CN116500541A - 目标波达角度的估计方法、装置、电子设备及存储介质 - Google Patents
目标波达角度的估计方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116500541A CN116500541A CN202310786660.6A CN202310786660A CN116500541A CN 116500541 A CN116500541 A CN 116500541A CN 202310786660 A CN202310786660 A CN 202310786660A CN 116500541 A CN116500541 A CN 116500541A
- Authority
- CN
- China
- Prior art keywords
- target
- matrix
- signal
- parameter
- array
- 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
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 100
- 238000013139 quantization Methods 0.000 claims abstract description 75
- 238000013507 mapping Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 122
- 238000005070 sampling Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 description 13
- 239000000243 solution Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 208000036758 Postinfectious cerebellitis Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 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
- 239000011148 porous material Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G01S3/04—Details
- G01S3/10—Means for reducing or compensating for quadrantal, site, or like errors
-
- 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
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请提供了一种目标波达角度的估计方法、装置、电子设备及存储介质,涉及信号处理技术领域,估计方法包括:在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;将所述输出信号进行低比特量化,得到量化结果;将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。采用本申请提供的技术方案能够在节省功耗降低成本的同时保证DOA估计精度。
Description
技术领域
本申请涉及信号处理技术领域,尤其是涉及一种目标波达角度的估计方法、装置、电子设备及存储介质。
背景技术
目标波达角度(Direction Of Arrival,DOA)估计即获取信号来波方向,是阵列信号处理的主要研究内容之一,在目标定位、语音处理、雷达和通信等领域发挥着十分重要的作用。为保证DOA估计精度,天线阵列系统中通常采用高精度模数转换器(Analog toDigital Converter,ADC)对接收信号进行采样和量化。
目前,随着天线阵列规模的不断扩大和电磁波频段的不断提高,高精度ADC由于在能耗、成本、采样率、数据存储和处理、系统设计和小型化等方面的缺陷成为制约DOA估计相关应用发展的主要因素。与高精度ADC相比,低精度ADC具有价格便宜、能耗低、采样速率易于提升等优点,因此低比特量化被视作降低天线阵列系统成本、功耗和复杂度的有效手段。低比特量化最简便也最广泛的做法是直接用低精度ADC对接收信号进行采样并在数字域进行信号处理,然而这样做不仅无法获得准确的原信号,并且在总比特数受限的情况下,还需要浪费量化资源去量化接收信号。因此,如何在节省功耗降低成本的同时保证DOA估计精度,成为了亟待解决的问题。
发明内容
有鉴于此,本申请的目的在于提供一种目标波达角度的估计方法、装置、电子设备及存储介质,通过在低比特量化前增加模拟域处理部分,利用基于二次映射的模拟域处理对稀疏阵列接收信号进行空域和时域上的融合,然后再进行低精度采样,最后通过数字域处理实现无网格化DOA估计。通过合理设计模拟域和数字域的处理,可以在节省功耗降低成本的同时保证DOA估计精度。
本申请主要包括以下几个方面:
第一方面,本申请实施例提供了一种目标波达角度的估计方法,所述估计方法包括:
在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;其中,所述M为正整数;
将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;
将所述输出信号进行低比特量化,得到量化结果;
将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
进一步的,通过以下步骤得到量化结果:
获取预先确定的动态范围以及量化比特数,并将所述动态范围以及量化比特数构成的量化规则确定为实均匀量化器;
通过实均匀量化器确定复均匀量化器;
获取实部和虚部均在预设范围内均匀分布的抖动信号,将所述抖动信号与所述输出信号叠加,得到叠加信号;
采用复均匀量化器对所述叠加信号进行低比特采样,得到复均匀量化器的量化结果。
进一步的,所述将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度的步骤,包括:
将所述量化结果与预先确定的数字滤波器的表达式的乘积,确定为第一参数;
获取接收信号协方差的上三角元素的期望值,将所述第一参数与所述接收信号协方差的上三角元素的期望值的加和,确定为接收信号协方差的上三角元素的估计值;
基于所述估计值,得到稀疏阵列接收信号的协方差矩阵估计;
从所述稀疏阵列接收信号的协方差矩阵估计中,构造出与所述稀疏阵列具有相同孔径的均匀阵的协方差矩阵;
对所述协方差矩阵进行无网格化处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
进一步的,所述对所述协方差矩阵进行无网格化处理,得到所述空间目标针对所述稀疏阵列的目标波达角度的步骤,包括:
对所述协方差矩阵进行特征值分解,得到按降序排列的特征值构成的第一对角矩阵以及特征向量构成的特征向量矩阵;
在所述特征向量矩阵中,确定出前预设个数的特征值所对应的目标特征向量,并利用所述目标特征向量构建信号子空间;
将所述信号子空间中的前N行目标特征向量,确定为第一矩阵;其中,N为所述稀疏阵列中第M个阵元所在的位置;
将所述信号子空间中的后N行目标特征向量,确定为第二矩阵;
将所述第一矩阵的逆矩阵与所述第二矩阵的乘积,确定为第三矩阵;
对所述第三矩阵进行特征值分解,得到目标特征值;
利用所述目标特征值,得到所述空间目标针对所述稀疏阵列的目标波达角度。
进一步的,所述利用所述目标特征值,得到所述空间目标针对所述稀疏阵列的目标波达角度的步骤,包括:
利用所述目标特征值,将所述目标特征值的自然对数,确定为第二参数;
对所述第二参数取虚部,得到第三参数;
将所述第三参数与圆周率的比值,确定为第四参数;
将所述第四参数的反正弦函数的值,确定为所述空间目标针对所述稀疏阵列的目标波达角度。
进一步的,通过以下步骤确定数字滤波器的表达式:
获取预设条件,基于所述预设条件确定满足所述预设条件的第一预设参数;
基于所述第一预设参数,确定第二对角矩阵;
基于所述第二对角矩阵,确定模拟处理矩阵;
基于所述模拟处理矩阵以及预先确定的动态范围,确定数字滤波器的表达式。
进一步的,通过以下步骤确定动态范围:
获取第二预设参数以及量化比特数中的比特参数;
基于所述第二预设参数以及量化比特数中的比特参数,确定第五参数;
获取模拟域的输出通道数,并将所述第五参数与所述输出通道数的比值,确定为第六参数;
将所述第六参数开根号,得到动态范围。
第二方面,本申请实施例还提供了一种目标波达角度的估计装置,所述估计装置包括:
获取模块,用于在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;其中,所述M为正整数;
第一处理模块,用于将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;
第二处理模块,用于将所述输出信号进行低比特量化,得到量化结果;
第三处理模块,用于将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的目标波达角度的估计方法的步骤。
第四方面,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上存储有计算机程序,所述计算机程序被处理器运行时执行如上述的目标波达角度的估计方法的步骤。
本申请实施例提供的一种目标波达角度的估计方法、装置、电子设备及存储介质,所述估计方法包括:在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;其中,所述M为正整数;将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;将所述输出信号进行低比特量化,得到量化结果;将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
这样,采用本申请提供的技术方案通过在低比特量化前增加模拟域处理部分,利用基于二次映射的模拟域处理对稀疏阵列接收信号进行空域和时域上的融合,然后再进行低精度采样,最后通过数字域处理实现无网格化DOA估计。通过合理设计模拟域和数字域的处理,可以在节省功耗降低成本的同时保证DOA估计精度。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种目标波达角度的估计方法的流程图;
图2示出了本申请实施例所提供的另一种目标波达角度的估计方法的流程图;
图3示出了本申请实施例所提供的一种估计目标波达角度的流程示意图;
图4示出了本申请实施例所提供的一种目标波达角度的估计装置的结构图之一;
图5示出了本申请实施例所提供的一种目标波达角度的估计装置的结构图之二;
图6示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,应当理解,本申请中的附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“目标波达角度的确定”,给出以下实施方式,对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。
本申请实施例下述方法、装置、电子设备或计算机可读存储介质可以应用于任何需要估计目标波达角度的场景,本申请实施例并不对具体的应用场景作限制,任何使用本申请实施例提供的一种目标波达角度的估计方法、装置、电子设备及存储介质的方案均在本申请保护范围内。
值得注意的是,目标波达角度(Direction Of Arrival,DOA)估计即获取信号来波方向,是阵列信号处理的主要研究内容之一,在目标定位、语音处理、雷达和通信等领域发挥着十分重要的作用。为保证DOA估计精度,天线阵列系统中通常采用高精度模数转换器(Analog to Digital Converter,ADC)对接收信号进行采样和量化。然而,随着天线阵列规模的不断扩大和电磁波频段的不断提高,高精度ADC由于在能耗、成本、采样率、数据存储和处理、系统设计和小型化等方面的缺陷成为制约DOA估计相关应用发展的主要因素。为了缓解上述问题,考虑采用低精度ADC对信号进行采样,例如,利用最大似然准则和协方差矩阵的结构特性从单比特量化数据中估计出无量化情况下的协方差矩阵,然后再进行DOA估计,仿真结果表明该方法的性能相比于已有的方法更接近无量化情况;还可以利用最大似然准则和无噪协方差矩阵的低秩特性从低比特量化数据中恢复出无噪协方差矩阵,然后对其进行多重信号分类(Multiple Signal Classification,MUSIC)算法处理,仿真结果表明该方法相比于直接对低比特量化数据采用MUSIC算法有明显的性能提升。显然,相关研究表明,采用低比特量化不仅可以有效降低系统成本、功耗和复杂度,还可以保证DOA估计性能不会因为粗糙量化而显著降低。
目前,与高精度ADC相比,低精度ADC具有价格便宜、能耗低、采样速率易于提升等优点,因此低比特量化被视作降低天线阵列系统成本、功耗和复杂度的有效手段。低比特量化最简便也最广泛的做法是直接用低精度ADC对接收信号进行采样并在数字域进行信号处理,然而这样做不仅无法获得准确的原信号,而且忽略了一个事实:在大部分信号处理中,量化的目的不是恢复原信号,而是提取其中的某些低维参数信息。这意味着,在总比特数受限的情况下,不应该浪费量化资源去量化接收信号,而是有必要针对具体的信号处理任务设计合适的量化方式,即基于任务量化。因此,如何在节省功耗降低成本的同时保证DOA估计精度,成为了亟待解决的问题。
基于此,本申请提出了一种目标波达角度的估计方法、装置、电子设备及存储介质,所述估计方法包括:在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;其中,所述M为正整数;将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;将所述输出信号进行低比特量化,得到量化结果;将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
这样,采用本申请提供的技术方案通过在低比特量化前增加模拟域处理部分,利用基于二次映射的模拟域处理对稀疏阵列接收信号进行空域和时域上的融合,然后再进行低精度采样,最后通过数字域处理实现无网格化DOA估计。通过合理设计模拟域和数字域的处理,可以在节省功耗降低成本的同时保证DOA估计精度。
为便于对本申请进行理解,下面将结合具体实施例对本申请提供的技术方案进行详细说明。
请参阅图1,图1为本申请实施例所提供的一种目标波达角度的估计方法的流程图,如图1中所示,所述估计方法包括:
S101、在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;
该步骤中,其中,M为正整数;考虑个载波波长为/>的远场、窄带信号,分别从不同方向/>入射到一个包含/>个天线单元的线性阵列,其中第/>个阵元的位置为/>,/>为每个阵元的最小间隔,/>为非负整数,且有/>,/>。由于信号到达不同阵元的波程差不同,所以天线阵列的接收信号/>可表示为:
其中,为时间索引,/>表示快拍数(采样个数),表示导向矢量,表示相应的导向矩阵。/>表示信号入射角度矢量。/>、/>、/>和/>分别表示阵元接收信号、无噪情况下的阵元接收信号、源信号和加性噪声。/>的矩阵形式为。
这里,若阵元分布不同,将形成不同的阵列。当,阵列称为均匀阵;当阵元以/>的整数倍间隔随机分布,则称为稀疏阵。值得注意的是,一个包含/>个阵元的稀疏线阵可视作包含/>个阵元的均匀线阵的抽取,其中/>,因此两者孔径相同且满足如下关系:
其中,是与稀疏阵具有相同孔径的均匀线阵的导向矩阵,/>。是行选择矩阵,假设/>为/>维的单位矩阵,则/>的第/>行为/>的第行。另外,稀疏阵列接收信号/>的协方差矩阵可以表示为:
其中,表示期望,/>表示入射信号的协方差矩阵,其中/>,/>代表第/>个入射信号的功率,/>为构造对角阵的函数,/>为噪声功率。/>是均匀阵列的协方差矩阵。
这里,在相同阵元数下,稀疏阵列具有比均匀阵列更好的DOA估计性能,所以本实施例采用稀疏阵列。最常见的稀疏阵列有互质阵和嵌套阵,互质阵的阵元排布为:
其中,和/>为互质的正整数;嵌套阵的阵元排布为:
其中,和/>是正整数,相同阵元数下,嵌套阵的自由度比互质阵更高。
S102、将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;
该步骤中,在传统的阵列信号处理中,无论信号处理的任务是什么,接收信号都直接被ADC采样、量化成数字表示,然后再进行全数字处理。这种做法在高精度量化的前提下是没有问题的,因为高精度ADC可以近似获得接收信号的无失真表示,而低精度ADC却没有这样的能力,为此有必要根据具体的信号处理任务合理分配有限的量化资源。所以,在本实施例中先对天线接收到的信号进行模拟域处理,即:
其中,表示模拟处理映射,/>为模拟输出通道数,/>为模拟域处理输出,即模拟域的输出信号。
S103、将所述输出信号进行低比特量化,得到量化结果;
该步骤中,采用低精度ADC对模拟域输出信号进行采样。为了后续分析方便,可以采用非减法均匀抖动量化器对信号进行低比特采样,因为当输入信号不超过量化器动态范围时,非减法抖动量化器的输出可以看作输入信号和与输入不相关的零均值加性白噪声之和。对于输入信号服从高斯分布的非抖动均匀量化器,也近似遵从这一统计特性。
需要说明的是,请参阅图2,图2为本申请实施例所提供另一种目标波达角度的估计方法的流程图,如图2中所示,通过以下步骤得到量化结果:
S201、获取预先确定的动态范围以及量化比特数,并将所述动态范围以及量化比特数构成的量化规则确定为实均匀量化器;
该步骤中,动态范围为、量化比特数为/>,其量化规则为:
其中,为划分索引,/>为量化器的输入参数,/>表示动态范围为/>、量化比特数为/>、量化间隔为/>的实均匀量化器,/>的定义如下:
这里,为了避免因输入信号超出量化器动态范围导致的额外误差,一般设置为量化器输入信号的最大标准差的/>倍,即:
其中表示期望,/>表示列向量的第/>个元素。特别地,当量化器输入服从复高斯分布,令/>能保证量化器过载的概率小于/>。
需要说明的是,通过以下步骤确定动态范围:
一、获取第二预设参数以及量化比特数中的比特参数;
该步骤中,第二预设参数是上述步骤S201中的倍数参数,比特参数是量化比特数中的/>。
二、基于所述第二预设参数以及量化比特数中的比特参数,确定第五参数;
该步骤中,确定第五参数的公式如下:
三、获取模拟域的输出通道数,并将所述第五参数与所述输出通道数的比值,确定为第六参数;
四、将所述第六参数开根号,得到动态范围。
在上述步骤三至四中,从步骤S102中可知,模拟域的输出通道数为,确定动态范围的公式如下:
其中,为动态范围,/>为第六参数。
S202、通过实均匀量化器确定复均匀量化器;
该步骤中,通过以下公式确定复均匀量化器:
其中,为步骤S201确定的实均匀量化器,/>为取实部操作,/>为取虚部操作。
S203、获取实部和虚部均在预设范围内均匀分布的抖动信号,将所述抖动信号与所述输出信号叠加,得到叠加信号;
该步骤中,给输入信号添加一个实部和虚部在内均匀分布的抖动信号,将输出信号/>与抖动信号/>进行叠加,得到叠加信号。
S204、采用复均匀量化器对所述叠加信号进行低比特采样,得到复均匀量化器的量化结果。
该步骤中,对叠加信号进行均匀量化,量化结果可以用以下公式表示:
S104、将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
该步骤中,需要经过数字域处理输出DOA估计。事实上,由于接收信号和DOA之间的关系比较复杂,所以很难通过较为简单的数字处理直接获得DOA。为此,可以将数字域处理分为两部分,第一部分包含一个线性数字滤波器,用于从量化数据中获得某一中间量/>的估计,第二部分用于从中间量的估计/>中获得DOA估计。为了实现无网格化DOA估计,假设中间量为接收信号的协方差矩阵,由于协方差矩阵的Hermitian性质,可以将/>设为接收信号协方差的上三角元素。于是本实施例的整个处理流程为:接收信号/>先通过模拟域映射得到/>,再通过一系列相同的低比特量化器得到量化输出/>,然后/>经过线性数字滤波器/>得到中间量/>的估计/>,最后从/>中获得DOA估计。
具体的,协方差矩阵是接收信号的二次函数。为此,先将接收信号向量化,得到,则天线阵列接收信号/>的二次函数可表示为,其中预设矩阵/>。选取合适的/>,/>可以表示接收信号协方差矩阵的各个元素。令/>,/>为期望信号的维度,/>的第个元素为协方差矩阵第/>条对角线上的第/>个元素,则有/>,其中/>且中元素定义如下:
这里,定义和矩阵/>,其中,/>表示向量化函数,/>的第/>行为/>,则/>可以表示成/>。
需要说明的是,将量化结果经过数字域处理,得到空间目标针对稀疏阵列的目标波达角度的步骤,包括:
S1041、将所述量化结果与预先确定的数字滤波器的表达式的乘积,确定为第一参数;
该步骤中,将预先确定的数字滤波器的表达式与量化结果/>的乘积,确定为第一参数/>。
S1042、获取接收信号协方差的上三角元素的期望值,将所述第一参数与所述接收信号协方差的上三角元素的期望值的加和,确定为接收信号协方差的上三角元素的估计值;
该步骤中,将第一参数与接收信号协方差的上三角元素的期望值/>的加和,确定为接收信号协方差的上三角元素的估计值/>,具体公式如下:
需要说明的是,上述接收信号协方差的上三角元素的估计值的表达式的由来如下:
根据主惯性分量(Principal Inertia Compoenents,PICs)的相关理论,若要从线性数字滤波器输出端得到协方差矩阵上三角的估计,模拟映射的形式应为,显然,它是基于二次映射的,其中模拟处理矩阵。需要对/>、量化器参数(动态范围/>)和数字滤波器/>进行联合设计,使得数字滤波器输出/>与/>之间的均方误差尽可能小,即求解如下优化问题:
这里,表示2范数的平方,求解上式时先固定/>,求得/>关于/>的表达式,即求解如下问题:
上式的解为:
其中,为/>的单位阵,/>表示/>的协方差矩阵,相应的均方误差为:
其中,表示矩阵求迹函数,最终/>的估计可表示成:
最后,需要设计合理的使得/>最小化,这里主要采用受控理论和注水法进行求解。定义矩阵/>,假设/>表示矩阵/>中第/>个的奇异值并且按降序排列,当时,/>,/>表示求矩阵秩的函数。假设/>,能够最小化/>的/>为:
其中,是矩阵/>的右奇异向量矩阵;/>是一个对角矩阵,其对角元素定义如下:
其中,,/>需满足/>;/>是一个使得/>具有相同对角元素的酉矩阵。此时,动态范围可设置成/>。
所以,可以通过以下步骤确定数字滤波器的表达式:
一、获取预设条件,基于所述预设条件确定满足所述预设条件的第一预设参数;
该步骤中,预设条件如下:
其中,,/>表示矩阵/>的奇异值并且按降序排列,当/>时,/>。矩阵/>,可以得到满足预设条件的第一预设参数/>,。
二、基于所述第一预设参数,确定第二对角矩阵;
该步骤中,通过以下公式得到第二对角矩阵:
其中,是第二对角矩阵。
三、基于所述第二对角矩阵,确定模拟处理矩阵;
该步骤中,通过以下公式确定模拟处理矩阵:
其中,是一个使得/>具有相同对角元素的酉矩阵;/>是矩阵/>的右奇异向量矩阵。
四、基于所述模拟处理矩阵以及预先确定的动态范围,确定数字滤波器的表达式。
该步骤中,通过如下公式确定数字滤波器的表达式:
其中,为/>的单位阵,/>表示/>的协方差矩阵。
S1043、基于所述估计值,得到稀疏阵列接收信号的协方差矩阵估计;
该步骤中,利用在步骤S1042中得到的,可以得到稀疏阵列接收信号的协方差矩阵估计/>。
S1044、从所述稀疏阵列接收信号的协方差矩阵估计中,构造出与所述稀疏阵列具有相同孔径的均匀阵的协方差矩阵;
该步骤中,需要先从中构造出与稀疏阵列具有相同孔径的均匀阵的协方差矩阵/>。在构造/>时,可以采用Wasserstein距离作为拟合准则,即求解如下优化问题:
其中,表示Teoplitz矩阵集,/>表示半正定的Hermitian矩阵集。上式可直接用MATLAB凸优化工具箱进行求解。
S1045、对所述协方差矩阵进行无网格化处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
需要说明的是,对协方差矩阵进行无网格化处理,得到空间目标针对稀疏阵列的目标波达角度的步骤,包括:
1)、对所述协方差矩阵进行特征值分解,得到按降序排列的特征值构成的第一对角矩阵以及特征向量构成的特征向量矩阵;
2)、在所述特征向量矩阵中,确定出前预设个数的特征值所对应的目标特征向量,并利用所述目标特征向量构建信号子空间;
3)、将所述信号子空间中的前N行目标特征向量,确定为第一矩阵;其中,N为所述稀疏阵列中第M个阵元所在的位置;
4)、将所述信号子空间中的后N行目标特征向量,确定为第二矩阵;
5)、将所述第一矩阵的逆矩阵与所述第二矩阵的乘积,确定为第三矩阵;
6)、对所述第三矩阵进行特征值分解,得到目标特征值;
7)、利用所述目标特征值,得到所述空间目标针对所述稀疏阵列的目标波达角度。
在上述步骤1)至步骤7)中,在得到后,采用ESPRIT算法实现无网格化DOA估计,具体过程为:对/>进行特征值分解/>,其中第一对角矩阵/>且特征值/>按降序排列,特征向量矩阵为/>;选取/>的前/>(预设个数,即入射信号个数)个所对应的特征向量构建信号子空间/>;选择/>的前/>(N=/>,/>)行和后/>行形成第一矩阵/>和第二矩阵/>;计算第三矩阵/>;对/>进行特征值分解得到目标特征值/>,通过目标特征值确定空间目标针对稀疏阵列的目标波达角度。
需要说明的是,利用目标特征值,得到空间目标针对稀疏阵列的目标波达角度的步骤,包括:
(1)、利用所述目标特征值,将所述目标特征值的自然对数,确定为第二参数;
(2)、对所述第二参数取虚部,得到第三参数;
(3)、将所述第三参数与圆周率的比值,确定为第四参数;
(4)、将所述第四参数的反正弦函数的值,确定为所述空间目标针对所述稀疏阵列的目标波达角度。
在上述步骤(1)至步骤(4)中,通过以下公式确定目标波达角度:
其中,表示取虚部操作。
示例性的,可以参阅图3,图3为本申请实施例所提供的一种估计目标波达角度的流程示意图,如图3所示,接收信号通过模拟域处理的模拟滤波器/>,得到每个模拟输出通道(模拟输出通道数为/>)的输出信号,即/>,每个输出信号通过低比特量化器得到对应的量化结果/>,将每个量化结果输入数字域处理中,经过数字滤波器/>,得到接收信号协方差的上三角元素的估计值/>,将/>输入协方差矩阵估计中,得到协方差矩阵/>,将/>输入至目标波达角度估计(DOA估计)中,得到目标波达角度/>。
作为示例,为了验证基于二次映射的模数混合低比特量化稀疏阵列DOA估计的性能,设置信源数为2,入射信号功率均为1,快拍数为12,阵元数为6,分别考虑包含6个阵元的互质阵列(简称“CO”)和嵌套阵列(简称“NE”),并研究以下三种方法的性能:(1)直接对接收信号进行采样的方法(简称“Direct Quan”);(2)本实施例中的方法,模拟输出通道数为21(简称“QM-HAD,=21”);(3)本实施例中的方法,模拟输出通道数为20(简称“QM-HAD,/>=20”)。为了衡量不同方法的性能,定义/>的归一化均方估计误差(Normalized MSE,NMSE):,其中,/>表示Frobenius范数,/>为蒙特卡罗实验次数,这里设为200;DOA的均方估计误差MSE:/>,单位为弧度制。实验1:研究方法(1)~(3)的性能随信噪比(Signal-to-noise Ratio,SNR)变化的情况。设置总比特数为/>,此时本实施例中每个数据的量化位数为3,Direct Quan方法中每个数据的量化位数为1。方法(1)~(3)的NMSE和MSE均随信噪比的提升呈下降趋势,且采用嵌套阵列能获得比互质阵列更好的DOA估计准确度。在总比特数相同的情况下,不管采用何种阵列,QM-HAD的协方差NMSE和角度MSE均优于Direct Quan。此外,在本实施例中,/>=21的协方差NMSE要好于/>=20,虽然两者在角度MSE方面性能相近,但由于DOA估计是在估计出协方差矩阵后进行的,因此/>的设置最好不小于/>。实验2:研究方法(1)~(3)的性能随总比特数变化的情况。设置信噪比为10dB,方法(1)~(3)的协方差NMSE和角度MSE均随总比特数的增加呈下降趋势。在总比特数较少的情况下,本实施例方法在协方差NMSE和角度MSE方面仍保持着自身的性能优势;当总比特数较多时,Direct Quan的性能才逐渐靠近本实施例方法。
综上,本实施例通过模拟域处理设计,利用基于二次映射的模拟域处理将接收信号进行融合;通过低比特量化,用低精度ADC将模拟域输出信号转化为时间和取值离散的数字表示;通过数字滤波器设计,根据均方误差最小化准则求解最优线性数字滤波器,使得数字滤波器输出协方差矩阵的上三角元素;通过协方差矩阵估计,采用Wasserstein距离作为拟合准则从稀疏阵列的协方差矩阵中构造出与其具有相同孔径的均匀阵的协方差矩阵;通过DOA估计算法,采用ESPRIT算法获取入射信号的无网格化DOA估计;与现有的直接采用低精度ADC对各阵元接收信号进行采样相比,本实施例在降低整个系统的成本、功耗和设计难度的同时能够提升DOA估计性能。
本申请实施例提供的一种目标波达角度的估计方法,所述估计方法包括:在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;其中,所述M为正整数;将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;将所述输出信号进行低比特量化,得到量化结果;将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
这样,采用本申请提供的技术方案通过在低比特量化前增加模拟域处理部分,利用基于二次映射的模拟域处理对稀疏阵列接收信号进行空域和时域上的融合,然后再进行低精度采样,最后通过数字域处理实现无网格化DOA估计。通过合理设计模拟域和数字域的处理,可以在节省功耗降低成本的同时保证DOA估计精度。
基于同一申请构思,本申请实施例中还提供了与上述一种目标波达角度的估计方法对应的一种目标波达角度的估计装置,由于本申请实施例中的装置解决问题的原理与本申请上述实施例一种目标波达角度的估计方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图4、图5,图4为本申请实施例所提供的一种目标波达角度的估计装置的结构图之一,图5为本申请实施例所提供的一种目标波达角度的估计装置的结构图之二。如图4中所示,所述估计装置410包括:
获取模块411,用于在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;其中,所述M为正整数;
第一处理模块412,用于将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;
第二处理模块413,用于将所述输出信号进行低比特量化,得到量化结果;
第三处理模块414,用于将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
可选的,所述第二处理模块413用于得到量化结果时,所述第二处理模块413具体用于:
获取预先确定的动态范围以及量化比特数,并将所述动态范围以及量化比特数构成的量化规则确定为实均匀量化器;
通过实均匀量化器确定复均匀量化器;
获取实部和虚部均在预设范围内均匀分布的抖动信号,将所述抖动信号与所述输出信号叠加,得到叠加信号;
采用复均匀量化器对所述叠加信号进行低比特采样,得到复均匀量化器的量化结果。
可选的,所述第三处理模块414具体用于:
将所述量化结果与预先确定的数字滤波器的表达式的乘积,确定为第一参数;
获取接收信号协方差的上三角元素的期望值,将所述第一参数与所述接收信号协方差的上三角元素的期望值的加和,确定为接收信号协方差的上三角元素的估计值;
基于所述估计值,得到稀疏阵列接收信号的协方差矩阵估计;
从所述稀疏阵列接收信号的协方差矩阵估计中,构造出与所述稀疏阵列具有相同孔径的均匀阵的协方差矩阵;
对所述协方差矩阵进行无网格化处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
可选的,所述第三处理模块414在用于对所述协方差矩阵进行无网格化处理,得到所述空间目标针对所述稀疏阵列的目标波达角度时,所述第三处理模块414具体用于:
对所述协方差矩阵进行特征值分解,得到按降序排列的特征值构成的第一对角矩阵以及特征向量构成的特征向量矩阵;
在所述特征向量矩阵中,确定出前预设个数的特征值所对应的目标特征向量,并利用所述目标特征向量构建信号子空间;
将所述信号子空间中的前N行目标特征向量,确定为第一矩阵;其中,N为所述稀疏阵列中第M个阵元所在的位置;
将所述信号子空间中的后N行目标特征向量,确定为第二矩阵;
将所述第一矩阵的逆矩阵与所述第二矩阵的乘积,确定为第三矩阵;
对所述第三矩阵进行特征值分解,得到目标特征值;
利用所述目标特征值,得到所述空间目标针对所述稀疏阵列的目标波达角度。
可选的,所述第三处理模块414在用于利用所述目标特征值,得到所述空间目标针对所述稀疏阵列的目标波达角度时,所述第三处理模块414具体用于:
利用所述目标特征值,将所述目标特征值的自然对数,确定为第二参数;
对所述第二参数取虚部,得到第三参数;
将所述第三参数与圆周率的比值,确定为第四参数;
将所述第四参数的反正弦函数的值,确定为所述空间目标针对所述稀疏阵列的目标波达角度。
可选的,如图5所示,所述估计装置410还包括第一确定模块415,所述第一确定模块415用于:
获取预设条件,基于所述预设条件确定满足所述预设条件的第一预设参数;
基于所述第一预设参数,确定第二对角矩阵;
基于所述第二对角矩阵,确定模拟处理矩阵;
基于所述模拟处理矩阵以及预先确定的动态范围,确定数字滤波器的表达式。
可选的,如图5所示,所述估计装置410还包括第二确定模块416,所述第二确定模块416用于:
获取第二预设参数以及量化比特数中的比特参数;
基于所述第二预设参数以及量化比特数中的比特参数,确定第五参数;
获取模拟域的输出通道数,并将所述第五参数与所述输出通道数的比值,确定为第六参数;
将所述第六参数开根号,得到动态范围。
本申请实施例提供的一种目标波达角度的估计装置,所述估计装置包括:获取模块,用于在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;其中,所述M为正整数;第一处理模块,用于将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;第二处理模块,用于将所述输出信号进行低比特量化,得到量化结果;第三处理模块,用于将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
这样,采用本申请提供的技术方案通过在低比特量化前增加模拟域处理部分,利用基于二次映射的模拟域处理对稀疏阵列接收信号进行空域和时域上的融合,然后再进行低精度采样,最后通过数字域处理实现无网格化DOA估计。通过合理设计模拟域和数字域的处理,可以在节省功耗降低成本的同时保证DOA估计精度。
请参阅图6,图6为本申请实施例所提供的一种电子设备的结构示意图。如图6中所示,所述电子设备600包括处理器610、存储器620和总线630。
所述存储器620存储有所述处理器610可执行的机器可读指令,当电子设备600运行时,所述处理器610与所述存储器620之间通过总线630通信,所述机器可读指令被所述处理器610执行时,可以执行如上述图1以及图2所示方法实施例中的目标波达角度的估计方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1以及图2所示方法实施例中的目标波达角度的估计方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的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计算机设备(可以是个人计算机,服务器,或者网络设备等)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(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种目标波达角度的估计方法,其特征在于,所述估计方法包括:
在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;其中,所述M为正整数;
将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;
将所述输出信号进行低比特量化,得到量化结果;
将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
2.根据权利要求1所述的估计方法,其特征在于,通过以下步骤得到量化结果:
获取预先确定的动态范围以及量化比特数,并将所述动态范围以及量化比特数构成的量化规则确定为实均匀量化器;
通过实均匀量化器确定复均匀量化器;
获取实部和虚部均在预设范围内均匀分布的抖动信号,将所述抖动信号与所述输出信号叠加,得到叠加信号;
采用复均匀量化器对所述叠加信号进行低比特采样,得到复均匀量化器的量化结果。
3.根据权利要求1所述的估计方法,其特征在于,所述将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度的步骤,包括:
将所述量化结果与预先确定的数字滤波器的表达式的乘积,确定为第一参数;
获取接收信号协方差的上三角元素的期望值,将所述第一参数与所述接收信号协方差的上三角元素的期望值的加和,确定为接收信号协方差的上三角元素的估计值;
基于所述估计值,得到稀疏阵列接收信号的协方差矩阵估计;
从所述稀疏阵列接收信号的协方差矩阵估计中,构造出与所述稀疏阵列具有相同孔径的均匀阵的协方差矩阵;
对所述协方差矩阵进行无网格化处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
4.根据权利要求3所述的估计方法,其特征在于,所述对所述协方差矩阵进行无网格化处理,得到所述空间目标针对所述稀疏阵列的目标波达角度的步骤,包括:
对所述协方差矩阵进行特征值分解,得到按降序排列的特征值构成的第一对角矩阵以及特征向量构成的特征向量矩阵;
在所述特征向量矩阵中,确定出前预设个数的特征值所对应的目标特征向量,并利用所述目标特征向量构建信号子空间;
将所述信号子空间中的前N行目标特征向量,确定为第一矩阵;其中,N为所述稀疏阵列中第M个阵元所在的位置;
将所述信号子空间中的后N行目标特征向量,确定为第二矩阵;
将所述第一矩阵的逆矩阵与所述第二矩阵的乘积,确定为第三矩阵;
对所述第三矩阵进行特征值分解,得到目标特征值;
利用所述目标特征值,得到所述空间目标针对所述稀疏阵列的目标波达角度。
5.根据权利要求4所述的估计方法,其特征在于,所述利用所述目标特征值,得到所述空间目标针对所述稀疏阵列的目标波达角度的步骤,包括:
利用所述目标特征值,将所述目标特征值的自然对数,确定为第二参数;
对所述第二参数取虚部,得到第三参数;
将所述第三参数与圆周率的比值,确定为第四参数;
将所述第四参数的反正弦函数的值,确定为所述空间目标针对所述稀疏阵列的目标波达角度。
6.根据权利要求3所述的估计方法,其特征在于,通过以下步骤确定数字滤波器的表达式:
获取预设条件,基于所述预设条件确定满足所述预设条件的第一预设参数;
基于所述第一预设参数,确定第二对角矩阵;
基于所述第二对角矩阵,确定模拟处理矩阵;
基于所述模拟处理矩阵以及预先确定的动态范围,确定数字滤波器的表达式。
7.根据权利要求2所述的估计方法,其特征在于,通过以下步骤确定动态范围:
获取第二预设参数以及量化比特数中的比特参数;
基于所述第二预设参数以及量化比特数中的比特参数,确定第五参数;
获取模拟域的输出通道数,并将所述第五参数与所述输出通道数的比值,确定为第六参数;
将所述第六参数开根号,得到动态范围。
8.一种目标波达角度的估计装置,其特征在于,所述估计装置包括:
获取模块,用于在由M个阵元组成的稀疏阵列中,获取每个阵元针对空间目标的接收信号;其中,所述M为正整数;
第一处理模块,用于将所述接收信号进行基于二次映射的模拟域处理,得到模拟域的输出信号;
第二处理模块,用于将所述输出信号进行低比特量化,得到量化结果;
第三处理模块,用于将所述量化结果经过数字域处理,得到所述空间目标针对所述稀疏阵列的目标波达角度。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的目标波达角度的估计方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一所述的目标波达角度的估计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310786660.6A CN116500541B (zh) | 2023-06-30 | 2023-06-30 | 目标波达角度的估计方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310786660.6A CN116500541B (zh) | 2023-06-30 | 2023-06-30 | 目标波达角度的估计方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116500541A true CN116500541A (zh) | 2023-07-28 |
CN116500541B CN116500541B (zh) | 2023-09-22 |
Family
ID=87328906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310786660.6A Active CN116500541B (zh) | 2023-06-30 | 2023-06-30 | 目标波达角度的估计方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116500541B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092585A (zh) * | 2023-10-12 | 2023-11-21 | 深圳大学 | 单比特量化DoA估计方法、系统和智能终端 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108337031A (zh) * | 2017-12-22 | 2018-07-27 | 南京理工大学 | 大规模mimo中基于根值music的混合到达角估计 |
CN109298385A (zh) * | 2018-11-29 | 2019-02-01 | 深圳大学 | 一种波达方向的估计方法,系统及终端设备 |
CN111835351A (zh) * | 2020-06-01 | 2020-10-27 | 东南大学 | 基于深度学习的量化信号重建方法及到达角估计方法 |
WO2021139208A1 (zh) * | 2020-01-08 | 2021-07-15 | 华南理工大学 | 一种基于特定频率组合信号的一维doa估计方法 |
CN114019449A (zh) * | 2022-01-10 | 2022-02-08 | 南京理工大学 | 信号源的波达方向估计方法、装置、电子设备及存储介质 |
CN116106820A (zh) * | 2023-02-09 | 2023-05-12 | 深圳大学 | 一种基于混合精度adc量化的波达方向估计方法 |
-
2023
- 2023-06-30 CN CN202310786660.6A patent/CN116500541B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108337031A (zh) * | 2017-12-22 | 2018-07-27 | 南京理工大学 | 大规模mimo中基于根值music的混合到达角估计 |
CN109298385A (zh) * | 2018-11-29 | 2019-02-01 | 深圳大学 | 一种波达方向的估计方法,系统及终端设备 |
WO2021139208A1 (zh) * | 2020-01-08 | 2021-07-15 | 华南理工大学 | 一种基于特定频率组合信号的一维doa估计方法 |
CN111835351A (zh) * | 2020-06-01 | 2020-10-27 | 东南大学 | 基于深度学习的量化信号重建方法及到达角估计方法 |
CN114019449A (zh) * | 2022-01-10 | 2022-02-08 | 南京理工大学 | 信号源的波达方向估计方法、装置、电子设备及存储介质 |
CN116106820A (zh) * | 2023-02-09 | 2023-05-12 | 深圳大学 | 一种基于混合精度adc量化的波达方向估计方法 |
Non-Patent Citations (1)
Title |
---|
宋俊飞等: "基于单比特采样的FMCW•MIMO 载频捷变雷达目标参数估计", 无线电工程, vol. 53, no. 4, pages 754 - 763 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092585A (zh) * | 2023-10-12 | 2023-11-21 | 深圳大学 | 单比特量化DoA估计方法、系统和智能终端 |
CN117092585B (zh) * | 2023-10-12 | 2024-01-09 | 深圳大学 | 单比特量化DoA估计方法、系统和智能终端 |
Also Published As
Publication number | Publication date |
---|---|
CN116500541B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110045321B (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
Ollila et al. | Complex elliptically symmetric distributions: Survey, new results and applications | |
Liao et al. | New approaches to direction-of-arrival estimation with sensor arrays in unknown nonuniform noise | |
Qiao et al. | Gridless line spectrum estimation and low-rank Toeplitz matrix compression using structured samplers: A regularization-free approach | |
Liu et al. | A subspace-based direction finding algorithm using fractional lower order statistics | |
Gianelli et al. | One-bit compressive sampling with time-varying thresholds for sparse parameter estimation | |
CN116500541B (zh) | 目标波达角度的估计方法、装置、电子设备及存储介质 | |
CN114019449B (zh) | 信号源的波达方向估计方法、装置、电子设备及存储介质 | |
Ben-Haim et al. | Performance bounds and design criteria for estimating finite rate of innovation signals | |
Fannjiang | The MUSIC algorithm for sparse objects: a compressed sensing analysis | |
Liao et al. | Matrix completion based direction-of-arrival estimation in nonuniform noise | |
CN106980104B (zh) | 用于传感器阵列的信号波达方向自校正方法 | |
Liao et al. | Direction-of-arrival estimation in nonuniform noise via low-rank matrix decomposition | |
Mohammadzadeh et al. | Robust adaptive beamforming based on low-complexity discrete fourier transform spatial sampling | |
Ollila et al. | Influence function and asymptotic efficiency of scatter matrix based array processors: Case MVDR beamformer | |
Blanco et al. | Sparse covariance fitting for direction of arrival estimation | |
Karnik et al. | Fast computations for approximation and compression in Slepian spaces | |
Alwan | Compressive Covariance Sensing‐Based Power Spectrum Estimation of Real‐Valued Signals Subject to Sub‐Nyquist Sampling | |
Zhang et al. | Low-complexity gridless 2D harmonic retrieval via decoupled-ANM covariance reconstruction | |
Zhang et al. | Forward-backward pursuit method for distributed compressed sensing | |
Miar et al. | Simplified DFT: A novel method for wideband spectrum sensing in cognitive radio | |
Zahedi et al. | Robust measurement design for detecting sparse signals: Equiangular uniform tight frames and Grassmannian packings | |
Mohammadzadeh et al. | Study of Robust Adaptive Beamforming with Covariance Matrix Reconstruction Based on Power Spectral Estimation and Uncertainty Region | |
Petković et al. | An iterative method for optimal resolution‐constrained polar quantizer design | |
CN116540172B (zh) | 入射信号来波方向的估计方法、装置、电子设备及介质 |
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 |