一种移动传感器阵列aoa检测的和差算法
【技术领域】
[0001] 本发明属于无线电领域，特别涉及一种移动传感器阵列AOA检测的和差算法。
【背景技术】
[0002] 在雷达领域中，确定AOA(Angle of Arrival，波达方向）一直是研宄的重要课题。
[0003] 在现有的技术中，常用的有最大似然和MUSIC(Multiple Signal Classification,多信号分类）和 ESPRIT(Estimating Signal Parameters via Rotational Invariance Techniques，借助旋转不变技术估算信号参数）方法，其中ESPRIT 通过计算闭式解的方法，就可以得到信源的方位角和俯仰角两个重要参数，从而完成对AOA 的估计，不需像最大似然和MUSIC方法那样要经过对谱峰进行搜索，可以显著降低相关数 据的计算量和存储量。
[0004] 在实现本发明的过程中，发明人发现现有技术至少存在以下问题：
[0005] 作为其中较为优秀的方法，由于ESPRIT对阵列结构有特定要求，而且在低信噪比 下估计精度不高。，导致无法对AOA进行准确估计。
【发明内容】
[0006] 为了解决现有技术的问题，本发明提供了一种移动传感器阵列AOA检测的和差算 法，所述移动传感器阵列AOA检测的和差算法，包括：
[0007] 步骤一，部署信号接收阵列；
[0008] 步骤二，按预设时刻通过所述信号接收阵列进行信号接收，接收到的信号为Xl、 X2、…、xk，其中，k为不同的接收时刻；
[0009] 步骤三，根据所述接收到的信号，确定前K个时刻接收数据和χΣΚ，前（n-l)K个 时刻接收数据和x s(Iri)K，对所述前（n-l)K个时刻接收数据和进行修正，得到修正后的前 (n-1) K个时刻修正数据和 X Σ (η-1)K ?
[0010] 步骤四，获取第ηΚ个时刻接收数据，进而获取修正后的第ηΚ个时刻修正数据，结 合所述前K个时刻修正数据和χ ΣΚ'，得到修正后的样本矩阵；
[0011] 步骤五，将所述前（n-l)K个时刻修正数据和χΣ(η_1)κ'与所述修正后的样本矩阵 合并，得到合并矩阵X，所述合并矩阵X = AS + N，其中阵列流型又1，其中As2 = \_?Σ2_ ΑΣ1 π 〇
[0012] 步骤六，对所述合并矩阵X的协方差矩阵进行特征值分解，得到特征值序列，获取 所述特征值序列中最大的特征值对应的信号子空间U s，此时存在非奇异矩阵Τ，使得所述信 号子空间队与所述阵列流型义之间存在关系为，Us=IT;
[0013] 步骤七，所述信号子空间Us包括第一信号子空间Usi和第二信号子空间U s2，所述第 一信号子空间Usi对应所述阵列流型又中的Asi，所述第二信号子空间对应所述阵列流型A 中的 ΑΣ2，即 =「念S1]T，根据所述 As2= A Σ1Π ，有 Us2= UsJ-1IIT = υ31Ψ，其 1_ΛΣ2_ 中π = Γ?ψΤ，所述ψ称为Π 的相似变换矩阵，对所述ψ进行特征分解，得到特征值矩 阵D ;
[0014] 步骤八，根据所述特征值矩阵D，确定发射所述信号的信源相对于所述接收阵列的 俯仰角和方位角。
[0015] 可选的，所述按预设时刻通过所述信号接收阵列进行信号接收，接收到的信号为 Xl、乂2、···、Xk，手舌：
[0016] 在&时刻通过所述信号接收阵列进行第一次信号接收，得到所述信号接收阵列在 所述1^时刻的接收数据X i = As Jt1Hn1;
[0017] 在所述间隔Λ τ后，即在t2时刻通过所述信号接收阵列进行第二次信号接收，得 到所述信号接收阵列在所述t2时刻的接收数据 +Il2;
[0018] 依次类推，每过所述间隔λ τ后，通过所述信号接收阵列进行信号接 收，在tk= t d (k_l) △ τ时亥I」，得到所述信号接收阵列在所述^时刻的接收数据
【主权项】
1. 一种移动传感器阵列AOA检测的和差算法，其特征在于，所述移动传感器阵列AOA检 测的和差算法，包括： 步骤一，部署信号接收阵列； 步骤二，按预设时刻通过所述信号接收阵列进行信号接收，接收到的信号为Xl、x2、…、 xk，其中，k为不同的接收时刻； 步骤三，根据所述接收到的信号，确定前K个时刻接收数据和χΣΚ，前（n-1) K个时刻接 收数据和xs(Iri)K，对所述前（n-l)K个时刻接收数据和进行修正，得到修正后的前（n-l)K个 时刻修正数据和 X Σ (η-1)K ? 步骤四，获取第ηΚ个时刻接收数据，进而获取修正后的第ηΚ个时刻修正数据，结合所 述前K个时刻修正数据和χΣΚ'，得到修正后的样本矩阵； 步骤五，将所述前（n-l)K个时刻修正数据和χΣ(η_1)κ'与所述修正后的样本矩阵合 并，得到合并矩阵X，所述合并矩阵X = AS + N,其中阵列流型A= ，其中As2 = ΑΣ1Π 〇 步骤六，对所述合并矩阵X的协方差矩阵进行特征值分解，得到特征值序列，获取所述 特征值序列中最大的特征值对应的信号子空间Us，此时存在非奇异矩阵Τ，使得所述信号子 空间队与所述阵列流型又之间存在关系为，Us=^T ; 步骤七，所述信号子空间Us包括第一信号子空间Usi和第二信号子空间Us2，所述第一信 号子空间Usi对应所述阵列流型A中的ΑΣ1，所述第二信号子空间对应所述阵列流型义中的 As2，即 Us= Hsi 二含Σ1，根据所述 As2=A Σ1Π ，有 Us2= UsJ-1IIT = UsA其中 Π = ?^ΨΤ，所述Ψ称为Π 的相似变换矩阵，对所述Ψ进行特征分解，得到特征值矩阵D ; 步骤八，根据所述特征值矩阵D，确定发射所述信号的信源相对于所述接收阵列的俯 仰角和方位角。
2. 根据权利要求1所述的移动传感器阵列AOA检测的和差算法，其特征在于，所述按预 设时刻通过所述信号接收阵列进行信号接收，接收到的信号为 Xl、X2、…、xk，包括： 在h时刻通过所述信号接收阵列进行第一次信号接收，得到所述信号接收阵列在所述 1^时刻的接收数据X丨=As i U1Hn1; 在所述间隔△ τ后，即在t2时刻通过所述信号接收阵列进行第二次信号接收，得到所 述信号接收阵列在所述t2时刻的接收数据X2=A€>Sih；)/ yik +Il2 ; 依次类推，每过所述间隔△ τ后，通过所述信号接收阵列进行信号接收， 在tk= t d(k-Ι) Δ τ时亥I」，得到所述信号接收阵列在所述&时刻的接收数据 Χ，ΑΦ[;'-恤 +Iit， ^ , ( -^ArrcosA ^j^Arvcospr Λ 其中，φ为对角阵，并且Φ = e 2 ·· e A 。 V J
3. 根据权利要求1所述的移动传感器阵列AOA检测的和差算法，其特征在于，所述根据 所述接收到的信号，确定前K个时刻接收数据和χ ΣΚ，前（n-l)K个时刻接收数据和χΣ(η_1)κ， 对所述前K个时刻接收数据和以及所述前（n-1) K个时刻接收数据和进行修正，得到修正后 的前K个时刻修正数据和χΣΚ'，修正后的前（n-l)K个时刻修正数据和χ Σ(η_1)κ'，包括： 前K个时刻接收数据和χΣΚ，具体为
前〇1-1)1(个时刻接收数据和^(11_1)1?，具体为
修正后的前（η-ι)κ个时刻修正数据和χ Σ(η_1)κ'
4. 根据权利要求1所述的移动传感器阵列AOA检测的和差算法，其特征在于，所述获取 第ηΚ个时刻接收数据，进而获取修正后的第ηΚ个时刻修正数据，结合所述前K个时刻修正 数据和χ Σ/，得到修正后的样本矩阵，包括： 第ηΚ个时刻接收数据χΛ，具体为 XnK X ΣηΚ X Σ (η-1)Κ; 修正后的第ηΚ个时刻修正数据χΛ = (χΣΛ-χΣ(η_1)κ；Γ ; 样本矩阵Σ，
〇
5. 根据权利要求1所述的移动传感器阵列AOA检测的和差算法，其特征在于，所述将所 述前（n-l)K个时刻修正数据和χΣ(η_ 1)κ'与所述修正后的样本矩阵合并，得到合并矩阵X， 所述合并矩阵X =又S + N，包括： 所述合并矩阵X，具体为
6.根据权利要求1所述的移动传感器阵列AOA检测的和差算法，其特征在于，所述根据 所述特征值矩阵D，确定发射所述信号的信源相对于所述接收阵列的俯仰角和方位角。，包 括： 第P个信源相对于所述接受阵列的俯仰角为 β P= acos ((-angle (E-D) / λ /ν/ Δ τ /Κ/2/ π )) *180/ JT 0
【专利摘要】本发明公开了一种移动传感器阵列AOA检测的和差算法，属于雷达技术领域。所述发明包括部署信号接收阵列，并通过将信号接收阵列进行移动，在移动过程中的不同时刻进行信号接收，并根据接收时间的不同分别构成两个矩阵，将两个矩阵进行合并进而由特征值分解得到旋转不变因子，对旋转不变因子进行反解，得到信源相对于信号接收阵列的俯仰角和方位角。相对于现有技术，能够充分利用了接收数据信息，提高了信号源角度的估算精度，并且还可以克服了传统ESPRIT方法对阵列结构要求的局限性和在低信噪比下精度不高的缺陷。
【IPC分类】G01S7-02
【公开号】CN104833958
【申请号】CN201510158631
【发明人】聂卫科, 徐楷杰, 解虎, 李进, 冯大政
【申请人】西北大学
【公开日】2015年8月12日
【申请日】2015年4月3日