。
本发明实施例，其方法包括：真实阵列分布分配；真实阵列规模设置；虚拟阵列生成；差分合成阵列生成；设置目标函数；阵列优化；能够实现互耦效应更低，信号源分辨能力更强的二维阵列。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
图1是本发明实施例的所述传感器阵列的信号处理方法的流程图；
图2是本发明实施例的所述差分合成阵列的方向图，其中，图2(a)为阵列差分合成阵列的方向图，图2(b)为均匀阵列差分合成阵列的方向图，图2(c)为嵌套阵列差分合成阵列的方向图；
图3是本发明实施例的所述信号源成功估计概率的示意图。
具体实施方式
下文中将结合附图对本发明的实施例进行详细说明。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，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。
本发明实施例的阵列是将一组传感器按一定方式布置在空间不同位置上形成传感器阵列。用传感器阵列来接收空间信号，相当于对空间分布的场信号采样，得到信号源的空间离散观测数据。
如图1所示，本发明实施例提出一种传感器阵列的信号处理方法，其具体包括：
步骤101，真实阵列分布分配，其包括在二维平面上设置阵元。
其中，由阵元接收信号频谱虚拟出阵元主要依靠不同频点的倍数关系形成，虚拟阵元的位置也是x坐标与y坐标同比例变换得到，因此，为便于分析，本发明实施例的传感器阵列的信号处理方法只考虑在阵列平面的X轴、Y轴以及对角线上设置阵元；在一个实施例中，所述阵列分布分配的方法，包括：对于阵元数为3M+1的阵列，在二维平面的原点上设置阵元，在二维平面的X轴、二维平面的Y轴以及二维平面的对角线上各放置M个阵元，二维平面的Y轴上的阵元位置设置为二维平面的X轴上的阵元位置设置为/>二维平面的对角线上的阵元位置设置为/>其中dc为对应载频fc的半波长，M为正整数，以及/>分别为真实阵列在Y轴、X轴以及对角线上阵元位置集合，真实阵列位置的集合/>为/>
步骤102，真实阵列规模设置，其包括设置阵列的最大规模。
其中，在一个实施例中，所述阵列规模设置的方法，包括：设置阵列的最大规模为imaxdc，即二维平面的Y轴上的阵元jm≤imax，二维平面的X轴上的阵元im≤imax，二维平面的对角线上的阵元km≤imax。
步骤103，虚拟阵列生成，其包括在二维平面上形成阵元位置。
其中，在一个实施例中，所述虚拟阵列生成的方法，包括：根据阵元最大规模imaxdc、阵列在Y轴上的位置集合X轴上的位置集合/>以及对角线上的位置集合/>由信号频谱进行虚拟有效阵元生成，形成Y轴上的阵元位置/>X轴上的阵元位置/>以及对角线上阵元位置/>其中/>以及/>分别为虚拟阵列在Y轴、X轴以及对角线上阵元位置集合，虚拟阵列位置集合为/> 以及/>可表示为
式中fq(1≤q≤Q)表示阵列接收信号在频谱上的离散频点，f表示用于生成虚拟阵列的参考频率。
步骤104，差分合成阵列生成，其包括形成差分合成阵列的位置。
其中，在一个实施例中，所述差分合成阵列生成二的方法，包括：通过由信号频谱虚拟出的阵列形成差分合成阵列/>的位置/>其中/>
步骤105，设置目标函数，其包括定义优化目标。
其中，在一个实施例中，所述设置目标函数的方法。差分合成阵列在方向/>上的方向图/>可表示为：
其中表示阵列/>在方向/>上的单位导向矢量，可表示为：
由差分合成阵列的方向图可以看出，当/>时，/>越小，差分合成阵列对角度的分辨能力越强，性能越好。通过调整原阵列的位置集合/>可实现差分合成阵列方向图的改善，当所有的/>都很小时，差分合成阵列/>有较优的方向图，可实现较好的到达角分辨能力。因此，在优化原阵列位置时，可定义作为目标函数的优化目标ε为：
步骤106，阵列优化，其包括采用遗传算法进行阵元位置优化。
其中，在一个实施例中，所述阵列优化的方法，包括：根据目标函数以及阵列的最大规模imaxdc，采用遗传算法进行阵元位置优化，具体如下所示：
以通过仿真说明本发明实施例的传感器阵列的信号处理方法的性能，即设置载频为26.5GHz，信号带宽为1GHz，阵列最大规模为80倍半波长。仿真将本发明实施例形成的阵列与均匀方阵、二维嵌套阵列进行比较，本发明实施例形成的阵列阵元数为34，均匀方阵与二维嵌套阵列阵元数为36。
(a)、(b)与(c)分别给出了本发明实施例设置的阵列、均匀方阵以及二维嵌套阵列的差分合成阵列在(50°，40°)方向上的方向图。可以看出，由于均匀方阵形成的差分合成阵列规模最小，性能最差；本发明实施例形成的阵列结合了信号的宽带特性，极大地拓展了阵列规模，同时还从方向图角度考虑进行了阵列优化，相比于均匀方阵与二维嵌套阵列，显著改善了差分合成阵列的方向图。
进一步通过蒙特卡洛仿真将三种阵列对信号源的估计性能进行了比较，迭代次数为100次。每次仿真中，设置信号源在离散的俯仰角-方位角网格上随机生成，俯仰角范围为0～60°，方位角范围0～60°，离散间隔均为3°。设置信噪比为5dB。估计信号源时，先由阵列接收信号的二阶统计量形成差分合成阵列，接着，采用稀疏重构中的正交匹配追踪算法对合成阵列的数据进行信号源估计。仿真采用成功估计概率为指标，由于信号源是在离散网格上产生，当估计量与设置量一致时，记为一次成功估计。可以看出，均匀方阵与二维嵌套阵列虽然通过形成差分合成阵列提升了阵列的自由度，理论上可实现更多信号源的估计，然而二者忽视了对信号源分辨能力的提升，使得只有在信号源的距离足够大时，才能实现多信号源的估计。随机抽取设置信号源，会形成大量临近信号源，均匀方阵与二维嵌套阵列难以保证估计性能。再者，结合(b)与(c)可以看出，由均匀方阵与二维嵌套阵列形成的合成阵列的方向图主瓣较宽，采用稀疏重构方法估计信号源时，难以在噪声环境中保证估计值与设置值一致。本发明实施例形成的阵列结合了信号的宽带特性，极大地拓展了阵列规模，还以方向图作为目标函数进行阵列位置优化，极大提升了对信号源的分辨能力。
本发明实施例还提供一种传感器阵列的信号处理装置，包括：
分配模块，用于真实阵列分布分配，其包括在二维平面上设置阵元。对于阵元数为3M+1的阵列，在二维平面的原点上设置阵元，在二维平面的X轴、二维平面的Y轴以及二维平面的对角线上各放置M个阵元，二维平面的Y轴上的阵元为二维平面的X轴上的阵元表示为/>二维平面的对角线上的阵元可表示为/>其中dc为对应频率fc的半波长，M为正整数，真实阵列位置的集合/>为/>
设置模块，用于真实阵列规模设置，其包括设置阵列的最大规模。设置阵列的最大规模为imaxdc，即二维平面的Y轴上的阵元jm≤imax，二维平面的X轴上的阵元im≤imax，二维平面的对角线上的阵元km≤imax；
生成模块，用于虚拟阵列生成，其包括在二维平面上形成阵元位置；即根据阵元最大规模imaxdc，生成以及/>并由信号频谱进行虚拟有效阵元生成，形成Y轴上的阵元位置/>X轴上的阵元位置/>以及对角线上阵元位置/>虚拟阵列位置集合为/>其中，
构造模块，用于差分合成阵列生成，其包括形成差分合成阵列的位置；即通过由信号频谱虚拟出的阵列形成差分合成阵列/>的位置/>其中/>
设定模块，用于设置目标函数，其包括定义优化目标；
设置优化目标函数的优化目标ε为：
其中表示感兴趣角度的集合。/>是差分合成阵列在方向/>上的方向图，/>是阵列/>在方向/>上的单位导向矢量，可表示为
式中
优化模块，用于阵列优化，其包括采用遗传算法进行阵元位置优化；即根据目标函数以及阵列的最大规模imaxdc，采用遗传算法进行阵元位置优化，具体如下所示：
本发明实施例的装置的技术效果如下所示：
利用信号宽带特性，将信号的空域采样与时域采样拼接，实现由信号频谱虚拟出更多的有效阵元。由频谱虚拟出的阵元可使得阵列无需设置间距为半波长的阵元对也可保证对伪峰的抑制能力，有效地降低了阵元间的互耦效应；同时，由频谱虚拟出的阵元可极大提升由接收信号二阶统计量形成的差分合成阵列的规模，增加了阵列的自由度以及对信号的分辨能力，可实现由少量的阵元估计更多的信号源。为一步提升阵列性能，本发明实施例的装置还从差分合成阵列的方向图角度考虑，提出一种二维阵列的优化方法，通过优化阵列位置改善差分合成阵列的方向图，继而实现阵列性能的提升。
本发明实施例还提供一种传感器阵列的信号处理设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述传感器阵列的信号处理方法。
本发明实施例的传感器阵列的信号处理设备解决了阵元数少于信号源数场景下如何设计阵列以实现对宽带信号二维到达角高性能估计的问题，具体具有如下优点：
1.将时域采样与空域采样进行拼接，由信号频谱虚拟出有效阵元，使得无需设置阵元间距为半波长也能保证阵列对伪峰的抑制能力，有效降低阵元间的互耦效应；同时，由于从信号带宽虚拟出有效阵元，在形成差分合成阵列时，极大提升了合成阵列的规模，继而提升了合成阵列的自由度与对到达角的分辨能力。
2.通过优化阵列位置，实现了合成阵列方向图性能的提升，改善了对信号二维到达角估计的性能。
本发明实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述传感器阵列的信号处理方法。
在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，ReadOnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号。

Claims (9)

1.一种传感器阵列的信号处理方法，其特征在于，包括：
真实阵列分布分配，其包括在二维平面上设置阵元；
真实阵列规模设置，其包括设置阵列的最大规模；
虚拟阵列生成，其包括在二维平面上形成阵元位置；
差分合成阵列生成，其包括形成差分合成阵列的位置；
设置目标函数，其包括定义优化目标；所述设置目标函数的方法，具体包括：定义作为目标函数的优化目标ε为：
其中表示感兴趣角度的集合；/>是差分合成阵列/>在方向/>上的方向图，/>是差分合成阵列/>在方向/>上的单位导向矢量，/>是差分合成阵列/>在方向/>上的单位导向矢量，/>可表示为
式中，fc为载频；
阵列优化，其包括采用遗传算法进行阵元位置优化；
其中，所述真实阵列是将一组传感器按一定方式布置在空间不同位置上形成的传感器阵列。
2.根据权利要求1所述的传感器阵列的信号处理方法，其特征在于，所述真实阵列分布分配的方法，具体包括：对于阵元数为3M+1的阵列，在二维平面的原点上设置阵元，在二维平面的X轴、二维平面的Y轴以及二维平面的对角线上各放置M个阵元，二维平面的Y轴上的阵元为(0，jmdc)二维平面的X轴上的阵元表示为/> 二维平面的对角线上的阵元可表示为/> 其中dc为对应载频fc的半波长，M为正整数，真实阵列位置的集合/>为以及/>分别为真实阵列在Y轴、X轴以及对角线上阵元位置集合。
3.根据权利要求1所述的传感器阵列的信号处理方法，其特征在于，所述真实阵列规模设置的方法，具体包括：设置阵列的最大规模为imaxdc，即二维平面的Y轴上的阵元jm≤imax，二维平面的X轴上的阵元im≤imax，二维平面的对角线上的阵元km≤imax，其中dc为对应载频fc的半波长。
4.根据权利要求2所述的传感器阵列的信号处理方法，其特征在于，所述虚拟阵列生成的方法，具体包括：根据阵元最大规模imaxdc，生成以及/>并由信号频谱进行虚拟有效阵元生成，形成Y轴上的阵元位置(0，j m dc)/>X轴上的阵元位置(i m dc，0)以及对角线上阵元位置(k m dc，k m dc)/>虚拟阵列位置集合为其中，
其中以及/>分别为虚拟阵列在Y轴、X轴以及对角线上阵元位置集合，f表示用于生成虚拟阵列的参考频率，fq表示阵列接收信号在频谱上的离散频点。
5.根据权利要求1所述的传感器阵列的信号处理方法，其特征在于，所述差分合成阵列生成的方法，具体包括：通过由信号频谱虚拟出的阵列形成差分合成阵列/>的位置其中/>
其中，dc为对应载频fc的半波长。
6.根据权利要求1所述的传感器阵列的信号处理方法，其特征在于，所述阵列优化的方法，具体包括：根据目标函数以及阵列的最大规模imaxdc，采用遗传算法进行阵元位置优化，具体如下所示：
其中，dc为对应载频fc的半波长，ε为目标函数的优化目标，真实阵列位置的集合/>为/>以及/>分别为真实阵列在Y轴、X轴以及对角线上阵元位置集合。
7.一种传感器阵列的信号处理装置，其特征在于，包括：
分配模块，用于真实阵列分布分配，其包括在二维平面上设置阵元；
设置模块，用于真实阵列规模设置，其包括设置阵列的最大规模；
生成模块，用于虚拟阵列生成，其包括在二维平面上形成阵元位置；
构造模块，用于差分合成阵列生成，其包括形成差分合成阵列的位置；
设定模块，用于设置目标函数，其包括定义优化目标；所述设置目标函数的方法，具体包括：定义作为目标函数的优化目标ε为：
其中表示感兴趣角度的集合；/>是差分合成阵列/>在方向/>上的方向图，/>是差分合成阵列/>在方向/>上的单位导向矢量，/>是差分合成阵列/>在方向/>上的单位导向矢量，/>可表示为
式中，fc为载频；
优化模块，用于阵列优化，其包括采用遗传算法进行阵元位置优化。
8.一种传感器阵列的信号处理设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～6中任意一项所述传感器阵列的信号处理方法。
9.一种计算机可读存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1～6中任意一项所述传感器阵列的信号处理方法。
CN202011606972.7A 2020-12-30 2020-12-30 传感器阵列的信号处理方法、装置、设备及存储介质 Active CN113326650B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011606972.7A CN113326650B (zh) 2020-12-30 2020-12-30 传感器阵列的信号处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011606972.7A CN113326650B (zh) 2020-12-30 2020-12-30 传感器阵列的信号处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113326650A CN113326650A (zh) 2021-08-31
CN113326650B true CN113326650B (zh) 2023-08-22

Family

ID=77413203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011606972.7A Active CN113326650B (zh) 2020-12-30 2020-12-30 传感器阵列的信号处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113326650B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0229123D0 (en) * 2002-12-13 2003-11-12 Bae Systems Plc Antenna array
WO2010066306A1 (en) * 2008-12-12 2010-06-17 Telefonaktiebolaget L M Ericsson (Publ) Apparatus and method for constructing a sensor array used for direction of arrival (doa) estimation
US7895021B1 (en) * 2006-06-13 2011-02-22 The United States Of America As Represented By The Secretary Of The Navy Method of sensor disposition
CN104614611A (zh) * 2015-01-30 2015-05-13 电子科技大学 一种接收天线阵列受损阵元的在线检测方法
CN108828551A (zh) * 2018-08-28 2018-11-16 中国人民解放军空军工程大学 一种基于压缩感知的灵活mimo雷达混合目标doa估计方法
CN110308417A (zh) * 2019-05-30 2019-10-08 电子科技大学 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
CN111812580A (zh) * 2020-07-22 2020-10-23 西安电子科技大学 基于欠定信源克拉美罗界的运动线性稀疏阵列优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8005237B2 (en) * 2007-05-17 2011-08-23 Microsoft Corp. Sensor array beamformer post-processor

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0229123D0 (en) * 2002-12-13 2003-11-12 Bae Systems Plc Antenna array
US7895021B1 (en) * 2006-06-13 2011-02-22 The United States Of America As Represented By The Secretary Of The Navy Method of sensor disposition
WO2010066306A1 (en) * 2008-12-12 2010-06-17 Telefonaktiebolaget L M Ericsson (Publ) Apparatus and method for constructing a sensor array used for direction of arrival (doa) estimation
CN104614611A (zh) * 2015-01-30 2015-05-13 电子科技大学 一种接收天线阵列受损阵元的在线检测方法
CN108828551A (zh) * 2018-08-28 2018-11-16 中国人民解放军空军工程大学 一种基于压缩感知的灵活mimo雷达混合目标doa估计方法
CN110308417A (zh) * 2019-05-30 2019-10-08 电子科技大学 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
CN111812580A (zh) * 2020-07-22 2020-10-23 西安电子科技大学 基于欠定信源克拉美罗界的运动线性稀疏阵列优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于稀疏加权重构的互耦阵列方位估计算法;顾崴;;电子测量技术;39(12);第67-68页 *

Also Published As

Publication number Publication date
CN113326650A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN111190136B (zh) 一种基于特定频率组合信号的一维doa估计方法
CN107102291B (zh) 基于虚拟阵列内插的无网格化互质阵列波达方向估计方法
CN108872929B (zh) 基于内插虚拟阵列协方差矩阵子空间旋转不变性的互质阵列波达方向估计方法
CN107315160B (zh) 基于内插虚拟阵列信号原子范数最小化的互质阵列波达方向估计方法
CN109407045B (zh) 一种非均匀传感器阵列宽带信号波达方向估计方法
CN107092004B (zh) 基于信号子空间旋转不变性的互质阵列波达方向估计方法
CN107561484B (zh) 基于内插互质阵列协方差矩阵重建的波达方向估计方法
CN107544051A (zh) 嵌套阵列基于k‑r子空间的波达方向估计方法
EP3298430B1 (en) Direct closed-form covariance matrix and finite alphabet constant-envelope waveforms for planar array beampatterns
CN111707985A (zh) 基于协方差矩阵重构的off-grid DOA估计方法
CN107703478B (zh) 基于互相关矩阵的扩展孔径二维doa估计方法
CN111337873B (zh) 一种基于稀疏阵的doa估计方法
CN109633520B (zh) 一种均匀圆阵超分辨率空间谱估计方法
CN107656239B (zh) 一种基于极化敏感阵列的相干信源测向方法
CN112505675B (zh) 目标角度和距离定位方法、装置、雷达和存储介质
CN109696657B (zh) 一种基于矢量水听器的相干声源定位方法
CN109343003B (zh) 一种快速迭代收缩波束形成声源识别方法
CN110609282A (zh) 一种三维目标成像方法及装置
CN105137402A (zh) 一种基于gpu的机载前视扫描雷达并行处理方法
CN113866718B (zh) 一种基于互质阵的匹配场被动定位方法
CN113326650B (zh) 传感器阵列的信号处理方法、装置、设备及存储介质
CN113835063A (zh) 一种无人机阵列幅相误差与信号doa联合估计方法
CN116301195B (zh) 函数波束优化方法与装置
Liu et al. Two-dimensional doa estimation via matrix completion and sparse matrix recovery for coprime planar array
CN110717243B (zh) 一种基于线性约束的宽带方向图综合方法

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