CN109188347B - 基于music谱的信号极化方式三分类方法 - Google Patents
基于music谱的信号极化方式三分类方法 Download PDFInfo
- Publication number
- CN109188347B CN109188347B CN201811183028.8A CN201811183028A CN109188347B CN 109188347 B CN109188347 B CN 109188347B CN 201811183028 A CN201811183028 A CN 201811183028A CN 109188347 B CN109188347 B CN 109188347B
- Authority
- CN
- China
- Prior art keywords
- polarization
- music spectrum
- music
- signal
- calculating
- 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
Images
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)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Optical Recording Or Reproduction (AREA)
Abstract
本发明公开了一种基于MUSIC谱的信号极化方式三分类方法具体包括步骤:计算极化敏感阵列接收信号的MUSIC谱;基于MUSIC谱的特征提取;极化方式三分类器设计。本发明在不增大测试工作量的前提下,能实现较高精度的角度估计,实现了极化敏感阵列接收信号的极化方式三分类。
Description
技术领域
本发明涉及一种极化敏感阵列接收信号的极化方式三分类方法,特别是一种基于MUSIC谱的极化敏感阵列接收信号极化方式三分类方法。
背景技术
最近,极化敏感阵列受到研究者的广泛关注,受测试工作量等因素的限制,极化敏感阵列在带罩测试阶段一般只进行极化敏感阵列接收水平和垂直极化两种线极化信号的面扫描测试,并保存各阵元接收到的幅度和相位信息,然后利用其分别合成极化敏感阵列的水平和垂直极化导向矢量。
然而,极化敏感阵列通常对接收信号的极化方式比较敏感,即只携带水平和垂直两种极化方式的导向矢量的极化敏感阵列,对于极化方式与导向矢量相匹配的接收信号,能分别通过基于MUSIC算法的空间谱估计实现较高精度的角度估计;对于极化方式与导向矢量不匹配的接收信号,难以通过基于MUSIC算法的空间谱估计实现较高精度的角度估计。
因此,在不增大测试工作量的前提下,若要完成极化敏感阵列角度估计***的闭环,即对于不同极化方式的接收信号,通过(基于MUSIC算法的)空间谱估计能实现较高精度的角度估计,设计一种极化敏感阵列接收信号极化方式三分类方法,实现极化敏感阵列接收信号的极化方式三分类,即“极化方式类1(假设Hγ,1):线极化角γ=0°”,“极化方式类2(假设Hγ,2):线极化角γ≠0°且γ≠90°”和“极化方式类3(假设Hγ,3):线极化角γ=90°”,是需要解决的问题。
发明内容
针对上述技术问题,本发明的目的在于提供一种基于MUSIC谱的极化敏感阵列接收信号极化方式三分类方法,实现极化敏感阵列接收信号的极化方式三分类。
一种基于MUSIC谱的信号极化方式三分类方法,具体包括步骤:
S1、计算极化敏感阵列接收信号的MUSIC谱;
S2、基于MUSIC谱的特征提取;
S3、极化方式三分类器设计。
进一步地,所述步骤S1具体包括:
根据极化敏感阵列分别在水平极化和垂直极化情况下测试得到的各通道幅度:
和相位差:
其中NE为极化敏感阵列的阵元数(通道数),θ和分别为输出测试结果的入射方位角和俯仰角;和分别表示入射方向为时阵元i的水平极化接收幅度和垂直极化接收幅度,和分别表示入射方向为时阵元i与阵元1(基准阵元)的水平极化相位差和垂直极化相位差。
分别计算极化敏感阵列的水平极化导向矢量ah和垂直极化导向矢量av,即:
和
进一步地,所述步骤S2具体包括步骤:
S201、根据极化敏感阵列接收的真实线极化角为γ的信号Sγ的MUSIC谱Pγh和Pγv,提取基于MUSIC谱的统计特征;
S202、根据基于MUSIC谱的统计特征,分别计算MUSIC谱峰值和MUSIC谱均值之比,分别计算MUSIC谱标准差和MUSIC谱均值之比,以及分别计算MUSIC谱峰值和MUSIC谱基底之比;
S203、计算基于MUSIC谱Pγh的特征Xγh(Sγ)和基于MUSIC谱Pγv的特征Xγv(Sγ),获得基于MUSIC谱的特征X(Sγ)。
进一步地,所述步骤S201具体包括:
分别计算MUSIC谱峰值xγh,1=max(Pγh)和xγv,1=max(Pγv)。
进一步地,所述步骤S201具体包括:
分别计算MUSIC谱均值xγh,2=μ(Pγh)和xγv,2=μ(Pγv)。
进一步地,所述步骤S201具体包括:
分别计算MUSIC谱标准差xγh,3=σ(Pγh)和xγv,3=σ(Pγv)。
进一步地,所述步骤S201具体包括:
分别计算MUSIC谱基底:
和
和
进一步地,所述步骤S202具体包括:
进一步地,所述步骤S203具体包括:
Xγh(Sγ)={xγh,i:i=1,...,7};
Xγv(Sγ)={xγv,i:i=1,...,7};
X(Sγ)=Xγh(Sγ)∪Xγv(Sγ)。
进一步地,所述步骤S3具体包括:
极化方式三分类器为Hγ(Sγ)=C[X(Sγ)]。
本发明在不增大测试工作量的前提下,能实现较高精度的角度估计,实现了极化敏感阵列接收信号的极化方式三分类。
附图说明
图1为本发明极化敏感阵列接收信号极化方式三分类方法示意图流程示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
本实施方式以某结构状态的极化敏感阵列为例,如图1所示,基于MUSIC谱的极化敏感阵列接收信号极化方式三分类方法具体步骤如下:
第一步,计算极化敏感阵列接收信号的MUSIC谱。
根据极化敏感阵列分别在水平极化和垂直极化情况下测试得到的各通道幅度:
和相位差:
其中NE为极化敏感阵列的阵元数(通道数),θ和分别为输出测试结果的入射方位角和俯仰角;和分别表示入射方向为时阵元i的水平极化接收幅度和垂直极化接收幅度,和分别表示入射方向为时阵元i与阵元1(基准阵元)的水平极化相位差和垂直极化相位差。
分别计算极化敏感阵列的水平极化导向矢量ah和垂直极化导向矢量av,即:
和
第二步,基于MUSIC谱的特征提取。
根据极化敏感阵列接收的真实线极化角为γ的信号Sγ的MUSIC谱Pγh和Pγv,提取基于MUSIC谱的统计特征,
分别计算MUSIC谱峰值xγh,1=max(Pγh)和xγv,1=max(Pγv),其中算子max(·)表示计算最大值。
分别计算MUSIC谱均值xγh,2=μ(Pγh)和xγv,2=μ(Pγv),其中算子μ(·)表示计算平均值。
分别计算MUSIC谱标准差xγh,3=σ(Pγh)和xγv,3=σ(Pγv),其中算子σ(·)表示计算标准差。
分别计算MUSIC谱基底:
和
和
计算基于MUSIC谱Pγh的特征Xγh(Sγ)和基于MUSIC谱Pγv的特征Xγh(Sγ),获得基于MUSIC谱的特征X(Sγ),
Xγh(Sγ)={xγh,i:i=1,...,7};
Xγv(Sγ)={xγv,i:i=1,...,7};
X(Sγ)=Xγh(Sγ)∪Xγv(Sγ)。
第三步,极化方式三分类器设计。根据基于MUSIC谱的特征X(Sγ)=Xγh(Sγ)∪Xγv(Sγ)设计极化方式三分类器Hγ(Sγ)=C[X(Sγ)],实现极化敏感阵列接收信号的极化方式三分类,即“极化方式类1(假设Hγ,1):线极化角γ=0°”,“极化方式类2(假设Hγ,2):线极化角γ≠0°且γ≠90°”和“极化方式类3(假设Hγ,3):线极化角γ=90°”。
显然,上述实施方式仅仅是为清楚地说明所作的举例,而非对实施方式的限定。对于所属技术领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍属于本发明创造的保护范围之中。
Claims (9)
1.一种基于MUSIC谱的信号极化方式三分类方法,其特征在于,具体包括步骤:
S1、计算极化敏感阵列接收信号的MUSIC谱;
S2、基于MUSIC谱的特征提取;
S3、极化方式三分类器设计;
所述步骤S1具体包括:
根据极化敏感阵列分别在水平极化和垂直极化情况下测试得到的各通道幅度:
和相位差:
其中NE为极化敏感阵列的阵元数,θ和分别为输出测试结果的入射方位角和俯仰角;和分别表示入射方向为时阵元i的水平极化接收幅度和垂直极化接收幅度,和分别表示入射方向为时阵元i与阵元1的水平极化相位差和垂直极化相位差;
分别计算极化敏感阵列的水平极化导向矢量ah和垂直极化导向矢量av,即:
和
2.如权利要求1所述的信号极化方式三分类方法,其特征在于,所述步骤S2具体包括步骤:
S201、根据极化敏感阵列接收的真实线极化角为γ的信号Sγ的MUSIC谱Pγh和Pγv,提取基于MUSIC谱的统计特征;
S202、根据基于MUSIC谱的统计特征,分别计算MUSIC谱峰值和MUSIC谱均值之比,分别计算MUSIC谱标准差和MUSIC谱均值之比,以及分别计算MUSIC谱峰值和MUSIC谱基底之比;
S203、计算基于MUSIC谱Pγh的特征Xγh(Sγ)和基于MUSIC谱Pγv的特征Xγv(Sγ),获得基于MUSIC谱的特征X(Sγ)。
3.如权利要求2所述的信号极化方式三分类方法,其特征在于,所述步骤S201具体包括:
分别计算MUSIC谱峰值xγh,1=max(Pγh)和xγv,1=max(Pγv)。
4.如权利要求3所述的信号极化方式三分类方法,其特征在于,所述步骤S201具体包括:
分别计算MUSIC谱均值xγh,2=μ(Pγh)和xγv,2=μ(Pγv)。
5.如权利要求4所述的信号极化方式三分类方法,其特征在于,所述步骤S201具体包括:
分别计算MUSIC谱标准差xγh,3=σ(Pγh)和xγv,3=σ(Pγv)。
8.如权利要求7所述的信号极化方式三分类方法,其特征在于,所述步骤S203具体包括:
Xγh(Sγ)={xγh,i:i=1,...,7};
Xγv(Sγ)={xγv,i:i=1,...,7};
X(Sγ)=Xγh(Sγ)∪Xγv(Sγ)。
9.如权利要求8所述的信号极化方式三分类方法,其特征在于,所述步骤S3具体包括:
极化方式三分类器为Hγ(Sγ)=C[X(Sγ)]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811183028.8A CN109188347B (zh) | 2018-10-11 | 2018-10-11 | 基于music谱的信号极化方式三分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811183028.8A CN109188347B (zh) | 2018-10-11 | 2018-10-11 | 基于music谱的信号极化方式三分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109188347A CN109188347A (zh) | 2019-01-11 |
CN109188347B true CN109188347B (zh) | 2022-11-22 |
Family
ID=64947665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811183028.8A Active CN109188347B (zh) | 2018-10-11 | 2018-10-11 | 基于music谱的信号极化方式三分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109188347B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010121975A (ja) * | 2008-11-17 | 2010-06-03 | Advanced Telecommunication Research Institute International | 音源定位装置 |
CN102122352B (zh) * | 2011-03-01 | 2012-10-24 | 西安电子科技大学 | 基于特征值分布统计特性的极化sar图像分类方法 |
CN103941221B (zh) * | 2014-03-12 | 2016-06-08 | 西安电子科技大学 | 空间拉伸电磁矢量传感器阵列参数估计方法 |
CN103941222B (zh) * | 2014-03-12 | 2016-02-03 | 西安电子科技大学 | 基于瑞利熵降维music算法的参数估计方法 |
CN104766093B (zh) * | 2015-04-01 | 2018-02-16 | 中国科学院上海微***与信息技术研究所 | 一种基于麦克风阵列的声目标分类方法 |
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 |
CN108459706A (zh) * | 2018-01-24 | 2018-08-28 | 重庆邮电大学 | 基于相对运动轨迹跟踪的Wi-Fi手势识别方法 |
-
2018
- 2018-10-11 CN CN201811183028.8A patent/CN109188347B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109188347A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dai et al. | A sparse representation method for DOA estimation with unknown mutual coupling | |
EP2628316B1 (en) | Apparatus and method for deriving a directional information and computer program product | |
CN103954950B (zh) | 一种基于样本协方差矩阵稀疏性的波达方向估计方法 | |
CN105510874B (zh) | 一种近场信源多参数联合估计的降维music方法 | |
CN106646350B (zh) | 一种单只矢量水听器各通道幅度增益不一致时的修正方法 | |
CN110045322B (zh) | 一种基于高分辨测向语图智能识别的短波自动测向方法 | |
Zhang et al. | Compensation for the mutual coupling effect in the ESPRIT direction finding algorithm by using a more effective method | |
CN111308424A (zh) | 一种基于相加求和与music联合算法的变电站设备可听声源定位方法 | |
Stefanakis et al. | Perpendicular cross-spectra fusion for sound source localization with a planar microphone array | |
Liu et al. | Two dimensional direction of arrival estimation for co-prime L-shaped array using sparse reconstruction | |
CN109188347B (zh) | 基于music谱的信号极化方式三分类方法 | |
Belloni et al. | Unitary root-MUSIC technique for uniform circular array | |
Yang et al. | An improved EM algorithm for remote sensing classification | |
Qi et al. | DOA estimation and self-calibration algorithm for multiple subarrays in the presence of mutual coupling | |
Lekhovytskiy et al. | Rapidly convergent “superresolving” direction finders of noise radiation sources in adaptive arrays | |
Cai | A normalized spatial spectrum for DOA estimation with uniform linear arrays in the presence of unknown mutual coupling | |
Mahata | A subspace algorithm for wideband source localization without narrowband filtering | |
Jo et al. | Sine-based EB-ESPRIT for source localization | |
CN108594165A (zh) | 一种基于期望最大化算法的窄带信号波达方向估计方法 | |
US20240012083A1 (en) | Method and apparatus for measuring directions of arrival of multiple sound sources | |
Meng et al. | A time picking method based on spectral multimanifold clustering in microseismic data | |
JPH11258319A (ja) | 電波装置 | |
JPH11248814A (ja) | 電波装置 | |
Yin et al. | Performance study of different parameters for arbitrary arrays and a novel dimension reduction-MUSIC algorithm | |
Reju et al. | A robust correlation method for solving permutation problem in frequency domain blind source separation of speech signals |
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 |