CN114063120A - 信号doa的仿真识别方法、装置、设备及存储介质 - Google Patents
信号doa的仿真识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114063120A CN114063120A CN202111228644.2A CN202111228644A CN114063120A CN 114063120 A CN114063120 A CN 114063120A CN 202111228644 A CN202111228644 A CN 202111228644A CN 114063120 A CN114063120 A CN 114063120A
- Authority
- CN
- China
- Prior art keywords
- signal
- identification
- arrival
- gnss
- doa
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003631 expected effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect 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
- 230000003287 optical effect Effects 0.000 description 1
- 239000004576 sand Substances 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service
- G01S19/215—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service issues related to spoofing
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/23—Testing, monitoring, correcting or calibrating of receiver elements
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请公开了一种信号DOA的仿真识别方法、装置、设备及存储介质,方法包括:获取目标仿真用例,目标仿真用例用于指示目标虚拟场景中的GNSS信号的信号参数;基于目标仿真用例,在目标虚拟场景中模拟GNSS信号;调用预设的矩阵特征空间分解MUSIC识别算法,识别GNSS信号的第一波达方向;调用预设的旋转不变性估算ESPRIT识别模块,识别GNSS信号的第二波达方向;基于信号参数、第一波达方向和第二波达方向,确定MUSIC识别算法和ESPRIT识别模块在目标场景下的识别性能。本实施例为现实场景选取有效的DOA估计方法提供依据,进而提高实际场景下的DOA估计准确度。
Description
技术领域
本申请涉及信号处理领域,尤其涉及一种信号DOA的仿真识别方法、装置、设备及存储介质。
背景技术
全球导航卫星系统(Global Navigation Satellite System,GNSS)以导航卫星信号为观测源,通过估计导航卫星信号的波达方向(Direction Of Arrival,DOA),实现全天候,全地域精确的位置、速度和时间的估算。
目前,常见的DOA估计方法有矩阵特征空间分解(multiple signalclassification algorithm,MUSIC)方法和旋转不变性估算(Estimating SignalParameters via Rotational Invariance Techniques,ESPRIT)方法。但是由于在现实场景中,GNSS信号经过长距离传输到达地面时的信号强度极其微弱,其非常容易受到人为欺骗信号的干扰。而由于采用干扰设备发射欺骗信号成本较高,现有的DOA估计分析方法没有在硬件设备上进行实验,均是针对单一场景进行仿真,导致其在多种场景下可能达不到预期效果,因此如何针对不同场景选取有效的DOA估计方法成为亟待解决的问题。
发明内容
本申请提供了一种信号DOA的仿真识别方法、装置、设备及存储介质,能够模拟存在真实信号和欺骗信号的场景,实现在不同场景选取有效的DOA估计方法,提高GNSS信号波达方向的估计准确度。
为了解决上述技术问题,第一方面,本申请实施例提供了一种信号DOA的仿真识别方法,包括:
获取目标仿真用例,目标仿真用例用于指示目标虚拟场景中的GNSS信号的信号参数,信号参数包括信号入射角度、信噪比、快拍数和阵元数,GNSS信号包括真实信号和欺骗信号中的至少一种;
基于目标仿真用例,在目标虚拟场景中模拟GNSS信号;
调用预设的矩阵特征空间分解MUSIC识别算法,识别GNSS信号的第一波达方向;
调用预设的旋转不变性估算ESPRIT识别算法,识别GNSS信号的第二波达方向;
基于信号参数、第一波达方向和第二波达方向,确定MUSIC识别算法和ESPRIT识别算法在目标虚拟场景下的识别性能;
基于识别性能,利用MUSIC识别算法或ESPRIT识别算法,对现实场景下的实测GNSS信号进行DOA识别。
本实施例通过获取包含GNSS信号的信号参数的目标仿真用例,并基于该目标仿真用例,在目标虚拟场景中模拟GNSS信号,从而通过调整信号参数以模拟真实信号和欺骗信号,进而实现模拟现实场景中GNSS信号受到欺骗信号干扰和未受到欺骗信号干扰的情况;然后通过调用预设的MUSIC识别算法和ESPRIT识别算法,识别GNSS信号的波达方向,以利用MUSIC识别算法和ESPRIT识别算法分别识别在相同场景中的GNSS信号,从而实现在真实信号、欺骗信号、信噪比、快拍数和阵元数等不同信号参数条件下,仿真分析MUSIC识别算法和ESPRIT识别算法对GNSS信号的DOA识别效果;最后基于信号参数、第一波达方向和第二波达方向,确定MUSIC识别算法和ESPRIT识别算法在目标场景下的识别性能,以评价MUSIC识别算法和ESPRIT识别算法在存在欺骗信号和不存在欺骗信号的情况下的识别性能,从而为现实场景选取有效的DOA估计方法提供依据,进而提高实际场景下的DOA估计准确度。
在一实施例中,基于目标仿真用例,在目标虚拟场景中模拟GNSS信号,包括:
基于目标仿真用例,将信噪比、快拍数和阵元数中的一个作为唯一变量,控制单天线模拟发射GNSS信号;
控制阵列天线以所述入射角度模拟接收所述GNSS信号。
本实施例将信噪比、快拍数和阵元数中的一个作为唯一变量,以实现仿真分析信噪比、快拍数和阵元数,对存在欺骗信号和不存欺骗信号时的DOA识别效果。
在一实施例中,真实信号的入射角度与欺骗信号的入射角度之间的差值小于预设差值。由于通过单天线发射的欺骗信号被接收机接收时的入射角度完全相同或非常接近,而真实信号在实际场景下被阵列天线接收时,不会出现角度相同或者相近的情况,因此本实施例利用欺骗信号与真实信号的入射角度不同,并通过调整入射角度以实现仿真模拟欺骗信号和真实信号。
在一实施例中,调用预设的矩阵特征空间分解MUSIC识别算法,识别GNSS信号的第一波达方向,包括:
根据GNSS信号构建协方差矩阵;
对协方差矩阵进行特征分解,得到特征值和特征向量;
根据特征值和特征向量确定噪声子空间;
对噪声子空间对应的空间谱函数进行谱峰搜索,得到峰值;
将峰值对应的角度确定为GNSS信号的第一波达方向。
在一实施例中,调用预设的旋转不变性估算ESPRIT识别算法,识别GNSS信号的第二波达方向,包括:
根据GNSS信号构建协方差矩阵;
对协方差矩阵进行特征分解,得到信号子空间;
对信号子空间进行求解,得到旋转不变关系矩阵;
对旋转不变关系矩阵进行特征分解,得到GNSS信号的第二波达方向。
在一实施例中,基于信号参数、第一波达方向和第二波达方向,确定MUSIC识别算法和ESPRIT识别算法在目标场景下的识别性能,包括:
计算入射角度与第一波达方向之间的第一均方误差,并基于第一均方误差,确定MUSIC识别算法在指定变量条件下的识别性能,指定变量条件为将信噪比、快拍数或阵元数中的一个作为唯一变量;
计算入射角度与第二波达方向之间的第二均方误差,并基于第二均方误差,确定ESPRIT识别算法在指定变量条件下的识别性能。
本实施例通过计算设定的入射角度与MUSIC识别算法和ESPRIT识别算法实际识别的DOA之间的均方误差,评价MUSIC识别算法和ESPRIT识别算法在存在欺骗信号和不存在欺骗信号,以及在不同信噪比、快拍数或阵元数时的识别效果,为在现实场景下选择有效的DOA估计方法提供依据,提高实际场景下的DOA估计准确度。
第二方面,本申请实施例提供了一种信号DOA的仿真识别装置,包括:
获取模块,用于获取目标仿真用例,目标仿真用例用于指示目标虚拟场景中的GNSS信号的信号参数,信号参数包括信号入射角度、信噪比、快拍数和阵元数,GNSS信号包括真实信号和欺骗信号中的至少一种;
模拟模块,用于基于目标仿真用例,在目标虚拟场景中模拟GNSS信号;
第一调用模块,用于调用预设的矩阵特征空间分解MUSIC识别算法,识别GNSS信号的第一波达方向;
第二调用模块,用于调用预设的旋转不变性估算ESPRIT识别算法,识别GNSS信号的第二波达方向;
确定模块,用于基于信号参数、第一波达方向和第二波达方向,确定MUSIC识别算法和ESPRIT识别算法在目标虚拟场景下的识别性能;
识别模块,用于基于识别性能,利用MUSIC识别算法或ESPRIT识别算法,对实际场景下的实测GNSS信号进行DOA识别。
第三方面,本申请实施例提供了一种终端设备,包括存储器及处理器,存储器用于存储计算机程序,处理器运行计算机程序以使终端设备执行第一方面的信号DOA的仿真识别方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时实现第一方面的信号DOA的仿真识别方法。
可以理解的是,上述第二方面至第四方面的有益效果参见第一方面的相关描述,在此不再赘述。
附图说明
图1为本申请实施例提供的信号DOA的仿真识别方法的流程示意图;
图2为本申请实施例提供的均匀阵列天线的示意图;
图3为本申请实施例提供的平行阵列天线的示意图;
图4为本申请实施例提供的信号DOA的仿真识别装置的结构示意图;
图5为本申请实施例提供的终端设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如背景技术相关记载,由于在现实场景中,GNSS信号经过长距离传输到达地面时的信号强度极其微弱,其非常容易受到人为欺骗信号的干扰。而现有的DOA估计分析方法均是针对单一场景进行仿真,导致其在多种场景下可能达不到预期效果,因此如何针对不同场景选取有效的DOA估计方法成为亟待解决的问题。
为此,本申请实施例提供了一种信号DOA的仿真识别方法、装置、设备及存储介质,方法通过获取包含GNSS信号的信号参数的目标仿真用例,并基于该目标仿真用例,在目标虚拟场景中模拟GNSS信号,从而通过调整信号参数以模拟真实信号和欺骗信号,进而实现模拟现实场景中GNSS信号受到欺骗信号干扰和未受到欺骗信号干扰的情况;然后通过调用预设的MUSIC识别算法和ESPRIT识别算法,识别GNSS信号的波达方向,以利用MUSIC识别算法和ESPRIT识别算法分别识别在相同场景中的GNSS信号,从而实现在真实信号、欺骗信号、信噪比、快拍数和阵元数等不同信号参数条件下,仿真分析MUSIC识别算法和ESPRIT识别算法对GNSS信号的DOA识别效果;最后基于信号参数、第一波达方向和第二波达方向,确定MUSIC识别算法和ESPRIT识别算法在目标场景下的识别性能,以评价MUSIC识别算法和ESPRIT识别算法在存在欺骗信号和不存在欺骗信号的情况下的识别性能,从而为现实场景选取有效的DOA估计方法提供依据,进而提高实际场景下的DOA估计准确度。
参见图1,图1为本申请实施例提供的一种信号DOA的仿真识别方法的流程示意图。本申请实施例中下述的信号DOA的仿真识别方法可应用于终端设备,终端设备包括但不限于智能手机、平板电脑、桌上型计算机、超级计算机、个人数字助理、物理服务器和云服务器等计算机设备。本申请实施例的信号DOA的仿真识别方法,包括步骤S101至S106,详述如下:
步骤S101,获取目标仿真用例,目标仿真用例用于指示目标虚拟场景中的GNSS信号的信号参数,信号参数包括信号入射角度、信噪比、快拍数和阵元数,GNSS信号包括真实信号和欺骗信号中的至少一种。
在本步骤中,入射角度为GNSS信号被GNSS接收机接收到时的入射角,信噪比为GNSS信号与噪声之间的比值,快拍数为采样点数,阵元数为阵列天线的阵元数目。可以理解的是,目标仿真用例中具体限定了信号的入射角度、信噪比、快拍数和阵元数等参数的具体数值。例如,目标仿真用例为:真实信号的入射角度为X°,欺骗信号的入射角度为(X+1)°和(X+2)°,快拍数为1000,阵元数位32,信噪比为25db,真实信号与欺骗信号之间的角度差门限为2°,仿真循环次数为1000次。
可选地,目标仿真用例以某一信号参数作为唯一变量进行循环仿真。示例性地,以信噪比作为唯一变量进行循环仿真,以仿真分析在不同信噪比下的仿真效果。例如,目标仿真用例为:真实信号的入射角度为X°,欺骗信号的入射角度为(X+1)°和(X+2)°,快拍数为1000,阵元数位32,信噪比为-5至30db,真实信号与欺骗信号之间的角度差门限为2°仿真循环次数为1000次。
可以理解的是,可以设定不同的信号参数以构建多个目标仿真用例。
需要说明的是,本实施例通过利用真实信号与欺骗信号在实际场景下被接收时的入射角度存在差异,从而通过设定入射角度的差异,以在仿真过程中区分真实信号和欺骗信号,实现不同场景的模拟。
可选地,真实信号的入射角度与欺骗信号的入射角度之间的差值小于预设差值。由于通过单天线发射的欺骗信号被接收机接收时的入射角度完全相同或非常接近,而真实信号在实际场景下被阵列天线接收时,不会出现角度相同或者相近的情况,因此本实施例利用欺骗信号与真实信号的入射角度不同,并通过调整入射角度以实现仿真模拟欺骗信号和真实信号。
步骤S102,基于目标仿真用例,在目标虚拟场景中模拟GNSS信号。
在本步骤中,根据目标仿真用例,目标虚拟场景中模拟的GNSS信号可以只有真实信号或欺骗信号,也可以同时有真实信号和欺骗信号。
步骤S103,调用预设的矩阵特征空间分解MUSIC识别算法,识别GNSS信号的第一波达方向。
在本步骤中,MUSIC识别算法为对MUSIC算法进行封装后的识别模块,通过在仿真识别过程中,调用预先封装的MUSIC识别算法对GNSS信号进行DOA识别,以提高仿真识别时MUSIC算法的可重用性。
步骤S104,调用预设的旋转不变性估算ESPRIT识别算法,识别GNSS信号的第二波达方向。
在本步骤中,ESPRIT识别算法为对ESPRIT算法进行封装后的识别模块,通过仿真识别过程中,调用预设封装的ESPRIT识别算法对GNSS信号进行DOA识别,以提高仿真识别时ESPRIT算法的可重用性。
步骤S105,基于信号参数、第一波达方向和第二波达方向,确定MUSIC识别算法和ESPRIT识别算法在目标虚拟场景下的识别性能。
在本步骤中,基于入射角度与第一波达方向、第二波达方向之间的误差,评价MUSIC识别算法和ESPRIT在不同信噪比、快拍数或阵元数时的识别性能,再基于不同信噪比、快拍数或阵元数时的识别性能,综合评价MUSIC识别算法和ESPRIT识别算法的识别性能。
示例性地,当不存在欺骗信号时,在不同信噪比、快拍数或阵元数条件下,MUSIC识别算法和ESPRIT识别算法对应的均方误差均逐渐减小;在相同信噪比、快拍数或阵元数条件下,ESPRIT识别算法的估计精度略差于MUSIC识别算法,则确定在无欺骗信号时,MUSIC识别算法的识别性能优于ESPRIT识别算法。
示例性地,当存在欺骗干扰信号时,在不同信噪比、快拍数或阵元数条件下,MUSIC识别算法和ESPRIT识别算法的估计精度随信噪比的增大逐渐增加,则说明其性能随信噪比、快拍数、阵元数目的增加逐渐提升。但是由于欺骗干扰信号与真实信号的角度差非常小,MUSIC识别算法在低信噪比、快拍数较小、阵元数目较少,且信号角度极为接近的条件下,需要进行谱峰搜索,容易只搜索出一个峰值或者两个峰值,从而导致均方误差偏大,而ESPRIT识别算法不需要进行谱峰搜索,则确定在有欺骗信号时,ESPRIT识别算法的识别性能优于MUSIC识别算法。
步骤S106,基于所述识别性能,利用所述MUSIC识别算法或所述ESPRIT识别算法,对实际场景下的实测GNSS信号进行DOA识别。
在本步骤中,若在有欺骗信号时,ESPRIT识别算法的识别性能优于MUSIC识别算法,则当实测GNSS信号为欺骗信号时,利用ESPRIT识别算法对实测GNSS信号进行DOA识别。若在无欺骗信号时,MUSIC识别算法的识别性能优于ESPRIT识别算法,则当实测GNSS信号不存在欺骗信号时,利用MUSIC识别算法对实测GNSS信号进行DOA识别。
在一实施例中,在图1所示实施例的基础上,上述步骤S102,具体包括:
基于目标仿真用例,将信噪比、快拍数和阵元数中的一个作为唯一变量,控制单天线模拟发射GNSS信号;
控制阵列天线以所述入射角度模拟接收所述GNSS信号。
在本实施例中,示例性地,以均匀线阵为例,当真实信号入射角度为X°,欺骗信号入射角度为(X+1)°和(X+2)°,信噪比为20dB;阵元数目为32,快拍数K=100~10000,步数500,角度差门限为2°,循环1000次实验求平均,则利用单天线模拟发射上述信号参数的GNSS信号,由均匀阵列天线的32个阵元接收,并进行快拍数为100次的采样,得到GNSS信号;重复上述过程,并进行快拍数为101次的采样,得到GNSS信号,以此类推,直至完成以每个K值为快拍数的采样。
在一实施例中,在图1所示实施例的基础上,上述步骤S103,具体包括:
根据GNSS信号构建协方差矩阵;
对协方差矩阵进行特征分解,得到特征值和特征向量;
根据特征值和特征向量确定噪声子空间;
对噪声子空间对应的空间谱函数进行谱峰搜索,得到峰值;
将峰值对应的角度确定为GNSS信号的第一波达方向。
在本实施例中,如图2示出的均匀阵列天线,以均匀阵列为例,设阵元数为N,不相干入射信号数设为M。S(t)是一个M维的接收矢量阵,其中si(t),i=1,2,…M为第i个阵元接收到的波前信号,N(t)是一个N维的高斯白噪声矢量阵,其中ni(t),i=1,2,…N是均值为零、方差为σi 2的高斯白噪声。xi(t),i=1,2,…N为第i个阵元的输出信号。A是阵列流形矩阵,包含了入射信号的角度信息。当不相干的信号入射到阵列天线上时,天线阵的阵列输出为:
X(t)=AS(t)+N(t)
式中:
S(t)=[s1(t),s2(t),…,sM(t)]T
N(t)=[n1(t),n2(t),…,nN(t)]T
X(t)=[x1(t),x2(t),…,cN(t)]T
阵列流形矩阵:
A=[a(θ1),a(θ2),…,a(θM)]
其中:
Tik表示接收机接收到的第k个信号到达第i个阵元的时延,由相邻两阵元时延τ=dsinθ/c,c为光速,可以推出:
τik=(i一1)dsinθ/c
接收信号的频率:
ω0=2πf=2πc/λ
由于各阵元的噪声与信号不相关,且本身又是相互独立的高斯白噪声,因此X(t)的协方差矩阵R可表示成:
R=APAH+σ 2I
各阵元输出信号的相关矩阵:
R=E[X(t)XH(t)]
空间信号的相关矩阵:
P=E[S(t)SH(t)]
由于之前假设的入射信号均为在空间上互不相关的非相干信号,因此矩阵P可表示成:
P=diag[|s1(t)|2,…|sM(t)|2]
矩阵A是一个范德蒙矩阵,而P是非奇异阵且正定,因此R是一个有N个特征值的满秩矩阵,在这些特征值中有M个特征值与信号有关,它们分别等于APAH的各特征值与σ2之和,剩下的N-M个特征值都是最小特征值且都等于σ2。矩阵A的各列与这N-M个特征值所对应的特征向量相互正交。把由矩阵A各列向量所构成的空间叫做信号子空间,由N-M个特征向量所构成的空间叫噪声子空间。
进一步地,构造一个N×M维噪声矩阵EN,且该噪声矩阵的列是这N-M个特征向量,则EN=[vM+1,vM+2,…,vN],那么在信号所在方向θk上有:
ENa(θk)=0
利用上述两个子空间的正交特性,构成谱函数:
Pmusic=1/aH(θ)ENEN Ha(θ)
Pmusic取最大值时所对应的角度θ就是GNSS信号的DOA。
在一实施例中,在图1所示实施例的基础上,上述步骤S104,具体包括:
根据GNSS信号构建协方差矩阵;
对协方差矩阵进行特征分解,得到信号子空间;
对信号子空间进行求解,得到旋转不变关系矩阵;
对旋转不变关系矩阵进行特征分解,得到GNSS信号的第二波达方向。
在本实施例中,以如图3示出的两个平行的均匀阵列天线为例,设每个线阵都有M个阵元,各阵元间的距离均为d1,两个线阵之间的距离为d2。设接收机接收到的非相干信号以角度(αn,βn)入射,其中(αn,βn)表示阵元n,n=1,2…M接收到的非相干入射信号角度。将x轴上的ULA设为第一个子阵列。
X1(t)=A(α)S(t)+N1(t)
X2(t)=A(α)A(β)S(t)+N2(t)
其中,
S(t)=[s1(t),s2(t),…,sN(t)]T
N1(t)=[n11(t),n12(t),…,n1M(t)]T
N2(t)=[n21(t),n22(t),…,n2M(t)]T
X1(t)=[c11(t),c12(t),…,c1M(t)]T
X2(t)=[x21(t),c22(t),…,c2M(t)]T
阵列流形矩阵:
A(α)=[a(p1),a(p2),…,a(pN)]
A(β)=diag[a(β1),a(β2),…,a(βN)]
其中,
pn=2πd1 Cosαn/λ
a(βn)=exp(j2πd2 cosβn/λ)
将两个子阵模型合并得到:
忽略噪声项,则:
其中,φ=A(β)。
X(t)的协方差矩阵:
R=APAH+σ2I=E[X(t)XH(t)]
空间信号的相关矩阵:
P=diag[|s1(t)|2,…|sM(t)|2]=E[S(t)SH(t)]
对R进行特征分解可以得到信号子空间,从而对φ中的角度进行估计。
设信号子空间为US,则:
对子空间进行求解得到旋转不变关系矩阵Ψ:
Ψ=T-1φT
进一步可以得到对信号DOA的估计值:
φ=TΨT-1
其中,矩阵T的各列就是矩阵Ψ的特征向量。
在一实施例中,在图1所示实施例的基础上,上述步骤S105,具体包括:
计算入射角度与第一波达方向之间的第一均方误差,并基于第一均方误差,确定MUSIC识别算法在指定变量条件下的识别性能,指定变量条件为将信噪比、快拍数或阵元数中的一个作为唯一变量;
计算入射角度与第二波达方向之间的第二均方误差,并基于第二均方误差,确定ESPRIT识别算法在指定变量条件下的识别性能。
在本实施例中,入射角度为仿真时的输入参数,波达方向为通MUSIC识别算法和ESPRIT识别算法对GNSS信号进行计算得到,所以实际值与测算值存在误差,因此利用均方误差,评价MUSIC识别算法和ESPRIT识别算法的识别性能。
为了执行上述方法实施例对应的信号DOA的仿真识别方法,以实现相应的功能和技术效果。参见图4,图4示出了本申请实施例提供的一种信号DOA的仿真识别装置的结构框图。为了便于说明,仅示出了与本实施例相关的部分,本申请实施例提供的信号DOA的仿真识别装置,包括:
获取模块401,用于获取目标仿真用例,目标仿真用例用于指示目标虚拟场景中的GNSS信号的信号参数,信号参数包括信号入射角度、信噪比、快拍数和阵元数,GNSS信号包括真实信号和欺骗信号中的至少一种;
模拟模块402,用于基于目标仿真用例,在目标虚拟场景中模拟GNSS信号;
第一调用模块403,用于调用预设的矩阵特征空间分解MUSIC识别算法,识别GNSS信号的第一波达方向;
第二调用模块404,用于调用预设的旋转不变性估算ESPRIT识别算法,识别GNSS信号的第二波达方向;
确定模块405,用于基于信号参数、第一波达方向和第二波达方向,确定MUSIC识别算法和ESPRIT识别算法在目标场景下的识别性能;
识别模块406,用于基于所述识别性能,利用所述MUSIC识别算法或所述ESPRIT识别算法,对实际场景下的实测GNSS信号进行DOA识别。
在一实施例中,模拟模块402,具体实现以下步骤:
基于目标仿真用例,将信噪比、快拍数和阵元数中的一个作为唯一变量,控制单天线模拟发射GNSS信号;
控制阵列天线以所述入射角度模拟接收所述GNSS信号。
可选地,真实信号的入射角度与欺骗信号的入射角度之间的差值小于预设差值。
在一实施例中,第一调用模块403,具体实现以下步骤:
根据GNSS信号构建协方差矩阵;
对协方差矩阵进行特征分解,得到特征值和特征向量;
根据特征值和特征向量确定噪声子空间;
对噪声子空间对应的空间谱函数进行谱峰搜索,得到峰值;
将峰值对应的角度确定为GNSS信号的第一波达方向。
在一实施例中,第二调用模块404,具体实现以下步骤:
根据GNSS信号构建协方差矩阵;
对协方差矩阵进行特征分解,得到信号子空间;
对信号子空间进行求解,得到旋转不变关系矩阵;
对旋转不变关系矩阵进行特征分解,得到GNSS信号的第二波达方向。
在一实施例中,确定模块405,具体实现以下步骤:
计算入射角度与第一波达方向之间的第一均方误差,并基于第一均方误差,确定MUSIC识别算法在指定变量条件下的识别性能,指定变量条件为将信噪比、快拍数或阵元数中的一个作为唯一变量;
计算入射角度与第二波达方向之间的第二均方误差,并基于第二均方误差,确定ESPRIT识别算法在指定变量条件下的识别性能。
图5为本申请一实施例提供的终端设备的结构示意图。如图5所示,该实施例的终端设备5包括:至少一个处理器50(图5中仅示出一个)处理器、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52,所述处理器50执行所述计算机程序52时实现上述任意方法实施例中的步骤。
所述终端设备5可以是组成如车载控制中心的单片机、平板电脑、桌上型计算机等计算设备。该终端设备可包括但不仅限于处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端设备5的举例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),该处理器50还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51在一些实施例中可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
另外,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中,可以理解的是,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台终端设备执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围。特别指出,对于本领域技术人员来说,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种信号DOA的仿真识别方法,其特征在于,包括:
获取目标仿真用例,所述目标仿真用例用于指示目标虚拟场景中的GNSS信号的信号参数,所述信号参数包括信号入射角度、信噪比、快拍数和阵元数,所述GNSS信号包括真实信号和欺骗信号中的至少一种;
基于所述目标仿真用例,在所述目标虚拟场景中模拟所述GNSS信号;
调用预设的矩阵特征空间分解MUSIC识别算法,识别所述GNSS信号的第一波达方向;
调用预设的旋转不变性估算ESPRIT识别算法,识别所述GNSS信号的第二波达方向;
基于所述信号参数、所述第一波达方向和所述第二波达方向,确定所述MUSIC识别算法和所述ESPRIT识别算法在所述目标虚拟场景下的识别性能;
基于所述识别性能,利用所述MUSIC识别算法或所述ESPRIT识别算法,对现实场景下的实测GNSS信号进行DOA识别。
2.如权利要求1所述的信号DOA的仿真识别方法,其特征在于,所述基于所述目标仿真用例,在所述目标虚拟场景中模拟所述GNSS信号,包括:
基于所述目标仿真用例,将所述信噪比、快拍数和阵元数中的一个作为唯一变量,控制单天线模拟发射所述GNSS信号;
控制阵列天线以所述入射角度模拟接收所述GNSS信号。
3.如权利要求1或2所述的信号DOA的仿真识别方法,其特征在于,所述真实信号的入射角度与所述欺骗信号的入射角度之间的差值小于预设差值。
4.如权利要求1所述的信号DOA的仿真识别方法,其特征在于,所述调用预设的矩阵特征空间分解MUSIC识别算法,识别所述GNSS信号的第一波达方向,包括:
根据所述GNSS信号构建协方差矩阵;
对所述协方差矩阵进行特征分解,得到特征值和特征向量;
根据所述特征值和特征向量确定噪声子空间;
对所述噪声子空间对应的空间谱函数进行谱峰搜索,得到峰值;
将所述峰值对应的角度确定为所述GNSS信号的第一波达方向。
5.如权利要求1所述的信号DOA的仿真识别方法,其特征在于,调用预设的旋转不变性估算ESPRIT识别算法,识别所述GNSS信号的第二波达方向,包括:
根据所述GNSS信号构建协方差矩阵;
对所述协方差矩阵进行特征分解,得到信号子空间;
对所述信号子空间进行求解,得到旋转不变关系矩阵;
对所述旋转不变关系矩阵进行特征分解,得到所述GNSS信号的第二波达方向。
6.如权利要求1所述的信号DOA的仿真识别方法,其特征在于,所述基于所述信号参数、所述第一波达方向和所述第二波达方向,确定所述MUSIC识别算法和所述ESPRIT识别算法在所述目标虚拟场景下的识别性能,包括:
计算所述入射角度与所述第一波达方向之间的第一均方误差,并基于所述第一均方误差,确定所述MUSIC识别算法在指定变量条件下的识别性能,所述指定变量条件为将所述信噪比、所述快拍数或所述阵元数中的一个作为唯一变量;
计算所述入射角度与所述第二波达方向之间的第二均方误差,并基于所述第二均方误差,确定所述ESPRIT识别算法在所述指定变量条件下的识别性能。
7.一种信号DOA的仿真识别装置,其特征在于,包括:
获取模块,用于获取目标仿真用例,所述目标仿真用例用于指示目标虚拟场景中的GNSS信号的信号参数,所述信号参数包括信号入射角度、信噪比、快拍数和阵元数,所述GNSS信号包括真实信号和欺骗信号中的至少一种;
模拟模块,用于基于所述目标仿真用例,在所述目标虚拟场景中模拟所述GNSS信号;
第一调用模块,用于调用预设的矩阵特征空间分解MUSIC识别算法,识别所述GNSS信号的第一波达方向;
第二调用模块,用于调用预设的旋转不变性估算ESPRIT识别算法,识别所述GNSS信号的第二波达方向;
确定模块,用于基于所述信号参数、所述第一波达方向和所述第二波达方向,确定所述MUSIC识别算法和所述ESPRIT识别算法在所述目标虚拟场景下的识别性能;
识别模块,用于基于所述识别性能,利用所述MUSIC识别算法或所述ESPRIT识别算法,对现实场景下的实测GNSS信号进行DOA识别。
8.如权利要求7所述的信号DOA的仿真识别装置,其特征在于,所述真实信号的入射角度与所述欺骗信号的入射角度之间的差值小于预设差值。
9.一种终端设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述终端设备执行根据权利要求1至6中任一项所述的信号DOA的仿真识别方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的信号DOA的仿真识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111228644.2A CN114063120A (zh) | 2021-10-21 | 2021-10-21 | 信号doa的仿真识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111228644.2A CN114063120A (zh) | 2021-10-21 | 2021-10-21 | 信号doa的仿真识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114063120A true CN114063120A (zh) | 2022-02-18 |
Family
ID=80235215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111228644.2A Pending CN114063120A (zh) | 2021-10-21 | 2021-10-21 | 信号doa的仿真识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114063120A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693947A (zh) * | 2020-07-06 | 2020-09-22 | 羿升(深圳)电子装备有限公司 | 基于互质阵列doa估计的改进music方法 |
CN112698264A (zh) * | 2020-12-10 | 2021-04-23 | 南京航空航天大学 | 增广互质阵列脉冲噪声环境下相干信源的doa估计方法 |
-
2021
- 2021-10-21 CN CN202111228644.2A patent/CN114063120A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693947A (zh) * | 2020-07-06 | 2020-09-22 | 羿升(深圳)电子装备有限公司 | 基于互质阵列doa估计的改进music方法 |
CN112698264A (zh) * | 2020-12-10 | 2021-04-23 | 南京航空航天大学 | 增广互质阵列脉冲噪声环境下相干信源的doa估计方法 |
Non-Patent Citations (2)
Title |
---|
杨明磊;陈伯孝;秦国栋;张守宏;: "多载频MIMO雷达的空时超分辨算法", 电子与信息学报, no. 09, 15 September 2009 (2009-09-15), pages 2050 - 2051 * |
郑建生等: "GNSS接收机抗干扰自适应调零技术性能估计", 武汉大学学报· 信息科学版, vol. 40, no. 8, 31 August 2015 (2015-08-31), pages 1008 - 1009 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107064892B (zh) | 基于张量子空间和旋转不变的mimo雷达角度估计算法 | |
CN108387864B (zh) | 一种到达角计算方法及装置 | |
KR101414574B1 (ko) | 상관된 안테나 잡음이 존재하는 상황에서 상관된 신호들에 대한 공간적 평활화된 자기 컨벌루션 기반 도래방향각 예측 방법 | |
CN108802669B (zh) | 二维波达方向估计方法、二维波达方向估计装置及终端 | |
Abdalla et al. | Performance evaluation of direction of arrival estimation using MUSIC and ESPRIT algorithms for mobile communication systems | |
KR101614766B1 (ko) | 재머 구별이 가능한 조향 벡터 연산을 이용하는 표적의 dod-doa 추정 방법 및 장치 | |
CN106526531A (zh) | 基于三维天线阵列的改进传播算子二维doa估计算法 | |
KR102399539B1 (ko) | 오브젝트 식별 방법 및 장치 | |
Liao et al. | Resolution Improvement for MUSIC and ROOT MUSIC Algorithms. | |
Gao et al. | An improved music algorithm for DOA estimation of coherent signals | |
CN109901103A (zh) | 基于非正交波形的mimo雷达doa估算方法及设备 | |
CN114063120A (zh) | 信号doa的仿真识别方法、装置、设备及存储介质 | |
Yeom et al. | Performance analysis of beamspace MUSIC with beamforming angle | |
CN114966526A (zh) | 一种波达方向估计方法 | |
WO2021196165A1 (zh) | 频率分析方法、装置及雷达 | |
Xie et al. | Passive localization of noncircular sources in the near-field | |
Pazos et al. | On sparse methods for array signal processing in the presence of interference | |
CN109696652B (zh) | 一种二维doa估计方法及其装置、设备、存储介质 | |
Xi et al. | DOA estimation and self-calibration in partially calibrated subarray-based uniform linear arrays | |
CN108445442B (zh) | 一种基于截断的奇异值分解的近场信号源定位方法 | |
Tran et al. | Optimization of nonuniform linear antenna array topology | |
CN112327244A (zh) | 一种基于l型阵列的二维非相干分布式目标参数估计方法 | |
Liu et al. | A joint DOD and DOA estimation method for bistatic MIMO radar | |
Xu et al. | Two‐Dimensional Direction‐of‐Arrival Estimation of Noncircular Signals in Coprime Planar Array with High Degree of Freedom | |
Gao et al. | 2D-DOA estimation based on higher-order SVD-based using EMVS sparse array |
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 |