本发明属于雷达声呐定位技术领域。
背景技术:
最近,一种新型的稀疏阵列得到了广泛关注,即互质阵列,它由两个均匀线阵组合而成。如果两个均匀线阵的阵元个数分别为2m和n,其中m和n互质,则2m+n-1阵元的互质阵列可以获得2m(n+1)-1的虚拟线阵连续自由度(degreeoffreedom,dof),而阵元个数相同的均匀线阵(uniformlineararray,ula)只能获得2m+n-1的dof。因此,互质阵列结构大大提高了阵列可探测源数,且突破了传统天线阵阵元间距半波长的限制,使得天线孔径得到极大的扩展,能够获得角度估计性能的提升。同时,互质阵列中子阵单元间的间距为nλ/2和mλ/2,有效地减弱了阵元间的互耦合效应。
为了进一步提高估计性能,人们开始利用非圆信号的非圆特性来估计信号的doa,常见的非圆信号有二进制相移键控(binaryphaseshiftkeying,bpsk)和调幅(amplitudemodulation,am)信号。当信源发出非圆信号时,利用非圆特性可以有效的将接收数据矩阵的维数加倍,从而在提高参数估计性能的同时还能估计出更多的信源。此外,稀疏阵列中的大多数doa估计方法均假设环境噪声为高斯分布。然而,实际中的噪声往往表现出非高斯特性,可能会表现出高脉冲特性。近来,研究表明α稳定分布是一个合适的噪声模型来描述这种类型的噪声,它可以用s(α,β,γ,θ)表示,包括一系列分布,如高斯分布,柯西分布,莱维分布。当选择不同的特征指数参数时,可以认为它是代表各种脉冲噪声的最大电位分布。
技术实现要素:
发明目的:为了解决上述现有技术存在的问题,本发明提供了一种互质阵列脉冲环境下非圆信号的共轭增广doa估计方法。
技术方案:本发明提供了一种互质阵列脉冲环境下非圆信号的共轭增广doa估计方法,具体包括如下步骤:
s1:通过共轭增广互质阵列结构的阵列天线接收信号,得到接收信号信息x,所述信号为窄带非圆信号;
s2:根据所述接收信号信息,计算得到相位分数低阶矩估计协方差矩阵rpflom;
s3:对rpflom进行向量化处理,得到虚拟阵列接收信号
s4:对
s5:对
s6:对
进一步的,所述共轭增广互质阵列包括阵元数为2m的子阵和阵元数为n的子阵,该两个子阵均为均匀线阵,且该两个子阵只在原点处有一个阵元重合,所述阵元数为2m的子阵的阵元间距为nd0,阵元数为n的子阵的阵元间距为md0,其中m和n为互质数,且m<n,d0=λ/2,λ为波长。
进一步的,所述s1中的接收信号信息x为:
x(t)=acsr(t)+n0(t)
所述x(t)为x中的第t个时域快拍,其中,
进一步的,所述s2中相位分数低阶矩估计协方差矩阵为:
所述相位分数低阶矩估计协方差矩阵rpflom为p×p维的矩阵,rpflom(i,s)为rpflom中第i行第s列的元素,xs(t)表示x中第s行的第t个时域快拍,xi(t)表示x中第i行的t个时域快拍,b表示矩的阶数,l表示时域快拍总数,p=2m+n-1。
进一步的,所述s3中
其中
进一步的,所述s5具体为:对
其中r1=mn+m-1,r0=m+n-1,
其中,h为共轭转置。
进一步的,所述s4中新的差分阵
有益效果:本发明将pflom估计矩阵与脉冲噪声环境下的互质阵列非圆信号doa估计问题相结合,利用了非圆信号的非圆特性,得到了更高的自由度,采用降维music方法,减少了计算复杂度。本发明采用了共轭增广互质阵列来接收信源发出的非圆信号,利用了信号的非圆特性,提高了doa估计精度。同比传统互质阵列接收信源发出的圆信号,本发明方法提高了估计的dof。
附图说明
图1是本发明的互质阵列结构示意图;
图2是本发明互质线阵虚拟阵列结构示意图;
图3是本发明的方法与其他算法在不同总阵元数条件下的自由度(dof)示意图;
图4是当11个信源入射到互质阵列,采用本发明的方法在脉冲噪声环境下特征指数α=1.2时的单次mc实验doa估计谱峰搜索示意图;
图5是当7个信源入射到互质阵列,运行1000次mc实验采用本发明方法与其他算法在不同广义信噪比条件下的rmse性能示意图;
图6是当7个信源入射到互质阵列,运行1000次mc实验采用本发明方法与其他算法在不同快拍数条件下的rmse性能示意图;
图7是当7个信源入射到互质阵列,运行1000次mc实验采用本发明方法与其他算法在不同特征指数条件下的rmse性能示意图。
具体实施方式
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
本实施例提供了互质阵列脉冲环境下非圆信号的共轭增广doa估计方法,包括如下步骤:
s1:通过共轭增广互质阵列结构的阵列天线接收信号,得到接收信号信息x;
s2:根据所述接收信号信息,计算相位分数低阶矩估计协方差矩阵rpflom;
s3:将rpflom进行向量化处理,得到虚拟阵列接收信号
s4:截取
s5:对差分阵
s6:采用降维music估计算法得到
一、噪声模型和数数据模型
所述s1中共轭增广互质阵列噪声模型和数据模型:
噪声模型:
对doa估计的传统研究方法大多采用高斯噪声模型的二阶统计量。但在如雷达回波、低频大气噪声和水声信号研究中,噪声往往由持续时间短和幅度大的不规则脉冲或噪声尖峰组成,即脉冲噪声。近年来,sαs能够很好地描述这类具有显著尖峰脉冲的随机信源。因此,sαs噪声模型有更好的适用性,可以用特征函数φ(τ)表示为:
其中,τ是特征函数的变量,α是特征指数,它的大小能够影响此分布的脉冲程度,范围在0<α≤2。当α=2时的分布是高斯分布;j为虚数单位,γ是分散参数,其含义与高斯分布的方差一致;β是偏度参数,δ是位置参数,当β=δ=0时的分布为对称α稳定(sαs)分布;sαs在参数选取不同时代表不同的概率密度函数。sαs分布中α越小,脉冲越明显;反之α越大,噪声越接近高斯噪声。高斯分布和sαs分布中重要的不同点是高斯分布具有二阶统计量,而sαs分布在0<α<2时二阶统计量不存在,则二阶协方差矩阵就不准确。
数据模型:
如图1所示的阵列天线结构由两个阵元数分别为2m和n的均匀线阵组成,阵元数为2m的均匀线阵阵元间距是nd0,阵元数为n的子阵的阵元间距是md0,其中m和n为互质数,且m<n,d0=λ/2为半波长,两个子阵只在原点处有一个阵元重合,本实施例中,m=4,n=5,阵元位置集合
令
假设第k个信号的doa为θk,k=1,2,…,k;k个窄带非圆信号sr(t)入射到如图1所示的互质线阵上,则阵列接收信号可表示为:
x(t)=aφsr(t)+n(t)
其中a=[a(θ1),…,a(θk),…a(θk)]为方向矩阵,
其中
二、角度估计方法
本实施例中将上述噪声模型和数据模型应用于本发明的doa估计算法中,也就是共轭增广非圆信号降维musicdoa估计方法。
所述s2中根据所述接收信号信息,计算相位分数低阶矩(phrasedfractionallow-ordermoment,pflom)估计协方差矩阵rpflom,具体为:
根据数据模型可以得到接收信号量测信息,计算pflom估计协方差矩阵rpflom:
所述相位分数低阶矩估计协方差矩阵rpflom为p×p维的矩阵,rpflom(i,s)为rpflom中第i行第s列的元素;xs(t)表示x中第s行的第t个时域快拍,xi(t)表示矩阵x中第i行的第t个时域快拍,b表示矩的阶数,l表示时域快拍总数,p=2m+n-1。rpflom由rpflom(i,s)组合而成,为p×p维矩阵。
所述s3具体为:
将协方差矩阵rpflom进行向量化处理得到
其中
可看作一个长虚拟阵列的方向矩阵,
由于互质阵列的虚拟阵列是由差分阵,和阵组合而成,定义:
差分阵1:diff1={d(i)-d(j)|i,j=1,…,p}
差分阵2:diff2={d(j)-d(i)|i,j=1,…,p}
和阵1:sum1={-d(i)-d(j)|i,j=1,…,p}
和阵2:sum2={d(i)+d(j)|i,j=1,…,p}
其中
对
其中r0+1=m+n为和阵平滑的子阵数目,r1+1=mn+m为差分阵平滑的子阵数目,也为平滑过程的平滑次数,
因此所述上式可以看作是一个由r1+1个元素的均匀线阵(uniformlineararray,ula)的协方差矩阵,就能直接用降维music估计算法当中,且能估计出mn+3m+2n个信源,相比较传统的互质阵列圆信号doa估计算法,提高了一定的自由度和估计精度,h表示共轭转置。
得到了平滑后的协方差矩阵
其中e=[010]t,bikdiag{·}表示矩阵块对角化操作。t为矩阵转置,θ为谱峰搜索的doa网格值。
三、性能分析和实验分析
1、空间自由度分析(degreeoffreedom,dof)
由上述分析可知,本发明方法充分利用了信号的非圆特性,得到的空间自由度为2mn+m-1,而传统互质阵列在相同阵元数的情况下,空间自由度为mn+m-1,增加了一定的自由度。
2、复杂度分析
以复乘次数作为计算复杂度评判标准,本发明方法的复杂度主要包括:pflom估计协方差矩阵的复杂度为o{4l(2m+n-1)2},向量化后去冗余得到差分阵以及和阵信息的复杂度为o{16(2m+n-1)4},进行空间平滑处理的复杂度为:o{q2(mn+m)},其中q=mn+3m+2n,协方差矩阵rss-pflom特征分解的复杂度为o{q3},频谱搜索需要的复杂度为o{n[6q(q-k)+9q+39]},n为搜索次数,故本发明的方法的总复杂度为:
o{4l(2m+n-1)2+16(2m+n-1)4+q3+q2(m+n+6)+q(9-6k)+39}
3、实验分析
为了验证上述方法的效果,本实施例中进行了多次仿真实验,并且对实验性能进行了分析,具体如下:
1、实验性能评价指标
在脉冲噪声环境下,广义信噪比定义为:
其中,
2、实验效果图
图3是本发明方法与其他算法在不同总阵元数条件下的自由度示意图,可以看出,这四种方法的自由度随着总阵元数的增加而增大,在相同总阵元数条件下,本发明方法的自由度更大,均匀线阵自由度最小。
图4是当k=11个信源入射到互质阵列时,doa为-50°+5°(k-1),k=1,…,k,利用本发明方法得到的谱峰搜索图,本实施例仅仅运行了一次mc实验。对比方法为传统互质阵列圆信号doa估计方法,此时互质线阵的子阵阵元数分别为m=4,n=5,快拍l=500,gsnr=5db。脉冲噪声特征指数α=1.2,可以看出,本发明方法能够得到准确的doa估计,而传统互质阵列圆信号doa估计方法有一些误差。
图5是在α=0.6,快拍l=500的情况下,不同广义信噪比下的算法性能比较,为了更好的比较本发明方法与现有技术性能,运行了500次mc实验。此时互质线阵的子阵阵元数分别为m=4,n=5,7个信源的方位角为-30°+10°(k-1),k=1,…,7,l=500。可以看出,在相同广义信噪比条件下,本发明方法具有更好的doa估计性能。
图6是在α=0.6的情况下,不同快拍数下的算法性能比较,为了更好的比较本发明方法与现有技术性能,运行了500次mc实验。此时互质线阵的子阵阵元数分别为m=4,n=5,7个信源的方位角为-30°+10°(k-1),k=1,…,7,gsnr=10db。可以看出,本发明方法性能随着快拍数的增加而提升,相同快拍条件下,本发明方法估计性能优于传统互质阵列doa估计方法。
图7是在gsnr=10db,快拍l=500的情况下,不同特征指数条件下的算法性能比较,为了更好的比较本发明方法与现有技术性能,运行了500次mc实验。此时互质线阵的子阵阵元数分别为m=4,n=5,7个信源的方位角为-30°+10°(k-1),k=1,…,7。可以看出,本发明方法性能随着特征指数α的增加而提升,相同α条件下,本发明方法估计性能较好。
综上所述,从仿真效果图的分析可知,本发明提出的一种互质阵列脉冲环境下非圆信号的共轭增广doa估计技术,实现了互质阵列脉冲噪声环境下的非圆信号的doa精确估计。充分利用了信号的非圆特性,提高了自由度,且估计性能优于传统互质阵列doa估计方法。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。