一种阵列通道不一致性误差快速校正方法
【技术领域】
[0001] 本发明涉及阵列信号处理领域，更确切的说，是一种阵列误差通道不一致性误差 快速校正方法。该方法可用于雷达、声纳等阵列通道不一致性的校正领域。
【背景技术】
[0002] 在实际的测向系统中，生产工艺、安装误差以及平台扰动等使传感器阵列产生幅 相误差、阵元位置误差以及互耦现象，这将导致实际的阵列导向矢量与理想的阵列导向矢 量有所不同。在这种情况下，常规的高分辨的DOA估计算法，诸如MVDR，MUSIC，ESPRIT 和ML等算法的测向性能将严重下降甚至失效。因此，在使用传感器阵列进行DOA估计之 前，阵列误差的校正工作是不可或缺的。针对阵列通道不一致性引起的幅度和相位误差， Jungtai Kim 等人在 2010 年发表的《Blind calibration foralineararraywith gain and phase error using independent component analysis〉〉中提到，利用独立成分分析法 (Independent Component Analysis，ICA)可校正阵列的幅度和相位误差，该算法需要较大 的计算量且要求校正信源为非高斯信号。柳艾飞等人在2011年发表的纽116丨861181：1'11〇1：11^ method forestimating DOAand sensorgain-phase errors》中提到，利用阵列输出矩阵及 其共辄矩阵的Hadamard积构成新的协方差矩阵，并对其进行特征分解从而实现了幅相误 差和DOA的联合估计，该算法无需迭代，避免了参数估计的局部收敛，但该方法要求信源数 目需大于2且不适用于线性阵列。作为阵列信号处理的预处理过程，阵列校正工作应该简 单易行，且具有较小的计算量，否则将不利于阵列信号处理的后续处理，因此，研究阵列误 差的快速校正算法具有重要的意义。
【发明内容】
[0003] 本发明的目的在于解决阵列通道不一致性误差的校正问题，提供一种阵列通道不 一致性误差的快速校正方法，可以对阵列通道不一致性误差进行快速有效的校正。
[0004] 本发明的具体实施步骤如下：
[0005] (1)设置一方位精确已知的校正源位于待校正阵列的远场处，则阵列接受到的信 号为：
[0006] X(t) = Tas( Θ )Ss(t)+N(t) (I)
[0007] 其中，待校正阵列为阵元数目为M的半波长均勾线阵，X(t) = [X1U), x2(t),… ，xM(t)]%MXl维观测的数据向量，Ss(t)为功率为4的校正源，N(t) = [ni(t)，n2(t)，··· ，nJOfSMX 1维零询倌高斯A嚙声向量" a( θ =「1. e·?ω· ei2'…· ei(M 1)ω?τ为理掘的 阵列流型导向矢量
为包含幅相信息的MXM维对角矩阵，&和0 (/ = U，.，Μ)分别表示第i个阵元的增益和相 位；
[0008] (2)获取校正源的方位和波形信息，使用如下公式求出存在幅相误差的导向矢 量：
[0010] 式中，H表示共辄转置，I I · I I2表示2-范数；
[0011] 将式（1)代人式（2)，经过推导可得：
[0013] 式（3)表明，h和Α( Θ s)成正比，且比例系数是一个与阵元数目及阵元增益有关的 量；
[0014] 设为h归一化后的值，则由上式可得第i (i = 1，2, . . .，M)个阵元Γ 估计值：
[0016] 式中，私和&1(0；3)分别为向量_卩 &(0；3)中的第1个元素； 「00171 由忒（4)可得增益和相份的估i+倌为，
[0020] 由式（5)和（6)得到的增益和相位估计值&和&对阵列进行校正。
[0021] 本发明的优点是利用阵列源的方位和波形信息对阵列进行校正，无需估计协方差 矩阵和进行特征值分解，运算量较小，且具有与特征分解方法基本相同的幅相参数估计性 能。EACDM算法和特征分解法的计算复杂度分别为0 (3MN)和0 (M2N+4M3/3)，本发明的运算 量仅为O(MN)。
【附图说明】
[0022] 图1是本发明的实现流程图；图2是本发明的阵列校正示意图；
[0023] 图3是本发明的阵列校正前后对比图；图4是本发明的阵列增益估计的均方根误 差随信噪比的变化曲线之一；图5是本发明的阵列相位估计的均方根误差随信噪比的变化 曲线之二；
[0024] 图6是本发明的阵列相位估计的均方根误差随信噪比的变化曲线之三；
[0025] 图7是本发明的阵列相位估计的均方根误差随信噪比的变化曲线之四。
[0026]
【具体实施方式】
[0027] 参照附图1，它是本发明的实现流程图，图中给出了本发明的具体实施步骤：
[0028] (1)首先设置一方位精确已知的校正源位于待校正阵列的远场处，则阵列接受到 的信号为：
[0029] X(t) = Tas( Θ )Ss(t)+N(t) (I)
[0030] 其中，待校正阵列为阵元数目为M的半波长均勾线阵，X(t) = [X1U), x2(t),… ，xM(t)]%MXl维观测的数据向量，Ss(t)为功率为 < 的校正源，N(t) = [ni(t)，n2(t)，… ,riMaU^MXl维零均值高斯白噪声向量。a(0 s) = [1，^'^1>"，6^1)1^为理想 的阵列流型导向矢量，ω = 2 π d sin( Θ s) / λ，
为包含幅相信息的MXM维对角矩阵，&和R (/ = U,...，M)分别表示第i个阵元的增益和相 位；
[0031] (2)获取校正源的方位和波形信息，使用如下公式求出存在幅相误差的导向矢 量：
[0033] 式中，H表示共辄转置，I I · I |2表示2-范数；
[0034] 将式（1)代人式（2)，经过推导可得：
[0036] 式（3)表明，h和Α( Θ s)成正比，且比例系数是一个与阵元数目及阵元增益有关的 量；
[0037] 设/,为h归一化后的值，则由上式可得第i (i = 1，2, . . .，M)个阵元Γ满估计值：
[0039] 式中，AjPa1 (0s)分别为向量ft和a(0s)中的第i个元素；
[0040] 由式（4)可得增益和相位的估计值为：
[0043] 由式（5)和（6)得到的增益和相位估计值&和％对阵列进行校正。
[0044] 本发明的效果可以通过以下仿真结果进一步说明。
[0045] 仿真条件描述：假设一个标量阵列沿X轴以d = λ /2等间距布放，阵元个数为8， 校正源为中心频率为2000Hz，带宽为40Hz的窄带高斯信号，方位为30°，设第一个阵元为 参考阵元，其增益和相位分别为gl = 1和?^ ，阵列增益误差为20 % (相对于单位增益）， 即gi (i = 2, 3,…，8)服从（0. 8, 1. 2)内的随机分布，相位約以=_2,3;，-,8)_服从（-1，l)rad内 的随机分布。
[0046] 图3表示校正前后阵列MUSIC算法的空间谱估计及其放大图。其中，3个相互独 立的等功率远场窄带信号的入射角度分别为15°，20°和60°，信噪比为20dB，快拍数为 200。从图中可以看出，未校正的情况下，MUSIC算法性能很差，不能分辨两个角度相近的信 号，角度估计存在较大的偏差。使用本发明方位校正后的MUSIC算法能够准确地估计出3 个目标的准确方位。
[0047] 图4和图5分别表示不同信噪比条件下增益和相位参数估计的均方根误差随快拍 数的变化曲线。其中，信噪比为20dB，横轴为快拍数，从20,间隔30,变化到320。从图中可 以看出，本发明方法估计出的阵列增益和相位的均方根误差随快拍数的增加而减小。
[0048] 图5和图6分别表示不同信噪比条件下增益和相位参数估计的均方根误差随信噪 比的变化曲线。其中，快拍数为100,横轴为信噪比，从OdB，间隔2dB，变化到20dB。从图中 可以看出，本发明方法估计出的阵列增益和相位的均方根误差随快拍数的增加而减小。
[0049] 由仿真和水池试验结果可以看出，本方法可以有效的校正阵列通道不一致性引起 的幅相误差。
【主权项】
1. 一种阵列通道不一致性误差快速校正方法，其特征是： (1) 使用单个校正源对阵列通道不一致性误差进行校正； (2) 同时利用校正源的方位和波形信息对阵列通道不一致性误差参数进行估计； (3) 无需估计协方差矩阵和进行特征值分解，具有较小的运算量； 在阵列的远场处放置一个窄带校正源Ss(t)，其相对于阵列的方位是0S，则阵列输出 可表示为： X(t) =ras(9)Ss(t)+N(t) 其中，待校正阵列为阵元数目为M的半波长均匀线阵，X(t) = [X1 (t)，x2 (t)，…，xM (t)]T为MXl维观测的数据向量，N(t) = [ni(t)，n2(t)，…，nM(t)]T为MXl维零均值高斯白 噪声向量。&(0；3) = [1，6，，6>21>"，6^1)1^为理想的阵列流型导向矢量，《=2 31(1 sin( 0s)/人，厂=A叫(「-「^…-「..,'厂此如广以:^-…只" 阵，^和料（i= 1，2,. . .，M)分别表示第i个阵元的增益和相位； 使用如下公式求出存在幅相误差的导向矢量： 式中，H表示共辄转置，II?I12表示2-范数； (4) 通过对上式的推导，可得h与ras(0)的关系如下(7)由上式得到的增益和相位估计值&和_对阵列进行校正。
【专利摘要】本发明公开一种阵列通道不一致性误差快速校正方法，使用单个校正源对阵列通道不一致性误差进行校正；同时利用校正源的方位和波形信息对阵列通道不一致性误差参数进行估计；无需估计协方差矩阵和进行特征值分解，具有较小的运算量；本发明的优点是利用阵列源的方位和波形信息对阵列进行校正，无需估计协方差矩阵和进行特征值分解，运算量较小，且具有与特征分解方法基本相同的幅相参数估计性能。EACDM算法和特征分解法的计算复杂度分别为O(3MN)和O(M2N+4M3/3)，本发明的运算量仅为O(MN)。
【IPC分类】G01S3/02
【公开号】CN105044660
【申请号】CN201510340223
【发明人】张柯, 程菊明, 孟雷, 王闯, 王奎甫, 张向群
【申请人】许昌学院
【公开日】2015年11月11日
【申请日】2015年6月18日