CN115421098A - 嵌套面阵下降维求根music的二维doa估计方法 - Google Patents
嵌套面阵下降维求根music的二维doa估计方法 Download PDFInfo
- Publication number
- CN115421098A CN115421098A CN202210819052.6A CN202210819052A CN115421098A CN 115421098 A CN115421098 A CN 115421098A CN 202210819052 A CN202210819052 A CN 202210819052A CN 115421098 A CN115421098 A CN 115421098A
- Authority
- CN
- China
- Prior art keywords
- array
- dimensional
- nested
- npa
- root
- 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
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
- G01S3/74—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
- 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)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了嵌套面阵(NPA)下降维求根MUSIC的二维DOA估计方法。本发明算法首先通过降维将二维谱峰搜索的问题转化为两个一维估计问题,然后将一维估计问题转化为多项式求根过程,最后对参数进行配对实现二维DOA估计。该算法不仅直接对变换后的二维空间谱函数执行两次求根操作,避免了中间操作导致的性能下降,而且可以充分利用NPA所提供的扩大的阵列孔径,降低了计算复杂度,同时也无需虚拟化过程。
Description
技术领域
本发明涉及DOA估计方法领域,尤其涉及嵌套面阵下降维求根MUSIC的二维DOA估计方法。
背景技术
多个窄带信号源的波达方向估计是阵列信号处理中的一个基本课题,对无线通信、医学成像、雷达、声纳以及导航等各种工程应用也有着重大的意义。在传统阵列中,相邻单元之间的距离被限制在不大于半波长的范围内,以避免空间混叠,但是可能带来严重的互耦效应。并且由于DOA估计精度与阵列孔径呈正相关,有限的元素间距会对估计性能产生负面影响。在稀疏阵中的嵌套阵列具有等阵元数时孔径大、等孔径时阵元开销少、互耦误差小、布阵形式多样等多种优势,能够获得更高的阵列处理增益。
针对嵌套阵列结构的DOA估计方法中,在2D-MUSIC算法对嵌套阵进行计算的基础上,进一步提出了二维部分谱搜索(2D-PSS)方法,这大大减轻了二维全谱搜索(TSS)的计算负担。但是部分谱搜索方法虽然降低了一定的复杂度,但是因其仍然需要二维谱峰搜索,计算量依然很大,在实际工程中耗费的成本很高。所以又提出了将降维MUSIC方法与PSS方法相结合的方法,执行降维变换可以进一步降低复杂性。
在上述基于NPA的二维DOA估计方法的基础上,考虑把降维与求根MUSIC的方法结合运用在嵌套面阵上,这样可以进一步降低复杂度。
发明内容
本发明为解决上述技术问题采用以下技术方案:
提供一种嵌套面阵下降维求根MUSIC的二维DOA估计方法,首先根据接收信号的协方差矩阵计算噪声子空间,得到二维空间谱函数。然后,分离二维谱函数中的两个变量实现降维,将嵌套数组看作从均匀阵列中抽取得到,用多项式求根的方法分别求出一维多项式的根,这样将二维谱搜索转化为两个一维多项式求根操作,大大减少了二维谱峰搜索带来的巨大计算量。最后,将两组参数配对后,即可计算出DOA估计结果。此外,由于NPA中一定存在阵元间距为半波长的相邻阵元,所以NPA是无歧义的,不需要额外的解模糊操作,并且所提出的方法也可以减少虚拟化NPA的过程。
本发明特征在于具体包括以下步骤:
步骤2,对根据谱函数P(u,v)得到的多项式V(u,v)进行降维变换。
作为本发明提出的嵌套面阵下降维求根MUSIC的二维DOA估计方法,所述步骤1中计算噪声子空间En的步骤如下:
嵌套面阵的接收矩阵X可以表示为X=AS+N,其中是信号矩阵,是信号向量,L是快拍数,A表示NPA的方向矩阵,ay(uk)和ax(vk)分别表示沿y轴和x轴的方向向量, N表示NPA的接受噪声,这是均值为0方差为σ2的高斯白噪声。所以X的协方差矩阵可以使用进行估计。
然后对协方差矩阵进行特征值分解,可以得到:其中Λs和Λn都是对角矩阵,Λs对角线上的元素是K个较大的特征值,Λn的对角线上则是剩下的(T-K)个特征值,Es表示与K个最大特征值对应特征向量的信号子空间,En表示由剩下的(T-K)个特征向量组成的噪声子空间,K表示信源的个数,T表示NPA总的阵元个数。
作为本发明提出的嵌套面阵下降维求根MUSIC的二维DOA估计方法,所述步骤2中降维的步骤如下:
步骤2.1,求二维MUSIC的空间谱函数
步骤2.2,构造多项式V(u,v),对谱函数降维处理:
也可以写成:
根据矩阵乘积秩的关系,能够得到约束条件:所以,也就是说det{Q(u)}是非零多项式,因此,Q(u)是V(u,v)的一个因式,因为Q(u)只与变量u有关,所以det{Q(u)}=0的根可以使下面等式成立:
这样就可以通过一维多项式求根的方法来求得u的值,同理用类似的方法,可以得到v的估计值。
作为本发明提出的嵌套面阵下降维求根MUSIC的二维DOA估计方法,所述步骤3中求u和v的步骤如下:
步骤4.2,利用一维多项式求根方法分别估计u和v两个参数,把多项式重构为:
根据相同阵列孔径下NPA和UPA之间的对应关系,我们得到了:ax(v)=GaEx(v),其中更具体点说,把两个阵列x轴上的阵元根据它们在转向向量中的顺序进行编号,就是说用1~M1+M2对NPA在x轴上的阵元编号,用1~(M1+1)M2对UPA在x轴上的阵元编号。当NPA中的第i个阵元与UPA中的第j个阵元重合,则gij=1,否则gij=0,gij表示G中的第(i,j)个元素。这样类似的,还可以得到ay(u)=GaEy(u)。
相应地,转向向量可以重写为:
这样可以得到
u和v可以从离单位圆分布最近的K个根中获得,表示为:
作为本发明提出的嵌套面阵下降维求根MUSIC的二维DOA估计方法,所述步骤5中参数配对以及求出波达方向角的步骤如下:
步骤5.1,由于在之前的计算中,u和v两个根是分开求得的。故而首先进行参数配对,构建配对的成本函数其中表示和重构的方向矢量。对于每一个会有一个与它对应的使得Vk,i达到最小值,称这个与配对的为完成配对。
步骤5.2,可得信源方向的仰角和方位角分别为:
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.我们使用NPA代替UPA和CPA来进一步扩展阵列孔径并获得更好的估计结果。
2.我们采用降维求根MUSIC算法进行二维DOA估计。该算法将二维谱搜索的问题转化为两个一维估计问题,然后将一维估计问题转化为一维多项式的寻根问题,在保持估计精度的同时降低了算法的复杂度。
3.我们将嵌套阵列看作从具有相同阵列孔径的均匀阵列中提取得到,并使用多项式求根方法来处理该问题,避免了NPA的虚拟化过程,进一步降低了计算复杂度。
附图说明
图1为本发明提供的嵌套面阵下降维求根MUSIC的二维DOA估计方法的实现流程图;
图2为本发明嵌套面阵(NPA)的阵列结构模型图;
图3为本发明算法估计的波达方向散点图;
图4为各种不同算法在快拍数变化时的均方根误差比较图;
图5为各种不同算法在信噪比变化时的均方根误差比较图;
图6为不同嵌套面阵阵元数下所提算法估计的均方根误差比较图;
图7为不同快拍数下所提算法估计的均方根误差比较图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
如图1所示为嵌套面阵下降维求根MUSIC的二维DOA估计方法的实现流程图,由图2可知本算法采用的嵌套面阵的阵列结构,该NPA由二级嵌套线阵(NLA)扩展得到,也就是说,NPA的每一行和每一列都是一个二级NLA,这个NLA由两个均匀线性阵列串联而成,第一级均匀线阵由M1个阵元构成,阵元间距d1=λ/2,第二级由M2个阵元构成,阵元间距d2=(M1+1)λ/2,其中λ是波长。
与其他需要虚拟化且计算复杂度高的NPA方法不同,我们首先将二维谱搜索转换为两个一维搜索问题,然后利用一维多项式求根方法分别估计这两个参数,最后在完成参数匹配后,估计仰角和方位角的值来完成DOA估计。
如图3所示是使用所提算法DOA估计的散点图结果。仿真中假设嵌套面阵满足M1=2和M2=2。假设有K=6个信源分别从(θ1,φ1)=(5°,10°),(θ2,φ2)=(15°,20°),(θ3,φ3)=(25°,30°),(θ4,φ4)=(35°,40°),(θ5,φ5)=(45°,50°),(θ6,φ6)=(55°,60°)入射到面阵上,SNR=15dB,快拍数L=400。由图3可知该算法的二维DOA估计结果集中在设置的信源方向附近,可以估计出正确结果。
如图4和图5所示的仿真,比较了本发明所提的嵌套面阵中降维求根MUSIC算法与ESPRIT-NPA算法,UPA下的RD-ROOT-UPA算法和2D-PSS的DOA估计性能,为了保证阵元总数相同,用于对比的UPA为M×M=4×4。
图4表明,随着快拍数的增加,所有算法都获得了更好的估计结果,当信噪比为10dB时,2D-PSS算法的性能优于RD-ROOT-UPA和ESPRIT-NPA,因为谱峰搜索的性能将优于谱函数求根的方法,它也优于基于旋转不变性的ESPRIT方法。由于提出算法可以利用NPA提供的扩展阵列孔径和增加的自由度,因此获得了最佳的估计性能。
图5的结果表明,在保持快拍数L=200的情况下,当信噪比较低时,所提出的算法和ESPRRIT-NPA算法优于UPA的其他算法,这得益于NPA较大的阵列孔径。除此之外,2D-PSS算法由于谱峰搜索而获得了比RD-ROOT-UPA算法更好的性能。虽然随着信噪比的逐渐增大,ESPRRIT-NPA算法的性能变得比其他算法差,但提出算法仍然是最好的。
如图6所示为不同阵元数量的嵌套面阵采用本发明提出算法的DOA估计性能对比,其中K=2以及L=200。从图6中可以看出,由于随着阵元数量的增加,接收天线的分集增益增加,所以DOA估计性能得到改善。
如图7所示为不同的快拍数L下的DOA估计性能对比,其中M1=2、M2=2以及K=2。从图7可以看出,随着L的增加,DOA估计性能变得更好,因为快拍数越大,协方差矩阵越精确。
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 (6)
2.如权利要求1所述的嵌套面阵下降维求根MUSIC的二维DOA估计方法,其特征在于,步骤1)中:X=AS+N;
A为NPA嵌套面阵的方向矩阵,S为信号矩阵,N为NPA嵌套面阵均值为0,方差为σ2的高斯白噪声,sk(k=1,2,…,K)为信号向量,K表示信源的个数,L是快拍数,ay(uk)和ax(vk)分别为沿y轴和x轴的方向向量,M1和M2为阵元数,d1和d2为阵元间距;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210819052.6A CN115421098A (zh) | 2022-07-12 | 2022-07-12 | 嵌套面阵下降维求根music的二维doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210819052.6A CN115421098A (zh) | 2022-07-12 | 2022-07-12 | 嵌套面阵下降维求根music的二维doa估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115421098A true CN115421098A (zh) | 2022-12-02 |
Family
ID=84196963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210819052.6A Pending CN115421098A (zh) | 2022-07-12 | 2022-07-12 | 嵌套面阵下降维求根music的二维doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115421098A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500543A (zh) * | 2023-06-25 | 2023-07-28 | 河北大学 | 一种基于参考方向变换的来波角度快速估计方法 |
-
2022
- 2022-07-12 CN CN202210819052.6A patent/CN115421098A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500543A (zh) * | 2023-06-25 | 2023-07-28 | 河北大学 | 一种基于参考方向变换的来波角度快速估计方法 |
CN116500543B (zh) * | 2023-06-25 | 2023-09-05 | 河北大学 | 一种基于参考方向变换的来波角度快速估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106980106B (zh) | 阵元互耦下的稀疏doa估计方法 | |
CN107450047B (zh) | 嵌套阵下基于未知互耦信息的压缩感知doa估计方法 | |
CN108375751B (zh) | 多信源波达方向估计方法 | |
CN109490819B (zh) | 一种基于稀疏贝叶斯学习的离格波达方向估计方法 | |
CN109490820B (zh) | 一种基于平行嵌套阵的二维doa估计方法 | |
CN109375152B (zh) | 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法 | |
CN110197112B (zh) | 一种基于协方差修正的波束域Root-MUSIC方法 | |
CN107576931B (zh) | 一种基于协方差低维度迭代稀疏重构的相关/相干信号波达方向估计方法 | |
CN110082708A (zh) | 非均匀阵列设计和波达方向估计方法 | |
CN110244272B (zh) | 基于秩一去噪模型的波达方向估计方法 | |
CN111814096B (zh) | 基于子空间拟合的加权块稀疏恢复的mimo雷达定位方法 | |
CN111239678A (zh) | 一种基于l型阵列的二维doa估计方法 | |
CN110244258B (zh) | 用于双平行阵二维测向中扩展doa矩阵方法 | |
CN111965591B (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN110531312B (zh) | 一种基于稀疏对称阵列的doa估计方法和系统 | |
CN109696657B (zh) | 一种基于矢量水听器的相干声源定位方法 | |
CN113253192B (zh) | 一种用于非圆信号的互质线阵级联doa估计方法 | |
CN111337873A (zh) | 一种基于稀疏阵的doa估计方法 | |
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 | |
CN111983554A (zh) | 非均匀l阵下的高精度二维doa估计 | |
CN113567913A (zh) | 基于迭代重加权可降维的二维平面doa估计方法 | |
CN110895325B (zh) | 基于增强四元数多重信号分类的到达角估计方法 | |
CN113075610B (zh) | 一种基于互质极化阵列的差分阵列内插的doa估计方法 | |
CN115421098A (zh) | 嵌套面阵下降维求根music的二维doa估计方法 | |
Suleiman et al. | Search-free decentralized direction-of-arrival estimation using common roots for non-coherent partly calibrated arrays |
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 |