CN115685113A - 一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法 - Google Patents
一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法 Download PDFInfo
- Publication number
- CN115685113A CN115685113A CN202211121139.2A CN202211121139A CN115685113A CN 115685113 A CN115685113 A CN 115685113A CN 202211121139 A CN202211121139 A CN 202211121139A CN 115685113 A CN115685113 A CN 115685113A
- Authority
- CN
- China
- Prior art keywords
- angle estimation
- angle
- snapshot
- method based
- received signal
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法,以大小为L的滑窗选择L个脉冲构成一组,通过移动滑窗形成多组脉冲,对每个脉冲组做FFT形成多个一维谱,取这些一维谱对应的谱峰就构成了多快拍数据,进而进行角度估计,该方法能够在不损失阵列孔径的情况下估计协方差矩阵;并且通过引入PR技术,通过对数据进行重采样测角,能够降低相邻快拍数据的相关性,提高DOA估计正确率。
Description
技术领域
本发明属于交通雷达技术领域,具体涉及一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法。
背景技术
交通雷达技术正在快速进步,目标分辨率逐渐由分米级提升到厘米级,检测维度逐渐由二维提高到三维。为了获取目标的三维坐标信息,需要估计目标距离和角度,而角度估计涉及雷达阵列天线和复杂的算法。
针对到达角(Direction of arrival,DOA)估计,多重信号分类(MUSIC)是DOA估计最重要的超分辨算法之一[1]。通过对协方差矩阵进行特征分解,得到互为正交关系的信号子空间和噪声子空间,以谱峰确定入射角。当信噪比提高,信号子空间和噪声子空间可以接近无限正交,所以该算法具备超分辨能力。然而,MUSIC算法需要进行谱峰搜索,导致计算量庞大。
为了减少计算量,学者们提出了不少改进算法,包括求根MUSIC(Root-MUISC)、酉变换求根MUSIC(Unitary Root-MUISC)和快速求根MUSIC等。其中,求根MUSIC利用信号子空间和噪声子空间正交性建立起多项式,用求根代替谱峰搜索,相对于MUSIC更直接、计算量更小,具有更好的实用性[3]。下面推导Root-MUSIC算法原理。
考虑K个波长为λ的远场窄带信号入射到阵元数为M的半波长均匀线阵。设入射角分别为θ1,θ2,…,θK,快拍数为N,接收信号为大小M×N的矩阵X,写作下式。
式中,S是K×N维的信号复包络矩阵,n是与信号无关的零均值高斯噪声,为M×N维矩阵,A(θ)=[a1 a2 … aK]是导向矢量矩阵,其中ak是导向矢量,与入射角θ和阵列有关。
ak=[1 exp(j2πd sin(θk) … exp(j2π(M-1)d sin(θk)]T
接收信号的协方差矩阵R为
对协方差矩阵R进行特征分解:
式中,R的所有特征值从大到小排序,前K个大特征值为λi,i=1,2,…,K,剩下M-K个小特征值为λj,j=K+1,K+2,…,M,ei和ej分别为λi和λj对应的特征向量。定义Us为大特征值对应的特征向量张成的信号子空间,UN是小特征值对应的特征向量张成的噪声子空间。理想条件下,信号子空间和噪声子空间是相互正交的,那么信号子空间的导向矢量和噪声子空间正交,即
aH(θ)UN=0
MUSIC算法正是基于该等式展开的。通过下式形成MUSIC算法谱峰函数P(θ)
通过搜索谱峰确定DOA。为了避免搜索,Root-MUSIC是一种用求根多项式替代谱峰搜索的MUSIC算法。定义下式:
f(z)=pH(z)UNUN Hp(z)
其中,p(z)=[1 z … zM-1]T,该多项式的根为z=exp(j2πd sin(θ)/λ)。可知,多项式的根与入射角θ相关,通过求根即可完成DOA估计。
一般来说,N越大且信噪比越高对R估计得越准确。所以,这是影响MUSIC算法性能的关键因素。
一般多脉冲交通雷达对回波使用快速傅里叶变换(FFT)以谱峰搜索的方式先进行速度维和距离维参数估计。然后,输入M个阵元的谱峰进行角度估计,Root-MUSIC算法接收信号矩阵X快拍数N为1,即单快拍,如下所示:
X=[x1 x2 … xM]T
在单快拍情况下,原协方差矩阵的计算方法得到的R秩为1,这会影响后续进行特征分解求UN。因此,有学者针对单快拍情况下构建协方差矩阵提出了新的方法。最经典的是[2]提出的方法,将阵列划分为阵元个数为L的子阵,以子阵的接收信号重建协方差矩阵实现DOA估计,如下所示:
上式协方差矩阵的尺寸是(M-L+1)×L,相比于多快拍协方差矩阵尺寸M×M变小了,等价于原M个阵元的天线阵列孔径损失,意味着雷达角度分辨率下降,这是目前单快拍算法的主要缺陷。
基于单快拍的DOA估计算法数据量少,鲁棒性差,且部分算法构造协方差矩阵降低了协方差矩阵的维度,即损失了阵列有效孔径降低了雷达角度分辨率。
假设多脉冲交通雷达发射N个脉冲,如前所述,交通雷达的算法处理流程是先在距离维和速度维使用FFT形成距离-多普勒二维谱,再使用恒虚警检测算法(Constant FalseAlarm Rate Detector,CFAR)检测谱峰确定目标距离和速度,以M个阵元的对应谱峰作为后续测角算法的输入。在做完速度维FFT后进行测角的单快拍法使得回波信号信噪比提升了10lg(N)dB。但是单快拍算法由于数据量少,需要以XM×1低维矩阵构造协方差矩阵R,一些算法是以损失阵列孔径降低角度分辨率为代价的。
发明内容
有鉴于此,本发明的目的是提供一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法,能够在不损失阵列孔径的情况下估计协方差矩阵,并进一步提高DOA估计正确率。
一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法,包括:
对雷达天线的每个阵元的N个回波脉冲,以大小为L×1的滑窗选择L个脉冲构成一组,其中,L<N;然后对每一组脉冲做FFT形成一维谱;移动滑窗构成多个脉冲组,分别做FFT后,得到多个一维谱,通过取各脉冲组一维谱对应位置的谱峰构成多快拍,然后将所有雷达天线阵元的快拍构成接收信号矩阵X,用接收信号矩阵X进行角度估计。
进一步的,用接收信号矩阵X进行角度估计后,如果估计的角度不满足设定条件,则对接收信号矩阵X添加高斯噪声,得到新的接收信号矩阵Y,由此进行角度估计。
较佳的:
Y=X+np
其中,M表示雷达天线的阵元数量;K为信源数量,λj是协方差矩阵R的M-K+1个小特征值,其中协方差矩阵R通过式R=E{XXH}计算得到。
较佳的,多次对接收信号矩阵X添加高斯噪声,每次得到的矩阵Y作为接收信号矩阵重新进行角度估计,定义第i次添加高斯噪声时对应的角度估计值如下:
则多次添加对应的角度估计值如下:
其中,p表示添加高斯噪声的次数;
本发明具有如下有益效果:
针对单快拍算法数据量少以及单快拍算法构建协方差矩阵损失阵列孔径的问题,本发明提出了基于多脉冲合成快拍的交通雷达超分辨角度估计方法,以大小为L的滑窗选择L个脉冲构成一组,通过移动滑窗形成多组脉冲,对每个脉冲组做FFT形成多个一维谱,取这些一维谱对应的谱峰就构成了多快拍数据,进而进行角度估计,该方法能够在不损失阵列孔径的情况下估计协方差矩阵;
并且通过引入PR技术,通过对数据进行重采样测角,能够降低相邻快拍数据的相关性,提高DOA估计正确率。
附图说明
图1为本发明的基于多脉冲合成快拍的示意图;
图2为本发明的基于多脉冲合成快拍的交通雷达超分辨角度估计方法的流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提出一种FFT构造多快拍方法,在N个脉冲中选择多个脉冲为一组,做FFT取峰值形成单拍,选择多组构成多拍,能够在保证回波信号一定信噪比的情况下构造多快拍数据,不必降低协方差矩阵尺寸损失阵列孔径。
实施例1:
对雷达天线的第m个阵元的N个回波脉冲分别做距离维FFT,其中,m=1,2,...,M,回波如果有目标会在同一距离上形成N个谱峰。单快拍方法会以这N个谱峰做速度维FFT再取峰值构成单拍。而本发明提出脉冲组的方法,以大小为L×1(L<N)的滑窗选择L个脉冲(即L个谱峰)构成一组,然后做FFT形成一维谱,移动滑窗构成多个脉冲组,两个滑窗之间的间隔为s(s≤L)。通过取不同脉冲组一维谱对应位置的谱峰构成多快拍,操作示意图1所示。
实施例2:
在上述实施例1的基础上,当s<L时,相邻滑窗选择数据有重叠,为了减少相邻快拍间数据相关性的影响,引入伪噪声重采样(PR技术)。该技术根据数据信息,人为地在接收信号矩阵X数据中加入高斯噪声。通过给快拍数据增加伪噪声,扰动数据原噪声,提高对协方差矩阵的估计准确性。并且,当数据信噪比低、快拍数量少时协方差矩阵估计不准确,Root-MUISC算法会将一些离群值作为DOA估计值。通过PR技术对噪声进行扰动,可以增加正确DOA估计的概率。
PR技术添加计算机生成的高斯噪声到数据中,即:
Y=X+np,Y
其中,K为信源数量,λj是协方差矩阵R的M-K+1个小特征值,其中协方差矩阵R根据实施例1中得到的接收信号矩阵X通过式R=E{XXH}计算得到。
Root-MUSIC算法从构造的多快拍数据进行DOA估计后,需要依据一定准则来验证估计值是否符合要求。并且依此来判断是否应用PR技术对X进行重采样。定义如下假设检验:
当直接进行DOA估计输出不满足假设时,利用PR技术进行p次重采样,分别将Y作为接收信号矩阵用Root-MUSIC进行DOA估计。定义第i次重采样输出DOA估计值如下:
定义p次重采样DOA估计值如下:
子集针对第j个入射角θj的DOA估计值有两种可能,一种是部分或者全部落在可信区内,一种是全部落在可信区外。第一种情况可以把落在可信区内的DOA估计值取平均作为最后的输出。第二种情况则把所有估计值取平均作为输出,这样能够接近真实值。
Root-MUSIC算法需要已知信源数K,可以使用Akaike信息论(AIC)准则、最小描述长度(MDL)准则和有效检测(EDC)准则等方法进行估计,这里不展开讨论。所提出的完整算法流程图2所示。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法,其特征在于,包括:
对雷达天线的每个阵元的N个回波脉冲,以大小为L×1的滑窗选择L个脉冲构成一组,其中,L<N;然后对每一组脉冲做FFT形成一维谱;移动滑窗构成多个脉冲组,分别做FFT后,得到多个一维谱,通过取各脉冲组一维谱对应位置的谱峰构成多快拍,然后将所有雷达天线阵元的快拍构成接收信号矩阵X,用接收信号矩阵X进行角度估计。
2.如权利要求1所述的一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法,其特征在于,用接收信号矩阵X进行角度估计后,如果估计的角度不满足设定条件,则对接收信号矩阵X添加高斯噪声,得到新的接收信号矩阵Y,由此进行角度估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211121139.2A CN115685113B (zh) | 2022-09-15 | 2022-09-15 | 一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211121139.2A CN115685113B (zh) | 2022-09-15 | 2022-09-15 | 一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115685113A true CN115685113A (zh) | 2023-02-03 |
CN115685113B CN115685113B (zh) | 2023-07-14 |
Family
ID=85063341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211121139.2A Active CN115685113B (zh) | 2022-09-15 | 2022-09-15 | 一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115685113B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104678372A (zh) * | 2015-03-14 | 2015-06-03 | 西安电子科技大学 | 正交频分复用雷达超分辨距离与角度值联合估计方法 |
CN106872969A (zh) * | 2017-03-22 | 2017-06-20 | 西安电子科技大学 | 基于mtd脉冲积累及滑动处理的雷达目标角度估计方法 |
CN107576953A (zh) * | 2017-09-12 | 2018-01-12 | 成都理工大学 | 基于互质mimo阵列的相干与非相干混合目标doa估计方法 |
CN107966677A (zh) * | 2017-11-16 | 2018-04-27 | 黑龙江工程学院 | 一种基于空间稀疏约束的圆阵模态域方位估计方法 |
CN108414993A (zh) * | 2018-02-13 | 2018-08-17 | 西安电子科技大学 | 基于重采样的cold阵列波达方向和极化参数联合估计方法 |
CN109471086A (zh) * | 2018-10-18 | 2019-03-15 | 浙江大学 | 基于多采样快拍和集阵列信号离散傅里叶变换的互质mimo雷达波达方向估计方法 |
CN110501682A (zh) * | 2019-09-29 | 2019-11-26 | 北京润科通用技术有限公司 | 一种车载雷达测量目标方位角的方法及车载雷达 |
CN114895261A (zh) * | 2022-04-07 | 2022-08-12 | 西安电子科技大学 | 基于多频子脉冲编码阵列的杂波抑制方法 |
-
2022
- 2022-09-15 CN CN202211121139.2A patent/CN115685113B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104678372A (zh) * | 2015-03-14 | 2015-06-03 | 西安电子科技大学 | 正交频分复用雷达超分辨距离与角度值联合估计方法 |
CN106872969A (zh) * | 2017-03-22 | 2017-06-20 | 西安电子科技大学 | 基于mtd脉冲积累及滑动处理的雷达目标角度估计方法 |
CN107576953A (zh) * | 2017-09-12 | 2018-01-12 | 成都理工大学 | 基于互质mimo阵列的相干与非相干混合目标doa估计方法 |
CN107966677A (zh) * | 2017-11-16 | 2018-04-27 | 黑龙江工程学院 | 一种基于空间稀疏约束的圆阵模态域方位估计方法 |
CN108414993A (zh) * | 2018-02-13 | 2018-08-17 | 西安电子科技大学 | 基于重采样的cold阵列波达方向和极化参数联合估计方法 |
CN109471086A (zh) * | 2018-10-18 | 2019-03-15 | 浙江大学 | 基于多采样快拍和集阵列信号离散傅里叶变换的互质mimo雷达波达方向估计方法 |
CN110501682A (zh) * | 2019-09-29 | 2019-11-26 | 北京润科通用技术有限公司 | 一种车载雷达测量目标方位角的方法及车载雷达 |
CN114895261A (zh) * | 2022-04-07 | 2022-08-12 | 西安电子科技大学 | 基于多频子脉冲编码阵列的杂波抑制方法 |
Non-Patent Citations (8)
Title |
---|
CHENG WANG: "Synthetic aperture processing for wireless communication signals with passive moving array", 《MULTIDIMENSIONAL SYSTEMS AND SIGNAL PROCESSING》, pages 1491 * |
VOLODYMYR VASYLYSHYN: "Removing the outliers in root-music via pseudo-noise resampling and conventional beamformer", pages 3423 - 3429 * |
刘建虎;连红飞;陈桥;袁仕鑫: "一种脉间相位编码波形高旁瓣抑制方法", 《弹箭与制导学报》, pages 132 - 136 * |
洪升;万显荣;易建新;柯亨玉;: "基于单次快拍的双基地MIMO雷达多目标角度估计方法", 电子与信息学报, no. 05 * |
蒋留兵 等: "基于稀疏贝叶斯学习的低信噪比DOA估计算法", pages 218 - 222 * |
贺涛: "大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 136 - 45 * |
贺超: "高频地波雷达海杂波抑制与目标检测技术研究", pages 43 - 44 * |
陈涛;崔岳寒;黄湘松;: "基于短快拍的捷变频信号DOA估计算法", 天津大学学报(自然科学与工程技术版), no. 08 * |
Also Published As
Publication number | Publication date |
---|---|
CN115685113B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109975807B (zh) | 一种适用于毫米波车载雷达的降维子空间测角方法 | |
US5945940A (en) | Coherent ultra-wideband processing of sparse multi-sensor/multi-spectral radar measurements | |
Paulraj et al. | A subspace rotation approach to signal parameter estimation | |
CN108549059B (zh) | 一种复杂地形条件下的低空目标仰角估计方法 | |
EP2453258B1 (en) | Radar device | |
CN110501682B (zh) | 一种车载雷达测量目标方位角的方法及车载雷达 | |
CN109581352B (zh) | 一种基于毫米波雷达的超分辨测角系统 | |
CN114270216A (zh) | 一种强杂波下fmcw阵列雷达运动多目标弱信号检测方法、装置、计算机设备及存储介质 | |
CN101487888B (zh) | 一种空间谱谱峰搜索方法 | |
CN107783078B (zh) | 一种波束-多普勒酉esprit多目标角度估计方法 | |
CN109471063B (zh) | 基于延迟快拍的均匀线列阵高分辨波达方向估计方法 | |
Heidenreich et al. | Fast maximum likelihood DOA estimation in the two-target case with applications to automotive radar | |
CN111142063B (zh) | 一种基于降维优化的快速压缩感知低空目标测角方法 | |
CN112612010A (zh) | 一种基于波瓣分裂预处理的米波雷达低仰角测高方法 | |
CN109633521B (zh) | 基于子空间重构的面阵二维波达方向估计方法 | |
CN108490425B (zh) | 一种双基地mimo雷达的测角方法 | |
Ma et al. | A novel ESPRIT-based algorithm for DOA estimation with distributed subarray antenna | |
Zhang et al. | Gridless super-resolution sparse recovery for non-sidelooking STAP using reweighted atomic norm minimization | |
Chen et al. | A beamspace maximum likelihood algorithm for target height estimation for a bistatic MIMO radar | |
CN115685113B (zh) | 一种基于多脉冲合成快拍的交通雷达超分辨角度估计方法 | |
CN113820654B (zh) | 基于波束域降维的s波段雷达目标低仰角doa估计方法 | |
CN113671485B (zh) | 基于admm的米波面阵雷达二维doa估计方法 | |
CN116338618A (zh) | 一种面向离网目标的稀疏重构仰角估计方法 | |
CN113625265B (zh) | 基于波束空间的方位超分辨方法 | |
CN112882007B (zh) | 基于稀布阵雷达的单脉冲多目标超分辨测角实现方法 |
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 |