CN113391261A - 一种基于泰勒展开的增广互质阵列快速doa估计方法 - Google Patents
一种基于泰勒展开的增广互质阵列快速doa估计方法 Download PDFInfo
- Publication number
- CN113391261A CN113391261A CN202110764426.4A CN202110764426A CN113391261A CN 113391261 A CN113391261 A CN 113391261A CN 202110764426 A CN202110764426 A CN 202110764426A CN 113391261 A CN113391261 A CN 113391261A
- Authority
- CN
- China
- Prior art keywords
- array
- doa
- estimation
- taylor expansion
- dft
- 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 55
- 239000011159 matrix material Substances 0.000 claims abstract description 34
- 238000001228 spectrum Methods 0.000 claims abstract description 18
- 230000003190 augmentative effect Effects 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000003775 Density Functional Theory Methods 0.000 abstract description 24
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000005070 sampling Methods 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research 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
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于泰勒展开的增广互质阵列快速DOA估计方法,该方法将DFT谱粗估计与泰勒展开精估计联合对虚拟化信号进行处理,实现了快速DOA估计。本发明通过增广互质阵列对接收信号进行采样,计算接收信号的协方差矩阵,并对其进行矢量化操作和去冗余操作得到虚拟化均匀阵列的接收信号;再通过DFT谱搜索的方法进行DOA粗估计,最后用泰勒展开方法进行精确的DOA估计。本发明的优势在于可有效避免传统DFT方法精估计过程中复杂的相位搜索过程,直接将DFT粗估计结果代入到泰勒展开式中求解高精度的DOA估计,计算成本更低;在阵列尺寸较大时,能获得比传统DFT方法精度更高的DOA估计,具有重要的实用价值。
Description
技术领域
本发明涉及阵列信号处理技术领域,尤其涉及一种基于泰勒展开的增广互质阵列快速DOA估计方法。
背景技术
阵列信号处理由于抗干扰能力强、信号增益高、方向分辨力强等优点在近二十多年来发展迅猛,并在雷达、通信、卫星导航和声呐等众多领域获得了广泛的应用。阵列信号处理主要研究自适应波束形成和高分辨率波达方向估计(DOA)。传统DOA估计方法例如MUSIC方法、ESPRIT算法等,在阵列规模比较大时,算法复杂度都比较高,而在稀疏阵列中若是直接应用,更是会由于阵元间距大于入射信号半波长而失效。
增广互质阵列是一种稀疏阵列,在应用传统DFT方法时,会先通过虚拟化方法将稀疏阵列接收信号虚拟化为阵元数目扩展的均匀阵列接收信号,虽然对比MUSIC,ESPRIT算法,DFT算法的复杂度大大降低了,但是其精估计过程中的相位旋转过程仍然具有较高复杂度,并且在扩展的虚拟均匀阵列阵元数较高的情况下,其算法精度相比较DFT粗估计并未明显提升。
针对以上问题,研究一种高精度且复杂度低的DFT算法进行DOA估计以满足实用场景的要求,是很有必要的,
发明内容
本发明的目的是针对现有技术的不足,提供一种基于泰勒展开的增广互质阵列快速DOA估计方法,解决传统DFT算法精估计过程复杂度较高,且精度较低的问题,利用DFT粗估计结果代入泰勒展开式中,通过总体最小二乘法求解误差,从而得到精确的DOA估计,从而通过更少的复杂度得到更加精确的DOA估计,具有重要的工程价值。
本发明为解决上述技术问题采用以下技术方案:
一种基于泰勒展开的增广互质阵列快速DOA估计方法,所述方案包括以下步骤:
步骤1),设置天线阵列,通过增广互质阵列对接收信号进行采样;
步骤2),计算接收信号的协方差矩阵,并对其进行矢量化操作,对矢量化后的协方差矩阵进行排序,去除非连续的冗余部分后得到虚拟化阵列的接收信号矢量;
步骤3),由虚拟化均匀阵列的接收信号矢量构造DFT谱,搜索谱峰并计算得到DOA粗估计结果;
步骤4),将DFT粗估计结果代入泰勒展开式,并通过总体最小二乘方法求解得到精确的DOA估计值。
作为本发明一种基于泰勒展开的增广互质阵列快速DOA估计方法进一步的优化方案,所述步骤1中采用的天线阵列为增广互质线阵,由两级均匀线阵构成,第一级子阵具有2M个阵元,阵元间距为Nd,第二级子阵具有N个阵元,阵元间距为Md,其中d为入射信号的半倍波长,M与N为互质的两个正整数,进而得到t时刻的接收信号为
其中,是入射角为θk的信号的方向矢量,di(i=0,1,…,2M+N-2)为第i个阵元相对参考阵元的位置,sk(t)为第k个信号在t时刻入射到阵列的包络,n(t)为与信号相互独立的零均值加性高斯白噪声;
于是将所有快拍时刻的接收信号矢量综合起来,得到接收信号矩阵为
X=A(θ)S+N
其中,X=[x(1),x(2),…,x(J)],J为快拍数,S为原始信号的包络矩阵,N为噪声矩阵。
作为本发明一种基于泰勒展开的增广互质阵列快速DOA估计方法进一步的优化方案,所述步骤2中对接收信号的协方差矩阵进行矢量化和去冗余操作来获得虚拟化阵列的接收信号矢量的具体步骤如下:
计算接收信号的协方差矩阵
对接收信号的协方差矩阵进行矢量化操作得到列向量x为
x=vec(X)
作为本发明一种基于泰勒展开的增广互质阵列快速DOA估计方法进一步的优化方案,所述步骤3中构造DFT谱,搜索谱峰并计算得到DOA粗估计结果的具体步骤如下:
计算得到DFT空间谱
其中P的第q个元素为
作为本发明一种基于泰勒展开的增广互质阵列快速DOA估计方法进一步的优化方案,所述步骤4中将DFT粗估计结果代入泰勒展开式并通过总体最小二乘方法求解精确的DOA估计值的具体步骤如下:
对虚拟连续阵列流形矩阵C(θ)的每一列进行一阶泰勒展开,即
则可以计算得到C(θ)的泰勒展开为
下面通过总体最小二乘法求解,计算得到
从而计算得到
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1.降低了算法复杂度,减少了计算成本;
2.具有更高的信源分辨率,更具有实用价值;
3.增大了空间自由度,能同时估计更多信源。
附图说明
图1为本发明提供的一种基于泰勒展开的增广互质阵列快速DOA估计方法的实现流程图。
图2为本发明所设置增广互质阵列的结构示意图。
图3为本发明所述方法与传统DOA方法在不同快拍数下的性能比较。
图4为本发明所述方法与传统DOA方法在不同信噪比下的性能比较。
图5为本发明所述方法与传统DOA方法的算法复杂度的比较。
具体实施方式
下面结合附图以及具体实施例对本发明的技术方案做进一步的详细说明:
本发明可以以许多不同的形式实现,而不应当认为限于这里所述的实施例。相反,提供这些实施例以便使本公开透彻且完整,并且将向本领域技术人员充分表达本发明的范围。在附图中,为了清楚起见放大了组件。
本发明提供的一种基于泰勒展开的增广互质阵列快速DOA估计方法的详细流程如图1所示,设置天线阵列,通过增广互质阵列对接收信号进行采样;计算接收信号的协方差矩阵,并对其进行矢量化操作,对矢量化后的协方差矩阵进行排序,去除非连续的冗余部分后得到虚拟化阵列的接收信号矢量;由虚拟化均匀阵列的接收信号矢量构造DFT谱,谱峰搜索并计算获得DOA的粗估计结果;最后通过泰勒展开方法与总体最小二乘方法进行精确的DOA估计。具体实现如下:
步骤1:设置天线阵列如图2所示:
该增广互质阵列由两级均匀线阵构成,第一级子阵具有2M个阵元,阵元间距为Nd,第二级子阵具有N个阵元,阵元间距为Md,其中d为入射信号的半倍波长,M与N为互质的两个正整数,进而得到t时刻的接收信号为
其中,是入射角为θk的信号的方向矢量,di(i=0,1,…,2M+N-2)为第i个阵元相对参考阵元的位置,sk(t)为第k个信号在t时刻入射到阵列的包络,n(t)为与信号相互独立的零均值加性高斯白噪声;
于是将所有快拍时刻的接收信号矢量综合起来,得到接收信号矩阵为
X=A(θ)S+N
其中,X=[x(1),x(2),…,x(J)],J为快拍数,S为原始信号的包络矩阵,N为噪声矩阵。
步骤2:计算接收信号的协方差矩阵,并对其进行矢量化操作,对矢量化后的协方差矩阵进行排序,去除非连续的冗余部分后得到虚拟化阵列的接收信号矢量:
计算接收信号的协方差矩阵,并对其进行矢量化操作
对接收信号的协方差矩阵进行矢量化操作得到列向量x为
x=vec(X)
步骤3:由虚拟化均匀阵列的接收信号矢量构造DFT谱,搜索谱峰并计算得到DOA粗估计结果:
计算得到DFT空间谱
其中P的第q个元素为
步骤4:将DFT粗估计结果代入泰勒展开式求解精确的DOA估计结果:
对虚拟连续阵列流形矩阵C(θ)的每一列进行一阶泰勒展开,即
则可以计算得到C(θ)的泰勒展开为
下面通过总体最小二乘法求解,计算得到
从而计算得到
为证明本发明所述算法优于现有算法,下面通过MATLAB仿真分析进行证明,用根均方误差(RMSE)作为评估性能的准则,定义RMSE如下:
图3为本发明所述方法与传统DOA方法的DOA估计性能比较。仿真参数设置为:信源数K=5,DOA值分别为(10,20,30,40,50),信噪比为0dB,采样快拍数设置如图3所示,增广互质阵列设置如图2所示(其中M=7,N=9,d为入射信号波长的一半)。由图可以看出,随着快拍数的增加,本发明的DOA估计误差降低且始终比用于对比的其它传统DOA方法小,具有更好的DOA估计性能。
图4为本发明所述方法与其他传统DOA方法的DOA估计性能比较。仿真参数设置为:信源数K=5,DOA值分别为(10,20,30,40,50),采样快拍数J=200,信噪比设置如图4所示,增广互质阵列设置如图2所示(其中M=7,N=9,d为入射信号波长的一半)。由图可以看出,随着信噪比的增加,本发明的DOA估计误差降低且始终比用于对比的其它传统DOA方法小,具有更好的DOA估计性能。
图5为本发明所述方法与其他传统DOA方法的算法耗时比较。传统DFT方法在粗估计与精估计部分的算法复杂度为O(M0log(M0)+GKM0+M0),其总算法复杂度为O(M2J+Mlog(M0)+GKM0+M0),SS-ESPRIT算法复杂度为O(M2J+0.25(M0+1)3+2(M0+1)K2+11K3),SS-PM算法复杂度为O(M2J+0.125(M0+1)3+0.25(M0+1)2K+2(M0+1)K2+3K3),而本发明所述方法总复杂度为O(M2J+M0log(M0)+(8K2+2K)M0),其中G为DFT估计搜索次数,粗估计为50次,精估计为100次,K为信源数(图中取K=4),M为物理阵阵元数目,M0为虚拟阵列阵元数目,J为快拍数。图5对比结果表明,在阵元数目相同的情况下,本发明提出的算法相比其它传统DOA算法,复杂度明显更低。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于泰勒展开的增广互质阵列快速DOA估计方法,其特征在于,该方法包括以下步骤:
步骤1),设置天线阵列,通过增广互质阵列对接收信号进行采样;
步骤2),计算接收信号的协方差矩阵,并对其进行矢量化操作,对矢量化后的协方差矩阵进行排序,去除非连续的冗余部分后得到虚拟化阵列的接收信号矢量;
步骤3),由虚拟化均匀阵列的接收信号矢量构造DFT谱,搜索谱峰并计算得到DOA粗估计结果;
步骤4),将DFT粗估计结果代入泰勒展开式,并通过总体最小二乘方法求解得到精确的DOA估计值。
2.根据权利要求1所述的一种基于泰勒展开的增广互质阵列快速DOA估计方法,其特征在于,所述步骤3)中DFT谱,该空间谱由矢量化和去冗余之后的虚拟均匀阵列的接收信号矢量经DFT变换后得到。
3.根据权利要求1所述的一种基于泰勒展开的增广互质阵列快速DOA估计方法,其特征在于,所述步骤4)中求解泰勒展开式,该式由原信号接收模型的泰勒级数展开得到,并采用总体最小二乘法进行求解。
4.根据权利要求1所述的一种基于泰勒展开的增广互质阵列快速DOA估计方法,其特征在于,所述步骤4)中算法具有复杂度低的特点,能够快速实现DOA估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110764426.4A CN113391261A (zh) | 2021-07-06 | 2021-07-06 | 一种基于泰勒展开的增广互质阵列快速doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110764426.4A CN113391261A (zh) | 2021-07-06 | 2021-07-06 | 一种基于泰勒展开的增广互质阵列快速doa估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113391261A true CN113391261A (zh) | 2021-09-14 |
Family
ID=77625334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110764426.4A Pending CN113391261A (zh) | 2021-07-06 | 2021-07-06 | 一种基于泰勒展开的增广互质阵列快速doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113391261A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115236586A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 一种基于数据预处理的极地冰下doa估计方法 |
CN116224215A (zh) * | 2023-01-06 | 2023-06-06 | 南京航空航天大学 | 增广互质雷达中基于泰勒展开dft算法的doa估计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109581276A (zh) * | 2018-11-26 | 2019-04-05 | 电子科技大学 | 一种基于求和求差嵌套阵的doa估计方法 |
CN109901101A (zh) * | 2019-02-25 | 2019-06-18 | 西安电子科技大学 | 基于电磁矢量传感器互质阵列相干信号到达角估计方法 |
CN109932680A (zh) * | 2019-04-04 | 2019-06-25 | 哈尔滨工程大学 | 一种基于平移互质阵列的非圆信号波达方向估计方法 |
CN111983552A (zh) * | 2020-07-28 | 2020-11-24 | 南京航空航天大学 | 一种基于差分共阵的嵌套阵列快速doa估计方法与装置 |
CN112014792A (zh) * | 2020-08-28 | 2020-12-01 | 陕西理工大学 | 一种改进的二维互质阵列doa估计方法 |
-
2021
- 2021-07-06 CN CN202110764426.4A patent/CN113391261A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109581276A (zh) * | 2018-11-26 | 2019-04-05 | 电子科技大学 | 一种基于求和求差嵌套阵的doa估计方法 |
CN109901101A (zh) * | 2019-02-25 | 2019-06-18 | 西安电子科技大学 | 基于电磁矢量传感器互质阵列相干信号到达角估计方法 |
CN109932680A (zh) * | 2019-04-04 | 2019-06-25 | 哈尔滨工程大学 | 一种基于平移互质阵列的非圆信号波达方向估计方法 |
CN111983552A (zh) * | 2020-07-28 | 2020-11-24 | 南京航空航天大学 | 一种基于差分共阵的嵌套阵列快速doa估计方法与装置 |
CN112014792A (zh) * | 2020-08-28 | 2020-12-01 | 陕西理工大学 | 一种改进的二维互质阵列doa估计方法 |
Non-Patent Citations (1)
Title |
---|
JIANFENG LI等: "Improved DFT Algorithm for 2D DOA Estimation Based on 1D Nested Array Motion", IEEE COMMUNICATIONS LETTERS, vol. 24, no. 9, pages 1953 - 1956, XP011807698, DOI: 10.1109/LCOMM.2020.2997030 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115236586A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 一种基于数据预处理的极地冰下doa估计方法 |
CN116224215A (zh) * | 2023-01-06 | 2023-06-06 | 南京航空航天大学 | 增广互质雷达中基于泰勒展开dft算法的doa估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031794B (zh) | 一种基于差分共性阵重构的相干信源doa估计方法 | |
CN112698264B (zh) | 增广互质阵列脉冲噪声环境下相干信源的doa估计方法 | |
CN109633522B (zh) | 基于改进的music算法的波达方向估计方法 | |
CN110109050B (zh) | 嵌套阵列下基于稀疏贝叶斯的未知互耦的doa估计方法 | |
CN111983552B (zh) | 一种基于差分共阵的嵌套阵列快速doa估计方法与装置 | |
Zhang et al. | Two-dimensional direction of arrival estimation for coprime planar arrays via polynomial root finding technique | |
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 | |
CN112130111B (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
CN113391261A (zh) | 一种基于泰勒展开的增广互质阵列快速doa估计方法 | |
CN111413668B (zh) | 一种大规模阵列中基于dft增强的doa估计方法 | |
CN111239678A (zh) | 一种基于l型阵列的二维doa估计方法 | |
CN106483493A (zh) | 一种稀疏双平行线阵及二维波达方向估计方法 | |
CN104793177B (zh) | 基于最小二乘法的麦克风阵列测向方法 | |
CN111983554A (zh) | 非均匀l阵下的高精度二维doa估计 | |
CN110286350A (zh) | 一种l型稀疏阵doa估计的精确配对方法及装置 | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN113835063A (zh) | 一种无人机阵列幅相误差与信号doa联合估计方法 | |
CN109188346B (zh) | 大规模均匀圆柱阵列单快拍doa估计方法 | |
CN111693935B (zh) | 一种射频测向方法及系统 | |
CN116224215A (zh) | 增广互质雷达中基于泰勒展开dft算法的doa估计方法 | |
CN112363108A (zh) | 信号子空间加权超分辨的波达方向检测方法及系统 | |
CN115795249A (zh) | 一种基于l型互质阵列的二维doa估计方法 | |
CN111693936B (zh) | 一种基于射频模拟接收系统的测向方法及系统 | |
CN113238184A (zh) | 一种基于非圆信号的二维doa估计方法 | |
CN107677988B (zh) | 一种基于特殊非均匀线阵的高效压缩感知测向方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210914 |