CN107015191B - 一种在多径干扰环境下单偶极子极化敏感阵列降维doa估计方法 - Google Patents
一种在多径干扰环境下单偶极子极化敏感阵列降维doa估计方法 Download PDFInfo
- Publication number
- CN107015191B CN107015191B CN201710351027.9A CN201710351027A CN107015191B CN 107015191 B CN107015191 B CN 107015191B CN 201710351027 A CN201710351027 A CN 201710351027A CN 107015191 B CN107015191 B CN 107015191B
- Authority
- CN
- China
- Prior art keywords
- array
- signal
- polarization
- vector
- doa
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种在多径干扰环境下单偶极子极化敏感阵列降维DOA估计方法,该阵列采用与圆周边缘共行的单偶极子组成均匀圆阵结构,可同时执行方位角和仰角的二维估计,并有效对抗多径干扰首先对均匀圆阵共行阵列接收的窄带信号进行数学建模,之后根据矩阵秩亏损原理,对极化MUSIC算法四维谱函数进行降维处理,构造空域谱函数,从而实现空域二维角度的快速搜索。同极化敏感阵列DOA与极化参数联合估计方法,本发明所述降维DOA估计方法能够实现在不增加硬件需求的条件下对信号源角度的快速估计,接收并利用信号源与干扰源的极化特性有效分辨目标和干扰,实现在复杂环境下对目标的估计,具有一定的工程应用价值。
Description
技术领域
本发明涉及一种在多径干扰环境下单偶极子极化敏感阵列降维DOA估计方法,属于高分辨阵列测向算法研究领域。
背景技术
面向复杂电磁环境下实战背景,充分挖掘和利用蕴含在雷达天线和电磁波中的极化信息,最大限度的利用雷达***所获得的电磁信息,提高被动雷达***在恶劣电磁环境下的生存和对抗能力,使之能够适应复杂多变的战场环境。基于单偶极子天线构成的极化敏感阵列降维DOA估计是阵列信号处理的一个重要研究方向,其能够根据极化敏感阵列接收到的电磁波估计信号源的DOA和极化信息。与标量阵相比,极化敏感阵列对入射电磁波的极化信息敏感,能够同时获取和利用入射电磁波信号的空域信息与极化域信息,该阵列以矢量的形式对入射电磁波进行观测,获得的信息更为详细,可以有效提高测向***的测向精度和分辨性能,具有较强的抗干扰能力。同时与传统的极化敏感阵列DOA与极化参数联合估计方法相比,该方法实现在二维空间估计信号的角度信息,速度较快,在实际环境中的具有很重要的应用意义。
在实际电磁环境中,存在各种形式的干扰,特别是当存在一个与信号源同频的干扰源时,使用传统标量阵列算法不能对信号源角度信息进行有效估计,使用极化敏感阵列DOA与极化参数联合估计方法由于耗时较大而难以推广。因此根据干扰源与目标的电磁信号极化信息的不同,使用基于单偶极子的极化敏感阵列同时接收电磁波的角度域信息和极化域信息,可以有效分辨出目标和干扰,在二维空间快速对目标DOA进行估计。同时使用由单偶极子天线构成的均匀圆阵可以对入射信号的二维DOA信息进行估计,并且具有与方位角无关的波束宽度,是实际工程中应用常见的典型阵列之一。基于以上问题,本发明提出一种适用于多径干扰条件下基于单偶极子天线构成的极化敏感阵列降维DOA估计方法。实现在干扰条件下对目标和干扰源的有效分辨,并正确估计目标DOA参数。
发明内容
本发明针对现有标量阵列信号处理算法不能有效分辨目标与干扰,以及基于极化敏感阵列DOA与极化参数联合估计方法耗时较大问题,提出一种在多径干扰条件下单偶极子极化敏感阵列降维DOA估计方法。在实际环境中,通过利用极化敏感阵列同时接收信号源和干扰的电磁波极化信息,可以轻易分辨出信号源和干扰。首先,利用单偶极子组成的极化敏感阵列接收信号并计算其协方差矩阵;其次,根据协方差矩阵特征值分解得到的特征值和特征向量进行信源数估计;最后,利用矩阵秩亏损原理构造空间谱函数,获取谱峰对应的角度值。
本发明的目的是这样实现的:包括由M个单偶极子阵元组成的均匀圆阵极化敏感阵列和D个远场入射窄带信号,单偶极子天线与天线圆盘边缘共行,步骤如下:
步骤一:利用单偶极子阵元组成的均匀圆阵极化敏感阵列接收空间中的远场入射窄带信号,获得接收数据矢量X(t):
X(t)=AS(t)+N(t)
其中:X(t)为均匀圆阵极化敏感阵列的M×1数据矢量,S(t)为空间信号的D×1维矢量,N(t)为阵列的M×1维噪声数据矢量,为空间阵列的M×D维阵列流型矩阵,其中为第m个信号的导向矢量,
第m个信号的导向矢量可分解为:
其中:为第m个入射信号在阵列各阵元处的空域相位因子构成的对角阵,其为远场入射窄带信号波达方向角的函数,un为第m个信号于第n个阵元处的空域相位因子,B是由各阵元的极化敏感矢量构成的极化敏感矩阵,为第m个信号的角度域矢量;为第m个信号的极化矢量;
步骤二:根据接收数据矢量X(t)计算协方差矩阵RX=E{XXH},E{·}表示求期望;
实际接收中利用阵列输出矢量x(t)的K次独立快拍最大似然估计计算协方差矩阵为:
步骤三:对进行特征值分解得到:
其中:ΣS为信号子空间对应的特征值矩阵,ΣN为噪声子空间对应的特征值矩阵,US是M×D维信号子空间,UN是M×(M-D)维的噪声子空间;
步骤四:构造二维DOA的谱函数其中
步骤五:改变谱函数中θ和的取值,对构造的谱函数进行谱峰搜索,找出D个极大值点对应的DOA取值。
与现有技术相比,本发明的有益效果是:本发明所述的采用单偶极子天线构造极化敏感阵列进行降维DOA估计的方法,通过采用单偶极子天线接收空间的电磁波信号,构造接收信号数据矢量,并根据摆放的均匀圆阵阵列进行数学建模,构造阵列导向矢量,并在传统信号DOA与极化参数联合估计MUSIC算法的基础上,根据矩阵秩亏损原理合理推导并构造新的只包含信号DOA的二维谱函数。所述基于单偶极子极化敏感阵列降维DOA估计方法,采用单偶极子天线敏感接收电磁波信号,与传统标量MUSIC算法相比,充分接收并利用目标和干扰源的空间相位信息和极化信息,提高对干扰的分辨率。与DOA和极化参数联合估计MSUIC算法相比,本算法根据矩阵秩亏损原理,构造仅包含DOA的谱函数,进行谱峰搜索,提取出感兴趣的目标角度信息,算法执行速度较快,实现成本低,测向精度高,对干扰源分辨率高。
本发明的优点如下:
(1)首次提出在多径干扰环境下利用单偶极子的均匀圆阵极化敏感阵列,推导基于该阵列形式的降维DOA估计算法,降低算法计算量;
(2)首次提出利用单偶极子极化敏感阵列降维DOA估计算法抗多径干扰,根据目标和干扰信号共存条件建立数学模型,利用该方法构造谱函数,从而分辨目标和干扰源。
附图说明
图1是利用所述单偶极子极化敏感阵列降维DOA估计方法流程图;
图2是单偶极子极化敏感阵列结构图;
图3为降维DOA估计空间谱图,图中谱峰分别对应为信号源和干扰源的方位角和仰角角度;
图4为降维DOA估计等高线图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
本发明通过对DOA与极化信息联合估计的四维谱函数进行降维处理,构造出只包含有信号空间域角度信息的二维谱函数,可有效分辨目标和干扰并提高算法的执行速度。
同时,本发明还公开了一种利用所述单偶极子极化敏感阵列进行降维DOA估计方法的方法,本发明包括一种由M个单偶极子天线构成的极化敏感阵列,其中单偶极子天线与天线圆盘边缘共行;所述的均匀圆阵阵列,天线盘位于xoy平面内,且天线盘所在平面与z轴垂直,天线与x轴正方向的夹角分别为ζ1,ζ2,...,ζM,极化敏感矩阵为B=[g1,g2,g3,g4,g5,g6,g7,g8]T,其中gi=[cos(ζi),sin(ζi),0,0,0,0],i=1,...,M。
具体步骤如下:
步骤(1):根据单偶极子极化敏感阵列摆放形式构造信号模型。
设由M个单偶极子阵元组成的均匀圆阵极化敏感阵列和D个远场入射窄带信号,信号入射方向与xoy面的夹角为仰角信号入射方向在xoy投影与x轴正方向夹角为方位角θ。入射信号互不相关,并与噪声统计独立,则阵列输出M维信号矢量可表示为X(t)=AS(t)+N(t);
式中,X(t)为阵列的M×1维快拍数据矢量,S(t)为空间信号的D×1维矢量,N(t)为阵列的M×1维噪声数据矢量,为空间阵列的M×D维阵列流型矩阵,其中为第m个信号的导向矢量。将导向矢量分解可得其中为第m个入射信号在阵列各阵元处的空域相位因子构成的对角阵,其为入射信号波达方向角的函数,为第m个信号于第n个阵元处的空域相位因子,xn和yn为第n个阵元的坐标。B称为极化敏感矩阵,由各阵元的极化敏感矢量构成,当天线阵列的阵元摆放位置确定时,该阵列为一个常数矩阵。为第m个信号的角度域矢量;为第m个信号的极化矢量,它与信号的极化状态有关,但与阵列响应特性及空间结构无关。因此导向矢量可表示成其中至此,完整构造出信号的导向矢量,用于后续构造降维空域谱函数。
步骤(2):根据接收数据矢量X(t)计算协方差矩阵RX=E{XXH},E{·}表示求期望;实际接收中利用阵列输出矢量x(t)的K次独立快拍最大似然估计计算协方差矩阵
步骤(3):对进行特征分解可得其中ΣS为信号子空间对应的特征值矩阵,ΣN为噪声子空间对应的特征值矩阵,US是M×D维信号子空间,UN是M×(M-D)维噪声子空间(其中D已知,或者已准确预估)。
步骤(4):利用式构造二维DOA的谱函数。其中
步骤(5):改变谱函数中θ和的取值,对构造的谱函数进行谱峰搜索,找出D个极大值点对应的DOA取值。
参照图1,是利用所述单偶极子极化敏感阵列降维DOA估计方法流程图;
参照图2,是本发明中单偶极子极化敏感阵列空间布置结构图,单偶极子天线采用均匀圆阵布置方式,阵元与圆周边缘共行,阵元半径为r,阵元1到阵元M与X轴正方向的夹角分别为ζ1,ζ2,...,ζM,与Z轴正方向夹角均为90°。则定义极化敏感矩阵为B=[g1,g2,g3,g4,g5,g6,g7,g8]T,其中gi=[cos(ζi),sin(ζi),0,0,0,0],i=1,...,M。
参照图3和图4,是本发明中所述方法的估计谱图。其中图3为降维DOA估计空间谱图,谱峰分别对应为信号源和干扰源的方位角和仰角角度;图4为降维DOA估计等高线图。
上述为本发明特举之实施例,并非用以限定本发明。本发明提供的在多径干扰环境下单偶极子天线构成极化敏感阵列降维DOA估计方法同样适用于阵元天线为其他天线的情况。在不脱离本发明的实质和范围内,可做些许的调整和优化,以本发明的保护范围以权利要求为准。
综上,本发明公开了一种在多径干扰环境下单偶极子极化敏感阵列及其对应的降维DOA估计方法。该阵列采用与圆周边缘共行的单偶极子组成均匀圆阵结构,可同时执行方位角和仰角的二维估计,并有效对抗多径干扰。该发明所述的单偶极子极化敏感阵列降维DOA估计方法首先对均匀圆阵共行阵列接收的窄带信号进行数学建模,之后根据矩阵秩亏损原理,对极化MUSIC算法四维谱函数进行降维处理,构造空域谱函数,从而实现空域二维角度的快速搜索。同极化敏感阵列DOA与极化参数联合估计方法,本发明所述降维DOA估计方法能够实现在不增加硬件需求的条件下对信号源角度的快速估计,接收并利用信号源与干扰源的极化特性有效分辨目标和干扰,实现在复杂环境下对目标的估计,具有一定的工程应用价值。
Claims (1)
1.一种在多径干扰环境下单偶极子极化敏感阵列降维DOA估计方法,其特征在于:包括由M个单偶极子阵元组成的均匀圆阵极化敏感阵列和D个远场入射窄带信号,单偶极子天线与天线圆盘边缘共行,步骤如下:
步骤一:利用单偶极子阵元组成的均匀圆阵极化敏感阵列接收空间中的远场入射窄带信号,获得接收数据矢量X(t):
X(t)=AS(t)+N(t)
其中:X(t)为均匀圆阵极化敏感阵列的M×1数据矢量,S(t)为空间信号的D×1维矢量,N(t)为阵列的M×1维噪声数据矢量,为空间阵列的M×D维阵列流型矩阵,其中为第m个信号的导向矢量,
第m个信号的导向矢量可分解为:
其中:为第m个入射信号在阵列各阵元处的空域相位因子构成的对角阵,其为远场入射窄带信号波达方向角的函数,un为第m个信号于第n个阵元处的空域相位因子,B是由各阵元的极化敏感矢量构成的极化敏感矩阵,为第m个信号的角度域矢量;为第m个信号的极化矢量;
步骤二:根据接收数据矢量X(t)计算协方差矩阵RX=E{XXH},E{·}表示求期望;
实际接收中利用阵列输出矢量x(t)的K次独立快拍最大似然估计计算协方差矩阵为:
步骤三:对进行特征值分解得到:
其中:ΣS为信号子空间对应的特征值矩阵,ΣN为噪声子空间对应的特征值矩阵,US是M×D维信号子空间,UN是M×(M-D)维的噪声子空间;
步骤四:构造二维DOA的谱函数其中 θ和分别为待估计的方位角和仰角参数;
步骤五:改变谱函数中θ和的取值,对构造的谱函数进行谱峰搜索,找出D个极大值点对应的DOA取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710351027.9A CN107015191B (zh) | 2017-05-18 | 2017-05-18 | 一种在多径干扰环境下单偶极子极化敏感阵列降维doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710351027.9A CN107015191B (zh) | 2017-05-18 | 2017-05-18 | 一种在多径干扰环境下单偶极子极化敏感阵列降维doa估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107015191A CN107015191A (zh) | 2017-08-04 |
CN107015191B true CN107015191B (zh) | 2019-09-27 |
Family
ID=59449789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710351027.9A Active CN107015191B (zh) | 2017-05-18 | 2017-05-18 | 一种在多径干扰环境下单偶极子极化敏感阵列降维doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107015191B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109471065A (zh) * | 2018-09-28 | 2019-03-15 | 中国电子科技集团公司第三十六研究所 | 一种相干信号的测向方法 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108919183A (zh) * | 2018-04-13 | 2018-11-30 | 中国人民解放军陆军工程大学 | 基于Hadamard积的OFDM信号空时二维定位参数快速估计方法 |
CN109188342A (zh) * | 2018-07-24 | 2019-01-11 | 南京航空航天大学 | 共形圆阵下的低复杂度二维doa估计方法 |
CN109270484B (zh) * | 2018-07-24 | 2023-01-06 | 南京航空航天大学 | 一种基于运动合成阵列的多信源doa估计方法 |
CN109633558A (zh) * | 2018-10-25 | 2019-04-16 | 上海无线电设备研究所 | 一种基于极化时频分布的波达方向估计算法 |
CN109507634B (zh) * | 2018-11-08 | 2020-08-11 | 中国电子科技集团公司第二十八研究所 | 一种任意传感器阵列下的基于传播算子的盲远场信号波达方向估计方法 |
CN110174658B (zh) * | 2019-06-14 | 2023-03-28 | 西安电子科技大学 | 基于秩一降维模型和矩阵补全的波达方向估计方法 |
CN110716171A (zh) * | 2019-08-28 | 2020-01-21 | 上海无线电设备研究所 | 一种基于遗传算法的极化doa联合估计方法 |
CN110851985B (zh) * | 2019-11-14 | 2024-02-06 | 重庆大学 | 一种电磁波极化判决方法 |
CN111585631A (zh) * | 2020-04-09 | 2020-08-25 | 哈尔滨工程大学 | 一种提高分布式极化敏感阵列发射增益的波束形成方法 |
CN111698014B (zh) * | 2020-06-11 | 2023-09-26 | 上海磐启微电子有限公司 | 一种天线阵列*** |
CN112346005B (zh) * | 2020-10-30 | 2022-07-12 | 哈尔滨工程大学 | 一种应用于均匀圆水听器阵的空域旋转方位估计方法 |
CN113534198B (zh) * | 2021-06-16 | 2023-05-23 | 北京遥感设备研究所 | 基于协方差矩阵重构的卫星导航动态抗干扰方法及其*** |
CN114047473B (zh) * | 2021-10-18 | 2023-06-06 | 中国电子科技集团公司第二十九研究所 | 基于极化敏感环形阵列的到达角度和极化角度测量方法 |
CN114265004B (zh) * | 2021-12-15 | 2023-12-08 | 电子科技大学 | 一种基于子空间对消的干扰下的目标角度估计方法 |
CN114265005A (zh) * | 2021-12-27 | 2022-04-01 | 河海大学 | 一种极化相位干涉仪测向方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898085B (zh) * | 2015-05-14 | 2017-11-17 | 电子科技大学 | 一种极化敏感阵列参数估计的降维music算法 |
-
2017
- 2017-05-18 CN CN201710351027.9A patent/CN107015191B/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109471065A (zh) * | 2018-09-28 | 2019-03-15 | 中国电子科技集团公司第三十六研究所 | 一种相干信号的测向方法 |
CN109471065B (zh) * | 2018-09-28 | 2021-05-25 | 中国电子科技集团公司第三十六研究所 | 一种相干信号的测向方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107015191A (zh) | 2017-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107015191B (zh) | 一种在多径干扰环境下单偶极子极化敏感阵列降维doa估计方法 | |
US10571544B2 (en) | Direction finding using signal power | |
CN106526530B (zh) | 基于传播算子的2-l型阵列二维doa估计算法 | |
CN110058202B (zh) | 一种基于角度和信号到达时间差估计的高性能混合定位方法及其实现装置 | |
CN104407335B (zh) | 一种3轴交叉阵列的doa估计方法 | |
He et al. | Joint DOD and DOA estimation for MIMO array with velocity receive sensors | |
CN103901395B (zh) | 一种冲击噪声环境下相干信号波达方向动态跟踪方法 | |
CN102721943B (zh) | 基于l型传感器阵列的非相干信号二维波达方向跟踪方法及装置 | |
CN102830386B (zh) | 一种强干扰背景下的任意阵型微弱信号源角度估计方法 | |
CN109143275A (zh) | 一种基于粒子群的小型化阵列天线抗干扰实现方法 | |
CN109696657A (zh) | 一种基于矢量水听器的相干声源定位方法 | |
CN110376547B (zh) | 基于二阶统计量的近场源定位方法 | |
CN112444776A (zh) | 一种基于tdoa和fdoa的无人机高精度定位方法 | |
CN113835063B (zh) | 一种无人机阵列幅相误差与信号doa联合估计方法 | |
CN108318855A (zh) | 基于均匀圆阵的近场和远场混合信号源定位方法 | |
CN108872930A (zh) | 扩展孔径二维联合对角化doa估计方法 | |
CN105572631B (zh) | 基于多波位联合处理的最大似然目标doa估计方法 | |
CN104215957B (zh) | 一种冲击噪声环境下的近场源角度和距离计算方法 | |
CN102062851A (zh) | 基于改进l阵的星载宽带多目标的测向方法 | |
CN108919176B (zh) | 一种单矢量传感器增秩music测向技术 | |
Cao et al. | Two-dimensional direction of arrival estimation using generalized ESPRIT algorithm with non-uniform L-shaped array | |
Cao et al. | Direct self-position awareness based on array-sensing multiple source data fitting | |
Liu et al. | Improved attitude determination for unmanned aerial vehicles with a cross-shaped antenna array | |
Liu et al. | Generalization propagator method for DOA estimation | |
Al Jabr et al. | Modified UCA-ESPRIT for estimating DOA of coherent signals using one snapshot |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |