CN106443570B - 基于多重信号分类算法矢量相关性的波达方向估计方法 - Google Patents
基于多重信号分类算法矢量相关性的波达方向估计方法 Download PDFInfo
- Publication number
- CN106443570B CN106443570B CN201610702231.6A CN201610702231A CN106443570B CN 106443570 B CN106443570 B CN 106443570B CN 201610702231 A CN201610702231 A CN 201610702231A CN 106443570 B CN106443570 B CN 106443570B
- Authority
- CN
- China
- Prior art keywords
- radar
- vector
- data
- array
- linear array
- 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
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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达信号处理技术领域,公开了一种基于多重信号分类算法矢量相关性的波达方向估计方法,包括:设定雷达均匀线阵,根据雷达均匀线阵得到雷达接收数据,并根据雷达均匀线阵确定第一导向矢量和第二导向矢量;根据雷达接收数据,计算雷达接收数据的协方差矩阵,并对雷达接收数据的协方差矩阵进行特征值分解,得到雷达接收数据的噪声子空间;根据第一导向矢量、第二导向矢量和雷达接收数据的噪声子空间,确定第一相关矢量和第二相关矢量;根据第一相关矢量和第二相关矢量构造空间谱函数;根据空间谱函数,对波达方向进行最大似然估计,得到波达方向的估计值;以提高角度分辨率以及测向性能的稳健性。
Description
技术领域
本发明属于雷达信号处理技术领域,尤其涉及一种基于多重信号分类算法矢量相关性的波达方向估计方法,可用于目标定位与跟踪。
背景技术
以多重信号分类MUSIC和旋转不变子空间ESPRIT为代表的子空间类算法是信号波达方向DOA估计的最重要方法之一。这类算法根据已知的信源数,利用信号子空间和噪声子空间之间的正交性估计DOA。由于信号子空间和噪声子空间在无噪声模型下是完全正交的,因此子空间类算法理论上可分辨无限靠近的两个目标,然而实际工程中子空间类算法分辨率受快拍、信噪比以及天线孔径的限制。
而且,上述的超分辨算法的超分辨测向性能都是基于阵列流型准确已知的前提下得到的。但是在实际的工程应用中,真实的阵列流型往往会随着气候、环境以及器件本身的变化而出现一定程度的偏差。例如天线各个阵元电磁特性可能出现不一致、阵元之间存在耦合、阵元的真实位置与标称位置存在偏差等等。此时,这些超分辨测向算法的性能会严重恶化,甚至失效。
发明内容
针对上述已有技术的缺点,本发明的实施例提供一种基于多重信号分类算法矢量相关性的波达方向估计方法,以提高角度分辨率以及测向性能的稳健性。
为达到上述目的,本发明的实施例采用如下技术方案予以实现。
一种基于多重信号分类谱矢量相关性的波达方向估计方法,所述方法包括如下步骤:
步骤1,设定雷达均匀线阵,根据所述雷达均匀线阵得到雷达接收数据,并根据所述雷达均匀线阵确定第一导向矢量a(θ)和第二导向矢量a(θ′);θ与θ′的关系式为:sinθ=sinθ′+ρ,ρ∈[10-8,10-4];
步骤2,根据所述雷达接收数据,计算雷达接收数据的协方差矩阵,并对所述雷达接收数据的协方差矩阵进行特征值分解,得到雷达接收数据的噪声子空间;
步骤3,根据所述第一导向矢量和所述雷达接收数据的噪声子空间,确定第一相关矢量;根据所述第二导向矢量和所述雷达接收数据的噪声子空间,确定第二相关矢量;
步骤4,根据所述第一相关矢量和第二相关矢量构造空间谱函数;
步骤5,根据所述空间谱函数,对雷达目标波达方向进行最大似然估计,得到雷达目标波达方向的估计值。
本发明由于利用了MUSIC算法中的矢量相关性来构造新的空间谱函数,与传统MUSIC算法相比不仅提高了测向性能的稳健性,而且实现了更高的测角分辨率和测角精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于多重信号分类算法矢量相关性的波达方向估计方法的流程示意图;
图2为在阵列无误差时,对本发明和现有MUSIC算法在信噪比SNR=0dB时的空间谱仿真示意图;
图3为在阵列无误差时,信噪比对本发明和现有MUSIC算法性能的影响仿真示意图;
图4为在阵元存在随机幅相扰动时,对本发明和现有MUSIC算法在信噪比SNR=0dB时的空间谱仿真示意图;
图5为在阵元存在随机幅相扰动时,信噪比对本发明和现有MUSIC算法性能的影响仿真示意图。
具体实施方式
下面将结合本发明实施例中的附图,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他实施例,都属于本发明保护的范围。
本发明实施例提供一种基于多重信号分类算法矢量相关性的波达方向估计方法,如图1所示,所述方法包括如下步骤:
步骤1,设定雷达均匀线阵,根据所述雷达均匀线阵得到雷达接收数据,并根据所述雷达均匀线阵确定第一导向矢量a(θ)和第二导向矢量a(θ′);θ与θ′的关系式为:sinθ=sinθ′+ρ,ρ∈[10-8,10-4]。
步骤1具体包括:
(1a)设雷达均匀线阵中每个阵元的接收数据为xi(t),i=1,…,N,其中,N为雷达均匀线阵包含的阵元个数;雷达均匀线阵中所有阵元的接收数据依次排列,组成整个雷达均匀线阵的接收数据x(t);
(1b)根据雷达均匀线阵,确定第一导向矢量a(θ)和第二导向矢量a(θ′);其中,a(θ)=[1,ejκd sinθ,…,ejκ(N-1)d sinθ]T,a(θ′)=[1,ejκd sinθ,…,ejκ(N-1)d sinθ]T;
其中,θ为扫描角度,θ′为θ的临近方向,θ与θ′的关系式为:sinθ=sinθ′+ρ,ρ∈[10-8,10-4],a(θ)是角度为θ时的阵列导向矢量,a(θ′)是角度为θ′时的阵列导向矢量,N表示阵元数,κ为波数,d为阵元间距,j为虚数单位,e为自然常数,上标T表示转置。
步骤2,根据所述雷达接收数据,计算雷达接收数据的协方差矩阵,并对所述雷达接收数据的协方差矩阵进行特征值分解,得到雷达接收数据的噪声子空间。
步骤2具体包括:
(2a)根据雷达接收数据x(t),利用最大似然估计得到雷达接收数据的协方差矩阵其中上标H表示共轭转置,x(tl)为第l次采样数据,l=1,2…L,L为快拍数;
(2b)对所述雷达接收数据的协方差矩阵进行特征值分解,由前N-P个较小特征值对应的特征矢量张成噪声子空间UN,P为信源数,且P<N。
步骤3,根据所述第一导向矢量和所述雷达接收数据的噪声子空间,确定第一相关矢量;根据所述第二导向矢量和所述雷达接收数据的噪声子空间,确定第二相关矢量。
步骤3具体为:
根据第一导向矢量a(θ)和雷达接收数据的噪声子空间UN,确定第一相关矢量Ψ;根据第二导向矢量a(θ′)和雷达接收数据的噪声子空间UN,确定第二相关矢量Γ;
其中,Ψ=aH(θ)UN,Γ=aH(θ′)UN;上标H表示共轭转置。
步骤4,根据所述第一相关矢量和第二相关矢量构造空间谱函数。
步骤4具体包括:
(4a)根据第一相关矢量Ψ和第二相关矢量Γ,计算归一化相关系数α:
(4b)根据所述归一化相关系数α,得到空间谱函数P(θ):P(θ)=1-α;
其中,||·||2表示2范数,上标H表示共轭转置。
步骤5,根据所述空间谱函数,对雷达目标波达方向进行最大似然估计,得到雷达目标波达方向的估计值。
步骤5具体为:
根据空间谱函数P(θ),对波达方向进行最大似然估计,得到波达方向的估计值
本发明的效果可通过以下计算机仿真进一步说明:
谱估计算法良好的分辨力反映在空间谱曲线上:在两个空间方位相隔很近的信源方位处形成尖锐的谱峰,而在非信源方位处,特别是两信源方位之间空间谱曲线的幅度应当尽量低。因此,定义两个到达角分别为θ1、θ2的信源,对于某单次实验,如果归一化的空间谱得到两个谱峰,且两谱峰对应的估计方位满足且时,则称该次实验信源能成功地分辨。为进一步验证算法性能,通过蒙特卡洛实验考察信噪比对算法超分辨性能的影响,即主要考察对两个入射角度间隔很小的信号的分辨情况。实验重复500次,并统计信源成功分辨概率以及信源方位估计的均方根误差。成功分辨概率是指成功分辨次数占实验总数的百分比。
仿真条件:设天线阵列为阵元间距为半波长的等距均匀线阵,阵元数N=16,快拍数snap=50;有两个等功率非相干的目标,到达角分别为0°和4°;参数ρ=10-7。
仿真1:阵列无误差时性能对比
1.1)为验证本发明方法在阵列无误差时的波达方向估计性能,将本发明方法与传统MUSIC算法在信噪比SNR=0dB时的空间谱图进行仿真,结果如图2所示。
1.2)用所述两种方法在阵列无误差,且信噪比为变化值时对性能的影响进行仿真,结果如图3所示,其中图3(a)为不同信噪比下信源的成功分辨概率,图3(b)为不同信噪比下信源的方位估计均方根误差。
由图2可知,本发明的谱峰更加尖锐。
由图3(a)可知,本发明方法分辨率要比MUSIC算法高。由图3(b)可知,发明方法测角精度要比MUSIC算法高。
仿真2:阵元存在随机幅相扰动时性能对比
由于阵元幅相误差、阵元位置扰动及阵元互耦等误差因素会引起阵元幅相随机扰动的问题。
2.1)为验证本发明方法在阵元存在随机幅相扰动时的波达方向估计性能,用本发明方法与传统MUSIC算法在信噪比SNR=0dB,且存在10%的方位依赖随机幅相扰动[注:当幅相扰动为10%时,表示幅度相对误差为10%和相位误差为0.1πrad]时的空间谱图进行仿真,结果如图4所示。
2.2)用所述两种方法在存在10%的方位依赖随机幅相扰动,且信噪比为变化值时对性能的影响进行仿真,结果如图5所示,其中图5(a)为不同信噪比下信源的成功分辨概率,图5(b)为不同信噪比下信源的方位估计均方根误差。
由图4可知,在阵元存在随机幅相扰动时,本发明方法谱峰依然尖锐。
由图5(a)和图5(b)可知,对于两个角度间隔为4°的非相干信号,虽然这2种算法性能都随着信噪比的提高而改善,比较而言,本发明方法受阵列误差的影响更小。在较小的阵列误差的条件下,MUSIC算法性能会出现一定程度恶化,它很难将这两个靠得很近的信号完全地分辨开,而本发明方法有着很高的分辨率,同时在成功分辨后能保持较高的测角精度,表明本发明有很好的稳健性以及工程应用性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种基于多重信号分类算法矢量相关性的波达方向估计方法,其特征在于,所述方法包括如下步骤:
步骤1,设定雷达均匀线阵,根据所述雷达均匀线阵得到雷达接收数据,并根据所述雷达均匀线阵确定第一导向矢量a(θ)和第二导向矢量a(θ′);θ为扫描角度,θ′为θ的临近方向,θ与θ′的关系式为:sinθ=sinθ′+ρ,ρ∈[10-8,10-4];
步骤2,根据所述雷达接收数据,计算雷达接收数据的协方差矩阵,并对所述雷达接收数据的协方差矩阵进行特征值分解,得到雷达接收数据的噪声子空间;
步骤3,根据所述第一导向矢量和所述雷达接收数据的噪声子空间,确定第一相关矢量;根据所述第二导向矢量和所述雷达接收数据的噪声子空间,确定第二相关矢量;
步骤3具体为:
根据第一导向矢量a(θ)和雷达接收数据的噪声子空间UN,确定第一相关矢量Ψ;根据第二导向矢量a(θ′)和雷达接收数据的噪声子空间UN,确定第二相关矢量Γ;
其中,Ψ=aH(θ)UN,Γ=aH(θ′)UN;上标H表示共轭转置;
步骤4,根据所述第一相关矢量和第二相关矢量构造空间谱函数;
步骤4具体包括:
(4a)根据第一相关矢量Ψ和第二相关矢量Γ,计算归一化相关系数α:
(4b)根据所述归一化相关系数α,得到空间谱函数P(θ):P(θ)=1-α;
其中,||·||2表示2范数,上标H表示共轭转置;
步骤5,根据所述空间谱函数,对雷达目标波达方向进行最大似然估计,得到雷达目标波达方向的估计值。
2.根据权利要求1所述的一种基于多重信号分类算法矢量相关性的波达方向估计方法,其特征在于,步骤1具体包括:
(1a)设雷达均匀线阵中每个阵元的接收数据为xi(t),i=1,…,N,其中,N为雷达均匀线阵包含的阵元个数;将雷达均匀线阵中N个阵元各自的接收数据依次排列,组成雷达均匀线阵的接收数据x(t);
(1b)根据雷达均匀线阵,确定第一导向矢量a(θ)和第二导向矢量a(θ′);其中,a(θ)=[1,ejκd sinθ,…,ejκ(N-1)d sinθ]T,a(θ′)=[1,ejκd sinθ,…,ejκ(N-1)d sinθ]T;
其中,θ为扫描角度,θ′为θ的临近方向,θ与θ′的关系式为:sinθ=sinθ′+ρ,ρ∈[10-8,10-4],a(θ)是角度为θ时的阵列导向矢量,a(θ′)是角度为θ′时的阵列导向矢量,N为雷达均匀线阵包含的阵元个数,κ为波数,d为阵元间距,j为虚数单位,e为自然常数,上标T表示转置。
3.根据权利要求1所述的一种基于多重信号分类算法矢量相关性的波达方向估计方法,其特征在于,步骤2具体包括:
(2a)根据雷达均匀线阵的接收数据x(t),利用最大似然估计得到雷达接收数据的协方差矩阵其中上标H表示共轭转置,x(tl)为第l次采样数据,l=1,2…L,L为快拍数;
(2b)对所述雷达接收数据的协方差矩阵进行特征值分解,并对得到的特征值按照从小到大的顺序进行排序,由前N-P个特征值对应的特征矢量构成噪声子空间UN,P为信源数,且P<N,N为雷达均匀线阵包含的阵元个数。
4.根据权利要求1所述的一种基于多重信号分类算法矢量相关性的波达方向估计方法,其特征在于,步骤5具体为:
根据空间谱函数P(θ),对雷达目标波达方向进行最大似然估计,得到雷达目标波达方向的估计值
符号表示求P(θ)最大时对应的θ值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610702231.6A CN106443570B (zh) | 2016-08-22 | 2016-08-22 | 基于多重信号分类算法矢量相关性的波达方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610702231.6A CN106443570B (zh) | 2016-08-22 | 2016-08-22 | 基于多重信号分类算法矢量相关性的波达方向估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106443570A CN106443570A (zh) | 2017-02-22 |
CN106443570B true CN106443570B (zh) | 2019-03-29 |
Family
ID=58181337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610702231.6A Active CN106443570B (zh) | 2016-08-22 | 2016-08-22 | 基于多重信号分类算法矢量相关性的波达方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106443570B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107356899A (zh) * | 2017-07-25 | 2017-11-17 | 中国人民解放军空军工程大学 | 强干扰条件下阵列天线波达方向估算方法及装置 |
CN109283487B (zh) * | 2018-05-09 | 2023-04-21 | 南京信息工程大学 | 基于支持向量机可控功率响应的music-doa方法 |
CN109901103B (zh) * | 2019-03-14 | 2023-08-11 | 长江大学 | 基于非正交波形的mimo雷达doa估算方法及设备 |
CN109991566B (zh) * | 2019-03-28 | 2023-06-02 | 中国电子科技集团公司第三十六研究所 | 一种测向方法、测向装置和测向*** |
CN110673086A (zh) * | 2019-10-31 | 2020-01-10 | 上海无线电设备研究所 | 一种基于数字阵列雷达的二维角度超分辨方法 |
CN111521968B (zh) * | 2020-05-22 | 2022-05-20 | 南京理工大学 | 基于目标空间分集的欠定doa估计方法 |
CN112327245A (zh) * | 2020-10-24 | 2021-02-05 | 西北工业大学 | 一种基于高分辨率特征空间doa估计方法 |
CN114113020B (zh) * | 2021-11-30 | 2023-07-07 | 哈尔滨工业大学 | 一种基于多重信号分类算法的激光扫描超分辨显微成像装置、方法、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102621539A (zh) * | 2012-04-24 | 2012-08-01 | 重庆大学 | 单次搜索宽带信号波达方向估计方法 |
CN102707264A (zh) * | 2012-06-13 | 2012-10-03 | 西安电子科技大学 | 基于圆形阵列双基地mimo雷达的波达方向估计方法 |
CN105445696A (zh) * | 2015-12-22 | 2016-03-30 | 天津理工大学 | 一种嵌套l型天线阵列结构及其波达方向估计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2372531T3 (es) * | 2006-03-09 | 2012-01-23 | Fundacio Privada Centre Tecnologic De Telecomunicacions De Catalunya | Procedimiento y sistema para estimar direcciones de llegada en escenarios de baja potencia o dimensión de muestra reducida. |
TR200906439T2 (tr) * | 2007-02-26 | 2009-09-23 | Engi̇n Tuncer Temel | Kaynakların sayısı ve geliş açısını birlikte bulmak için yötem ve aygıtlar. |
-
2016
- 2016-08-22 CN CN201610702231.6A patent/CN106443570B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102621539A (zh) * | 2012-04-24 | 2012-08-01 | 重庆大学 | 单次搜索宽带信号波达方向估计方法 |
CN102707264A (zh) * | 2012-06-13 | 2012-10-03 | 西安电子科技大学 | 基于圆形阵列双基地mimo雷达的波达方向估计方法 |
CN105445696A (zh) * | 2015-12-22 | 2016-03-30 | 天津理工大学 | 一种嵌套l型天线阵列结构及其波达方向估计方法 |
Non-Patent Citations (2)
Title |
---|
基于MUSIC及其改进算法的DOA估计研究;王腾等;《数字技术与应用》;20121231;第104页 |
基于多重信号分类算法的波达方向估计***的实现;LOUNICI Merwan;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130315;全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106443570A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106443570B (zh) | 基于多重信号分类算法矢量相关性的波达方向估计方法 | |
CN106526530B (zh) | 基于传播算子的2-l型阵列二维doa估计算法 | |
CN108549059B (zh) | 一种复杂地形条件下的低空目标仰角估计方法 | |
CN102841344B (zh) | 一种少阵元近场宽带信号源参数估计方法 | |
CN106226753A (zh) | 基于最小方差法谱函数二阶导数的波达方向估计方法 | |
CN103616661B (zh) | 一种稳健的远场窄带信号源个数估计方法 | |
CN109597046A (zh) | 基于一维卷积神经网络的米波雷达doa估计方法 | |
CN103439699B (zh) | 极化mimo雷达到达角和极化角的联合估计方法 | |
CN110221241A (zh) | 一种基于rbf神经网络的低仰角doa估计方法 | |
CN101644760B (zh) | 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法 | |
CN109188342A (zh) | 共形圆阵下的低复杂度二维doa估计方法 | |
CN105974390A (zh) | 基于多普勒信息的机扫米波雷达质量中心测角方法 | |
CN107390197A (zh) | 基于特征空间的雷达自适应和差波束测角方法 | |
CN107037398A (zh) | 一种二维music算法估计波达方向的并行计算方法 | |
CN108828502A (zh) | 基于均匀圆阵中心对称性的相干源方向估计方法 | |
CN109597048A (zh) | 基于二维卷积神经网络的米波雷达doa估计方法 | |
CN107290732A (zh) | 一种量子大***的单基地mimo雷达测向方法 | |
CN106291499B (zh) | 基于最小方差法矢量相关性的波达方向估计方法 | |
CN108318855A (zh) | 基于均匀圆阵的近场和远场混合信号源定位方法 | |
CN109557504A (zh) | 一种近场窄带信号源的定位方法 | |
Zhao et al. | Altitude measurement of low elevation target based on iterative subspace projection | |
CN105891795A (zh) | 一种双站rcs测量定标方法 | |
CN108089146A (zh) | 一种对预估角误差鲁棒的高分辨宽带波达方向估计方法 | |
CN106371079B (zh) | 基于谱锐化的多重信号分类谱估计方法 | |
CN108469599A (zh) | 一种声矢量传感器幅度加权music测向方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |