CN115792981A - 一种基于阵列天线的可见卫星探测方法 - Google Patents
一种基于阵列天线的可见卫星探测方法 Download PDFInfo
- Publication number
- CN115792981A CN115792981A CN202310064622.XA CN202310064622A CN115792981A CN 115792981 A CN115792981 A CN 115792981A CN 202310064622 A CN202310064622 A CN 202310064622A CN 115792981 A CN115792981 A CN 115792981A
- Authority
- CN
- China
- Prior art keywords
- matrix
- array antenna
- gradient
- visible
- detection method
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
Description
技术领域
本发明涉及阵列信号处理技术领域,尤其是涉及一种基于阵列天线的可见卫星探测方法。
背景技术
卫星信号捕获是一个包含可见卫星、多普勒频率和伪随机噪声码相位的三维搜索过程,其中,可见卫星的选择又是多普勒频率和伪随机噪声码相位捕获的前提。通常情况下,为了快速选择最优的卫星几何精度因子,应首先进行可见卫星的数目和角度联合估计。准确的可见卫星数目估计和角度估计直接影响到其他两个维度搜索的耗时和成功概率。
对于单天线的传统导航接收机,对可见卫星的数目估计和角度估计需要一些先验信息,如卫星星历表或隶书、接收机的大概位置等。然而,这些只有在基带信号处理完成后才能得到对应信息。特别是在没有卫星星历表或隶书辅助的冷启动模式下工作的卫星导航接收机,必须进行耗时的三维盲搜索。
目标信号角度估计通常是采用空间谱估计方法,如多重信号分类方法和旋转不变子空间方法,通过构建信号协方差矩阵,然后获得信号子空间或噪声子空间,进而估计出目标角度。目前常用的目标数估计方法主要有基于信息论准则的方法、盖尔圆盘法、平滑秩序列法和正则相关技术。研究利用阵列天线进行角度估计的文献有很多,但尚未有文献描述在混合高斯噪声存在的情况下,利用阵列天线进行可见卫星的数目和角度联合估计方法。
目前,研究可见卫星的数目和角度联合估计通常是在高斯噪声背景下进行研究的。然而,在实际工作中,不可避免的出现脉冲噪声、回波数据异常值等非高斯噪声情况。
发明内容
本发明的目的是提供一种基于阵列天线的可见卫星探测方法,解决了在混合高斯噪声存在的情况下,基于阵列天线的可见卫星的数目和角度联合估计问题,快速实现可见卫星的选择。
为实现上述目的,本发明提供了一种基于阵列天线的可见卫星探测方法,包括以下步骤:
S2、引入非光滑函数的次梯度理论,采用共轭次梯度技术,求解优化目标函数;
S3、采用迭代技术框架,完成卫星信号矩阵恢复,得到可见卫星数目和角度;
S4、仿真测试。
因此,本发明采用上述一种基于阵列天线的可见卫星探测方法,解决了在混合高斯噪声存在的情况下,基于阵列天线的可见卫星的数目和角度联合估计问题,快速实现可见卫星的选择。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1是本发明一种基于阵列天线的可见卫星探测方法基于阵列天线的可见卫星探测流程图;
图2是本发明一种基于阵列天线的可见卫星探测方法导向矢量矩阵和目标回波信号矩阵示意图;
图3是本发明一种基于阵列天线的可见卫星探测方法MSE随着正则化因子γ的变化曲线,μ=0.01;
图4是本发明一种基于阵列天线的可见卫星探测方法MSE随着步长参数μ的变化曲线,γ=5;
具体实施方式
以下通过附图和实施例对本发明的技术方案作进一步说明。
除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的主旨或基本特征的情况下,能够以其它的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其它实施方式。这些其它实施方式也涵盖在本发明的保护范围内。
还应当理解,以上所述的具体实施例仅用于解释本发明,本发明的保护范围并不限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明/发明的保护范围之内。
对于相关领域普通技术人员已知的技术、方法和设备可能不作为详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
本发明说明书中引用的现有技术文献所公开的内容整体均通过引用并入本发明中,并且因此是本发明公开内容的一部分。
实施例一
如图1所示,本发明提供了一种基于阵列天线的可见卫星探测方法,主要可以分为三个步骤,具体如下:
考虑Q个可见卫星信号,由M个天线阵元组成的相邻间距为d的均匀线性阵列接收,经过下变频、采样和量化,到达第M个天线单元的卫星信号可表示为
通常,在基带信号处理完成之前,目标的数量是未知的。然而,根据接收机中保存的卫星星历信息、接收机大概位置等先验信息,可以知道卫星的大概角度区域。因此,通过将阵列天线上的入射卫星信号排列成向量形式,表示转置操作,则阵列接收信号模型可写为
如图2所示,卫星信号数目和角度的联合估计问题被转化成卫星信号矩阵的恢复问题。具体的,对于导向矢量矩阵,由于采用M个天线,因此横向共有M行。纵向区间代表卫星可能在角度范围,被等间隔分成个角度,每列对应一个导向矢量。对于卫星信号矩阵,共有行,其中只有行有数据,即个卫星信号,卫星信号所在的角度在在整个角度区间具有空域稀疏特性。
在公式(6)中,如果噪声是高斯分布的,目前许多的算法都可以有效估计出矩阵。然而,在混合高斯噪声的情况下,这些算法的性能可能会显著下降。本发明引入矩阵的范数概念,来设计卫星信号矩阵恢复的优化目标函数。矩阵的范数表示为,其数学定义表达式如下
其中,γ为正则化因子,表示寻找一个变量,使得函数的取值最小,可有效抑制混合高斯噪声的影响,用来获得稀疏解。此外,在公式(8)中,通过改变正则化因子γ,我们可以得到目标函数的最优解。它也可以用来控制算法的收敛速度和稳态值。
观察公式(8)中的目标函数,可以发现其为凸函数,能够采用CVX优化工具箱来求解,但是计算复杂度会比较高,并且没有闭式解。下面采用共轭次梯度技术,推导出迭代闭式解析解,能够有效降低计算复杂度。
步骤二:引入非光滑函数的次梯度理论,采用共轭次梯度技术,求解优化目标函数
因此,公式(11)可以进一步简化为
步骤三:采用迭代技术框架,完成卫星信号矩阵恢复,得到可见卫星数目和角度
步骤四:仿真测试
下面对该发明提出的方法进行仿真测试。采用50阵元均匀线性阵列,相邻天线阵元间距为卫星信号半波长,假定有4颗可见卫星,卫星角度区间为,以等间隔划分,即。卫星信号信噪比为20dB,初始化为维随机矩阵。采用混合高斯噪声模型如下:
其中,,代表着第i个成分的比例,代表着第i个噪声成分的方差。在本发明中,,。卫星信号和混合高斯噪声时域样本数为100,估计的信号矩阵为,真实信号矩阵为,定义均方误差(Mean Square Error,MSE)为
综合图4、图5和图6,参数μ取0.01比较合适。
因此,本发明采用上述一种基于阵列天线的可见卫星探测方法,解决了在混合高斯噪声存在的情况下,基于阵列天线的可见卫星的数目和角度联合估计问题,快速实现可见卫星的选择。
最后应说明的是:以上实施例仅用以说明本发明的技术方案而非对其进行限制,尽管参照较佳实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对本发明的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (5)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310064622.XA CN115792981B (zh) | 2023-02-06 | 2023-02-06 | 一种基于阵列天线的可见卫星探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310064622.XA CN115792981B (zh) | 2023-02-06 | 2023-02-06 | 一种基于阵列天线的可见卫星探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115792981A true CN115792981A (zh) | 2023-03-14 |
CN115792981B CN115792981B (zh) | 2023-05-09 |
Family
ID=85429899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310064622.XA Active CN115792981B (zh) | 2023-02-06 | 2023-02-06 | 一种基于阵列天线的可见卫星探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115792981B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116450993A (zh) * | 2023-04-24 | 2023-07-18 | 哈尔滨工业大学 | 多测量向量卫星数据的处理方法、电子设备及存储介质 |
CN116680503A (zh) * | 2023-08-02 | 2023-09-01 | 深圳大学 | 双稀疏优化阵列天线的卫星信号稳健捕获方法及相关设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605820A (zh) * | 2013-09-12 | 2014-02-26 | 福州大学 | 基于l1范数模型的vlsi标准单元全局布局方法 |
CN104765919A (zh) * | 2015-04-01 | 2015-07-08 | 广西大学 | 非光滑凸优化模型子问题的建模方法 |
CN108600133A (zh) * | 2018-04-19 | 2018-09-28 | 深圳大学 | 一种基于阵列天线的欠定相位恢复方法 |
JP2019030623A (ja) * | 2016-11-15 | 2019-02-28 | 炭 親良 | ビームフォーミング方法、計測イメージング装置、及び、通信装置 |
CN111447037A (zh) * | 2020-03-03 | 2020-07-24 | 南京步微信息科技有限公司 | 共轭梯度的阵列抗干扰方法 |
EP3739356A1 (en) * | 2019-05-12 | 2020-11-18 | Origin Wireless, Inc. | Method, apparatus, and system for wireless tracking, scanning and monitoring |
CN112731486A (zh) * | 2020-12-24 | 2021-04-30 | 深圳大学 | 信号角度和信号频率的估计方法、装置、设备及存储介质 |
CN113721217A (zh) * | 2021-09-03 | 2021-11-30 | 深圳大学 | 一种基于梯度迭代的空域欠采样雷达信号恢复方法 |
CN113835107A (zh) * | 2021-09-22 | 2021-12-24 | 深圳大学 | 阵列卫星导航接收机的信号处理方法、装置及智能终端 |
CN114879231A (zh) * | 2022-05-26 | 2022-08-09 | 温州大学 | Gnss信号压缩捕获方法及装置、电子设备、存储介质 |
CN114978262A (zh) * | 2022-05-17 | 2022-08-30 | 东南大学 | 一种基于低分辨率相移器的多波束卫星通信鲁棒混合预编码方法 |
-
2023
- 2023-02-06 CN CN202310064622.XA patent/CN115792981B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605820A (zh) * | 2013-09-12 | 2014-02-26 | 福州大学 | 基于l1范数模型的vlsi标准单元全局布局方法 |
CN104765919A (zh) * | 2015-04-01 | 2015-07-08 | 广西大学 | 非光滑凸优化模型子问题的建模方法 |
JP2019030623A (ja) * | 2016-11-15 | 2019-02-28 | 炭 親良 | ビームフォーミング方法、計測イメージング装置、及び、通信装置 |
CN108600133A (zh) * | 2018-04-19 | 2018-09-28 | 深圳大学 | 一种基于阵列天线的欠定相位恢复方法 |
EP3739356A1 (en) * | 2019-05-12 | 2020-11-18 | Origin Wireless, Inc. | Method, apparatus, and system for wireless tracking, scanning and monitoring |
CN111447037A (zh) * | 2020-03-03 | 2020-07-24 | 南京步微信息科技有限公司 | 共轭梯度的阵列抗干扰方法 |
CN112731486A (zh) * | 2020-12-24 | 2021-04-30 | 深圳大学 | 信号角度和信号频率的估计方法、装置、设备及存储介质 |
CN113721217A (zh) * | 2021-09-03 | 2021-11-30 | 深圳大学 | 一种基于梯度迭代的空域欠采样雷达信号恢复方法 |
CN113835107A (zh) * | 2021-09-22 | 2021-12-24 | 深圳大学 | 阵列卫星导航接收机的信号处理方法、装置及智能终端 |
CN114978262A (zh) * | 2022-05-17 | 2022-08-30 | 东南大学 | 一种基于低分辨率相移器的多波束卫星通信鲁棒混合预编码方法 |
CN114879231A (zh) * | 2022-05-26 | 2022-08-09 | 温州大学 | Gnss信号压缩捕获方法及装置、电子设备、存储介质 |
Non-Patent Citations (3)
Title |
---|
ADITYA SETHI等: "Channel_Estimation_using_Approximate_Conjugate_Gradient_Pursuit_for_Hybrid_MIMO_System_in_Millimeter_Wave_Communication" * |
宋智慧: "基于矩阵秩最小化的稀疏阵列DOA估计方法研究" * |
王聪等: "基于共轭次梯度算法的磁传感器安装误差校正" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116450993A (zh) * | 2023-04-24 | 2023-07-18 | 哈尔滨工业大学 | 多测量向量卫星数据的处理方法、电子设备及存储介质 |
CN116450993B (zh) * | 2023-04-24 | 2023-12-12 | 哈尔滨工业大学 | 多测量向量卫星数据的处理方法、电子设备及存储介质 |
CN116680503A (zh) * | 2023-08-02 | 2023-09-01 | 深圳大学 | 双稀疏优化阵列天线的卫星信号稳健捕获方法及相关设备 |
CN116680503B (zh) * | 2023-08-02 | 2024-03-22 | 深圳大学 | 双稀疏优化阵列天线的卫星信号稳健捕获方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115792981B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115792981A (zh) | 一种基于阵列天线的可见卫星探测方法 | |
Ender | A brief review of compressive sensing applied to radar | |
Huang et al. | GMTI and parameter estimation for MIMO SAR system via fast interferometry RPCA method | |
CN110275166B (zh) | 基于admm的快速稀疏孔径isar自聚焦与成像方法 | |
Rambour et al. | From interferometric to tomographic SAR: A review of synthetic aperture radar tomography-processing techniques for scatterer unmixing in urban areas | |
CN106680815B (zh) | 基于张量稀疏表示的mimo雷达成像方法 | |
CN103091669B (zh) | 基于压缩感知的机动目标参数估计方法 | |
Williams et al. | Reconstruction from aperture-filtered samples with application to scatterometer image reconstruction | |
CN112346030B (zh) | 无人机群的超分辨波达方向估计方法 | |
Browne et al. | Fast optimization of through-wall radar images via the method of Lagrange multipliers | |
Greenewald et al. | Robust SAR STAP via Kronecker decomposition | |
CN111313943A (zh) | 深度学习辅助的大规模天线阵列下的三维定位方法及装置 | |
CN113721217A (zh) | 一种基于梯度迭代的空域欠采样雷达信号恢复方法 | |
CN113376569A (zh) | 基于最大似然的嵌套阵稀疏表示波达方向估计方法 | |
Tuuk et al. | Compressed sensing radar amid noise and clutter using interference covariance information | |
CN111812644A (zh) | 基于稀疏估计的mimo雷达成像方法 | |
CN114488217B (zh) | 基于深度学习的高轨卫星cei信号频率估计方法 | |
Demissie et al. | High-resolution range-Doppler processing by coherent block-sparse estimation | |
Liu et al. | Radio frequency interference suppression for landmine detection by quadrupole resonance | |
Chi | Sparse MIMO radar via structured matrix completion | |
Tao et al. | Guaranteed stability of sparse recovery in distributed compressive sensing MIMO radar | |
Zhu et al. | Multi-target counting and localization in distributed MIMO radar based on energy modeling and compressive sensing | |
CN116680503B (zh) | 双稀疏优化阵列天线的卫星信号稳健捕获方法及相关设备 | |
CN112946644A (zh) | 基于最小化卷积加权l1范数的稀疏孔径ISAR成像方法 | |
Zhao et al. | Three-Dimensional High-Resolution MIMO Radar Imaging via OFDM Modulation and Unitary ESPRIT |
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 |