CN113835063B - 一种无人机阵列幅相误差与信号doa联合估计方法 - Google Patents
一种无人机阵列幅相误差与信号doa联合估计方法 Download PDFInfo
- Publication number
- CN113835063B CN113835063B CN202111398473.8A CN202111398473A CN113835063B CN 113835063 B CN113835063 B CN 113835063B CN 202111398473 A CN202111398473 A CN 202111398473A CN 113835063 B CN113835063 B CN 113835063B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- array
- amplitude
- aerial vehicle
- phase error
- 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
- G01S3/02—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
- 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
- G01S3/023—Monitoring or calibrating
-
- 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
- G01S3/74—Multi-channel systems specially adapted for direction-finding, i.e. having a single antenna system capable of giving simultaneous indications of the directions of different signals
-
- 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
- G01S3/46—Systems for determining direction or deviation from predetermined direction using antennas spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种无人机阵列幅相误差与信号DOA联合估计方法,包括:在每架无人机上搭载单个天线阵元,多架无人机组成的无人机群构成接收阵列以接收信源信号;在观测基线不变的情况下,通过无人机运动使阵列结构发生改变,每次阵列结构变化后对信源信号进行再次采集,得到多个信源信号;针对每个采集到的信源信号,计算其协方差矩阵,通过特征值分解得到相应的噪声子空间;通过噪声子空间和方向向量重构二次优化问题,构造代价函数,通过谱峰搜索得到幅相误差和DOA联合估计。本发明能够实现DOA和阵列幅相误差联合估计,校正幅相误差,提高无源定位的精准性。
Description
技术领域
本发明涉及阵列信号处理技术领域,具体而言涉及一种基于无人机群体阵列的波达方向(Direction of Arrival, DOA)和幅相误差联合估计方法。
背景技术
阵列信号处理作为现代信号处理的一个重要分支,是近几十年来发展十分迅速的一个技术领域,在雷达、声呐、无线通讯等军事及民用领域得到广泛的应用。波达方向估计是阵列信号处理技术的关键技术之一,其主要目的是对空间信源位置进行估计。DOA估计技术发展迅速,相关的理论和技术仍处于不断完善之中。
阵列误差的普遍存在是空间谱估计技术应用到实际工程中困难的一个重要原因。一般情况下,几乎所有的DOA估计算法都是建立在精确已知阵列流型的前提上,为了得到良好的算法估计效果,必须保证实际使用的阵列和理论研究中的标准阵列模型完全一致。但在实际应用中无论器件自身的因素还是实际环境因素都可能导致阵列出现误差。当使用理想的阵列流型进行实际的DOA估计时,就不可避免地得到误差较大的测向结果,或者测向结果根本就是无效的。大多数阵列误差的影响最终都能归结为阵列幅相误差。因此,研究阵列幅相误差存在条件下的DOA估计算法,对于空间谱估计技术的实用化具有重要意义。
发明内容
本发明针对现有技术中的不足,提供一种无人机阵列幅相误差与信号DOA联合估计方法,基于无人机群实现阵列位置变化,能够实现DOA和阵列幅相误差联合估计,校正幅相误差,提高无源定位的精准性。
为实现上述目的,本发明采用以下技术方案:
一种无人机阵列幅相误差与信号DOA联合估计方法,所述方法包括以下步骤:
S1,在每架无人机上搭载单个天线阵元,多架无人机组成的无人机群构成接收阵列以接收信源信号;
S2,在观测基线不变的情况下,通过无人机运动使阵列结构发生改变,每次阵列结构变化后对信源信号进行再次采集,得到多个信源信号;
S3,针对每个采集到的信源信号,计算其协方差矩阵,通过特征值分解得到相应的噪声子空间;
S4,通过噪声子空间和方向向量重构二次优化问题,构造代价函数,通过谱峰搜索得到幅相误差和DOA联合估计。
为优化上述技术方案,采取的具体措施还包括:
进一步地,步骤S1中,在每架无人机上搭载单个天线阵元,多架无人机组成的无人机群构成接收阵列以接收信源信号的过程包括以下步骤:
进一步地,步骤S3中,针对每个采集到的信源信号,计算其协方差矩阵,通过特征值分解得到相应的噪声子空间的过程包括以下步骤:
S21,在基线不变的情况下,通过无人机的运动,使相应的阵元位置发生改变以构成新的阵列,对于每个新构成的阵列,采集相应的信源信号;
其中,表示一个维的对角阵,它的对角元素由特征值分解所得的较大
的K个特征值构成,是由M-K个较小的特征值构成的对角阵;是由K个较大特征值
对应的特征向量所构成的矩阵,则是由其他特征值对应的特征向量构成的矩阵;
和分别被称为信号子空间和噪声子空间;i=1,2,…,p,p是总观测次数。
进一步地,步骤S4中,通过噪声子空间和方向向量重构二次优化问题,构造代价函数,通过谱峰搜索得到幅相误差和DOA联合估计的过程包括以下步骤:
S41,构建二次优化问题:
S42,构造代价函数:
S44,获得角度与幅相误差的估计值:
进一步地,所述方法还包括以下步骤:
采用均方根误差作为性能估计指标对估计结果的有效性进行评估;根据下述公式计算得到相应的均方根误差:
本发明的有益效果是:
与现有技术相比,本发明突破了现有技术中DOA估计对幅相误差的局限,能够获得精确的角度估计值,具有更准确的定位性能;在幅相误差存在的情况下,本发明无需辅助校准信源、无需辅助校准阵元、无需迭代求解就可以估计出幅相误差的值并进行校正,能获得高分辨率估计。
附图说明
图1是本发明的无人机阵列幅相误差与信号DOA联合估计方法流程图。
图2是本发明的无人机群构成的接收阵列场景图。
图3是未校正幅相误差与使用本发明方法校正后的谱峰比较图。
图4是本发明在不同信噪比下的DOA估计性能比较图。
图5是本发明在不同信噪比下的幅相误差实部与虚部估计性能比较图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是,发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
图1是本发明的无人机阵列幅相误差与信号DOA联合估计方法流程图。该方法用多架无人机作为平台搭载阵元,多个阵元构成一个阵列接收信号。该方法包括以下步骤:
S1,在每架无人机上搭载单个天线阵元,多架无人机组成的无人机群构成接收阵列以接收信源信号。
S2,在观测基线不变的情况下,通过无人机运动使阵列结构发生改变,每次阵列结构变化后对信源信号进行再次采集,得到多个信源信号。
S3,针对每个采集到的信源信号,计算其协方差矩阵,通过特征值分解得到相应的噪声子空间。
S4,通过噪声子空间和方向向量重构二次优化问题,构造代价函数,通过谱峰搜索得到幅相误差和DOA联合估计。
具体实现如下:
步骤1:信号接收
根据数据模型可以得到接收信号信息,计算协方差矩阵:
其中,表示一个维的对角阵,它的对角元素由特征值分解所得的较大
的K个特征值构成,是由M-K个较小的特征值构成的对角阵。是由K个较大特征值
对应的特征向量所构成的矩阵,则是由其他特征值对应的特征向量构成的矩阵。
和分别被称为信号子空间和噪声子空间。
步骤2:获得多个噪声子空间
在基线不变的情况下(即信号入射角不变),通过无人机的运动,相应的阵元位置
发生改变,构成了一个新的阵列。此时再次接收信号并进行同样的处理,可以得到噪声子空
间。继续运动,形成新的阵列,得到第p次的噪声子空间,假设共观测了P次。
步骤3:DOA与幅相误差联合估计
存在幅相误差时,MUSIC函数变为:
为验证本发明所述算法的有效性,下面通过MATLAB仿真分析进行证明,性能估计指标为均方根误差(root mean square error, RMSE),定义为:
如图3所示为幅相误差在利用本发明方法校正前后的谱峰对比图。仿真中假设信噪比SNR设置为20dB,快拍数设置为J=500。从谱峰图可以看出幅相误差会影响空间谱谱峰的位置和幅度大小。当幅相误差存在时MUSIC算法估计性能将下降,如果误差较大甚至会导致算法失效。
图4为本发明方法与未校正方法在不同信噪比下的DOA估计性能比较图。从仿真结果可以看出,本发明方法具有很高的估计精度,并且可以通过适当提高信噪比的方法来提高本发明所述的基于无人机群体阵列的联合幅相误差与信号DOA估计方法的估计精度。
图5为本发明方法在不同信噪比下的幅相误差估计性能图。从仿真结果可以看出本发明方法可以准确地估计出实部与虚部。
本发明公开了一种基于无人机群体阵列的联合幅相误差与信号DOA估计方法,属于阵列信号处理技术领域。本发明通过每架无人机搭载单个天线阵元,由多架无人机组成的无人机群构成了接收阵列,通过无人机群内个体位置的改变,对应阵元位置也会发生变化,由此变换阵列结构。对多次阵列接收到的信号计算协方差矩阵进行特征值分解,得到多个信号噪声子空间。通过噪声子空间和方向向量重构二次优化问题,构造代价函数,最后通过谱峰搜索确定DOA,并同时获得幅相误差估计。本发明突破了传统的无人机群协同感知中DOA估计精度受限于无人机间幅相误差的藩篱,且无需辅助信源和阵元,也无需迭代求解,可以获得高精度的DOA和幅相误差联合估计,具有重要的应用价值。
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 (3)
1.一种无人机阵列幅相误差与信号DOA联合估计方法,其特征在于,所述方法包括以下步骤:
S1,在每架无人机上搭载单个天线阵元,多架无人机组成的无人机群构成接收阵列以接收信源信号;
S2,在观测基线不变的情况下,通过无人机运动使阵列结构发生改变,每次阵列结构变化后对信源信号进行再次采集,得到多个信源信号;
S3,针对每个采集到的信源信号,计算其协方差矩阵,通过特征值分解得到相应的噪声子空间;
S4,通过噪声子空间和方向向量重构二次优化问题,构造代价函数,通过谱峰搜索得到幅相误差和DOA联合估计;
步骤S1中,在每架无人机上搭载单个天线阵元,多架无人机组成的无人机群构成接收阵列以接收信源信号的过程包括以下步骤:
S11,使M架无人机均匀排列,每架无人机上搭载一个天线阵元,阵元间距为单位间隔d=λ/2,λ表示波长;M为大于2的正整数;
S12,假设有K个平行的平面波从θk方向入射,k=1,2,...,K,K为大于2的正整数,当阵列幅相误差存在时,初始状态下的阵列接收信号表示为:
x1(t)=CA1s(t)+n(t)
其中,C=diag(c)=diag(c1,c2,...,cM)为幅相误差对角矩阵,diag(c)表示由向量c中的元素构成的对角矩阵;为信号向量,n(t)为加性高斯白噪声,代表方向矩阵,a1(θk)代表θk方向上的方向向量,表示为:
式中,d11,d12,...,d1M表示初始状态下M架无人机各自的位置信息;
步骤S3中,针对每个采集到的信源信号,计算其协方差矩阵,通过特征值分解得到相应的噪声子空间的过程包括以下步骤:
S21,在基线不变的情况下,通过无人机的运动,使相应的阵元位置发生改变以构成新的阵列,对于每个新构成的阵列,采集相应的信源信号;
S22,对于第i个采集的信源信号xi(t),根据下述公式计算其协方差矩阵:
式中,L表示数据的快拍数;E(·)表示期望;(·)H表示共轭转置操作;tl表示第l个快拍;
S23,对Ri进行特征分解对协方差矩阵进行特征值分解,表示为:
2.根据权利要求1所述的无人机阵列幅相误差与信号DOA联合估计方法,其特征在于,步骤S4中,通过噪声子空间和方向向量重构二次优化问题,构造代价函数,通过谱峰搜索得到幅相误差和DOA联合估计的过程包括以下步骤:
S41,构建二次优化问题:
其中,c=[c1,c2,...,cM]为幅相误差,e1=[1,0,...,0]T,(·)T表示转置操作,θ表示待估计DOA参量;
式中,ai(θ)代表第i次观测的导向矢量,diag(ai(θ))表示由向量ai(θ)中的元素构成的对角矩阵,i=1,2,…,p;
S42,构造代价函数:
式中,ε为一常数;
S43,对L(θ,c)求偏导:
其中,c=ξQ-1(θ)e1,ξ是一个常数;
S44,获得角度与幅相误差的估计值:
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111398473.8A CN113835063B (zh) | 2021-11-24 | 2021-11-24 | 一种无人机阵列幅相误差与信号doa联合估计方法 |
US17/882,636 US11681006B2 (en) | 2021-11-24 | 2022-08-08 | Method for jointly estimating gain-phase error and direction of arrival (DOA) based on unmanned aerial vehicle (UAV) array |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111398473.8A CN113835063B (zh) | 2021-11-24 | 2021-11-24 | 一种无人机阵列幅相误差与信号doa联合估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113835063A CN113835063A (zh) | 2021-12-24 |
CN113835063B true CN113835063B (zh) | 2022-02-15 |
Family
ID=78971677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111398473.8A Active CN113835063B (zh) | 2021-11-24 | 2021-11-24 | 一种无人机阵列幅相误差与信号doa联合估计方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11681006B2 (zh) |
CN (1) | CN113835063B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117075035B (zh) * | 2023-08-15 | 2024-04-30 | 湖南红船科技有限公司 | 自旋短基线高精度测向方法、系统、设备、介质及终端 |
CN117991179A (zh) * | 2024-04-03 | 2024-05-07 | 深圳大学 | 一种基于导向矢量矩阵重构的波达方向估计方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104749554A (zh) * | 2015-03-20 | 2015-07-01 | 江苏大学 | 一种基于递归秩损的幅相误差校准和波达方向估计方法 |
CN107064892A (zh) * | 2016-11-11 | 2017-08-18 | 长江大学 | 基于张量子空间和旋转不变的mimo雷达角度估计算法 |
CN108375752A (zh) * | 2018-02-05 | 2018-08-07 | 中国人民解放军战略支援部队信息工程大学 | 基于全角度搜索的幅相误差单辐射源测向方法 |
CN111965595A (zh) * | 2020-06-30 | 2020-11-20 | 南京航空航天大学 | 一种基于无人机的多非圆信源高精度直接定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9797978B1 (en) * | 2014-09-03 | 2017-10-24 | Howard Melamed | UAV, system, and method for radio frequency spectral analysis |
WO2019200153A1 (en) * | 2018-04-11 | 2019-10-17 | The Regents Of The University Of California | System and method of angle-of-arrival estimation, object localization, and target tracking, with received signal magnitude |
CN110515038B (zh) * | 2019-08-09 | 2023-03-28 | 达洛科技(广州)有限公司 | 一种基于无人机-阵列的自适应无源定位装置及实现方法 |
-
2021
- 2021-11-24 CN CN202111398473.8A patent/CN113835063B/zh active Active
-
2022
- 2022-08-08 US US17/882,636 patent/US11681006B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104749554A (zh) * | 2015-03-20 | 2015-07-01 | 江苏大学 | 一种基于递归秩损的幅相误差校准和波达方向估计方法 |
CN107064892A (zh) * | 2016-11-11 | 2017-08-18 | 长江大学 | 基于张量子空间和旋转不变的mimo雷达角度估计算法 |
CN108375752A (zh) * | 2018-02-05 | 2018-08-07 | 中国人民解放军战略支援部队信息工程大学 | 基于全角度搜索的幅相误差单辐射源测向方法 |
CN111965595A (zh) * | 2020-06-30 | 2020-11-20 | 南京航空航天大学 | 一种基于无人机的多非圆信源高精度直接定位方法 |
Non-Patent Citations (4)
Title |
---|
A Novel Phase Enhancement Method for;HOUHONG XIANG等;《 IEEE Access ( Volume: 7)》;20190620;第82329-82336页 * |
DOA Estimation Using Non-uniform Sparse Array with Unknown Mutual Coupling;张淇婷等;《2021 2nd information communication technologies conference》;20210531;摘要,第7页左栏第1-6段、右栏第1-5段,第8页左栏第1-7段、右栏第1-7段及图1-2 * |
共形阵列天线振动条件下稳健的DOA估计及位置误差校正;侯青松等;《信号处理》;20101125(第11期);第158-162页 * |
基于子空间的幅相误差自校正算法;鲁祖坤等;《现代导航》;20130815(第04期);第68-72页 * |
Also Published As
Publication number | Publication date |
---|---|
US11681006B2 (en) | 2023-06-20 |
US20230160991A1 (en) | 2023-05-25 |
CN113835063A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526530B (zh) | 基于传播算子的2-l型阵列二维doa估计算法 | |
CN113835063B (zh) | 一种无人机阵列幅相误差与信号doa联合估计方法 | |
CN110515038B (zh) | 一种基于无人机-阵列的自适应无源定位装置及实现方法 | |
CN101149429A (zh) | 适用于均匀圆阵的阵列互耦校正与信源测向方法 | |
CN111337873B (zh) | 一种基于稀疏阵的doa估计方法 | |
CN111046591B (zh) | 传感器幅相误差与目标到达角度的联合估计方法 | |
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 | |
CN112379327A (zh) | 一种基于秩损估计的二维doa估计与互耦校正方法 | |
CN106526531A (zh) | 基于三维天线阵列的改进传播算子二维doa估计算法 | |
CN113189592B (zh) | 考虑幅相互耦误差的车载毫米波mimo雷达测角方法 | |
CN111352063A (zh) | 一种均匀面阵中基于多项式求根的二维测向估计方法 | |
CN112255629A (zh) | 基于联合uca阵列的序贯esprit二维不相干分布源参数估计方法 | |
CN109696651B (zh) | 一种基于m估计的低快拍数下波达方向估计方法 | |
CN116224219A (zh) | 一种阵列误差自校正原子范数最小化doa估计方法 | |
CN108872930B (zh) | 扩展孔径二维联合对角化doa估计方法 | |
CN112763972B (zh) | 基于稀疏表示的双平行线阵二维doa估计方法及计算设备 | |
CN113671439A (zh) | 基于非均匀智能超表面阵列的无人机集群测向系统及方法 | |
CN111368256B (zh) | 一种基于均匀圆阵的单快拍测向方法 | |
CN116299150B (zh) | 一种均匀面阵中降维传播算子的二维doa估计方法 | |
CN113419209B (zh) | 一种锥面共形阵列盲极化波达方向估计方法 | |
CN113589223B (zh) | 基于互耦情况下嵌套阵列的测向方法 | |
CN112881971B (zh) | 电磁方向性互耦效应下相干干扰源测向方法 | |
CN112579972A (zh) | 方向性电磁耦合效应下空域信息联合估计方法 | |
CN109061564B (zh) | 基于高阶累积量的简化近场定位方法 | |
CN114460531A (zh) | 一种均匀线阵music空间谱估计方法 |
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 |