一种相干信源二维波达方向的估计方法及系统与流程

本发明涉及一种相干信源二维波达方向的估计方法及系统。

背景技术：

空间估计技术是近30年来发展起来的一门新兴的空域信号处理技术，也可以说它是在波束形成技术，零点技术和时域谱估计技术的基础上发展起来的一种新技术，其主要目标是研究提高在处理带宽内空间信号(包括独立、部分相关和相刊角度)的估计精度、角度分辨力和提高运算速度的各种算法。对空间信号到达角的估计最早的方法是采用机械波束扫描的方法，这种方法在速度上和精度上都满足不了实际的需要，波束形成技术的研究，在这些方面有了突破性的进展。

在目前空间信号很可能存在多源(在处理带宽内)信号，波束形成所给出的角度误差将会增大，甚至将非所需的干扰信号误认为所需信号的到达角。因此，存在多源信号时，对所需信号到达角的估计就成为迫切的课题。

阵列信号处理的一个基本问题是空间信号到达方向(directionofarrival，doa)估计的问题，也是雷达、声纳等许多领域的重要问题。但是由于传播系统中的复杂性，会存在相干信源的，这将会造成虚警或目标定位错误等问题。例如music由于相干引起的信号子空间与噪声子空间的相互渗透，无法对相干信号进行良好的估计。

技术实现要素：

本发明所要解决的技术问题在于提供一种相干信源二维波达方向的估计方法，其解决对相干信源二维波达方向的估计问题。

为解决上述技术问题，本发明采用的技术方案是：一种相干信源二维波达方向的估计方法，其特征在于，包括：

部署接收阵列接收相干信源信号值；

通过接收到的信号值构建协方差矩阵；

对协方差矩阵进行特征值分解，提取出包含所有信号信息的特征向量；

利用提取出的特征向量重构toeplitz矩阵。

本发明的另一目的在于提供一种相干信源二维波达方向的估计系统，其特征在于，包括：

部署模块，用于部署接收阵列接收相干信源信号值；

构建模块，用于通过接收到的信号值构建协方差矩阵；

提取模块，用于对协方差矩阵进行特征值分解，提取出包含所有信号信息的特征向量；

处理模块，用于利用提取出的特征向量重构toeplitz矩阵。

与现有技术相比，本发明具有以下有益的技术效果：

实现简单，包括：部署接收阵列接收相干信源信号值；通过接收到的信号值构建协方差矩阵；对协方差矩阵进行特征值分解，提取出包含所有信号信息的特征向量；利用提取出的特征向量重构toeplitz矩阵，降低了计算的复杂度，提高了低信噪比下估计的准确性。

附图说明

图1是本发明的相干信源二维波达方向的估计方法的流程图；

图2是本发明的实施例示意图。

具体实施方式

下面通过具体实施方案对本发明作进一步详细描述，但这些实施实例仅在于举例说明，并不对本发明的范围进行限定。

请参照图1，本发明的一种相干信源二维波达方向的估计方法，其特征在于，包括：步骤s101，部署接收阵列接收相干信源信号值；步骤s102，通过接收到的信号值构建协方差矩阵；步骤s103，对协方差矩阵进行特征值分解，提取出包含所有信号信息的特征向量；步骤s104，利用提取出的特征向量重构toeplitz矩阵。

在一个实施例中，所述部署接收阵列接收相干信源信号值包括：调整部署的接收阵元的位置，使m个阵元处于同一水平的直线上。

在一个实施例中，所述部署接收阵列接收相干信源信号值进一步包括：部署p个远场相干信号源，使之处于同一平面内，相干信号源远离接收阵列，使接收阵元位于相干信号源的远场。

在一个实施例中，所述对协方差矩阵进行特征值分解，提取出包含所有信号信息的特征向量包括：方差矩阵r行特征值分解，分解成r＝us∑sus^h+σ²unun^h形式，其中us表示大特征向量组成的向量块，为信号的子空间，un表示小特征向量组成的向量块，为噪声子空间。

在一个实施例中，所述对协方差矩阵进行特征值分解，提取出包含所有信号信息的特征向量进一步包括：在所述的大特征向量块us中提取出最大的特征值向量。

在一个实施例中，所述对协方差矩阵进行特征值分解，提取出包含所有信号信息的特征向量进一步包括：对所述特征向量用阵列导向矢量的线性组合表示，再做去相干处理，得到去相干后的矢量。

在一个实施例中，所述利用提取出的特征向量重构toeplitz矩阵进一步包括：仿真出采用music算法的空间谱。

在一个实施例中，进一步包括：找出所述空间谱的峰值。

在一个实施例中，所述找出所述空间谱的峰值包括：建立以横坐标为角度θ，纵坐标为信噪比的二维直角坐标系，在该坐标系下画出music算法的空间谱函数；找出所述空间谱函数对应的波峰，波峰值对应的横坐标的角度θ即为相干信源对应的波达角。

作为具体的实施例，本发明的方法包括：包含部署信号接收阵列，接收p个相干信号入射到接收阵列的信号值，重构包含所有信号信息的toeplitz矩阵，以接收阵列为基础建立坐标系，估计入射信源与y轴的夹角来确定相干信源的二维波达方向。

作为具体的实施例，请参照图2，所述的估计方法包括以下步骤：

步骤1：部署接收信号的阵列。

步骤2：接收信源发出的信号，接收信源发出的信号值可表示为：x1(t),x2(t),x3(t),...xm(t)。

步骤3：取n个相干信号源，假设入射方向分别为[θ1，θ2，...，θn]，写成矢量形式为：x(t)＝as(t)+n(t)。a为空间阵列流行矩阵(导向矢量阵)。

步骤4：根据所述阵列信号模型，构建协方差矩阵。

步骤5：对协方差矩阵进行特征值分解，求出最大特征值所对应特征向量。

步骤6：对所述特征向量用阵列导向矢量的线性组合表示，再对做去相干处理，得到去相干后的矢量。

步骤7：利用重构m×m的toeplitz矩阵。

步骤8：对矩阵y进行特征值分解，然后仿真出采用music算法的空间谱。

步骤9：找出所述空间谱的峰值，其对应的角即为相干信源的波达角估计值，对应的方向即为相干信源的方向。

本发明还提供一种相干信源二维波达方向的估计系统，包括：部署模块，用于部署接收阵列接收相干信源信号值；构建模块，用于通过接收到的信号值构建协方差矩阵；提取模块，用于对协方差矩阵进行特征值分解，提取出包含所有信号信息的特征向量；处理模块，用于利用提取出的特征向量重构toeplitz矩阵。

作为具体的实施例，步骤1所述的部署接收信号的阵列，还包括以下步骤：

步骤1.1：部署接收信号的阵列，所述的接收信号阵列中包含m个传感器为阵元，相邻两个传感器的间距d等于信号波长λ的二分之一；

步骤1.2：所述的接收信号阵列中传感器的高度尺寸远小于波长λ，可近似认为接收阵元是原点；

步骤1.3：调整部署的接收阵元的位置，使m个阵元处于同一水平的直线上，以阵元所在直线为x轴，垂直x轴定为y轴，阵元和信源均在xoy平面。

步骤1.4：部署p个远场相干信号源，使之处于同一平面内，相干信号源远离接收阵列，使接收阵元位于相干信号源的远场。

作为具体的实施例，步骤2所述的通过所述阵列，接收信源发出的信号，接收信源发出的信号值可表示为：x1(t),x2(t),x3(t),...xm(t)，还包括以下步骤：

步骤2.1：通过所述阵列接收的第一个阵元接收的信号x1(t)＝s(t)+n1(t)

则同一时间第二个信号值即同理可得同一时间第三个阵元，第四个阵元，一直到第m个阵元的信号x2(t),x3(t),...xm(t)；

步骤2.2：将表示的m个信号值进行列堆栈，形成高维矩阵列矢量：

作为具体的实施例，步骤3：取n个相干信号源，假设入射方向分别为[θ1，θ2，...，θn]，写成矢量形式为：x(t)＝as(t)+n(t)，还包括以下步骤：

步骤3.1：设信源与y轴所形成的夹角为θ，对于n个信号源，其入射方向分别为[θ1，θ2，...，θn]；

步骤3.2用[θ1，θ2，...，θn]代替步骤2.2中所述的θi，表示出信号矩阵如下：

将上式写成矢量形式为：x(t)＝as(t)+n(t)，提取出空间阵列流行矩阵(导向矢量阵)a。

作为具体的实施例，步骤4所述的根据所述阵列信号模型，构建协方差矩阵，还包括以下具体步骤：

步骤4.1：对步骤3.2所述的求其协方差，协方差公式为：

式中()^h表示取共轭转置，rss＝ss^h为信号的协方差矩阵。

作为具体的实施例，步骤5所述的对协方差矩阵进行特征值分解，求出最大特征值所对应特征向量，还包括以下具体步骤：

步骤5.1：通过数学的方法对所述的方差矩阵r行特征值分解，具体分解成r＝us∑sus^h+σ²unun^h形式，其中us表示大特征向量组成的向量块，为信号的子空间，un表示小特征向量组成的向量块，为噪声子空间。

步骤5.2：在所述的大特征向量块us中提取出最大的特征值向量。

作为具体的实施例，步骤6所述的对特征向量用阵列导向矢量的线性组合表示，再对做去相干处理，得到去相干后的矢量。包括以下步骤：

步骤6.1：用阵列导向矢量的线性组合表示为：

tk(n)是线性组合因子；

步骤6.2：取相干信号，可表示为：

步骤6.3：对进行去相干处理，具体处理方式为rm＝uk1×ukm,m＝1,2,...m。

作为具体的实施例，步骤7所述的利用重构m×m的toeplitz矩阵。包括以下步骤：

步骤7.1：利用所述的重构m阶矩阵y的具体方法如下：

作为具体的实施例，步骤8所述的对矩阵y进行特征值分解，然后仿真出采用music算法的空间谱，还包括以下具体步骤：

步骤8.1：对矩阵y进行特征值分解，具体分解表达式为：y＝us∑sus^h+σ²unun^h，us表示大特征向量组成的向量块，un表示小特征向量组成的向量块；

步骤8.2：所述的∑s是由p个大特征值构成的对角阵，即：

是r的个重复的小特征值，可得music算法的空间谱表达式为：

作为具体的实施例，步骤9所述的找出空间谱的峰值，其对应的角即为相干信源的波达角估计值，对应的方向即为相干信源的方向，还包括以下具体步骤：

步骤9.1：建立以横坐标为角度θ，纵坐标为信噪比的二维直角坐标系，在该坐标系下画出music算法的空间谱函数；

步骤9.2：找出所述空间谱函数对应的波峰，波峰值对应的横坐标的角度θ即为相干信源对应的波达角。

在一个实施例中，所述估算方法包括：

步骤1：部署接收信号的阵列，所述的接收信号阵列中包含m个传感器为阵元，两相邻两个传感器的间距d等于信号波长的二分之一；所述的接收信号阵列中传感器的高度尺寸远小于波长λ，可近似认为接收阵元是原点。

在实施中，该接收阵列包含m个全向电磁传感器，并且阵列可以为任意拓扑结构，这里m的取值为自然数，阵元m的数量大于相干信源的数量p；部署的m个传感器构成的阵元必须保持同一平面直线上构成均匀线阵，以阵元所在直线为x轴，垂直x轴定为y轴，阵元和信源均在xoy平面。

步骤2：接收信源发出的信号，接收信源发出的信号值可表示为：x1(t),x2(t),x3(t),...xm(t)。

在实施中，设接收阵元位于相干信号源的远场，可近似认为接收到的信号为平面波信号，接收阵列的阵元间距远大于阵元尺寸，各阵元间的相互影响可以忽略不计。对于阵列的各阵元，接收到信号后经各自的传输信道传送到处理器，也就是说处理接收来自m个通道的数据，记录m个通道的数据为信号值x1(t),x2(t),...xm(t)。然后将表示的m个信号值进行列堆栈，形成高维矩阵列矢量：

步骤3：通过所述的阵列取n个相干信号源，假设入射方向分别为[θ1，θ2，...，θn]，写成矢量形式为：x(t)＝as(t)+n(t)。

在一个实施例中，设相干信号源的入射方向与y轴方向形成的夹角为θ，则n个相干信号源的入射角[θ1，θ2，...，θn]，带入高维矩阵列矢量中，表示出空间阵列流型矩阵a(导向矢量阵)。

步骤4：根据所述阵列信号模型，构建协方差矩阵；

在实施中，利用数学的方法对上述的矢量x(t)与其转置x^t(t)求协方差，得到协方差矩阵r。

步骤5：对协方差矩阵进行特征值分解，求出最大特征值所对应特征向量；

在实施中，分解出的大特征向量所对应为信号子空间，小特征向量所对应为噪声子空间。设其中噪声为空间白噪声，σ²是r的m-p个重复的小特征值。

步骤6：对特征向量用阵列导向矢量的线性组合表示，再对做去相干处理，得到去相干后的矢量。

在实施中，k表示取值的次数，应控制在300到600之间，取值太小容易产生失真，取值太大产生的数据量多，影响计算效率。

步骤7：利用重构m×m的toeplitz矩阵；

在实施中，利用数学方法，根据所述的阵元m重构矩阵y。

步骤8：对矩阵y进行特征值分解，具体分解表达式为：y＝us∑sus^h+σ²unun^h，us表示大特征向量组成的向量块，un表示小特征向量组成的向量块；

在实施中，对矩阵y进行特征值分解，分解出小特征向量组成的子空间un，和大特征值向量组成的向量块us，由于k的取值是有限的，不能保证分解出的特征矢量的严格正交性，在运用music空间谱时采用：

步骤9：找出空间谱的峰值，其对应的角即为相干信源的波达角估计值，对应的方向即为相干信源的方向。

在一个实施例中，可通过仿真的处理方法，根据上述相关参数画出pmusic的函数，函数的横坐标用角度表示，纵坐标用信噪比表示，找出图像中峰值所对应的角度，所对应的方向即为采用本方法所估计出的相干信号源的方向。在仿真处理过程中，所取的信噪比参数值不宜过小。

本发明实现了以下有益的技术效果：

实现简单，包括：部署接收阵列接收相干信源信号值；通过接收到的信号值构建协方差矩阵；对协方差矩阵进行特征值分解，提取出包含所有信号信息的特征向量；利用提取出的特征向量重构toeplitz矩阵，降低了计算的复杂度，提高了低信噪比下估计的准确性。

本发明虽然已选取较好实施例公开如上，但并不用于限定本发明。显然，这里无需也无法对所有实施方式予以穷举。任何本领域研究人员在不脱离本发明的精神和范围内，都可采用上述公开实施例中的设计方式和内容对本发明的研究方案进行变动和修改，因此，凡是未脱离本发明方案的内容，依据本发明的研究实质对上述实施例所作的任何简单修改，参数变化及修饰，均属于本发明方案的保护范围。