CN112051540B - 一种快速高精度测向方法 - Google Patents

Abstract

本发明公开了一种快速高精度测向方法，包括以下步骤：通过粗测向天线阵接收目标信号，获取目标粗方位角；根据精测向天线阵接收目标信号，构建阵列数据的协方差矩阵；对阵列数据的协方差矩阵进行特征分解，得到噪声子空间特征向量矩阵；采集天线阵列参数，并通过天线阵列参数构建导向矢量关系式；根据目标粗方位角、噪声子空间特征向量矩阵和导向矢量关系式进行二维谱峰搜索，获取目标方位角和俯仰角，完成高精度测向。本发明复杂度低，易于工程实现，解决了二维多重信号分类方法计算量大的问题，通过仿真验证，较传统二维多重信号分类方法，计算时间节省50％以上，提高了高精度测向的效率。

Description

一种快速高精度测向方法

技术领域

本发明属于电子侦察领域，具体涉及一种快速高精度测向方法。

背景技术

信号的波达方向(DOA)估计是电子侦察领域一个非常重要的研究内容，其主要目的是通过提取空间中由天线阵列所接收信号的有关特征，来估计信号的波达方向。

现有的一系列测向方法，主要包括：比幅法、干涉仪、多重信号分类。比幅法测向技术是根据入射信号的幅度来测量入射角，该技术具有***简单、体积小、重量轻、价格便宜的优点，但由于天线间距和极化等原因，测向偏差较大。常用的干涉仪测向方法包括相位干涉仪及相关干涉仪。干涉仪测向技术具有方法简单、速度快、技术成熟等优点，因此，被广泛应用于各种领域。但相位干涉仪测向方法存在相位模糊、受硬件通道不一致性影响较大等问题，性能不佳；相关干涉仪测向方法是利用实际接收信号的相位差信息与样本库的数据作相关处理进行测向，算法运算简单，但测向精度及角度分辨力较差，且与样本库的质量具有很大的关系。二维多重信号分类(2D-MUSIC)方法当前是DOA估计的主要研究方向，该方法可以大大改善在***处理带宽内空间信号的角度估计精度及其它相关参数估计精度，因而在雷达、通信、声纳等众多领域有广阔的应用前景，但其运算复杂，实时性无法满足工程应用。一般采用L形阵列、面阵和平行阵列实现二维参数估计，这种方法应用于入射信号俯仰角和方位角测量。在实际工程应用中，往往要求在测向(包括方位角与俯仰角)精度较高的情况下，满足实时性需求，而该方法不能同时满足高精度与高实时性的需求。

发明内容

针对现有技术中的上述不足，本发明提供的一种快速高精度测向方法解决了现有技术中时延高和精度低的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种快速高精度测向方法，包括以下步骤：

S1、通过粗测向天线阵接收目标信号，获取目标粗方位角；

S2、根据精测向天线阵接收目标信号，构建阵列数据的协方差矩阵；

S3、对阵列数据的协方差矩阵进行特征分解，得到噪声子空间特征向量矩阵；

S4、采集天线阵列参数，并通过天线阵列参数构建导向矢量关系式；

S5、根据目标粗方位角、噪声子空间特征向量矩阵和导向矢量关系式进行二维谱峰搜索，获取目标方位角和俯仰角，完成高精度测向。

进一步地，所述步骤S1包括以下分步骤：

S11、设定粗测向天线阵的参考天线接收电压为：

E₀＝A₀cosωt

其中，A₀表示目标信号振幅，ω表示目标信号角频率，t表示时间；

S12、以天线接收电压为E₀为基础，获取东南西北四个方向粗测向天线阵阵元的接收电压为：

其中，E_E、E_S、E_W和E_N分别表示东南西北四个方向粗测向天线阵阵元的接收电压，π表示圆周率，λ表示目标信号的波长，θ表示目标信号入射仰角，α表示目标信号入射方位角，d表示天线直径；

S13、根据接收电压E_E、E_S、E_W和E_N，获取第一接收电压差E_NS和第二接收电压差E_EW为：

S14、通过第一接收电压差E_NS和第二接收电压差E_EW获取带有模糊的目标粗方位角α_模糊为：

S15、判断是否存在第一接收电压差E_NS为正且第二接收电压差E_EW为正的情况，若是，则获得无模糊的目标粗方位角为α_粗＝α_模糊，否则进入步骤S16；

S16、判断是否存在第一接收电压差E_NS为负且第二接收电压差E_EW为正的情况，若是，则获得无模糊的目标粗方位角为α_粗＝α_模糊+180°，否则进入步骤S17；

S17、判断是否存在第一接收电压差E_NS为正且第二接收电压差E_EW为负的情况，若是，则获得无模糊的目标粗方位角为α_粗＝α_模糊+180°，否则进入步骤S18；

S18、判定第一接收电压差E_NS为负且第二接收电压差E_EW为负，获得无模糊的目标粗方位角为α_粗＝α_模糊+360°；

S19、将无模糊的目标粗方位角作为最终的目标粗方位角测量结果。

进一步地，所述步骤S2包括以下分步骤：

S21、根据精测向天线阵接收目标信号，将精测向天线阵中各阵元接收的数据合成阵列数据矩阵X；

S22、通过阵列数据矩阵X构建阵列数据的协方差矩阵R。

进一步地，所述步骤S21中阵列数据矩阵X为：

其中，Data_ch1,Data_ch2,...,Data_chM分别表示第1,2,...,M个精测向天线阵中各阵元接收的数据；

所述步骤S22中协方差矩阵R为：

R＝E[XX^H]＝AE[SS^H]A^H+σ²I＝AR_SA^H+σ²I

其中，E[]表示期望求取函数，H表示共轭转置，A表示阵列流行矩阵，S表示空间信号数据矢量，σ²表示理想噪声功率，I表示单位矩阵，R_S表示信号协方差矩阵。

进一步地，所述步骤S3中对阵列数据的协方差矩阵R进行特征分解的结果为：

其中，U_S表示信号子空间特征向量，Σ_S表示信号子空间特征值对角阵，U_N表示噪声子空间特征向量矩阵，Σ_N表示噪声子空间特征值对角阵。

进一步地，所述步骤S4中导向矢量关系式a(θ,α)具体为：

其中，j表示虚数，τ_m(θ,α)表示目标信号源到精测向天线阵中第m个的阵元与到第一个阵元的时间差，m＝1,2,...,M，M表示精测向天线阵中阵元总数，ω₀表示圆频率。

进一步地，所述时间差τ_m(θ,α)具体为：

其中，c表示光速，x_m表示第m个阵元的横坐标，y_m表示第m个阵元的纵坐标，x_m对应坐标系以参考阵元坐标为原点、正东方向为x轴以及正南方向为y轴。

进一步地，所述步骤S5包括以下分步骤：

S51、根据噪声子空间特征向量矩阵U_N和导向矢量关系式a(θ,α)，构建谱值估计公式为：

其中，P_2D-MUSIC表示估计得到的谱值，

表示U_N的共轭转置矩阵，a^H(θ,α)表示a(θ,α)的共轭转置矢量；

S52、确定方位角α的搜索范围为

以及俯仰角θ的搜索范围为0°≤θ≤90°，

表示α_模糊的理论误差；

S53、以

为方位角α的搜索起点，以0°为俯仰角θ的搜索起点，开始二维谱峰搜索；

S54、将方位角α增加1°，通过谱值估计公式获取对应的谱值，并判断α是否等于

若是，则进入步骤S55，否则重复步骤S54；

S55、将俯仰角θ增加1°，通过谱值估计公式获取对应的谱值，并判断俯仰角θ是否等于90°，若是，则进入步骤S56，否则返回步骤S54；

S56、根据步骤S54和步骤S55得到的若干谱值，获取最大谱值，得到最大谱值对应的方位角和俯仰角，完成高精度测向。

本发明的有益效果为：

(1)本发明复杂度低，易于工程实现，解决了二维多重信号分类方法计算量大的问题，通过仿真验证，较传统二维多重信号分类方法，计算时间节省50％以上，提高了高精度测向的效率。

(2)本发明提供了一种快速高精度测向方法，兼具高实时性与高精度，可实现对单目标二维高精度快速测向。

(3)本发明先进行粗测向，然后构建谱值搜索函数，通过粗测向结果构建方位角搜索范围，搜索最大谱值对应的方位角，完成高精度测向。

附图说明

图1为本发明提出的一种快速高精度测向方法流程图。

图2为本发明采用的测向***示意图。

图3为本发明的测向耗时实验结果图。

图4为经典二维多重信号分类算法测向耗时实验结果图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

下面结合附图详细说明本发明的实施例。

如图1所示，一种快速高精度测向方法，包括以下步骤：

S1、通过粗测向天线阵接收目标信号，获取目标粗方位角；

S2、根据精测向天线阵接收目标信号，构建阵列数据的协方差矩阵；

S3、对阵列数据的协方差矩阵进行特征分解，得到噪声子空间特征向量矩阵；

S4、采集天线阵列参数，并通过天线阵列参数构建导向矢量关系式；

S5、根据目标粗方位角、噪声子空间特征向量矩阵和导向矢量关系式进行二维谱峰搜索，获取目标方位角和俯仰角，完成高精度测向。

如图2所示，本发明采用的天线阵列为十字天线阵列，其包括信号处理器以及与信号处理器相连的四个天线单元，所述每个天线单元均包括通过数据通道与信号处理器相连接的SP2T射频开关，其还包括与SP2T射频开关连接的粗测向天线阵阵元和精测向天线阵阵元。

所述步骤S1包括以下分步骤：

S11、设定粗测向天线阵的参考天线接收电压为：

E₀＝A₀cosωt

其中，A₀表示目标信号振幅，ω表示目标信号角频率，t表示时间；

S12、以天线接收电压为E₀为基础，获取东南西北四个方向粗测向天线阵阵元的接收电压为：

其中，E_E、E_S、E_W和E_N分别表示东南西北四个方向粗测向天线阵阵元的接收电压，π表示圆周率，λ表示目标信号的波长，θ表示目标信号入射仰角，α表示目标信号入射方位角，d表示天线直径；

S13、根据接收电压E_E、E_S、E_W和E_N，获取第一接收电压差E_NS和第二接收电压差E_EW为：

S14、通过第一接收电压差E_NS和第二接收电压差E_EW获取带有模糊的目标粗方位角α_模糊为：

S15、判断是否存在第一接收电压差E_NS为正且第二接收电压差E_EW为正的情况，若是，则获得无模糊的目标粗方位角为α_粗＝α_模糊，否则进入步骤S16；

S16、判断是否存在第一接收电压差E_NS为负且第二接收电压差E_EW为正的情况，若是，则获得无模糊的目标粗方位角为α_粗＝α_模糊+180°，否则进入步骤S17；

S17、判断是否存在第一接收电压差E_NS为正且第二接收电压差E_EW为负的情况，若是，则获得无模糊的目标粗方位角为α_粗＝α_模糊+180°，否则进入步骤S18；

S18、判定第一接收电压差E_NS为负且第二接收电压差E_EW为负，获得无模糊的目标粗方位角为α_粗＝α_模糊+360°；

S19、将无模糊的目标粗方位角作为最终的目标粗方位角测量结果。

所述步骤S2包括以下分步骤：

S21、根据精测向天线阵接收目标信号，将精测向天线阵中各阵元接收的数据合成阵列数据矩阵X；

S22、通过阵列数据矩阵X构建阵列数据的协方差矩阵R。

所述步骤S21中阵列数据矩阵X为：

其中，Data_ch1,Data_ch2,...,Data_chM分别表示第1,2,...,M个精测向天线阵中各阵元接收的数据。

在本实施例中，每个阵列数据Data_ch为X(t)＝A(θ,α)s(t)+N(t)，其中X(t)表示阵元接收的阵列数据矩阵，A(θ,α)表示阵列流行矩阵，s(t)表示空间信号数据矢量，N(t)表示阵列噪声数据矢量。

所述步骤S22中协方差矩阵R为：

R＝E[XX^H]＝AE[SS^H]A^H+σ²I＝AR_SA^H+σ²I

其中，E[]表示期望求取函数，H表示共轭转置，A表示阵列流行矩阵，S表示空间信号数据矢量，σ²表示理想噪声功率，I表示单位矩阵，R_S表示信号协方差矩阵。

所述步骤S3中对阵列数据的协方差矩阵R进行特征分解的结果为：

其中，U_S表示信号子空间特征向量，Σ_S表示信号子空间特征值对角阵，U_N表示噪声子空间特征向量矩阵，Σ_N表示噪声子空间特征值对角阵。

所述步骤S4中导向矢量关系式a(θ,α)具体为：

其中，j表示虚数，τ_m(θ,α)表示目标信号源到精测向天线阵中第m个的阵元与到第一个阵元的时间差，m＝1,2,...,M，M表示精测向天线阵中阵元总数，ω₀表示圆频率。

所述时间差τ_m(θ,α)具体为：

其中，c表示光速，x_m表示第m个阵元的横坐标，y_m表示第m个阵元的纵坐标，x_m对应坐标系以参考阵元坐标为原点、正东方向为x轴以及正南方向为y轴。

所述步骤S5包括以下分步骤：

S51、根据噪声子空间特征向量矩阵U_N和导向矢量关系式a(θ,α)，构建谱值估计公式为：

其中，P_2D-MUSIC表示估计得到的谱值，

表示U_N的共轭转置矩阵，a^H(θ,α)表示a(θ,α)的共轭转置矢量；

S52、确定方位角α的搜索范围为

以及俯仰角θ的搜索范围为0°≤θ≤90°，

表示α_模糊的理论误差；

S53、以

为方位角α的搜索起点，以0°为俯仰角θ的搜索起点，开始二维谱峰搜索；

S54、将方位角α增加1°，通过谱值估计公式获取对应的谱值，并判断α是否等于

若是，则进入步骤S55，否则重复步骤S54；

S55、将俯仰角θ增加1°，通过谱值估计公式获取对应的谱值，并判断俯仰角θ是否等于90°，若是，则进入步骤S56，否则返回步骤S54；

S56、根据步骤S54和步骤S55得到的若干谱值，获取最大谱值，得到最大谱值对应的方位角和俯仰角，完成高精度测向。

在本实施例中，如图3-图4所示，图3为使用本发明进行测向的实验结果，图4为使用经典二维多重信号分类算法进行测向的实验结果。图中直线表示测量100次的总耗时，折线上的每个点表示一次测量的耗时，可以看出，本发明的测向耗时远远小于经典二维多重信号分类算法的耗时，节省了大量的时间。

本发明的有益效果为：

(1)本发明复杂度低，易于工程实现，解决了二维多重信号分类方法计算量大的问题，通过仿真验证，较传统二维多重信号分类方法，计算时间节省50％以上，提高了高精度测向的效率。

(2)本发明提供了一种快速高精度测向方法，兼具高实时性与高精度，可实现对单目标二维高精度快速测向。

(3)本发明先进行粗测向，然后构建谱值搜索函数，通过粗测向结果构建方位角搜索范围，搜索最大谱值对应的方位角，完成高精度测向。

Claims (8)

1.一种快速高精度测向方法，其特征在于，包括以下步骤：

S1、通过粗测向天线阵接收目标信号，获取目标粗方位角；

S2、根据精测向天线阵接收目标信号，构建阵列数据的协方差矩阵；

S3、对阵列数据的协方差矩阵进行特征分解，得到噪声子空间特征向量矩阵；

S4、采集天线阵列参数，并通过天线阵列参数构建导向矢量关系式；

S5、根据目标粗方位角、噪声子空间特征向量矩阵和导向矢量关系式进行二维谱峰搜索，获取目标方位角和俯仰角，完成高精度测向。

2.根据权利要求1所述的快速高精度测向方法，其特征在于，所述步骤S1包括以下分步骤：

S11、设定粗测向天线阵的参考天线接收电压为：

E₀＝A₀cosωt

其中，A₀表示目标信号振幅，ω表示目标信号角频率，t表示时间；

S12、以参考天线接收电压E₀为基础，获取东南西北四个方向粗测向天线阵阵元的接收电压为：

其中，E_E、E_S、E_W和E_N分别表示东南西北四个方向粗测向天线阵阵元的接收电压，π表示圆周率，λ表示目标信号的波长，θ表示目标信号入射仰角，α表示目标信号入射方位角，d表示天线直径；

S13、根据接收电压E_E、E_S、E_W和E_N，获取第一接收电压差E_NS和第二接收电压差E_EW为：

S14、通过第一接收电压差E_NS和第二接收电压差E_EW获取带有模糊的目标粗方位角α_模糊为：

S15、判断是否存在第一接收电压差E_NS为正且第二接收电压差E_EW为正的情况，若存在，则无模糊的目标粗方位角为α_粗＝α_模糊，否则进入步骤S16；

S16、判断是否存在第一接收电压差E_NS为负且第二接收电压差E_EW为正的情况，若存在，则无模糊的目标粗方位角为α_粗＝α_模糊+180°，否则进入步骤S17；

S17、判断是否存在第一接收电压差E_NS为正且第二接收电压差E_EW为负的情况，若存在，则无模糊的目标粗方位角为α_粗＝α_模糊+180°，否则进入步骤S18；

S18、判定第一接收电压差E_NS为负且第二接收电压差E_EW为负，则无模糊的目标粗方位角为α_粗＝α_模糊+360°；

S19、将无模糊的目标粗方位角作为最终的目标粗方位角。

3.根据权利要求1所述的快速高精度测向方法，其特征在于，所述步骤S2包括以下分步骤：

S21、根据精测向天线阵接收目标信号，将精测向天线阵中各阵元接收的数据合成阵列数据矩阵X；

S22、通过阵列数据矩阵X构建阵列数据的协方差矩阵R。

4.根据权利要求3所述的快速高精度测向方法，其特征在于，所述步骤S21中阵列数据矩阵X为：

其中，Data_ch1,Data_ch2,...,Data_chM分别表示第1,2,...,M个精测向天线阵中各阵元接收的数据；

所述步骤S22中协方差矩阵R为：

R＝E[XX^H]＝AE[SS^H]A^H+σ²I＝AR_SA^H+σ²I

其中，E[]表示期望求取函数，H表示共轭转置，A表示阵列流行矩阵，S表示空间信号数据矢量，σ²表示理想噪声功率，I表示单位矩阵，R_S表示信号协方差矩阵。

5.根据权利要求4所述的快速高精度测向方法，其特征在于，所述步骤S3中对阵列数据的协方差矩阵R进行特征分解的结果为：

其中，U_S表示信号子空间特征向量，Σ_S表示信号子空间特征值对角阵，U_N表示噪声子空间特征向量矩阵，Σ_N表示噪声子空间特征值对角阵。

6.根据权利要求5所述的快速高精度测向方法，其特征在于，所述步骤S4中导向矢量关系式a(θ,α)具体为：

其中，j表示虚数，τ_m(θ,α)表示目标信号源到精测向天线阵中第m个的阵元与到第一个阵元的时间差，m＝1,2,...,M，M表示精测向天线阵中阵元总数，ω₀表示圆频率。

7.根据权利要求6所述的快速高精度测向方法，其特征在于，所述时间差τ_m(θ,α)具体为：

其中，c表示光速，x_m表示第m个阵元的横坐标，y_m表示第m个阵元的纵坐标，x_m对应坐标系以参考阵元坐标为原点、正东方向为x轴以及正南方向为y轴。

8.根据权利要求7所述的快速高精度测向方法，其特征在于，所述步骤S5包括以下分步骤：

S51、根据噪声子空间特征向量矩阵U_N和导向矢量关系式a(θ,α)，构建谱值估计公式为：

其中，P_2D-MUSIC表示估计得到的谱值，

表示U_N的共轭转置矩阵，a^H(θ,α)表示a(θ,α)的共轭转置矢量；

S52、确定方位角α的搜索范围为

以及俯仰角θ的搜索范围为0°≤θ≤90°，

表示α_模糊的理论误差；

S53、以

为方位角α的搜索起点，以0°为俯仰角θ的搜索起点，开始二维谱峰搜索；

S54、将方位角α增加1°，通过谱值估计公式获取对应的谱值，并判断α是否等于

若是，则进入步骤S55，否则重复步骤S54；

S55、将俯仰角θ增加1°，通过谱值估计公式获取对应的谱值，并判断俯仰角θ是否等于90°，若是，则进入步骤S56，否则返回步骤S54；

S56、根据步骤S54和步骤S55得到的若干谱值，获取最大谱值，得到最大谱值对应的方位角和俯仰角，完成高精度测向。

Images