CN116680503B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116680503B CN116680503B CN202310966127.8A CN202310966127A CN116680503B CN 116680503 B CN116680503 B CN 116680503B CN 202310966127 A CN202310966127 A CN 202310966127A CN 116680503 B CN116680503 B CN 116680503B
- Authority
- CN
- China
- Prior art keywords
- sparse
- visible satellite
- echo signal
- matrix
- noise component
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 131
- 239000011159 matrix material Substances 0.000 claims abstract description 170
- 238000005457 optimization Methods 0.000 claims abstract description 142
- 238000013178 mathematical model Methods 0.000 claims abstract description 43
- 238000011478 gradient descent method Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims description 70
- 230000009977 dual effect Effects 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 24
- 238000013461 design Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance 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
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 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
- 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
- G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Radar, Positioning & Navigation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了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，涉及电子信息领域，其中，上述方法包括：接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型；根据惩罚函数和上述可见卫星回波信号数学模型得到双稀疏最小化优化问题；根据交替优化法和投影梯度下降法求解上述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，根据上述可见卫星回波信号矩阵得到可见卫星的回波信号、数量和角度估计并输出。本发明针对目前在脉冲噪声存在的情况下，使用天线阵列进行可见卫星的角度估计的方法估计不准的问题，通过上述方法，可以得到准确的可见卫星的回波信号、数量和角度估计。
Description
技术领域
本发明涉及电子信息领域，尤其涉及的是一种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。
背景技术
卫星信号的探测是一个复杂的三维搜索过程，涵盖了可见卫星、多普勒频率以及伪随机噪声码相位。通常，为了迅速选取优良的卫星几何精度因子，首要任务是对可见卫星的数量和角度进行估计。对可见卫星数量与角度的准确估计直接决定了其他两个维度搜索的耗时和成功率。
目标信号角度的估计一般利用空间谱估计方法，如多重信号分类方法和旋转不变子空间方法。这些方法首先构建信号的协方差矩阵，然后确定信号子空间或噪声子空间，最后由此估计出目标角度。目前常用的信源数量估计方法主要有基于信息论准则的方法、盖尔圆盘法、平滑秩序列法以及正则相关技术。虽然有大量利用天线阵列进行角度数量和联合估计的方法，并且取得了良好的性能，但是在脉冲噪声存在的情况下，使用天线阵列进行可见卫星的数量和角度估计的方法仍然存在不足之处，导致估计不准。
因此，现有技术还有待改进和发展。
发明内容
本发明的主要目的在于提供一种双稀疏优化阵列天线的卫星信号稳健捕获方法，旨在解决现有技术中在脉冲噪声存在的情况下，使用天线阵列进行可见卫星的信号、数量和角度估计的方法估计不准的问题。
为了实现上述目的，本发明第一方面提供一种双稀疏优化阵列天线的卫星信号稳健捕获方法，其中，上述双稀疏优化阵列天线的卫星信号稳健捕获方法包括：
接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型；
根据惩罚函数和上述可见卫星回波信号数学模型得到双稀疏最小化优化问题；
根据交替优化法和投影梯度下降法求解上述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，根据上述可见卫星回波信号矩阵得到可见卫星的回波信号、数量和角度估计并输出。
可选的，上述接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型，具体包括：
根据上述脉冲噪声的噪声成分将上述可见卫星回波信号的脉冲噪声进行重组，得到浓密的高斯噪声成分和稀疏异常噪声成分；
根据上述可见卫星回波信号、浓密的高斯噪声成分和上述稀疏异常噪声成分，建立上述可见卫星回波信号数学模型。
可选的，上述根据惩罚函数和上述可见卫星回波信号数学模型得到双稀疏最小化优化问题，具体包括：
根据上述可见卫星回波信号数学模型将所述可见卫星回波信号数学模型的信号数量与角度估计问题转化为双稀疏约束问题；
根据上述惩罚函数将上述双稀疏约束问题转化为上述双稀疏最小化优化问题。
可选的，上述根据交替优化法和投影梯度下降法求解上述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，具体包括：
基于上述双稀疏最小化优化问题中待优化的可见卫星回波信号矩阵和稀疏异常噪声成分矩阵，得到初始可见卫星回波信号矩阵和初始稀疏异常噪声成分矩阵；
在每一次交替优化求解中，根据前一次交替优化得到的可见卫星回波信号矩阵和稀疏异常噪声成分矩阵，采用上述投影梯度下降法对当前待求解的可见卫星回波信号矩阵求解，得到当前可见卫星回波信号矩阵，根据该次交替优化得到的可见卫星回波信号矩阵和上一次交替优化得到的稀疏异常噪声成分矩阵，采用逐元素求解法对当前待求解的初始稀疏异常噪声成分矩阵进行求解，得到当前稀疏异常噪声成分矩阵；
当交替优化求解次数达到预设次数时，将最后一次交替优化求解得到的最终可见卫星回波信号矩阵作为可见卫星回波信号矩阵；
其中，在第一次交替优化求解中，根据上述初始可见卫星回波信号矩阵和上述初始稀疏异常噪声成分矩阵，采用上述投影梯度下降法对第一次待求解的可见卫星回波信号矩阵求解，得到第一次可见卫星回波信号矩阵，根据上述第一次可见卫星回波信号矩阵和上述初始稀疏异常噪声成分矩阵，采用上述逐元素求解法对第一次待求解的初始稀疏异常噪声成分矩阵进行求解，得到第一次稀疏异常噪声成分矩阵。
可选的，上述投影梯度下降法根据预设的迭代次数和第一惩罚参数对上述当前待求解的可见卫星回波信号矩阵进行迭代求解。
可选的，上述在每一次交替优化求解中，根据该次交替优化得到的可见卫星回波信号矩阵和上一次交替优化得到的稀疏异常噪声成分矩阵，采用逐元素求解法对当前待求解的初始稀疏异常噪声成分矩阵进行求解，得到当前稀疏异常噪声成分矩阵，具体包括：
根据该次交替优化得到的可见卫星回波信号矩阵和上一次交替优化得到的稀疏异常噪声成分矩阵构建当前稀疏异常噪声成分矩阵求解公式；
将上述当前稀疏异常噪声成分矩阵求解公式转化为实数形式公式，并将上述实数形式公式进行转化得到逐元素求解矩阵；
根据第二惩罚参数对上述逐元素求解矩阵求解，得到上述当前稀疏异常噪声成分矩阵。
可选的，上述第一惩罚参数根据预设的第一更新公式进行更新，上述第二惩罚参数根据预设的第二更新公式进行更新。
本发明第二方面提供一种双稀疏优化阵列天线的卫星信号稳健捕获系统，其中，上述双稀疏优化阵列天线的卫星信号稳健捕获系统包括：
模型构建模块，用于接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型；
双稀疏最小化优化问题设计模块，用于根据惩罚函数和上述可见卫星回波信号数学模型得到双稀疏最小化优化问题；
求解输出模块，用于根据交替优化法和投影梯度下降法求解上述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，根据上述可见卫星回波信号矩阵得到可见卫星的回波信号、数量和角度估计并输出。
本发明第三方面提供一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的双稀疏优化阵列天线的卫星信号稳健捕获程序，上述双稀疏优化阵列天线的卫星信号稳健捕获程序被上述处理器执行时实现任意一项上述双稀疏优化阵列天线的卫星信号稳健捕获方法的步骤。
本发明第四方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有双稀疏优化阵列天线的卫星信号稳健捕获程序，上述双稀疏优化阵列天线的卫星信号稳健捕获程序被处理器执行时实现任意一项上述双稀疏优化阵列天线的卫星信号稳健捕获方法的步骤。
由上可见，本发明方案中，接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型；根据惩罚函数和上述可见卫星回波信号数学模型得到双稀疏最小化优化问题；根据交替优化法和投影梯度下降法求解上述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，根据上述可见卫星回波信号矩阵得到可见卫星的回波信号、数量和角度估计并输出。
与现有技术相比，针对目前在脉冲噪声存在的情况下，使用天线阵列进行可见卫星的角度估计的方法估计不准的问题，本发明所提出的双稀疏优化阵列天线的卫星信号稳健捕获方法中，采用脉冲噪声的噪声成分建立可见卫星回波信号数学模型，从而使得本发明针对脉冲噪声中的成分对噪声进行分解，通过分解后的噪声构建数学模型，从而可以更好地利用噪声的结构信息，并在恢复信号时得到更好的结果；采用惩罚函数得到双稀疏最小化优化问题，得到包含了双稀疏约束的先验信息的双稀疏最小化优化问题，从而可以充分利用信号的特征去估计可见卫星回波信号的到达角度；通过交替优化法和投影梯度下降法求解双稀疏最小化优化问题从而可以通过多次交替得到准确的可见卫星回波信号矩阵，从而得到准确的可见卫星的回波信号、数量和角度估计。进一步的，在本发明所提出的双稀疏优化阵列天线的卫星信号稳健捕获方法中，对脉冲噪声进行分解处理，使得其对数据不敏感，从而使得本发明无需针对不同脉冲噪声数据进行调整，在实际应用中无需调节参数即可以得到很好的估计结果，极大地方便了用户的使用。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种双稀疏优化阵列天线的卫星信号稳健捕获方法的流程示意图；
图2是本发明实施例提供的天线阵列的可见卫星探测流程示意图；
图3是本发明实施例提供的混合高斯噪声下可见卫星回波信号估计值的均方误差随着信噪比变化的仿真示意图；
图4是本发明实施例提供的拉普拉斯噪声下可见卫星回波信号估计值的均方误差随着信噪比变化的仿真示意图；
图5是本发明实施例提供的一种双稀疏优化阵列天线的卫星信号稳健捕获系统的组成模块示意图；
图6是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本发明。在其他情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其他情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于分类到”。类似的，短语“如果确定”或“如果分类到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦分类到[所描述的条件或事件]”或“响应于分类到[所描述条件或事件]”。
下面结合本发明实施例的附图，对本发明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发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
卫星信号的探测是一个复杂的三维搜索过程，涵盖了可见卫星、多普勒频率以及伪随机噪声码相位。通常，为了迅速选取优良的卫星几何精度因子，首要任务是对可见卫星的数量和角度进行联合估计。对可见卫星角度的准确估计直接决定了其他两个维度搜索的耗时和成功率。
传统的导航接收器，尤其是单天线接收器，为了对可见卫星的数量和角度进行估计，需要先验信息，例如卫星星历表、年历或接收机的大致位置等。然而，这些信息通常只能在基带信号处理完成后获取。特别在没有卫星星历表或年历辅助的冷启动模式下，卫星接收机必须进行耗时的三维盲目搜索。
目标信号角度的估计一般利用空间谱估计方法，如多重信号分类方法和旋转不变子空间方法。这些方法首先构建信号的协方差矩阵，然后确定信号子空间或噪声子空间，最后由此估计出目标角度。目前常用的信源数量估计方法主要有基于信息论准则的方法、盖尔圆盘法、平滑秩序列法以及正则相关技术。目前虽然有利用天线阵列进行角度估计的方法，并且取得了良好的性能，但是在脉冲噪声存在的情况下，使用天线阵列进行可见卫星的角度和数量联合估计的方法仍然存在不足之处，存在估计不准的问题。
为了解决上述多个问题中的至少一个问题，本发明方案采用分解的思想处理脉冲噪声，提供一种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，也就是一种双稀疏优化阵列天线的卫星信号捕获方法及相关设备，使得可以通过对可见卫星回波信号进行重新定义，将脉冲噪声分解为浓密的脉冲噪声和稀疏异常噪声两个部分；借助可见卫星回波信号的空间稀疏性，将可见卫星回波信号的数量和角度估计问题转化为一个双稀疏约束问题。然后，使用惩罚函数方法，将双稀疏约束优化问题转化为双稀疏最小化优化问题。由于双稀疏最小化优化问题涉及到两个优化变量，采用交替优化的方法寻找问题的迭代解。
与现有技术相比，针对目前在脉冲噪声存在的情况下，使用天线阵列进行可见卫星的角度估计的方法估计不准的问题，本发明所提出的双稀疏优化阵列天线的卫星信号稳健捕获方法中，采用脉冲噪声的噪声成分建立可见卫星回波信号数学模型，从而使得本发明针对脉冲噪声中的成分对噪声进行分解，通过分解后的噪声构建数学模型，从而可以更好地利用噪声的结构信息，并在恢复信号时得到更好的结果；采用惩罚函数去得到双稀疏最小化优化问题，得到包含了双稀疏约束的先验信息的双稀疏最小化优化问题，从而可以充分利用信号的特征去估计可见卫星回波信号的到达角度；通过交替优化法和投影梯度下降法求解双稀疏最小化优化问题从而可以通过多次交替得到准确的可见卫星回波信号矩阵，从而得到准确的可见卫星的数量和角度估计。进一步的，在本发明所提出的双稀疏优化阵列天线的卫星信号稳健捕获方法中，对脉冲噪声进行分解处理，使得其对数据不敏感，从而使得本发明无需针对不同脉冲噪声数据进行调整，在实际应用中无需调节参数即可以得到很好的估计结果，极大地方便了用户的使用。
示例性方法
如图1所示，本发明实施例提供一种双稀疏优化阵列天线的卫星信号稳健捕获方法，具体地，上述双稀疏优化阵列天线的卫星信号稳健捕获方法包括如下步骤：
步骤S100，接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型。
具体的，在一个由M个天线单元组成的单元间距为d的均匀线性阵列中，接收到的可见卫星回波信号个数设置为Q，则到达第m个天线单元的可见卫星回波信号可表示信号接收模型，即为公式（1）：
（1）；
其中，t为采样时间，为可见卫星回波信号的载波波长，m为当前元素序号，上述当前元素即为当前天线单元序号，m=1,2,...,M；/>为第m个天线处在采样时间t时的可见卫星回波信号，q表示当前可见卫星回波信号序号，q=1,2,...,Q；/>表示第q个卫星回波信号，/>为第q个信号的到达角度，/>表示第m个元素的噪声，j为虚数单位。
其中具体可以表示为公式（2）：
（2）；
其中，为第q个卫星回波信号的功率，/>为第q个卫星回波信号在采样时间t的不确定符号±1的导航数据比特流，/>为第q个卫星回波信号在采样时间t的弥散伪随机噪声码序列，/>为第q个卫星回波信号的信号中频，/>为信号中频，/>为第q个卫星回波信号的初始相位，/>为初始相位。
在雷达探测过程完成之前，可见卫星的数量Q是未知的。然而，根据卫星星历表或年历的先验信息，可以知道可见卫星的近似角度区域。因此，将角度区域分为被等间隔分成L个角度，其中L为角度区域等间隔分后得到的角度数量，将天线阵列上的入射信号排列成向量形式，即。则可以将接收信号模型（1）写成更紧凑的形式，即为如下紧凑信号接收模型（3）：
（3）；
其中，，，/>为L维向量，是只有/>个卫星回波信号的稀疏向量。A为/>维矩阵，表示阵列流形矩阵，其形式为如下公式（4）：
（4）；
其中，是角度为/>的导向矢量，/>；其中/>可以表示为如下公式（5）：
（5）；
其中，为感兴趣的角区域，即通过先验知识获取到的角度区域。
快拍数表示为N的情况下，对应的公式（3）中的模型可进一步表示为如下公式（6）：
（6）；
其中，为M×N维矩阵；/>，为M×N维脉冲噪声矩阵；X为L×N维矩阵，由于角区域/>被等间隔分成L个角度，Q个可见卫星回波信号所在的角度数目远小于L，即可见卫星回波信号所在的Q个角度不可能覆盖L个角度，因此具有空域稀疏特性，其中只有Q行非零元素。所以，如果能准确估计X中的非零行的数目和位置，即可估计出可见卫星回波信号的角度和数目。
在公式（6）中，如果噪声服从高斯分布，许多现有的算法都能有效地解决角度的估计问题。然而，在脉冲噪声的情况下，这些算法的性能可能会显著下降。这是因为在脉冲噪声中，强噪声成分所占的比例很小，通常约为整体噪声的10%。这10%的强噪声成分会严重影响现有算法的性能，使其得到的解严重偏离真实的解。
因此在本申请实施例中，采用分解的方式，对公式（6）进行处理。
具体的，上述接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型，具体包括
根据上述脉冲噪声的噪声成分将上述可见卫星回波信号的脉冲噪声进行分解重组，得到浓密的高斯噪声成分和稀疏异常噪声成分；
根据上述可见卫星回波信号、浓密的高斯噪声成分和上述稀疏异常噪声成分，建立上述可见卫星回波信号数学模型。
即为了抑制脉冲噪声，根据上述脉冲噪声的噪声成分将上述可见卫星回波信号的脉冲噪声进行重组，得到浓密的高斯噪声成分和稀疏异常噪声成分，进而对公式（6）进行了重组，得到可见卫星回波信号数学模型，具体如公式（7）所示：
（7）；
其中，W为M×N维矩阵，表示脉冲噪声中浓密的高斯噪声成分；S为M×N维矩阵，表示脉冲噪声中稀疏异常噪声成分。
步骤S200，根据惩罚函数和上述可见卫星回波信号数学模型得到双稀疏最小化优化问题。
具体的，在得到可见卫星回波信号数学模型后，借助可见卫星的空间稀疏性，将可见卫星回波信号的角度估计问题转化为一个双稀疏约束问题。然后，使用惩罚函数方法，将双稀疏约束优化问题转化为双稀疏最小化优化问题。
进一步的，可以描述为，上述根据惩罚函数和上述可见卫星回波信号数学模型得到双稀疏最小化优化问题，具体包括：
根据上述可见卫星回波信号数学模型将上述可见卫星回波信号数学模型的信号数量与角度估计问题转化为双稀疏约束问题；
根据上述惩罚函数将上述双稀疏约束问题转化为上述双稀疏最小化优化问题。
具体的，在公式（7）可见卫星回波信号数学模型中有两个先验信息可以利用，即X的行稀疏度Q和S的稀疏度K，则根据先验信息，可将可见卫星回波信号数学模型中可见卫星回波信号的数量与角度估计问题转化为一个双稀疏约束问题，具体表示为公式（8）：
（8）；
其中，表示寻找两个变量X和S，使得函数f（X,S）的取值最小，/>表示约束条件（subject to），/>表示矩阵X的L2,0范数，/>表示0范数；可有效抑制脉冲噪声中浓密的高斯噪声成份的影响F代表Frobenius范数，表示对其中的矩阵的每个元素的平方再求和，/>强制稀疏解，有效地抑制强噪声成份，/>强制行稀疏解，得到行稀疏度为Q的解。
其中，矩阵X的L2,0范数表示为，其数学定义表达式如下式所示：，其中/>表示矩阵X中位于第2行第J列的元素。
而在实际环境中，上述先验信息中的Q和K很难被估计。因此，通过利用惩罚函数的方法将双稀疏约束问题转化为双稀疏最小化优化问题，其中双稀疏最小化优化问题具体表示为如下公式（9）：
（9）；
其中为第一惩罚参数，/>为第二惩罚参数，/>和/>，可以分别调节X的行稀疏度和S的稀疏度。
步骤S300，根据交替优化法和投影梯度下降法求解上述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，根据上述可见卫星回波信号矩阵得到可见卫星的回波信号、数量和角度估计并输出。
具体的，在双稀疏最小化优化问题中涉及到两个待优化变量X和S，采用交替优化方法来求解优化问题（9）。
具体的，上述根据交替优化法和投影梯度下降法求解上述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，具体包括：
基于上述双稀疏最小化优化问题中待优化的可见卫星回波信号矩阵和稀疏异常噪声成分矩阵，得到初始可见卫星回波信号矩阵和初始稀疏异常噪声成分矩阵；
在每一次交替优化求解中，根据前一次交替优化得到的可见卫星回波信号矩阵和稀疏异常噪声成分矩阵，采用上述投影梯度下降法对当前待求解的可见卫星回波信号矩阵求解，得到当前可见卫星回波信号矩阵，根据该次交替优化得到的可见卫星回波信号矩阵和上一次交替优化得到的稀疏异常噪声成分矩阵，采用逐元素求解法对当前待求解的初始稀疏异常噪声成分矩阵进行求解，得到当前稀疏异常噪声成分矩阵；
当交替优化求解次数达到预设次数时，将最后一次交替优化求解得到的最终可见卫星回波信号矩阵作为可见卫星回波信号矩阵；
其中，在第一次交替优化求解中，根据上述初始可见卫星回波信号矩阵和上述初始稀疏异常噪声成分矩阵，采用上述投影梯度下降法对第一次待求解的可见卫星回波信号矩阵求解，得到第一次可见卫星回波信号矩阵，根据上述第一次可见卫星回波信号矩阵和上述初始稀疏异常噪声成分矩阵，采用上述逐元素求解法对第一次待求解的初始稀疏异常噪声成分矩阵进行求解，得到第一次稀疏异常噪声成分矩阵。
具体的，交替优化方法包含以下两个关键步骤，即公式（10）和公式（11）：
（10）；
（11）；
其中，k表示第k次的交替迭代的值。表示固定/>去优化X，对应的/>表示固定/>去优化S。交替优化的方案可以理解为：先假设待优化变量S已知，其数值为/>，去优化X，得到/>；然后假设待优化变量X已知，其数值为，去优化S，得到/>。
具体的，用全0矩阵初始化为P×N维矩阵，用矩阵/>初始化/>为L×N维矩阵，通过初始化的/>和/>，带入到公式（10）和公式（11）进行交替计算；当交替优化求解的次数达到预设次数时，则结束计算，输出最后一次迭代得到的X；其中预设迭代次数为用户根据实际情况进行的预先设置，在本申请实施例中不做限定。
其中，公式（10）由于无算数闭合解，因此在本申请实施例中采用投影梯度下降法求解问题（10）。
上述投影梯度下降法根据预设的迭代次数和第一惩罚参数对上述当前待求解的可见卫星回波信号矩阵进行迭代求解。
具体的迭代步骤包括如下公式（12）、（13）和（14）：
（12），
（13），
（14）。
其中，表示X的第k次交替迭代值的第/>次梯度下降迭代的值，其中梯度下降迭代的次数为预先设置的次数，/>为正整数。/>为S第k次交替迭达的值。z是长度为N的向量；/>包含了z中元素/>的所有元素的I取值，其中/>即为；/>是梯度下降的步长，即梯度下降迭代的次数；为L×N维矩阵，表示/>梯度下降更新一次后的值；/>表示/>的第N行的L2范数；当采用公式(12)-(14)迭代数次后，即可以得到公式(10)的解：/>。
由以上公式可以得出，依赖于第一惩罚参数/>的选择，如果/>选的合适，算法的性能比较好，如果/>选的不合适，算法的性能就不太理想。
上述第一惩罚参数根据预设的第一更新公式进行更新。
具体的，预设的第一更新公式如以下公式（15）所示：
（15）；
其中，为z的四分位数范围，其等于z的上四分位减去z的下四分位；可以认为是z的标准差；1.5是调节置信区间的参数；在每一次更新X后，对应记录z的值，从而更新当前第一惩罚参数/>。
对于公式（11），具体采用逐元素求解法进行求解。
上述在每一次交替优化求解中，根据该次交替优化得到的可见卫星回波信号矩阵和上一次交替优化得到的稀疏异常噪声成分矩阵，采用逐元素求解法对当前待求解的初始稀疏异常噪声成分矩阵进行求解，得到当前稀疏异常噪声成分矩阵，具体包括：
根据该次交替优化得到的可见卫星回波信号矩阵和上一次交替优化得到的稀疏异常噪声成分矩阵构建当前稀疏异常噪声成分矩阵求解公式；
将上述当前稀疏异常噪声成分矩阵求解公式转化为实数形式公式，并将上述实数形式公式进行转化得到逐元素求解矩阵；根据第二惩罚参数对上述逐元素求解矩阵求解，得到上述当前稀疏异常噪声成分矩阵。
具体的，将公式（11）中复数形式表示的公式转化为实数形式，得到实数形式矩阵，具体如公式（16）所示：
（16）；
其中，，/>，/>，。/>表示取括号中复数的实部，/>表示取括号中复数的虚部。
在定义的情况下，公式(16)可以重新表达为如下公式（17）：
（17）。
由公式（17）可知，只依赖于/>的数值，因此优化问题（17）可以以逐元素的形式求解，其中/>中i和j表示/>的行列，/>中i和j表示/>的行列，具体求解公式如公式（18）所示：
（18）；
根据公式（16）、（17）和（18）得到。
其中，上述第二惩罚参数根据预设的第二更新公式进行更新。
具体第二更新公式，如公式（19）所示：
（19）；
其中，表示对/>的每个元素取绝对值，/>为/>的四分位数范围，等于/>的上四分位减去/>的下四分位；/>可以认为是/>的标准差；4.3是调节置信区间的参数。
通过上述可以求得后，进一步可以得到复数形式的“”其中/>表示取/>第一行到第L行的数据与每一列进行排列，/>表示取第L+1行到第2L行的数据与每一列进行排列；通过公式(10)-(11)多次迭代完成后，恢复得到的/>是一个行稀疏的矩阵，其非0行就是卫星返回的信息。
因此，根据最后一次交替迭代得到的X，可以得到可见卫星的回波信号、入射角以及数目；具体为，对应的可见卫星的回波信号即表示为矩阵X；之后先计算X每行的L2范数，得到一个稀疏向量，然后画出该向量的分布图（也叫能量频谱图），寻找波峰，波峰对应的角度就是目标回波信号的入射角度，并且对应的入射角度的个数即为可见卫星回波信号的个数；通过得到的准确的可见卫星回波信号的数目和角度估计，方便了卫星信号探测过程中选取优良的卫星几何精度因子的过程。
进一步的，本发明通过图2，对本发明所描述的双稀疏优化阵列天线的卫星信号稳健捕获方法进行进一步描述。如图2所示，先设计可见卫星回波信号的数学模型（即可见卫星回波信号数学模型），再基于新的接收信号模型，设计可见卫星回波信号的优化目标函数（即双稀疏最小化优化问题），最终通过利用交替优化和投影梯度下降的方法求解优化问题，并在此过程中采用稳健统计的方法更新算法的参数（即第一惩罚参数根据预设的第一更新公式进行更新，第二惩罚参数根据预设的第二更新公式进行更新）。
进一步的，在本申请的一种实施方式中，考虑一个均匀线性天线阵列，均匀线性天线阵列具有50个天线阵元，天线阵列扫描角度区间为，以/>等间隔划分，即L=30。使用双分量高斯混合模型生成脉冲噪声，其中异常值的比例分量为10%，浓密的高斯噪声成分和稀疏异常噪声成分两项的方差分别为1和100。卫星信号的信噪比固定为20dB，快拍数为50。然后，用全0矩阵初始化/>为P×N维矩阵，用矩阵/>初始/>化为L×N维矩阵，参数/>设为0.0001。在本过程中，考虑两种常见的脉冲噪声模型：高斯混合噪声和拉普拉斯噪声。图3给出了混合高斯噪声下可见卫星回波信号估计值的均方误差（MeanSquare Error， MSE）随着信噪比（Signal-to-Noise Ratio， SNR）变化的仿真示意图。图4给出了拉普拉斯噪声下可见卫星回波信号估计值的均方误差（Mean Square Error， MSE）随着信噪比（Signal-to-Noise Ratio， SNR）变化的仿真示意图。从图3和图4中，L22-L21指对应的双稀疏最小化优化问题为/>，L11-L11指对应的双稀疏最小化优化问题为/>，L21-L21指对应的双稀疏最小化优化问题为/>；可以看到本申请实施例提出的双稀疏优化阵列天线的卫星信号稳健捕获方法的性能要远远优于现有算法的性能。
由上可见，与现有技术相比，针对目前在脉冲噪声存在的情况下，使用天线阵列进行可见卫星的角度估计的方法估计不准的问题，本发明所提出的双稀疏优化阵列天线的卫星信号稳健捕获方法中，采用脉冲噪声的噪声成分建立可见卫星回波信号数学模型，从而使得本发明针对脉冲噪声中的成分对噪声进行分解，通过分解后的噪声构建数学模型，从而可以更好地利用噪声的结构信息，并在恢复信号时得到更好的结果；采用惩罚函数得到双稀疏最小化优化问题，得到包含了双稀疏约束的先验信息的双稀疏最小化优化问题，从而可以充分利用信号的特征去估计可见卫星回波信号的数目以及到达角度；通过交替优化法和投影梯度下降法求解双稀疏最小化优化问题从而可以通过多次交替得到准确的可见卫星回波信号矩阵，从而得到准确的可见卫星的数量和角度估计。进一步的，在本发明所提出的双稀疏优化阵列天线的卫星信号稳健捕获方法中，对脉冲噪声进行分解处理，使得其对数据不敏感，从而使得本发明无需针对不同脉冲噪声数据进行调整，在实际应用中无需调节参数即可以得到很好的估计结果，极大地方便了用户的使用。
示例性设备
如图5中所示，对应于上述双稀疏优化阵列天线的卫星信号稳健捕获方法，本发明实施例还提供一种双稀疏优化阵列天线的卫星信号稳健捕获系统，上述双稀疏优化阵列天线的卫星信号稳健捕获系统包括：
模型构建模块51，用于接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型；
双稀疏最小化优化问题设计模块52，用于根据惩罚函数和上述可见卫星回波信号数学模型得到双稀疏最小化优化问题；
求解输出模块53，用于根据交替优化法和投影梯度下降法求解上述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，根据上述可见卫星回波信号矩阵得到可见卫星的回波信号、数量和角度估计并输出。
需要说明的是，上述双稀疏优化阵列天线的卫星信号稳健捕获系统及其各个模块或单元的具体结构和实现方式可以参照上述方法实施例中的对应描述，在此不再赘述。
需要说明的是，上述双稀疏优化阵列天线的卫星信号稳健捕获系统的各个模块的划分方式并不唯一，在此也不作为具体限定。
基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图6所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和双稀疏优化阵列天线的卫星信号稳健捕获程序。该内存储器为非易失性存储介质中的操作系统和双稀疏优化阵列天线的卫星信号稳健捕获程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该双稀疏优化阵列天线的卫星信号稳健捕获程序被处理器执行时实现上述任意一种双稀疏优化阵列天线的卫星信号稳健捕获方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解，图6中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的双稀疏优化阵列天线的卫星信号稳健捕获程序，上述双稀疏优化阵列天线的卫星信号稳健捕获程序被上述处理器执行时实现本发明实施例提供的任意一种双稀疏优化阵列天线的卫星信号稳健捕获方法的步骤。
本发明实施例还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有双稀疏优化阵列天线的卫星信号稳健捕获程序，上述双稀疏优化阵列天线的卫星信号稳健捕获程序被处理器执行时实现本发明实施例提供的任意一种双稀疏优化阵列天线的卫星信号稳健捕获方法的步骤。
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的系统/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的系统/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，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。
上述集成的模块/单元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，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述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；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (9)
1.一种双稀疏优化阵列天线的卫星信号稳健捕获方法，其特征在于，所述双稀疏优化阵列天线的卫星信号稳健捕获方法包括：
接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型；
根据惩罚函数和所述可见卫星回波信号数学模型得到双稀疏最小化优化问题；
根据交替优化法和投影梯度下降法求解所述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，根据所述可见卫星回波信号矩阵得到可见卫星的回波信号、数量和角度估计并输出；
所述根据交替优化法和投影梯度下降法求解所述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，具体包括：
基于所述双稀疏最小化优化问题中待优化的可见卫星回波信号矩阵和稀疏异常噪声成分矩阵，得到初始可见卫星回波信号矩阵和初始稀疏异常噪声成分矩阵；
在每一次交替优化求解中，根据前一次交替优化得到的可见卫星回波信号矩阵和稀疏异常噪声成分矩阵，采用所述投影梯度下降法对当前待求解的可见卫星回波信号矩阵求解，得到当前可见卫星回波信号矩阵，根据该次交替优化得到的可见卫星回波信号矩阵和上一次交替优化得到的稀疏异常噪声成分矩阵，采用逐元素求解法对当前待求解的初始稀疏异常噪声成分矩阵进行求解，得到当前稀疏异常噪声成分矩阵；
当交替优化求解次数达到预设次数时，将最后一次交替优化求解得到的最终可见卫星回波信号矩阵作为可见卫星回波信号矩阵；
其中，在第一次交替优化求解中，根据所述初始可见卫星回波信号矩阵和所述初始稀疏异常噪声成分矩阵，采用所述投影梯度下降法对第一次待求解的可见卫星回波信号矩阵求解，得到第一次可见卫星回波信号矩阵，根据所述第一次可见卫星回波信号矩阵和所述初始稀疏异常噪声成分矩阵，采用所述逐元素求解法对第一次待求解的初始稀疏异常噪声成分矩阵进行求解，得到第一次稀疏异常噪声成分矩阵。
2.根据权利要求1所述的双稀疏优化阵列天线的卫星信号稳健捕获方法，其特征在于，所述接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型，具体包括：
根据所述脉冲噪声的噪声成分将所述可见卫星回波信号的脉冲噪声进行重组，得到浓密的高斯噪声成分和稀疏异常噪声成分；
根据所述可见卫星回波信号、浓密的高斯噪声成分和所述稀疏异常噪声成分，建立所述可见卫星回波信号数学模型。
3.根据权利要求1所述的双稀疏优化阵列天线的卫星信号稳健捕获方法，其特征在于，所述根据惩罚函数和所述可见卫星回波信号数学模型，得到双稀疏最小化优化问题，具体包括：
根据所述可见卫星回波信号数学模型将所述可见卫星回波信号数学模型的信号数量与角度估计问题转化为双稀疏约束问题；
根据所述惩罚函数将所述双稀疏约束问题转化为所述双稀疏最小化优化问题。
4.根据权利要求1所述的双稀疏优化阵列天线的卫星信号稳健捕获方法，其特征在于，所述投影梯度下降法根据预设的迭代次数和第一惩罚参数对所述当前待求解的可见卫星回波信号矩阵进行迭代求解。
5.根据权利要求4所述的双稀疏优化阵列天线的卫星信号稳健捕获方法，其特征在于，所述在每一次交替优化求解中，根据该次交替优化得到的可见卫星回波信号矩阵和上一次交替优化得到的稀疏异常噪声成分矩阵，采用逐元素求解法对当前待求解的初始稀疏异常噪声成分矩阵进行求解，得到当前稀疏异常噪声成分矩阵，具体包括：
根据该次交替优化得到的可见卫星回波信号矩阵和上一次交替优化得到的稀疏异常噪声成分矩阵构建当前稀疏异常噪声成分矩阵求解公式；
将所述当前稀疏异常噪声成分矩阵求解公式转化为实数形式公式，并将所述实数形式公式进行转化得到逐元素求解矩阵；
根据第二惩罚参数对所述逐元素求解矩阵求解，得到所述当前稀疏异常噪声成分矩阵。
6.根据权利要求5所述的双稀疏优化阵列天线的卫星信号稳健捕获方法，其特征在于，所述第一惩罚参数根据预设的第一更新公式进行更新，所述第二惩罚参数根据预设的第二更新公式进行更新。
7.一种双稀疏优化阵列天线的卫星信号稳健捕获系统，其特征在于，所述双稀疏优化阵列天线的卫星信号稳健捕获系统包括：
模型构建模块，用于接收天线获取到的含有脉冲噪声的可见卫星回波信号，根据脉冲噪声的噪声成分建立可见卫星回波信号数学模型；
双稀疏最小化优化问题设计模块，用于根据惩罚函数和所述可见卫星回波信号数学模型得到双稀疏最小化优化问题；
求解输出模块，用于根据交替优化法和投影梯度下降法求解所述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，根据所述可见卫星回波信号矩阵得到可见卫星的回波信号、数量和角度估计并输出；
所述根据交替优化法和投影梯度下降法求解所述双稀疏最小化优化问题，得到可见卫星回波信号矩阵，具体包括：
基于所述双稀疏最小化优化问题中待优化的可见卫星回波信号矩阵和稀疏异常噪声成分矩阵，得到初始可见卫星回波信号矩阵和初始稀疏异常噪声成分矩阵；
在每一次交替优化求解中，根据前一次交替优化得到的可见卫星回波信号矩阵和稀疏异常噪声成分矩阵，采用所述投影梯度下降法对当前待求解的可见卫星回波信号矩阵求解，得到当前可见卫星回波信号矩阵，根据该次交替优化得到的可见卫星回波信号矩阵和上一次交替优化得到的稀疏异常噪声成分矩阵，采用逐元素求解法对当前待求解的初始稀疏异常噪声成分矩阵进行求解，得到当前稀疏异常噪声成分矩阵；
当交替优化求解次数达到预设次数时，将最后一次交替优化求解得到的最终可见卫星回波信号矩阵作为可见卫星回波信号矩阵；
其中，在第一次交替优化求解中，根据所述初始可见卫星回波信号矩阵和所述初始稀疏异常噪声成分矩阵，采用所述投影梯度下降法对第一次待求解的可见卫星回波信号矩阵求解，得到第一次可见卫星回波信号矩阵，根据所述第一次可见卫星回波信号矩阵和所述初始稀疏异常噪声成分矩阵，采用所述逐元素求解法对第一次待求解的初始稀疏异常噪声成分矩阵进行求解，得到第一次稀疏异常噪声成分矩阵。
8.一种智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的双稀疏优化阵列天线的卫星信号稳健捕获程序，所述双稀疏优化阵列天线的卫星信号稳健捕获程序被所述处理器执行时实现如权利要求1-6任意一项所述双稀疏优化阵列天线的卫星信号稳健捕获方法的步骤。
9.一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双稀疏优化阵列天线的卫星信号稳健捕获程序，所述双稀疏优化阵列天线的卫星信号稳健捕获程序被处理器执行时实现如权利要求1-6任意一项所述双稀疏优化阵列天线的卫星信号稳健捕获方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310966127.8A CN116680503B (zh) | 2023-08-02 | 2023-08-02 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310966127.8A CN116680503B (zh) | 2023-08-02 | 2023-08-02 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116680503A CN116680503A (zh) | 2023-09-01 |
| CN116680503B true CN116680503B (zh) | 2024-03-22 |
Family
ID=87781310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310966127.8A Active CN116680503B (zh) | 2023-08-02 | 2023-08-02 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116680503B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10866304B1 (en) * | 2018-09-12 | 2020-12-15 | Neural Propulsion Systems, Inc. | Signal detection and denoising systems |
| CN114152918A (zh) * | 2021-11-23 | 2022-03-08 | 南京信息工程大学 | 基于压缩感知的抗间歇式主瓣干扰方法 |
| CN114280555A (zh) * | 2021-12-23 | 2022-04-05 | 常熟理工学院 | 一种压缩感知雷达干扰信号识别分类方法 |
| CN115792981A (zh) * | 2023-02-06 | 2023-03-14 | 深圳大学 | 一种基于阵列天线的可见卫星探测方法 |
| CN116047459A (zh) * | 2023-01-13 | 2023-05-02 | 深圳大学 | 脉冲干扰环境下的阵列雷达回波信号恢复方法及相关设备 |
| CN116400319A (zh) * | 2023-06-08 | 2023-07-07 | 深圳大学 | 基于单比特量化天线阵列的到达角估计方法及相关设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9173025B2 (en) * | 2012-02-08 | 2015-10-27 | Dolby Laboratories Licensing Corporation | Combined suppression of noise, echo, and out-of-location signals |
-
2023
- 2023-08-02 CN CN202310966127.8A patent/CN116680503B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10866304B1 (en) * | 2018-09-12 | 2020-12-15 | Neural Propulsion Systems, Inc. | Signal detection and denoising systems |
| CN114152918A (zh) * | 2021-11-23 | 2022-03-08 | 南京信息工程大学 | 基于压缩感知的抗间歇式主瓣干扰方法 |
| CN114280555A (zh) * | 2021-12-23 | 2022-04-05 | 常熟理工学院 | 一种压缩感知雷达干扰信号识别分类方法 |
| CN116047459A (zh) * | 2023-01-13 | 2023-05-02 | 深圳大学 | 脉冲干扰环境下的阵列雷达回波信号恢复方法及相关设备 |
| CN115792981A (zh) * | 2023-02-06 | 2023-03-14 | 深圳大学 | 一种基于阵列天线的可见卫星探测方法 |
| CN116400319A (zh) * | 2023-06-08 | 2023-07-07 | 深圳大学 | 基于单比特量化天线阵列的到达角估计方法及相关设备 |
Non-Patent Citations (3)
| Title |
|---|
| Dynamic Clutter Mitigation Using Sparse Optimization;Faruk Uysal et.al;《IEEE A&E SYSTEMS MAGAZINE》;第37-49页 * |
| Radar Signal Retrieval for Multiple Measurement via Iterative Reweighted Approach;Qiang Li et.al;《2021 CIE International Conference on Radar (Radar)》;第1606-1610页 * |
| 脉冲压缩在激光测距中的应用;裘园等;《现代电子技术》;第59-62页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116680503A (zh) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ender | A brief review of compressive sensing applied to radar | |
| US6732064B1 (en) | Detection and classification system for analyzing deterministic properties of data using correlation parameters | |
| Bresler et al. | Exact maximum likelihood parameter estimation of superimposed exponential signals in noise | |
| Hysell et al. | Optimal aperture synthesis radar imaging | |
| Shao et al. | High-resolution ISAR imaging and motion compensation with 2-D joint sparse reconstruction | |
| US6226321B1 (en) | Multichannel parametric adaptive matched filter receiver | |
| US5068597A (en) | Spectral estimation utilizing a minimum free energy method with recursive reflection coefficients | |
| US6771723B1 (en) | Normalized parametric adaptive matched filter receiver | |
| CN109298420B (zh) | 一种合成孔径雷达的运动目标迭代最小熵成像方法及装置 | |
| CN115792981B (zh) | 一种基于阵列天线的可见卫星探测方法 | |
| US4982150A (en) | Spectral estimation utilizing an autocorrelation-based minimum free energy method | |
| CN112162280B (zh) | 基于原子范数最小化的sf isar一维高分辨距离成像方法 | |
| Liu et al. | An improved L1-SVD algorithm based on noise subspace for DOA estimation | |
| US20220413092A1 (en) | Radar data denoising systems and methods | |
| 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 | |
| Nickel | Radar target parameter estimation with array antennas | |
| CN112087235A (zh) | 基于伪逆感知字典的稀疏度自适应doa估计方法及系统 | |
| CN117092585A (zh) | 单比特量化DoA估计方法、系统和智能终端 | |
| Lavielle et al. | A simulated annealing version of the EM algorithm for non-Gaussian deconvolution | |
| Contaldi et al. | A Bayesian estimate of the skewness of the cosmic microwave background | |
| CN116299176A (zh) | 一种基于霍夫变换的目标空间特征提取及融合定位方法 | |
| CN113705335B (zh) | 一种低频稀疏线谱信号时频超分辨率提取方法 | |
| CN116027293A (zh) | 一种扫描雷达快速稀疏角超分辨方法 | |
| CN114996653A (zh) | 一种基于原子范数最小化的二维鲁棒自适应波束形成方法 | |
| CN112068083A (zh) | 一种信号重构方法、装置及雷达 |
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 |