CN113640737B - 一种基于二维功率分布的少阵元阵列高分辨方位估计方法 - Google Patents
一种基于二维功率分布的少阵元阵列高分辨方位估计方法 Download PDFInfo
- Publication number
- CN113640737B CN113640737B CN202110849776.0A CN202110849776A CN113640737B CN 113640737 B CN113640737 B CN 113640737B CN 202110849776 A CN202110849776 A CN 202110849776A CN 113640737 B CN113640737 B CN 113640737B
- Authority
- CN
- China
- Prior art keywords
- array
- matrix
- power spectrum
- dimensional
- power distribution
- 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
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
- G01S3/80—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 ultrasonic, sonic or infrasonic waves
-
- 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
- G01S3/80—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 ultrasonic, sonic or infrasonic waves
- G01S3/86—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 ultrasonic, sonic or infrasonic waves with means for eliminating undesired waves, e.g. disturbing noises
Abstract
本发明是一种基于二维功率分布的少阵元阵列高分辨方位估计方法。本发明获取基阵接收信号,对阵元接收信号做克罗内克积运算;将运算结果作为新采集信号,进行CBF功率谱,选择空间观察角度区间,根据所选择的观察角度构造三维功率谱矩阵;根据步得到的CBF功率谱和三维功率谱矩阵,利用压缩感知方法确定二维功率分布矩阵;根据二维功率分布矩阵的每一列求取最大值,并将结果作为新算法的功率谱,用于DOA估计。二维矩阵中的数据受到两个角度集的相互制约,在提高估计精度的同时,降低了高分辨能力对阵元个数的需求,有效地提高在少阵元阵列时的估计精度和分辨力。
Description
技术领域
本发明涉及水声波达方向估计技术领域,是一种基于二维功率分 布的少阵元阵列高分辨方位估计方法。
背景技术
波达方向(DOA)估计是阵列信号处理中的一个研究热点,其 主要研究内容是从噪声和干扰背景中得到确切的目标方位信息,在雷 达、声纳、导航、无损检测和无线通信上都有广泛应用。分辨率和旁 瓣高度是衡量DOA估计算法性能的重要指标,众所周知如果波束宽 度宽,那么难以检测同一波束内的两个目标,如果旁瓣高度高,那么 在强干扰存在的情况下难以检测到微弱信号。
通常来说,提高方位估计分辨力的方法有:1)增加阵列孔径; 2)采用高分辨的方位估计算法。第一种方法在实际应用时会受到一 定的物理条件限制,尤其在UUV小尺度平台上不可能大幅增加阵元 个数。因此多种类型的高分辨DOA估计算法被学者们提出。
波束形成类算法是最传统的DOA估计方法,但是其受瑞利限影 响,方位分辨率较低,MVDR波束形成方法具有更好的空间分辨力 与未知强干扰抑制能力,但是其估计精度经常会受到阵元幅相误差、 阵元位置误差等各类误差因素的影响。
多重信号分类方法(MUSIC)是最经典的高分辨估计算法,该 方法具有比CBF和MVDR更高的分辨率,但是当快拍数减少、信噪 比低时该类方法在估计性能上出现严重恶化的情况,如果信号个数不 明确或者目标信号之间相关性强也会对信号和噪声子空间产生严重 破坏,从而进一步降低子空间类方法的分辨力和估计精度。近几年反 卷积方法被应用于方位估计和声源定位中,有效地改善了CBF方法 分辨力差的缺点(RL-dCv),但是RL-dCv算法只适用于波束响应函 数具有移不变波束响应的情况,例如均匀直线阵的CBF波束响应, 这大幅缩小了该算法的使用范围。
包括上述算法的多数高分辨算法想要实现其高分辨力通常需要 高信噪比环境以及多阵元阵列,很强的环境噪声以及较少的阵元个数 会影响高分辨能力的发挥,但是由于海洋环境复杂,海洋中存在着大 量的、各种各样的噪声源,其中包括海洋环境噪声,舰船辐射噪声等, 并且这些噪声通常随机出现,不可预测。另外很多种现实条件不允许 多阵元阵列,例如小尺寸无人平台无法搭载大尺度阵列,或者由于经 费有限需要限制阵元个数,因此如何在阵元个数较少并且信噪比较低 的情况下仍然具有高分辨能力的DOA算法有待重视。
发明内容
本发明为了对水声波达方向进行更加精准的估计,本发明提供了 以下技术方案:
一种基于二维功率分布的少阵元阵列高分辨方位估计方法,包括 以下步骤:
步骤1:获取基阵接收信号,对阵元接收信号做克罗内克积运算;
步骤2:将步骤1的运算结果作为新采集信号,并对其做CBF 功率谱py(φq)。
步骤3:选择空间观察角度区间ψ1、ψ2和φ,根据所选择的观察 角度构造三维功率谱矩阵B;
步骤4:根据步骤2得到的CBF功率谱py(φq)和步骤3得到的三 维功率谱矩阵B,利用压缩感知方法确定二维功率分布矩阵S2D;
步骤5:根据二维功率分布矩阵S2D的每一列求取最大值,并将 结果作为新算法的功率谱,用于DOA估计。
优选地,所述步骤1具体为:
步骤1.1:当均匀直线阵阵元个数为M个,θ是信号与y轴的夹 角定义为信号的波达方位角,空间中有K个目标,那么第k个目标 的信号表示为sk(t),M元直线阵的接收信号表示为:
其中,为第k个信号对应的阵列流 行矢量,nm(t)是第m个阵元接收的噪声;S(t),N(t)分别表示K 个目标,M个阵元的导向矢量,接收信号,接收噪声的集合S(t)=[s1(t),...,sK(t)]T,N(t)=[n1(t),...,nM(t)]T;当阵 列采集到的噪声是满足时空不相关性的零均值高斯白噪声,并且K个 信号之间互不相关,则存在下述关系:
步骤1.2:
优选地,所述步骤2中y(t)的CBF功率谱具体为:
空间φq角度下y(t)的功率谱py(φq)通过下式表示:
优选地,所述步骤3中选择选择合适的空间观察角度区间ψ1、ψ2和φ,根据所选择的观察角度构造三维功率谱矩阵B:
当暂时不考虑噪声的存在,阵列采集信号的信号部分表示为 xs(t)=A(θ)S(t),xs(t)的功率谱表示为
ys(t)的功率谱pys(φq)表示如下:
B矩阵第q列表示为B(:,:,q)(L×L维),表达式为
优选地,所述步骤4具体为:
步骤4.1:根据pys(φq)是卷积的形式,其加和形式表示为:
步骤4.2:根据中的表达式,只有在并且 时是非零值,那么S2D中只有并且对应的位置是非零 值,其余位置的值都是0;S2D中的非零值等于当信号的 功率都大于1,的值大于s1D中的最大值因此S2D具 有能量汇聚的作用,非零值被凸显出来;
B矩阵表示为B=[B(:,:,1),...,B(:,:,Q)],将B′表示为 B′=[bcol(:,:,1),...,bcol(:,:,Q)](L2×Q维)那么pys可以用表示:
优选地,所述步骤5具体为:
S2D矩阵主对角线元素、每列元素的平均值和每列元素的最大值 分别表示为:
Main(S2D)=[0 … srr … sll … 0] (18)
Max(S2D)=[0 … max(srr,slr) … max(srl,sll) … 0] (20)
选择S2D矩阵最大值充分考虑矩阵中的所有数值,进行方位估计 得到准确的结果。
本发明具有以下有益效果:
本发明利用克罗内克积运算从功率谱中提取二维功率分布矩阵, 并利用压缩感知算法求解受噪声影响最小的二维功率分布矩阵。二维 矩阵中的数据受到两个角度集的相互制约,在提高估计精度的同时, 降低了高分辨能力对阵元个数的需求,有效地提高在少阵元阵列时的 估计精度和分辨力。在二维功率分布矩阵中的数值受两个角度集之间 相互约束,峰值被约束在更准确的角度上,因此利用二维功率分布矩 阵进行DOA估计可以提高DOA估计精度。本发明可以实现目标方 位所在角度上能量累积,其他角度上能量压制,这可以保证该方法具 有高分辨力和旁瓣压制能力。
附图说明
图1为基于二维功率分布的少阵元阵列高分辨方位估计方法流 程图;
图2为阵列模型;
图3为B矩阵;
图4为S2D矩阵。
具体实施方式
以下结合具体实施例,对本发明进行了详细说明。
具体实施例一:
根据图1至图4所示,本发明提供一种基于二维功率分布的少阵 元阵列高分辨方位估计方法,包括以下几个步骤:
步骤2:将步骤1的计算结果作为新采集信号,并对其做CBF功率谱 py(φq),
步骤3:选择合适的空间观察角度区间ψ1、ψ2和φ,根据所选择的观 察角度构造三维功率谱矩阵B;
步骤4:根据步骤2得到的CBF功率谱py(φq)和步骤3得到的三维功 率谱矩阵B,利用压缩感知方法求解二维功率分布矩阵S2D;
步骤5:对步骤3中求解的二维功率分布矩阵S2D的每一列求取最大 值,并将结果作为新算法的功率谱,并用于DOA估计。
步骤1中阵列采集信号的形式。
如图2所示,假设均匀直线阵阵元个数为M个,θ是信号与y轴的夹 角定义为信号的波达方位角,如果空间中有K个目标,那么第k个目 标的信号表示为sk(t),那么该M元直线阵的接收信号表示为:
其中为第k个信号对应的阵列流行 矢量,nm(t)是第m个阵元接收的噪声。S(t),N(t)分别表示K个 目标,M个阵元的导向矢量,接收信号,接收噪声的集合 S(t)=[s1(t),...,sK(t)]T,N(t)=[n1(t),...,nM(t)]T。当阵 列采集到的噪声是满足时空不相关性的零均值高斯白噪声,并且K个 信号之间互不相关,那么
空间φq角度下y(t)的功率谱py(φq)表示如下:
其中Ry表示y(t)的协方差矩阵,其计算表达式为Ry=E[y(t)yH(t)],在实 际情况中Ry可以用Ry=y(t)yH(t)/N表示。另外表示 两个权向量的克罗内克积,在CBF波束形成中,φq方向的权矢量通常 表示为w(φq)=a(φq)/M。
详细说明步骤3中选择合适的空间观察角度区间ψ1、ψ2和φ,根据所 选择的观察角度构造三维功率谱矩阵B:
下面具体分析py(φq)的表达式,如果暂时不考虑噪声的存在,假设 阵列采集信号的信号部分表示为xs(t)=A(θ)S(t),那么其功率谱表示为
B矩阵第q列表示为B(:,:,q)(L×L维),其表达式为
根据步骤4得到的CBF功率谱py(φq)和三维功率谱矩阵B,利用压缩 感知方法求解二维功率分布矩阵S2D:
根据中的表达式可以得知,只有在并且时是非零值,那么S2D中只有并且对应的位置是非零值, 其余位置的值都是0。S2D中的非零值等于如果信号的功 率都大于1,它的值大于s1D中的最大值因此S2D具有能量汇 聚的作用,其非零值可以被凸显出来。
很显然,B矩阵可以表示为B=[B(:,:,1),...,B(:,:,Q)],因此将B′表示为 B′=[bcol(:,:,1),...,bcol(:,:,Q)](L2×Q维)那么pys可以表示为
根据步骤5中求解的二维功率分布矩阵S2D的每一列求取最大值,并 将结果作为新算法的功率谱,并用于DOA估计。
S2D矩阵主对角线元素、每列元素的平均值和每列元素的最大值 分别表示为:
Main(S2D)=[0 … srr … sll …0] (18)
Max(S2D)=[0 … max(srr,slr) … max(srl,sll) … 0] (20)
三种方法都只在和对应位置上出现极大值,其余位置的数值 趋近0。但是在实际应用中S2D矩阵的主对角线上的极大值可能会发 生偏离,例如,如果信号角度不一定恰好存在于Θ中,那么S2D矩阵 的极大值可能出现在副对角线上,因此在某些情况下,采用S2D矩阵 的主对角线数据来估计信号方向的做法是不准确的。另外由于信号个 数远小于预置角度的个数,即K<<L,S2D矩阵中趋于0的数值远多 于非零值,因此均值的数值较小,不能从S2D中凸显信号的方位。相 比之下,选择S2D矩阵最大值可以充分考虑矩阵中的所有数值,该方 法对极大值的角度偏移有更强的容错能力并且可以突出信号的角度, 因此利用进行方位估计可以得到更准确的结果。
以上所述仅是一种基于二维功率分布的少阵元阵列高分辨方位 估计方法的优选实施方式,一种基于二维功率分布的少阵元阵列高分 辨方位估计方法的保护范围并不仅局限于上述实施例,凡属于该思路 下的技术方案均属于本发明的保护范围。应当指出,对于本领域的技 术人员来说,在不脱离本发明原理前提下的若干改进和变化,这些改 进和变化也应视为本发明的保护范围。
Claims (6)
1.一种基于二维功率分布的少阵元阵列高分辨方位估计方法,其特征是:包括以下步骤:
步骤1:获取基阵接收信号,对阵元接收信号做克罗内克积运算;
步骤2:将步骤1的运算结果作为新采集信号,进行CBF功率谱py(φq);
步骤3:选择空间观察角度区间ψ1、ψ2和φ,根据所选择的观察角度构造三维功率谱矩阵B;
步骤4:根据步骤2得到的CBF功率谱py(φq)和步骤3得到的三维功率谱矩阵B,利用压缩感知方法确定二维功率分布矩阵S2D;
步骤5:根据二维功率分布矩阵S2D的每一列求取最大值,并将结果作为新算法的功率谱,用于DOA估计。
2.根据权利要求1所述的一种基于二维功率分布的少阵元阵列高分辨方位估计方法,其特征是:所述步骤1具体为:
步骤1.1:当均匀直线阵阵元个数为M个,θ是信号与y轴的夹角定义为信号的波达方位角,空间中有K个目标,那么第k个目标的信号表示为sk(t),M元直线阵的接收信号表示为:
其中,为第k个信号对应的阵列流行矢量,nm(t)是第m个阵元接收的噪声;S(t),N(t)分别表示K个目标,M个阵元的导向矢量,接收信号,接收噪声的集合A(θ)=[a(θ1),a(θ2),...,a(θK)],S(t)=[s1(t),...,sK(t)]T,N(t)=[n1(t),...,nM(t)]T;当阵列采集到的噪声是满足时空不相关性的零均值高斯白噪声,并且K个信号之间互不相关,则存在下述关系:
步骤1.2:
4.根据权利要求3所述的一种基于二维功率分布的少阵元阵列高分辨方位估计方法,其特征是:所述步骤3中选择合适的空间观察角度区间ψ1、ψ2和φ,根据所选择的观察角度构造三维功率谱矩阵B:
当暂时不考虑噪声的存在,阵列采集信号的信号部分表示为xs(t)=A(θ)S(t),xs(t)的功率谱表示为
B矩阵第q列表示为B(:,:,q)(L×L维),表达式为
5.根据权利要求4所述的一种基于二维功率分布的少阵元阵列高分辨方位估计方法,其特征是:所述步骤4具体为:
步骤4.2:根据中的表达式,只有在并且时是非零值,那么S2D中只有并且对应的位置是非零值,其余位置的值都是0;S2D中的非零值等于当信号的功率都大于1,的值大于s1D中的最大值S2D具有能量汇聚的作用,非零值被凸显出来;
B矩阵表示为B=[B(:,:,1),...,B(:,:,Q)],将B′表示为B′=[bcol(:,:,1),...,bcol(:,:,Q)](L2×Q维)那么pys通过下式表示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110849776.0A CN113640737B (zh) | 2021-07-27 | 2021-07-27 | 一种基于二维功率分布的少阵元阵列高分辨方位估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110849776.0A CN113640737B (zh) | 2021-07-27 | 2021-07-27 | 一种基于二维功率分布的少阵元阵列高分辨方位估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113640737A CN113640737A (zh) | 2021-11-12 |
CN113640737B true CN113640737B (zh) | 2022-06-21 |
Family
ID=78418697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110849776.0A Active CN113640737B (zh) | 2021-07-27 | 2021-07-27 | 一种基于二维功率分布的少阵元阵列高分辨方位估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113640737B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103713276A (zh) * | 2013-12-23 | 2014-04-09 | 浙江大学 | 基于最小互熵谱分析的波达方向估计方法 |
CN107092005A (zh) * | 2017-06-16 | 2017-08-25 | 中国电子科技集团公司第二十九研究所 | 一种时空联合的阵列处理方法及装置 |
WO2019068305A1 (en) * | 2017-10-02 | 2019-04-11 | Huawei Technologies Co., Ltd. | RECEIVING DEVICE AND ASSOCIATED METHODS |
CN110045321A (zh) * | 2019-04-12 | 2019-07-23 | 大连大学 | 基于稀疏和低秩恢复的稳健doa估计方法 |
CN110109053A (zh) * | 2019-04-02 | 2019-08-09 | 华南理工大学 | 一种未知声速环境下快速doa估计方法 |
CN112327292A (zh) * | 2020-10-11 | 2021-02-05 | 南京理工大学 | 一种二维稀疏阵列doa估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112014792B (zh) * | 2020-08-28 | 2023-03-31 | 陕西理工大学 | 一种改进的二维互质阵列doa估计方法 |
-
2021
- 2021-07-27 CN CN202110849776.0A patent/CN113640737B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103713276A (zh) * | 2013-12-23 | 2014-04-09 | 浙江大学 | 基于最小互熵谱分析的波达方向估计方法 |
CN107092005A (zh) * | 2017-06-16 | 2017-08-25 | 中国电子科技集团公司第二十九研究所 | 一种时空联合的阵列处理方法及装置 |
WO2019068305A1 (en) * | 2017-10-02 | 2019-04-11 | Huawei Technologies Co., Ltd. | RECEIVING DEVICE AND ASSOCIATED METHODS |
CN110109053A (zh) * | 2019-04-02 | 2019-08-09 | 华南理工大学 | 一种未知声速环境下快速doa估计方法 |
CN110045321A (zh) * | 2019-04-12 | 2019-07-23 | 大连大学 | 基于稀疏和低秩恢复的稳健doa估计方法 |
CN112327292A (zh) * | 2020-10-11 | 2021-02-05 | 南京理工大学 | 一种二维稀疏阵列doa估计方法 |
Non-Patent Citations (3)
Title |
---|
DOA Estimation of LFM Signal with Single Vector Hydrophone Based on LVD-MUSIC Method;Zhibo Shi等;《2018 IEEE》;20181231;全文 * |
基于矢量水听器阵的迭代稀疏协方差矩阵拟合波达方向估计方法;王伟东等;《西北工业大学学报》;20200229;第38卷(第1期);全文 * |
采用条件波数谱密度函数的宽带高分辨方位谱估计算法;李学敏等;《声学学报》;20190731;第44卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113640737A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104730491B (zh) | 一种基于l型阵的虚拟阵列doa估计方法 | |
He et al. | Near-field localization of partially polarized sources with a cross-dipole array | |
CN108387864B (zh) | 一种到达角计算方法及装置 | |
CN109633522B (zh) | 基于改进的music算法的波达方向估计方法 | |
CN108120967B (zh) | 一种平面阵列doa估计方法及设备 | |
CN106526530A (zh) | 基于传播算子的2‑l型阵列二维doa估计算法 | |
CN112130111B (zh) | 一种大规模均匀十字阵列中单快拍二维doa估计方法 | |
CN110673086A (zh) | 一种基于数字阵列雷达的二维角度超分辨方法 | |
CN109633520B (zh) | 一种均匀圆阵超分辨率空间谱估计方法 | |
CN106526531A (zh) | 基于三维天线阵列的改进传播算子二维doa估计算法 | |
CN103235292A (zh) | 平面相控阵调零保形校正的全维和差测角方法 | |
CN111948598B (zh) | 空域干扰信号检测方法与装置 | |
CN109696657B (zh) | 一种基于矢量水听器的相干声源定位方法 | |
CN111693978A (zh) | 基于mimo毫米波雷达的散点检测方法 | |
CN109188386B (zh) | 基于改进二维esprit算法的mimo雷达高分辨率参数估计方法 | |
JP2012127747A (ja) | 無線測位装置及び無線測位方法 | |
CN111707986A (zh) | 一种基于稀疏面阵的三维参数估计方法 | |
JP2009204526A (ja) | 方向測定装置 | |
CN112327292B (zh) | 一种二维稀疏阵列doa估计方法 | |
CN113640737B (zh) | 一种基于二维功率分布的少阵元阵列高分辨方位估计方法 | |
CN114563760B (zh) | 一种基于sca阵型的二阶超波束形成方法、设备及介质 | |
CN107241131B (zh) | 一种利用信号非圆特性的波束形成方法 | |
CN114265058A (zh) | Mimo雷达目标测角方法、装置、电子设备及存储介质 | |
CN113203980A (zh) | 高精度快速无线电测向方法及系统 | |
Ni et al. | Information-theoretic target localization with compressed measurement using FDA radar |
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 |