CN114019449B - 信号源的波达方向估计方法、装置、电子设备及存储介质 - Google Patents
信号源的波达方向估计方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114019449B CN114019449B CN202210019474.5A CN202210019474A CN114019449B CN 114019449 B CN114019449 B CN 114019449B CN 202210019474 A CN202210019474 A CN 202210019474A CN 114019449 B CN114019449 B CN 114019449B
- Authority
- CN
- China
- Prior art keywords
- signal
- output signal
- digital
- analog
- target
- 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
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
本申请提供一种信号源的波达方向估计方法、装置、电子设备及存储介质。该方法包括获取第一输出信号;其中,第一输出信号为模拟量,且第一输出信号为天线阵列接收到的来自多个不同方向信号源发出的信源信号;对第一输出信号进行融合,获得第二输出信号;其中,第二输出信号的通道数小于天线阵列的通道数;对第二输出信号进行模数转换,获得对应的数字信号;利用预先设计的数字滤波器对数字信号进行恢复,获得目标信号;根据压缩感知算法对目标信号进行计算,获得信号源的波达方向信息。本申请对天线阵列的接收信号进行模拟融合后再进行低比特采样,最后利用数字信号处理实现对信号源波达方向的估计,有效降低波达方向估计***的成本和功耗。
Description
技术领域
本申请涉及阵列信号处理领域,具体而言,涉及一种信号源的波达方向估计方法、装置、电子设备及存储介质。
背景技术
空间谱是阵列信号处理中的一个重要概念,时域频谱表示信号在各个频率上的能量分布,而空间谱则表示信号在空间各个方向上的能量分布。因此,如果可以得到信号的“空间谱”,就能得到信号的波达方向,所以,空间谱通常称为波达方向(Direction ofArrival ,DOA)估计。DOA在目标定位、跟踪、导航、医学、语音处理、雷达以及通信***等应用中具有重要的意义。
在传统接收机下,由于天线数量有限,可以支持每根接收天线连接一条射频链路。然而,随着科技的飞速发展和人民生活需求的不断增长,特别是毫米波技术和大规模多输入多输出技术的广泛应用,天线阵列的规模越来越大,阵元间距越来越密集,射频通道急剧增加,这大大提升了***设计和部署的难度,同时,固定的物理尺寸空间也无法承载这样大规模的***。若在每个阵元的输出端都连接一个高精度量化器进行量化,会导致DOA估计***产生较大的功耗和成本。
发明内容
本申请实施例的目的在于提供一种信号源的波达方向估计方法、装置、电子设备及存储介质,用以解决现有技术中因大规模天线阵列中每个阵元的输出端都连接一个高精度量化器进行量化,导致DOA估计***的功耗和成本较高的技术问题。
第一方面,本申请实施例提供一种信号源的波达方向估计方法,包括:获取第一输出信号;其中,所述第一输出信号为模拟量,且所述第一输出信号为天线阵列接收到的来自多个不同方向信号源发出的信源信号;
对所述第一输出信号进行融合,获得第二输出信号;其中,所述第二输出信号的通道数小于所述天线阵列的通道数;
对所述第二输出信号进行模数转换,获得对应的数字信号;
利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号;
根据压缩感知算法对所述目标信号进行计算,获得所述信号源的波达方向信息。
在本申请实施例中,对天线阵列接收端的各个通道的信号进行模拟融合,并产生少于天线阵元数目的模拟输出信号,再对融合后的输出信号进行低比特量化,最后利用稀疏恢复算法实现DOA估计,有效减少量化器的数目和量化位数,从而降低DOA估计***的成本和功耗。
进一步地,所述对所述第一输出信号进行融合,获得第二输出信号,包括:
获取模拟滤波器组;其中,所述模拟滤波器组包括多个模拟滤波器,且所述模拟滤波器的个数等于所述第二输出信号的通道数;
利用每个所述模拟滤波器对所述第一输出信号进行加权求和,获得每个所述模拟滤波器分别对应的中间信号;
根据所述中间信号获得所述第二输出信号。
本申请实施例中,通过每个模拟滤波器对第一输出信号进行加权求和,实现对第一输出信号的模拟融合,可以以较少的量化器数目实现精确的DOA估计,提高DOA估计***的资源利用率。
进一步地,所述对所述第二输出信号进行模数转换,获得对应的数字信号,包括:
获取抖动信号;
根据所述第二输出信号和所述抖动信号获得待量化信号;
利用量化器对所述待量化信号进行均匀量化,获得量化后的数字信号。
在本申请实施例中,先对第二输出信号添加均匀分布的抖动信号,再用低比特均匀量化器对其进行低比特均匀量化,将时间连续、幅值连续的第二输出信号转换为时间离散、幅值离散的数字信号,可以有效降低DOA估计***的成本和复杂度,同时不会引起DOA估计性能的显著降低。
进一步地,利用量化器对所述待量化信号进行均匀量化,获得量化后的数字信号,包括:
本申请实施例中,通过公式获得量化后的数字信号,当量化器输
入在其动态范围之内时,量化器输出可以写成输入信号与和输入不相关的加性零均值白
噪声信号之和,可以准确地描述对第二输出信号的量化过程,并为后续的DOA分析提供了便
利。
进一步地,所述利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号,包括:
其中,所述为所述第一输出信号,为的协方差矩阵,,为的单位矩阵,为所述第二输出信号的通道数,为所述天线阵列的导向矩阵,
为所述信源信号,为的协方差矩阵,为模拟滤波器,为所述量化器的量化
等级,为所述量化器的动态范围,为压缩矩阵,为所述数字滤波器;
在本申请实施例中,原始的天线阵列接收信号已经被破坏,在进行DOA估计之前通过预先设计的最优数字滤波器将目标信号恢复出来,便于后续可以获取准确的DOA。
进一步地,所述根据压缩感知算法对所述目标信号进行计算,获得待确定信号源的波达方向信息,包括:
对所述波达方向的角度空间进行离散处理,获得多个网格;
根据所述网格对所述目标信号进行稀疏化表示,获得稀疏表示信号;
根据所述稀疏表示信号获得所述待确定信号源的波达方向信息。
在本申请实施例中,通过对波达方向的角度空间进行离散处理,使得目标信号稀疏化,再利用压缩感知算法计算信号源的波达方向信息,实现对信号源的精确定位。
进一步地,所述根据所述稀疏表示信号获得待确定信号源的波达方向信息,包括:
利用压缩感知算法对所述稀疏表示信号进行计算,获取重构信号矩阵;
根据所述重构信号矩阵确定所述重构信号矩阵每一行的二范数;
提取满足预设条件的二范数对应的目标网格,根据所述目标网格确定所述信号源的波达方向信息。
在本申请实施例中,通过压缩感知算法的高分辨特性来提取满足预设条件的二范数对应的目标网格,根据目标网格确定信号源的DOA,有效提高对信号源DOA的估计精度。
第二方面,本申请实施例提供一种信号源的波达方向估计装置,包括:信号接收模块,用于获取第一输出信号;其中,所述第一输出信号为模拟量,且所述第一输出信号为天线阵列接收到的来自多个不同方向信号源发出的信源信号;信号融合模块,用于对所述第一输出信号进行融合,获得第二输出信号;其中,所述第二输出信号的通道数小于所述天线阵列的通道数;信号量化模块,用于对所述第二输出信号进行模数转换,获得对应的数字信号;信号恢复模块,用于利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号;目标获取模块,用于根据压缩感知算法对所述目标信号进行计算,获得所述信号源的波达方向信息。
第三方面,本申请实施例提供一种电子设备,包括:处理器、存储器和总线,其中,所述处理器和所述存储器通过所述总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面的方法。
第四方面,本申请实施例提供一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行第一方面的方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种信号源的波达方向估计方法流程示意图;
图2为本申请实施例提供的信号模拟融合的过程示意图;
图3本申请实施例提供的信号量化的过程示意图;
图4为本申请实施例提供的2个信号源入射的空间谱;
图5为本申请实施例提供的8个信号源入射的空间谱;
图6为本申请实施例提供的不同信噪比对应的目标信号估计误差的示意图;
图7为本申请实施例提供的不同信噪比对应的DOA估计成功率的示意图;
图8为本申请实施例提供的不同总比特数对应目标信号估计误差的示意图;
图9为本申请实施例提供的不同总比特数对应的DOA估计成功率的示意图;
图10为本申请实施例提供的信号源的波达方向估计装置结构示意图;
图11为本申请实施例提供的电子设备实体结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
信号的波达方向(Direction-of-arrival,DOA)估计是阵列信号处理领域的重要组成部分,它是指利用天线阵列对空间声学信号、电磁信号进行感应接收,再运用现代信号处理方法快速准确的估计出信号源的入射方向,在雷达、声呐、无线通信等领域具有重要应用价值。
目前,在进行DOA估计相关的数字处理之前,需要对阵列接收信号进行采样,将时间连续、幅值也连续的模拟信号转换为时间离散、幅值也离散的数字信号。在传统接收机下,由于天线数量有限,所以可以支持每根接收天线连接一条射频链路。
然而,随着科技的飞速发展和人民生活需求的不断增长,特别是毫米波技术和大规模多输入多输出技术的广泛应用,天线阵列的规模越来越大,阵元间距越来越密集,射频通道急剧增加,这大大提升了***设计和部署的难度,同时,固定的物理尺寸空间也无法承载这样大规模的***。若对天线阵列每个阵元的输出端都连接一个量化器进行采样,即使对天线阵列的输出信号进行低比特量化,也会导致DOA估计***产生较大的功耗和成本。因此本申请通过对天线阵列的输出信号进行模拟融合后再进行低比特量化,可以以较少的量化器数目和量化位数实现较为精确的DOA估计。
图1为本申请实施例提供的一种信号源的波达方向估计方法流程示意图,如图1所示,该方法应用于DOA估计***。该方法包括:
步骤101:获取第一输出信号;
其中,所述第一输出信号为模拟量,且所述第一输出信号为天线阵列接收到的来自多个不同方向信号源发出的信源信号。
其中,信号源发出的可以是雷达的回波信号、通信接收信号、干扰信号等,各个信源信号可以为相干信号,也可以是不相干的信号,本申请实施例对此不作具体限定。
在具体的实施过程中,为了表述方便,本申请实施例明将信号源抽象成远场点源,
并只考虑窄带情况,假设有个窄带、远场信源信号分别从不同的方向入射到一个包含个全向传感器的均匀线性天线阵列,阵元间距为,为载波波长,则天线阵列的接收信号可表示为:。
本申请实施例中的方法不仅适用于均匀阵列,同时也适用于稀疏阵列,本申请不对此做具
体限定,本领域技术人员可以根据实际情况进行合适的选择。
步骤102:对所述第一输出信号进行融合,获得第二输出信号;其中,所述第二输出信号的通道数小于所述天线阵列的通道数。
其中,第二输出信号为对第一输出信号进行模拟融合后得到的信号。
图2为本申请实施例提供的信号模拟融合的过程示意图,如图2所示,先对第一输
出信号进行模拟域处理,将路接收信号融合成路信号,并从少于天线阵列阵元
数目的模拟通道输出,极大的减少量化器的数量,此时第一输出信号的压缩比可以定义为,在具体实施过程中,压缩比不能无限制增大,否则会增加稀疏恢复的误差。在具
体实施过程中,压缩比的选择需考虑实际信源目标个数,根据压缩感知理论可知,当时可理论保证稀疏恢复的性能,其中c是一个常数,为信源信号的个数。
步骤103:对所述第二输出信号进行模数转换,获得对应的数字信号。
其中,模数转换是指对时间连续、幅值连续的第一时间信号进行采样和量化,将第一输出信号转换为时间离散、取值离散的数字信号。
在本申请实施例中,为了保证信号采样结果的失真尽可能小,根据奈奎斯特采样定理对第一输出信号进行采样,使得采样频率大于第一输出信号最高频率的2倍,采样后的信号包含第二输出信号的所有信息,再对时间离散后的第二输出信号进行量化,获得时间离散、取值离散的数字信号。
其中,量化指把经过采样得到的瞬时值将其幅度离散,即用一组规定的电平,把瞬时抽样值用最接近的电平值来表示;或指把输入信号幅度连续变化的范围分为有限个不重叠的子区间,每个子区间用该区间内一个确定数值表示,落入其内的输入信号将以该值输出,从而将连续输入信号变为具有有限个离散值电平的近似信号。
步骤104:利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号。
其中,目标信号为将第二输出信号通过数字滤波器进行恢复得到的信号。
在本申请实施例中,先将第一输出信号进行模拟融合,再对融合后的第二输出信号进行采样和量化,天线阵列的第一接收信号已经被破坏,并且量化后的数字信号与信号源的DOA参数之间关系复杂,无法通过线性数字滤波器直接得到信号源的DOA。因此先通过数字滤波器对量化后的信号进行处理,以便后续可以获得准确的DOA。
步骤105:根据压缩感知算法对所述目标信号进行计算,获得所述信号源的波达方向信息。
其中,压缩感知(Compressed Sensing,CS)算法,也被称为压缩采样(CompressiveSampling)或稀疏采样(Sparse Sampling),是一种寻找欠定线性***的稀疏解的技术。压缩感知被应用于电子工程尤其是信号处理中,用于获取和重构稀疏或可压缩的信号。CS利用信号的稀疏特征,相较于奈奎斯特理论,可以从较少的测量值中还原出原始整个欲得知的信号。
在上述实施例的基础上,所述对所述第一输出信号进行融合,获得第二输出信号,包括:
获取模拟滤波器组;其中,所述模拟滤波器组包括多个模拟滤波器,且所述模拟滤波器的个数等于所述第二输出信号的通道数;
利用每个所述模拟滤波器对所述第一输出信号进行加权求和,获得每个所述模拟滤波器分别对应的中间信号;
根据所述中间信号获得所述第二输出信号。
在本申请实施例中,模拟滤波器可以通过公式对第一输出信号进
行融合。如图2所示,通过个模拟滤波器对天线阵列接收到的路信号进行加权求和,将
第一输出信号融合成路输出。其中,是一个酉矩阵,根据确定的取值,是的右奇异向量,,,为所述第一输出信号,为的协方
差矩阵,为所述天线阵列的导向矩阵,为所述信源信号,为的协方差矩
阵,为压缩矩阵。
在上述实施例的基础上,所述对所述第二输出信号进行模数转换,获得对应的数字信号,包括:
获取抖动信号;
根据所述第二输出信号和所述抖动信号获得待量化信号;
利用量化器对所述待量化信号进行均匀量化,获得量化后的数字信号。
图3为本申请实施例提供的信号量化的过程示意图,如图3所示,抖动信号为复信
号,抖动信号的实部和虚部分别服从 的均匀分布,其中,由定义,是
每个实值量化器的量化等级,是量化器的动态范围;待量化信号是指在第二输出信号上
施加抖动信号后的信号;量化后的数字信号是指将时间连续、幅值连续的第二输出信号转
换得到的时间离散、幅值离散的数字信号。
利用量化器对待量化信号进行低比特均匀量化,获得量化后的数字信号。其中,均匀量化是指把输入信号的取值域等间隔分割的量化,其特点是各量化区间的宽度相同。在上述实施例的基础上,所述利用量化器对所述待量化信号进行均匀量化,获得量化后的数字信号,包括:
其中,为所述第二输出信号,为所述抖动信号,和均为复信号,,和分别表示取实部和取虚部操作,,为所述量化器的量化等级,为所述量
化器的动态范围,为所述量化后的数字信号。如图3所示,对复值信号的实部和虚
部分别进行低比特量化,为第二输出信号中每一行对应的复信号,为抖动信号
中的每一行中对应的复信号,为量化后的数字信号中每一行中对应的复信号,在具体
实施过程中,对的实部和虚部分别进行如图3所示的低比特均匀量化,的实部和
虚部分别服从的均匀分布。
在上述实施例的基础上,所述利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号,包括:
其中,所述为所述第一输出信号,为的协方差矩阵,,为的单位矩阵,为所述第二输出信号的通道数,为所述天线阵列的导向矩阵,
为所述信源信号,为的协方差矩阵,为模拟滤波器,为所述量化器的量化
等级,为所述量化器的动态范围,为压缩矩阵,为所述数字滤波器;
在具体实施过程中,通过目标信号估计误差最小化准则预先设计最优数字滤波
器,具体步骤为:假设预先设定的目标恢复信号为,其中,为已
知的压缩矩阵;设计数字滤波器,使得恢复的目标信号尽可能接近我们的期望信
号,即转化为求解优化的问题;根据正交原理将等效成:,其中,为的最小均方误差(Minimum
Mean Squared Error,MMSE)估计;假设的MMSE估计为:,通过可
得;通过可以得到。
在上述实施例的基础上,所述根据压缩感知算法对所述目标信号进行计算,获得待确定信号源的波达方向信息,包括:
对所述波达方向的角度空间进行离散处理,获得多个网格;
根据所述网格对所述目标信号进行稀疏化表示,获得稀疏表示信号;
根据所述稀疏表示信号获得所述待确定信号源的波达方向信息。
在上述实施例的基础上,所述根据所述稀疏表示信号获得待确定信号源的波达方向信息,包括:
利用压缩感知算法对所述稀疏表示信号进行计算,获取重构信号矩阵;
根据所述重构信号矩阵确定所述重构信号矩阵每一行的二范数;
提取满足预设条件的二范数对应的目标网格,根据所述目标网格确定所述信号源的波达方向信息。
在具体实施过程中,因为,所以信号源的DOA估计问题可转化为多测量
(Multiple Measurement Vectors, MMVs)的压缩感知问题,通过压缩感知算法可以求解出,其中,即为重构信号矩阵,表示矩阵的
Frobenius范数,表示矩阵的范数,为预设的正则化参数。
在求解得到后,的非零行所对应的网格即为待估计的信号源的DOA,在本申请
实施例中,计算每一行的2范数并从大到小排列,预设条件为从大到小选取2范数对应的
行数和发射的信号源的个数相同。例如,把DOA角度空间 均匀划分成个网
格,发射的远场信号源的个数为K个,则选取2范数最大的K行所处的网格即为信号源的DOA,的第行网格对应的角度为。
在本申请实施例中,设置均匀线性天线阵列的阵元个数为60,将角度空间均匀划分成120个网格,采集快拍数为8,信噪比(Signal-to-noise Ratio,
SNR)为10dB,压缩比,为天线阵列的通道数,为模拟融合后的第二输出信号的
通道数。
图4为本申请实施例提供的2个信号源入射的空间谱,如图4所示,通过分析在第一
接收信号未量化、压缩比、和四种情况下的空间谱,可以得出在对第一接
收信号进行模拟融合和低比特量化的情况下仍然能够准确估计出信号源的DOA。
图5为本申请实施例提供的8个信号源入射的空间谱,如图5所示,通过分析在第一
接收信号无量化、压缩比、和四种情况下的空间谱,可以得出在对第一接
收信号进行模拟融合、采用低比特量化的情况下仍然能够准确估计出信号源的DOA。
在本申请实施例中,定义目标信号的均方估计误差和DOA估计成功率两个参数来
衡量本发明的DOA估计性能。图6为本申请实施例提供的不同信噪比对应的目标信号估计误
差的示意图 ,如图6所示,2个入射信号源在第一接收信号无量化、压缩比、和四种情况下目标信号的均方估计误差,可以得出在低信噪比的情况下,对天线阵列接
收信号未量化情况下得到的均方估计误差大于对天线阵列接收信号压缩后得到的均方估
计误差,而在高信噪比的情况下,对天线阵列接收信号未量化情况下得到的均方估计误差
小于对天线阵列接收信号压缩后得到的均方估计误差。
图7为本申请实施例提供的不同信噪比对应的DOA估计成功率的示意图,如图7所
示,2个入射信号源在第一接收信号无量化、压缩比、和四种情况下DOA的
估计成功率,可以看出在低信噪比的情况下,天线阵列接收信号未量化得到的DOA成功率
高,而高信噪比的情况下,天线阵列接收信号未量化得到的DOA和天线阵列接收信号压缩后
得到的DOA的成功率趋于相同。DOA的估计性能随着信噪比的提高而改善,并且压缩比越高,
DOA的估计性能越好,虽然与接收信号无量化的性能之间有一段性能差距,但是有效降低了
整个DOA估计***的射频链路数目和复杂度。
图8为本申请实施例提供的不同总比特数对应的目标信号估计误差的示意图,图9
为本申请实施例提供的不同总比特数对应的DOA估计成功率的示意图,在信噪比为10dB情
况下,2个信号源在第一接收信号无量化、压缩比、和四种情况下,如图8
和图9所示,通过分析图8和图9可以得出对第一输出信号压缩后得到的DOA的估计性能随着
总比特数的增加而逐渐逼近无量化的性能。
本申请实施例中的方法除了能实现对DOA的估计,还能用于其他参数的估计,例如速度、距离等等,本申请不对此做具体限定。
图10为本申请实施例提供的信号源的波达方向估计装置200结构示意图,该装置可以是电子设备上的模块、程序段或代码。应理解,该装置与上述图1方法实施例对应,能够执行图1方法实施例涉及的各个步骤,该装置具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。该装置包括:信号接收模块201、信号融合模块202、信号量化模块203、信号恢复模块204和目标获取模块205,其中:
信号接收模块201用于获取第一输出信号;其中,所述第一输出信号为模拟量,且所述第一输出信号为天线阵列接收到的来自多个不同方向信号源发出的信源信号;
信号融合模块202用于对所述第一输出信号进行融合,获得第二输出信号;其中,所述第二输出信号的通道数小于所述天线阵列的通道数;
信号量化模块203用于对所述第二输出信号进行模数转换,获得对应的数字信号;
信号恢复模块204用于利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号;
目标获取模块205用于根据压缩感知算法对所述目标信号进行计算获得所述信号源的波达方向信息。
在上述实施例的基础上,信号融合模块202具体用于:
获取模拟滤波器组;其中,所述模拟滤波器组包括多个模拟滤波器,且所述模拟滤波器的个数等于所述第二输出信号的通道数;
利用每个所述模拟滤波器对所述第一输出信号进行加权求和,获得每个所述模拟滤波器分别对应的中间信号;
根据所述中间信号获得所述第二输出信号。
在上述实施例的基础上,信号量化模块203具体用于:
获取抖动信号;
根据所述第二输出信号和所述抖动信号获得待量化信号;
利用量化器对所述待量化信号进行均匀量化,获得量化后的数字信号。
在上述实施例的基础上,信号量化模块203具体用于:
在上述实施例的基础上,所述信号恢复模块204具体用于:
其中,所述为所述第一输出信号,为的协方差矩阵,,为的单位矩阵,为所述第二输出信号的通道数,为所述天线阵列的导向矩阵,
为所述信源信号,为的协方差矩阵,为模拟滤波器,所述量化器的量化等
级,为所述量化器的动态范围,为压缩矩阵,为所述数字滤波器;
在上述实施例的基础上,所述目标获取模块205具体用于:
对所述波达方向的角度空间进行离散处理,获得多个网格;
根据所述网格对所述目标信号进行稀疏化表示,获得稀疏表示信号;
根据所述稀疏表示信号获得待确定信号源的波达方向信息。
在上述实施例的基础上,所述目标获取模块205具体用于:
利用压缩感知算法对所述稀疏表示信号进行计算,获取重构信号矩阵;
根据所述重构信号矩阵确定所述重构信号矩阵每一行的二范数;
提取满足预设条件的二范数对应的目标网格,根据所述目标网格确定所述信号源的波达方向信息。
综上所述,在本申请实施例中,对天线阵列接收端的各个通道的信号进行模拟融合,并产生少于天线阵元数目的模拟输出信号,再对融合后的输出信号进行低比特量化,最后利用稀疏恢复算法实现DOA估计,有效减少量化器的数目和量化位数,从而降低DOA估计***的成本和功耗。
图11为本申请实施例提供的电子设备实体结构示意图,如图11所示,所述电子设备,包括:处理器(processor)301、存储器(memory)302和总线303;其中:
所述处理器301和存储器302通过所述总线303完成相互间的通信;
所述处理器301用于调用所述存储器302中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取第一输出信号;其中,所述第一输出信号为模拟量,且所述第一输出信号为天线阵列接收到的来自多个不同方向信号源发出的信源信号;对所述第一输出信号进行融合,获得第二输出信号;其中,所述第二输出信号的通道数小于所述天线阵列的通道数;对所述第二输出信号进行模数转换,获得对应的数字信号;利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号;根据压缩感知算法对所述目标信号进行计算,获得所述信号源的波达方向信息。
处理器301可以是一种集成电路芯片,具有信号处理能力。上述处理器301可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中公开的各种方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器302可以包括但不限于随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)等。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取第一输出信号;其中,所述第一输出信号为模拟量,且所述第一输出信号为天线阵列接收到的来自多个不同方向信号源发出的信源信号;对所述第一输出信号进行融合,获得第二输出信号;其中,所述第二输出信号的通道数小于所述天线阵列的通道数;对所述第二输出信号进行模数转换,获得对应的数字信号;利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号;根据压缩感知算法对所述目标信号进行计算,获得所述信号源的波达方向信息。
本实施例提供一种存储介质,所述存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:获取第一输出信号;其中,所述第一输出信号为模拟量,且所述第一输出信号为天线阵列接收到的来自多个不同方向信号源发出的信源信号;对所述第一输出信号进行融合,获得第二输出信号;其中,所述第二输出信号的通道数小于所述天线阵列的通道数;对所述第二输出信号进行模数转换,获得对应的数字信号;利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号;根据压缩感知算法对所述目标信号进行计算,获得所述信号源的波达方向信息。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
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。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (7)
1.一种信号源的波达方向估计方法,其特征在于,所述方法包括:
获取第一输出信号;其中,所述第一输出信号为模拟量,且所述第一输出信号为天线阵列接收到的来自多个不同方向信号源发出的信源信号;
对所述第一输出信号进行融合,获得第二输出信号;其中,所述第二输出信号的通道数小于所述天线阵列的通道数;
对所述第二输出信号进行模数转换,获得对应的数字信号;
利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号;
根据压缩感知算法对所述目标信号进行计算,获得所述信号源的波达方向信息;
其中,所述对所述第一输出信号进行融合,获得第二输出信号,包括:
获取模拟滤波器组;其中,所述模拟滤波器组包括多个模拟滤波器,且所述模拟滤波器的个数等于所述第二输出信号的通道数;
利用每个所述模拟滤波器对所述第一输出信号进行加权求和,获得每个所述模拟滤波器分别对应的中间信号;
根据所述中间信号获得所述第二输出信号;
所述对所述第二输出信号进行模数转换,获得对应的数字信号,包括:
获取抖动信号;
根据所述第二输出信号和所述抖动信号获得待量化信号;
利用量化器对所述待量化信号进行均匀量化,获得量化后的数字信号;
所述利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号,包括:
其中,为所述第一输出信号,为的协方差矩阵,,为的单位矩阵,为所述第二输出信号的通道数,为所述天线阵列的导向矩阵,为所述信源信号,为的协方差矩阵,为模拟滤波器,为所述量化器的量化等级,为所述量化器的动态范围,为压缩矩阵,为所述数字滤波器;
3.根据权利要求1-2任一项所述的方法,其特征在于,所述根据压缩感知算法对所述目标信号进行计算,获得待确定信号源的波达方向信息,包括:
对所述波达方向的角度空间进行离散处理,获得多个网格;
根据所述网格对所述目标信号进行稀疏化表示,获得稀疏表示信号;
根据所述稀疏表示信号获得所述待确定信号源的波达方向信息。
4.根据权利要求3所述的方法,其特征在于,所述根据所述稀疏表示信号获得待确定信号源的波达方向信息,包括:
利用压缩感知算法对所述稀疏表示信号进行计算,获取重构信号矩阵;
根据所述重构信号矩阵确定所述重构信号矩阵每一行的二范数;
提取满足预设条件的二范数对应的目标网格,根据所述目标网格确定所述信号源的波达方向信息。
5.一种信号源的波达方向估计装置,其特征在于,包括:
信号接收模块,用于获取第一输出信号;其中,所述第一输出信号为模拟量,且所述第一输出信号为天线阵列接收到的来自多个不同方向信号源发出的信源信号;
信号融合模块,用于对所述第一输出信号进行融合,获得第二输出信号;其中,所述第二输出信号的通道数小于所述天线阵列的通道数;
信号量化模块,用于对所述第二输出信号进行模数转换,获得对应的数字信号;
信号恢复模块,用于利用预先设计的数字滤波器对所述数字信号进行恢复,获得目标信号;
目标获取模块,用于根据压缩感知算法对所述目标信号进行计算,获得所述信号源的波达方向信息;
其中,所述信号融合模块具体用于:获取模拟滤波器组;其中,所述模拟滤波器组包括多个模拟滤波器,且所述模拟滤波器的个数等于所述第二输出信号的通道数;利用每个所述模拟滤波器对所述第一输出信号进行加权求和,获得每个所述模拟滤波器分别对应的中间信号;根据所述中间信号获得所述第二输出信号;
所述信号量化模块具体用于:获取抖动信号;根据所述第二输出信号和所述抖动信号获得待量化信号;利用量化器对所述待量化信号进行均匀量化,获得量化后的数字信号;
所述信号恢复模块具体用于:
6.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述机器可读指令被所述处理器执行时执行如权利要求1至4任一项所述的方法。
7.一种存储介质,其特征在于,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210019474.5A CN114019449B (zh) | 2022-01-10 | 2022-01-10 | 信号源的波达方向估计方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210019474.5A CN114019449B (zh) | 2022-01-10 | 2022-01-10 | 信号源的波达方向估计方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114019449A CN114019449A (zh) | 2022-02-08 |
CN114019449B true CN114019449B (zh) | 2022-04-19 |
Family
ID=80069770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210019474.5A Active CN114019449B (zh) | 2022-01-10 | 2022-01-10 | 信号源的波达方向估计方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114019449B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115685056B (zh) * | 2023-01-04 | 2023-04-18 | 南京理工大学 | 空间目标二维角度的测量方法、装置、电子设备及介质 |
CN116500541B (zh) * | 2023-06-30 | 2023-09-22 | 南京理工大学 | 目标波达角度的估计方法、装置、电子设备及存储介质 |
CN116540172B (zh) * | 2023-07-05 | 2023-09-22 | 南京理工大学 | 入射信号来波方向的估计方法、装置、电子设备及介质 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5964708A (en) * | 1997-10-06 | 1999-10-12 | The Regents Of The University Of Michigan | Beamformed ultrasonic imager with delta-sigma feedback control |
US6693590B1 (en) * | 1999-05-10 | 2004-02-17 | Raytheon Company | Method and apparatus for a digital phased array antenna |
US20030161410A1 (en) * | 2002-02-26 | 2003-08-28 | Martin Smith | Radio communications device with adaptive combination |
CN100392426C (zh) * | 2005-10-20 | 2008-06-04 | 武汉大学 | 单通道相控阵接收信号重构及处理方法 |
US8059758B2 (en) * | 2006-02-10 | 2011-11-15 | Qualcomm, Incorporated | Conversion of multiple analog signals in an analog to digital converter |
CN101507151B (zh) * | 2006-07-05 | 2013-01-09 | 新加坡科技研究局 | 用于对接收信号进行分类的方法和装置 |
CN100531066C (zh) * | 2007-04-02 | 2009-08-19 | 北京亿阳信通软件研究院有限公司 | 确定业务服务的业务参数等级量化范围的方法和装置 |
CN101867387A (zh) * | 2010-01-06 | 2010-10-20 | 中国人民解放军海军航空工程学院 | 低于奈奎斯特速率采样下信号重构技术方案 |
US20130314271A1 (en) * | 2012-05-25 | 2013-11-28 | Brandt Braswell | Vehicle-borne radar systems with continuous-time, sigma delta analog-to-digital converters, and methods of their operation |
EP2981961B1 (en) * | 2013-04-05 | 2017-05-10 | Dolby International AB | Advanced quantizer |
CN103353596B (zh) * | 2013-06-18 | 2015-02-18 | 西安电子科技大学 | 基于压缩感知的波束空间域米波雷达测高方法 |
CN104749552A (zh) * | 2015-03-21 | 2015-07-01 | 西安电子科技大学 | 基于稀疏重构的互质阵列波达方向角估计方法 |
CN106303313B (zh) * | 2016-08-12 | 2019-04-30 | 中国科学院上海高等研究院 | 压缩感知cmos图像传感器的量化求和电路 |
CN106772226B (zh) * | 2016-12-26 | 2019-04-23 | 西安电子科技大学 | 基于压缩感知时间调制阵列的doa估计方法 |
CN107508575B (zh) * | 2017-08-11 | 2021-02-26 | 西安电子科技大学 | 模拟有限脉冲响应滤波器 |
CN109167623B (zh) * | 2018-07-25 | 2021-09-10 | 大连理工大学 | 一种应用于毫米波多天线***的混合波束成形***及其毫米波多天线*** |
CN109861729B (zh) * | 2019-03-21 | 2021-03-05 | 杭州电子科技大学 | Mimo***中的单用户多天线信号收发***及其信号处理方法 |
CN111913155A (zh) * | 2020-09-21 | 2020-11-10 | 南京理工大学 | 基于阵列雷达的二维doa估计方法 |
CN112444773A (zh) * | 2020-11-30 | 2021-03-05 | 北京工业大学 | 基于空域融合的压缩感知二维doa估计方法 |
CN112698289B (zh) * | 2020-12-08 | 2024-05-17 | 南京理工大学 | 一种基于压缩感知的mimo雷达目标信息恢复方法 |
-
2022
- 2022-01-10 CN CN202210019474.5A patent/CN114019449B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114019449A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114019449B (zh) | 信号源的波达方向估计方法、装置、电子设备及存储介质 | |
Zhou et al. | Compressive sensing‐based coprime array direction‐of‐arrival estimation | |
CN110045321B (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
CN109633538B (zh) | 非均匀采样***的最大似然时差估计方法 | |
CN107493106B (zh) | 一种基于压缩感知的频率和角度联合估计的方法 | |
CN107907855A (zh) | 一种互素阵列转化为均匀线阵的doa估计方法及装置 | |
Chen et al. | Direction finding using compressive one-bit measurements | |
Mao et al. | An Improved DOA Estimation Algorithm Based on Wavelet Operator. | |
Zhou et al. | Direction-of-arrival estimation for coprime arrays via coarray correlation reconstruction: A one-bit perspective | |
Sun et al. | Real-valued DOA estimation with unknown number of sources via reweighted nuclear norm minimization | |
Tian et al. | A simplified DOA estimation method based on correntropy in the presence of impulsive noise | |
Zhao et al. | Direction-of-arrival estimation of multipath signals using independent component analysis and compressive sensing | |
CN110208738B (zh) | 基于阵列调制宽带转换器的信号频率与二维doa联合估计方法 | |
Zheng et al. | Direction-of-arrival estimation of coherent signals under direction-dependent mutual coupling | |
Chen et al. | Joint carrier frequency and DOA estimation using a modified ULA based MWC discrete compressed sampling receiver | |
CN116500541B (zh) | 目标波达角度的估计方法、装置、电子设备及存储介质 | |
CN117092585A (zh) | 单比特量化DoA估计方法、***和智能终端 | |
Liu et al. | General similar sensing matrix pursuit: An efficient and rigorous reconstruction algorithm to cope with deterministic sensing matrix with high coherence | |
Eamaz et al. | Automotive radar sensing with sparse linear arrays using one-bit Hankel matrix completion | |
Chen et al. | One-bit DOA estimation using robust sparse covariance fitting in non-uniform noise | |
Blanco et al. | Sparse covariance fitting for direction of arrival estimation | |
Park et al. | Alternating projections gridless covariance-based estimation for DOA | |
Guo et al. | Information capacity and sampling ratios for compressed sensing-based SAR imaging | |
CN112180317A (zh) | 一种基于先验知识的非均匀过完备字典的doa估计算法 | |
Xu et al. | Sparse Reconstruction Based on Tanimoto Coefficient for DOA Estimation in Compressed Sensing |
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 |