CN113238184A - 一种基于非圆信号的二维doa估计方法 - Google Patents
一种基于非圆信号的二维doa估计方法 Download PDFInfo
- Publication number
- CN113238184A CN113238184A CN202110533350.4A CN202110533350A CN113238184A CN 113238184 A CN113238184 A CN 113238184A CN 202110533350 A CN202110533350 A CN 202110533350A CN 113238184 A CN113238184 A CN 113238184A
- Authority
- CN
- China
- Prior art keywords
- signal
- subspace
- dimensional
- circular
- phase angle
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 41
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000021615 conjugation Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000005457 optimization Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明属于阵列信号处理技术领域,是一种波达方向(directions of arrival,DOA)估计技术,尤其涉及入射信号为非圆信号时的二维DOA估计方法。该方法包括以下步骤,步骤1、利用L阵列接收信号的共轭,对接收信号矢量进行扩展,得到扩展信号矢量;步骤2、计算扩展信号矢量的协方差矩阵并对该协方差矩阵进行特征分解;步骤3、扩展协方差矩阵特征分解得到信号子空间和噪声子空间;步骤4、定义新的相位角θk;步骤5、利用信号子空间构建一维谱峰搜索函数,通过一维谱峰搜索可以得到相位角θ;步骤6、由信号子空间和噪声子空间的正交关系构造新的谱峰搜索函数,通过相位角θk估计γk;步骤7、通过相位角θk和γk计算俯仰角αk和方位角βk。
Description
技术领域
本发明属于阵列信号处理技术领域,是一种波达方向(directions of arrival,DOA)估计技术,尤其涉及入射信号为非圆信号时的二维DOA估计方法。
背景技术
二维DOA估计一直是阵列信号处理领域的研究热点,在雷达、声纳、移动通信等领域有着广泛应用。传统的DOA估计方法包括基于子空间分解的多重信号分类(MUSIC)和旋转不变子空间(ESPRIT)算法是应用非常广泛的一类算法,但这两种算法均是基于一维均匀直线阵,如果直接扩展至二维结构阵列,则会出现参数配对以及繁琐的计算量问题(如二维MUSIC搜索)等等。
阵列的二维结构多种多样,代表性的有平面阵、双平行线阵、圆阵和L阵。从Hua Y等发表的文献《An L-shaped array for estimating 2-D directions of wave arrival》可知,相比与其他结构的阵列,L阵具有更好的测向性能,基于L阵的二维测向算法的研究引起广泛关注。Tayem N等在文献《L-shape 2-dimensional arrival angle estimationwith propagator method》提出利用L阵的互相关矩阵构造一个Toeplitz矩阵来解决二位角度配对问题,然而在信噪比较小的情况下容易产生误配对问题。Liang J等文献《JointElevation and Azimuth Direction Finding Using L-Shaped Array》基于秩损原理提出一种自动配对的二维测向算法,且通过秩损实现了参数分离,避免了二维搜索,降低了算法的复杂度取得不错效果。
然而上述算法并没有考虑入射信号为非圆信号时的情况,研究表明,通过利用非圆信号的非圆特性,可以增加可分辨信号的个数同时改善DOA的估计精度。Abeida H和Delmas J P的文献《MUSIC-like estimation of direction of arrival for non-circular sources》提出了NC-MUSIC算法实现DOA估计,通过同时利用非圆信号的协方差矩阵和椭圆协方差矩阵将阵列流行扩展为原来的两倍且可分辨信号数也为原来的两倍,因此测向精度也得到了提高。同时Delmas J P和Abeida H文献《Stochastic Cramer-Rao boundfor non-circular signals with application to DOA estimation》给出了非圆信号DOA的CRB,并指出复高斯非圆信号的随机CRB小于等于复高斯圆信号的随机CRB。
因此,在L阵的基础上利用信号的非圆特性进一步提高算法的测向精度是切实可行的,而且能在不增加阵元的基础上提高算法最大可分辨信号数以及改善测向精度,有着重要的研究意义和价值。
发明内容
本发明的目的在于针对L阵列且入射信号为非圆信号时,利用信号的非圆特性扩展接收信号矩阵,从而提高算法的测向精度,同时参数避免配对。
为实现上述目的,本发明提供了如下技术方案:
一种基于非圆信号的二维DOA估计方法,该方法包括以下步骤,
步骤1、利用L阵列接收信号的共轭,对接收信号矢量进行扩展,得到扩展信号矢量;
步骤2、计算扩展信号矢量的协方差矩阵并对该协方差矩阵进行特征分解;
步骤3、扩展协方差矩阵特征分解得到信号子空间和噪声子空间;
步骤4、定义新的相位角θk;
步骤6、由信号子空间和噪声子空间的正交关系构造新的谱峰搜索函数,通过相位角θk估计γk;
步骤7、通过相位角θk和γk计算俯仰角αk和方位角βk。
本技术方案进一步的优化,所述L阵列信号由均匀分布在x轴和z轴的共2M+1个阵元组成,阵元间距为d,参考阵元位于坐标原点,有K个远场、窄带、非相关信号入射,波长为λ,第k个信号的俯仰角和方位角分别为αk和βk,定义两个相位角γk=-2πdsinαkcosβk/λ,φk=-2πdcosαk/λ。这样导向矢量可以记为
令xm,n(t)表示第(m,n)个阵元在t时刻接收的信号,则
X(t)=[xM,0(t)xM-1,0(t)...x1,0(t)x0,M(t)x0,M-1(t)...x0,M(t)]T
表示阵列在第t时刻接收信号矢量。
本技术方案进一步的优化,所述步骤1中的扩展接收矢量为Y(t):
Y(t)=[X(t) XH(t)]T。
本技术方案进一步的优化,所述步骤2扩展协方差矩阵为
本技术方案进一步的优化,所述步骤3扩展协方差矩阵的特征分解:
本技术方案进一步的优化,所述步骤4定义新的相位角:
改写导向矢量:
可知导向矢量的前M行和后M行满足以下关系:
本技术方案进一步的优化,所述步骤5具体包括将信号子空间两等分U1和U2,记U1的前M行为U11,后M行为U12,U2的前M行为U21,后M行为U22,定义矩阵:
由步骤3的分析可知当θ=θk时,矩阵Q的第k列将变为0,也就是矩阵Q会降秩;因此可以构造谱峰搜索函数:
本技术方案进一步的优化,所述步骤6由信号子空间和噪声子空间的正交关系可构造新的谱峰搜索函数:
将估计出来的相位角θk带入即可得到对应的相位角γk,且自动配对。
本技术方案进一步的优化,所述步骤7中相位角φk:
俯仰角αk:
方位角βk:
区别于现有技术,上述技术方案具有如下有益效果:
本发明提出一种基于非圆信号的二维DOA估计方法,通过利用信号的非圆特性,提升了角度估计的精度,利用秩损原理将实现参数分离,避免了二位搜索,大大降低了算法的复杂度,同时参数自动配对。
附图说明
图1为俯仰角估计的均方根误差与信噪比的关系示意图;
图2为方位角估计的均方根误差与信噪比的关系示意图。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果,以下结合具体实施例并配合附图详予说明。
假设L阵由均匀分布在x轴和z轴的共2M+1个阵元组成,阵元间距为d,参考阵元位于坐标原点,有K个远场、窄带、非相关信号入射,波长为λ,第k个信号的俯仰角和方位角分别为αk和βk,定义两个相位角γk=-2πdsinαkcosβk/λ,φk=-2πdcosαk/λ。这样导向矢量可以记为
令xm,n(t)表示第(m,n)个阵元在t时刻接收的信号,则
X(t)=[xM,0(t)xM-1,0(t)...x1,0(t)x0,M(t)x0,M-1(t)...x0,M(t)]T
表示阵列在第t时刻接收信号矢量。
步骤1、利用阵列接收信号的共轭,对接收信号矢量进行扩展,得到新的接收信号矢量;
定义新的扩展接收矢量为Y(t):
Y(t)=[X(t) XH(t)]T
步骤2、计算扩展信号矢量的协方差矩阵;
扩展协方差矩阵:
步骤3、扩展协方差矩阵特征分解得到信号子空间和噪声子空间;
扩展协方差矩阵的特征分解:
步骤4、定义新的相位角;
定义新的相位角:
改写导向矢量:
可知导向矢量的前M行和后M行满足以下关系:
步骤5、构建一维谱峰搜索函数。
Matlab产生接收信号,将接收信号处理得到扩展协方差矩阵,将扩展协方差矩阵特征分解获得信号子空间以及噪声子空间。
将信号子空间两等分U1和U2,记U1的前M行为U11,后M行为U12,U2的前M行为U21,后M行为U22,定义矩阵:
由步骤3的分析可知当θ=θk时,矩阵Q的第k列将变为0,也就是矩阵Q会降秩。因此可以构造谱峰搜索函数:
步骤6、通过相位角θk估计γk;
由信号子空间和噪声子空间的正交关系可构造新的谱峰搜索函数:
将估计出来的相位角θk带入即可得到对应的相位角γk,且自动配对。
步骤7、通过相位角θk和γk计算俯仰角αk和方位角βk;
相位角φk:
俯仰角αk:
方位角βk:
本发明适用于L型阵列的测向算法研究,为验证本方法再DOA估计方面的性能优势,将本方法与Liang J和Liu D提出的《Joint Elevation and Azimuth DirectionFinding Using L-Shaped Array》的方法进行对比,仿真实验的条件如下:阵元数为13,波长为100,阵元间距为二分之一波长,快拍为200,信源数为2,方位角为60°和35°,俯仰角为40°和55°,蒙特卡罗仿真次数为500,两种算法在不同信噪比下进行比较,用角度的均方根误差作为性能的衡量指标,参阅图1所示,为俯仰角估计的均方根误差与信噪比的关系示意图,参阅图2所示,为方位角估计的均方根误差与信噪比的关系示意图。可以看出,无论是估计方位角还是俯仰角,本文方法的估计精度都要优于Liang J的方法。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括……”或“包含……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外,在本文中,“大于”、“小于”、“超过”等理解为不包括本数;“以上”、“以下”、“以内”等理解为包括本数。
尽管已经对上述各实施例进行了描述,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改,所以以上所述仅为本发明的实施例,并非因此限制本发明的专利保护范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围之内。
Claims (9)
3.如权利要求1所述的基于非圆信号的二维DOA估计方法,其特征在于,所述步骤1中的扩展接收矢量为Y(t):
Y(t)=[X(t) XH(t)]T。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533350.4A CN113238184B (zh) | 2021-05-17 | 2021-05-17 | 一种基于非圆信号的二维doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533350.4A CN113238184B (zh) | 2021-05-17 | 2021-05-17 | 一种基于非圆信号的二维doa估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113238184A true CN113238184A (zh) | 2021-08-10 |
CN113238184B CN113238184B (zh) | 2023-10-13 |
Family
ID=77134802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110533350.4A Active CN113238184B (zh) | 2021-05-17 | 2021-05-17 | 一种基于非圆信号的二维doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113238184B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114578282A (zh) * | 2022-03-01 | 2022-06-03 | 中国海洋大学 | 一种应用于非固定相位中心天线阵的doa估计方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001337148A (ja) * | 2000-05-26 | 2001-12-07 | Mitsubishi Electric Corp | 電磁波の到来方向推定装置 |
KR20140057887A (ko) * | 2012-11-05 | 2014-05-14 | 한남대학교 산학협력단 | 상관된 안테나 잡음이 존재하는 상황에서 상관된 신호들에 대한 공간적 평활화된 자기 컨벌루션 기반 도래방향각 예측 방법 |
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 |
CN109959891A (zh) * | 2019-04-11 | 2019-07-02 | 南京航空航天大学 | 电磁矢量l阵中空间角与极化参数的降维谱峰搜索方法 |
CN110749857A (zh) * | 2019-09-12 | 2020-02-04 | 宁波大学 | 基于秩损法的均匀矩形阵列二维非圆信号doa估计方法 |
CN110954859A (zh) * | 2019-11-22 | 2020-04-03 | 宁波大学 | 基于l型阵列的二维非相干分布式非圆信号参数估计方法 |
CN111239678A (zh) * | 2020-03-06 | 2020-06-05 | 西京学院 | 一种基于l型阵列的二维doa估计方法 |
KR102225025B1 (ko) * | 2020-03-02 | 2021-03-08 | 연세대학교 산학협력단 | 비정렬된 배열안테나의 코히어런트 입사 신호 도래각 추정 장치 및 방법 |
-
2021
- 2021-05-17 CN CN202110533350.4A patent/CN113238184B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001337148A (ja) * | 2000-05-26 | 2001-12-07 | Mitsubishi Electric Corp | 電磁波の到来方向推定装置 |
KR20140057887A (ko) * | 2012-11-05 | 2014-05-14 | 한남대학교 산학협력단 | 상관된 안테나 잡음이 존재하는 상황에서 상관된 신호들에 대한 공간적 평활화된 자기 컨벌루션 기반 도래방향각 예측 방법 |
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 |
CN109959891A (zh) * | 2019-04-11 | 2019-07-02 | 南京航空航天大学 | 电磁矢量l阵中空间角与极化参数的降维谱峰搜索方法 |
CN110749857A (zh) * | 2019-09-12 | 2020-02-04 | 宁波大学 | 基于秩损法的均匀矩形阵列二维非圆信号doa估计方法 |
CN110954859A (zh) * | 2019-11-22 | 2020-04-03 | 宁波大学 | 基于l型阵列的二维非相干分布式非圆信号参数估计方法 |
KR102225025B1 (ko) * | 2020-03-02 | 2021-03-08 | 연세대학교 산학협력단 | 비정렬된 배열안테나의 코히어런트 입사 신호 도래각 추정 장치 및 방법 |
CN111239678A (zh) * | 2020-03-06 | 2020-06-05 | 西京学院 | 一种基于l型阵列的二维doa估计方法 |
Non-Patent Citations (2)
Title |
---|
NIZARTAYEM 等: "Two-Dimensional DOA Estimation Using Cross-Correlation Matrix With L-Shaped Array", 《IEEE ANTENNAS AND WIRELESS PROPAGATION LETTERS》, vol. 15, pages 1077 - 1080, XP011604707, DOI: 10.1109/LAWP.2015.2493099 * |
崔维嘉 等: "一种自动匹配的分布式非圆信号二维DOA快速估计方法", 《电 子 与 信 息 学 报》, vol. 40, no. 12, pages 2881 - 2888 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114578282A (zh) * | 2022-03-01 | 2022-06-03 | 中国海洋大学 | 一种应用于非固定相位中心天线阵的doa估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113238184B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106980106B (zh) | 阵元互耦下的稀疏doa估计方法 | |
CN112698264B (zh) | 增广互质阵列脉冲噪声环境下相干信源的doa估计方法 | |
CN109633522B (zh) | 基于改进的music算法的波达方向估计方法 | |
CN109490819B (zh) | 一种基于稀疏贝叶斯学习的离格波达方向估计方法 | |
CN108375751B (zh) | 多信源波达方向估计方法 | |
CN105335615B (zh) | 一种低复杂度的二维角度和极化参数联合估计方法 | |
CN109655799A (zh) | 基于iaa的协方差矩阵向量化的非均匀稀疏阵列测向方法 | |
CN110244272B (zh) | 基于秩一去噪模型的波达方向估计方法 | |
CN111239678A (zh) | 一种基于l型阵列的二维doa估计方法 | |
CN106526531A (zh) | 基于三维天线阵列的改进传播算子二维doa估计算法 | |
CN109254272B (zh) | 一种共点式极化mimo雷达的两维角度估计方法 | |
CN112051540B (zh) | 一种快速高精度测向方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN110018438A (zh) | 一种波达方向估计方法和装置 | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN116224219A (zh) | 一种阵列误差自校正原子范数最小化doa估计方法 | |
CN106980105B (zh) | 电磁矢量传感器阵列空间旋转解相干测向方法 | |
CN108761380A (zh) | 一种用于提高精度的目标波达方向估计方法 | |
CN113238184A (zh) | 一种基于非圆信号的二维doa估计方法 | |
CN110703185B (zh) | 一种基于多级扩展嵌套阵列的波达方向估计方法 | |
CN116699511A (zh) | 一种多频点信号波达方向估计方法、***、设备及介质 | |
CN113093111B (zh) | 基于压缩感知和遗传算法的均匀圆阵解调二维相干信号方法及*** | |
CN113391266B (zh) | 基于非圆多嵌套阵降维子空间数据融合的直接定位方法 | |
CN111381208B (zh) | 一种已知波形信源的波达方向估计方法 | |
CN109696652B (zh) | 一种二维doa估计方法及其装置、设备、存储介质 |
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 |