CN114325568A - 脉冲噪声环境下基于bnc的嵌套阵列非圆信号doa估计方法 - Google Patents
脉冲噪声环境下基于bnc的嵌套阵列非圆信号doa估计方法 Download PDFInfo
- Publication number
- CN114325568A CN114325568A CN202111598949.2A CN202111598949A CN114325568A CN 114325568 A CN114325568 A CN 114325568A CN 202111598949 A CN202111598949 A CN 202111598949A CN 114325568 A CN114325568 A CN 114325568A
- Authority
- CN
- China
- Prior art keywords
- array
- matrix
- bnc
- signal
- virtual
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 82
- 238000009499 grossing Methods 0.000 claims abstract description 10
- 230000009467 reduction Effects 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 21
- 238000003491 array Methods 0.000 claims description 8
- 230000007480 spreading Effects 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 8
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000001992 Autosomal Dominant Optic Atrophy Diseases 0.000 description 1
- 206010011906 Death Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种脉冲噪声环境下基于BNC的嵌套阵列非圆信号DOA估计方法,通过嵌套阵列结构的阵列天线接收信号,得到接收信号信息x(t);根据信号的非圆特征构造扩展的信号信息X(t),并计算它的BNC矩阵RBNC;将RBNC进行向量化和重排列处理,得到虚拟阵列接收信号z;对虚拟阵列接收信号z去冗余,得到新的虚拟均匀线阵接收信号对中差阵,和阵的阵元间距为半波长的连续部分分别进行空间平滑,拼接得到虚拟阵列信息Y,并对Y构造协方差矩阵RY,再用降维MUSIC方法得到DOA的精确估计。本发明使用有界非线性函数来抑制接收信号中的异常值,构造BNC矩阵,进行向量化处理,重排列并去冗余得到阵元间距为半波长的虚拟均匀线阵接收信号信息,采用降维MUSIC方法,减少了计算复杂度。
Description
技术领域
本发明属于波达方向(direction ofarrival,DOA)估计领域,具体涉及一种脉冲噪声环境下基于有界非线性协方差(Boundednonlinear covariance,BNC)的嵌套阵列非圆信号DOA估计方法。
背景技术
近年来,一种新型的稀疏阵列得到了广泛关注,即嵌套阵列,它由两个均匀线阵组合而成。N1+N2阵元的嵌套阵列可以获得2N2(N1+1)-1的虚拟线阵连续自由度(degreeoffreedom,DOF),而阵元个数相同的均匀线阵(uniform linear array,ULA)只能获得N1+N2-1的DOF。因此,嵌套阵列结构大大提高了可探测信源数,能够获得角度估计性能的提升。
此外,稀疏阵列中的大多数DOA估计方法均假设环境噪声为高斯分布。然而,实际中的噪声往往表现出非高斯特性,会呈现一定的脉冲噪声特性。在高脉冲噪声环境下,接收信号的二阶矩不再存在,这些DOA估计方法性能会明显下降。所以,需要一种新的技术方案来解决上述问题。
发明内容
发明目的:为了解决现有技术存在的问题,本发明提供了一种脉冲噪声环境下基于BNC的嵌套阵列非圆信号DOA估计方法。
技术方案:本发明提供了脉冲噪声环境下基于BNC的嵌套阵列非圆信号DOA估计方法,包括以下步骤:
(1)通过嵌套阵列结构的阵列天线接收信号,得到接收信号信息x(t);
(2)构造扩展的信号信息X(t),并计算它的BNC矩阵RBNC;
(3)将RBNC进行向量化处理,得到向量化后的虚拟阵列接收信号z;
进一步地,步骤(1)所述嵌套阵列结构的阵列天线由两个阵元数分别为N1和N2的子阵组成,阵元数为N1的均匀线阵阵元间距是d0,阵元数为N2的阵元间距是(N1+1)d0,其中d0=λ/2,λ为载波波长。
进一步地,步骤(1)所述收信号信息x(t)为:
x(t)=AΦs0(t)+n(t)
其中,A=[a(θ1),…,a(θk),…a(θK)]为方向矩阵,为方向矢量,是非圆相位矩阵,表示第k个信号的非圆相位,j为虚数单位,n(t)是服从对称特征指数α稳定分布的脉冲噪声项,且0<α≤2;s0(t)=[s01(t),…,s0k(t),…s0K(t)]T为信号矢量,其中s0k(t)表示第k个信号。
进一步地,所述步骤(2)包括以下步骤:
(21)利用信号的非圆特征,扩展的阵列接收信号为:
(22)根据阵列接收信号X(t),计算BNC矩阵RBNC:
g(X(t))=score(real(X(t)))+j·score(imag(X(t)))
进一步地,步骤(3)所述虚拟均匀线阵接收信号z为:
z=Jvec(RBNC)=J(B*⊙B)sBNC+JΓ
其中vec(·)表示向量化操作,为扩展方向矩阵,是扩展方向矢量,sBNC表示信号能量,Γ表示脉冲噪声项拉伸后的向量,Γ表示脉冲噪声项向量;表示Kronecker积,⊙表示K-R积;为行交换矩阵,且IP表示P×P的单位矩阵,0P表示P×P的零矩阵,表示2P2×2P2的零矩阵,P=N1+N2。
进一步地,步骤(5)所述虚拟阵列信息Y为:
RY=YYH/(M1+1)。
有益效果:与现有技术相比,本发明的有益效果:利用信号的非圆特性,提高了DOA估计精度和可估计信源数;本发明使用有界非线性函数(Bounded nonlinear function,BNF)来抑制接收信号中的异常值,构造BNC矩阵,进行向量化处理,重排列并去冗余得到阵元间距为半波长的虚拟均匀线阵接收信号信息,采用降维MUSIC方法,减少了计算复杂度。
附图说明
图1是本发明的嵌套阵列结构示意图;
图2是本发明嵌套线阵虚拟阵列结构示意图;
图3是当13个信源入射到嵌套阵列,其中N1=4,N2=5,采用本发明方法在脉冲噪声环境下特征指数α=1.5时的单次MC实验DOA估计谱峰搜索示意图;
图4是当3个信源入射到嵌套阵列,其中N1=4,N2=5,运行500次MC实验采用本发明方法与其他算法在α=1.5时不同广义信噪比条件下的RMSE性能示意图;
图5是当3个信源入射到嵌套阵列,其中N1=4,N2=5,运行500次MC实验采用本发明方法与其他算法在α=1.5时不同快拍数条件下的RMSE性能示意图;
图6是当3个信源入射到嵌套阵列,其中N1=4,N2=5,运行500次MC实验采用本发明方法与其他算法在不同特征指数α条件下的RMSE性能示意图。
具体实施方式
下面结合附图对本发明做进一步详细说明。
脉冲噪声在阵列信号处理领域似乎并不常见,大多数的DOA估计方法都假设噪声是高斯噪声模型。然而,在实际情况下,噪声是由持续时间短、振幅大的不规则脉冲或尖峰组成,传统的二阶统计量不再适用。这种脉冲噪声通常可以用α稳定分布来建模,适用性很好,其特征函数φ(u)可以表示为:
其中,u是特征函数的变量,0<α≤2是特征指数,j为虚数单位,γ是分散参数,其含义与高斯分布的方差一致;β是偏度参数,δ是位置参数,当β=δ=0时的分布为对称α稳定(SαS)分布。
本发明提供一种脉冲噪声环境下基于BNC的嵌套阵列非圆信号DOA估计方法,具体包括以下步骤:
步骤1:通过嵌套阵列结构的阵列天线接收信号,得到接收信号信息x(t)。
如图1所示的阵列天线结构由两个阵元数分别为N1和N2的子阵组成,阵元数为N1的均匀线阵阵元间距是d0,阵元数为N2的阵元间距是(N1+1)d0,其中d0=λ/2为半波长,则阵元位置集合为:
令sort(·)是从小到大按照第一个阵元作为参考系的阵列间距排序操作,li是阵元位置从小到大排序后的第i个阵元位置,且l1=0。假设K个DOA分别为θk,k=1,2,…,K的窄带信号s0(t)入射到如图1所示的嵌套线阵上,则阵列接收信号可表示为:
x(t)=AΦs0(t)+n(t)
其中A=[a(θ1),…,a(θk),…a(θK)]为方向矩阵,为方向矢量,是非圆相位矩阵,表示第k个信号的非圆相位,j为虚数单位,n(t)是服从对称特征指数α稳定分布的脉冲噪声项,且0<α≤2;s0(t)=[s01(t),…,s0k(t),…s0K(t)]T为信号矢量,其中s0k(t)表示第k个信号。
步骤2:根据信号的非圆特征构造扩展的信号信息X(t),并计算它的BNC矩阵RBNC。
利用信号的非圆特征,扩展的阵列接收信号为:
计算BNC矩阵RBNC:
根据阵列接收信号X(t),计算BNC矩阵RBNC:
g(X(t))=score(real(X(t)))+j·score(imag(X(t)))
步骤3:将RBNC进行向量化和重排列处理,得到虚拟阵列接收信号z。
将步骤2得到的协方差矩阵RBNC进行向量化处理和重排列得到虚拟均匀线阵接收信号z:
其中vec(·)表示向量化操作,为扩展方向矩阵,是扩展方向矢量,sBNC表示信号能量,Γ表示脉冲噪声项拉伸后的向量,Γ′=JΓ表示Γ经过重排列后的脉冲噪声项拉伸后的向量。表示Kronecker积,⊙表示K-R积;为行交换矩阵,且IP表示P×P的单位矩阵,0P表示P×P的零矩阵,表示2P2×2P2的零矩阵,P=N1+N2;和表示差阵虚拟阵列第k个信号信息,和分别表示负和阵,正和阵的虚拟阵列第k个信号的信息。zD,和分别表示差阵,负和阵和正和阵的虚拟阵列信息,具体可表示为:
由于嵌套阵列的虚拟阵列是由和阵以及差阵构成,定义:
负和阵:可以证明,差阵zD的连续均匀线阵的范围均为[-M1,M1]d0,M1=N1N2+N2-1,正和阵的连续均匀线阵的范围为[0,M2]d0,负和阵的连续均匀线阵的范围为[-M2,0]d0,其中M2=N1N2+N1+N2-1,R3=2MN+M-1,如图2所示是N1=3,N2=3时的虚拟阵列。
其中,M1+1=N1N2+N2为和阵平滑的次数,也为差阵平滑的子阵数目和平滑次数,表示取差阵中第M1+2-m个到第2M1+2-m个元素;表示取和阵中第M1+2-m到第M2+2-m个元素;表示取和阵中第M1+2-m到第M2+2-m个元素;整合新的差阵以及和阵,构造更大的虚拟阵列信息相应的协方差矩阵为:
RY=YYH/(M1+1)
因此所述上式可以看作是一个由M1+1个元素的均匀线阵(Uniform Lineararray,ULA)的协方差矩阵,就能直接用降维MUSIC估计算法当中,且能估计出2M2-M1+3个信源,相比较传统的圆信号DOA估计算法,提高了一定的自由度和估计精度。
:得到了平滑后的协方差矩阵RY,特征值分解后得到噪声子空间UN,通过以下谱峰搜索函数即可得到信号的DOA的精确估计fRD-MUSIC:
其中e=[0 1 0]T,bikdiag{·}表示矩阵块对角化操作。T为矩阵转置,θ为谱峰搜索的DOA网格值。
以复乘次数作为计算复杂度评判标准,本发明方法的复杂度主要包括:BNC矩阵的复杂度为O{(4P2+8P)L},进行空间平滑处理的复杂度为:其中M0=2M2-M1+3,协方差矩阵RY特征分解的复杂度为降维MUSIC方法需要的复杂度为n为搜索次数,故本发明方法的总复杂度为:
为了验证上述方法的效果,本实施例中进行了多次仿真实验,并且对实验性能进行了分析。在脉冲噪声环境下,广义信噪比定义为:
性能估计标准为联合均方根误差(root mean square error,RMSE)定义为:
本发明(NA-NC-BNC-RDMUSIC)与现有方法进行比较,现有方法:传统均匀线阵相位分数低阶矩MUSIC(PFLOM-MUSIC)方法、基于相关熵的MUSIC(CRCO-MUSIC)方法和传统均匀线阵非圆信号有界非线性协方差降维MUSIC(NC-BNC-RDMUSIC)方法。
图3是当K=13个信源入射到嵌套阵列时,DOA为-30°+5°(k-1),k=1,…,13,利用本发明得到的谱峰搜索图,本实施例仅仅运行了一次MC实验。此时嵌套阵列的子阵阵元数分别为N1=4,N2=5,快拍数L=500,GSNR=10dB。脉冲噪声特征指数α=1.5,可以看出,本发明能够得到准确的DOA估计。
图4是在α=1.5,快拍L=500的情况下,不同GSNR下的算法性能比较,运行500次MC实验,3个信源的方位角为[0°,10°,20°]。可以看出,在相同广义信噪比条件下,本发明具有更好的DOA估计性能。
图5是在GSNR=5dB,α=1.5的情况下,不同快拍数下的算法性能比较,运行500次MC实验,3个信源的方位角为[0°,10°,20°]。可以看出,本发明性能随着快拍数的增加而提升,相同快拍条件下,本发明估计性能优于其他估计方法。
图6是在GSNR=5dB,快拍L=500的情况下,不同特征指数条件下的算法性能比较,运行500次MC实验,3个信源的方位角为[0°,10°,20°]。可以看出,本发明性能随着特征指数α的增加而提升,相同α条件下,本发明方法估计性能较好。
综上所述,从仿真效果图的分析可知,本发明提出的脉冲噪声环境下基于BNC的嵌套阵列非圆信号DOA估计方法,实现了嵌套阵列脉冲噪声环境下的DOA精确估计。提高了自由度,且估计性能优于传统均匀线阵DOA估计方法。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (7)
2.根据权利要求1所述的脉冲噪声环境下基于BNC的嵌套阵列非圆信号DOA估计方法,其特征在于,步骤(1)所述嵌套阵列结构的阵列天线由两个阵元数分别为N1和N2的子阵组成,阵元数为N1的均匀线阵阵元间距是d0,阵元数为N2的阵元间距是(N1+1)d0,其中d0=λ/2,λ为载波波长。
4.根据权利要求1所述的脉冲噪声环境下基于BNC的嵌套阵列非圆信号DOA估计方法,其特征在于,所述步骤(2)包括以下步骤:
(21)利用信号的非圆特征,扩展的阵列接收信号为:
(22)根据阵列接收信号X(t),计算BNC矩阵RBNC:
g(X(t))=score(real(X(t)))+j·score(imag(X(t)))
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111598949.2A CN114325568A (zh) | 2021-12-24 | 2021-12-24 | 脉冲噪声环境下基于bnc的嵌套阵列非圆信号doa估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111598949.2A CN114325568A (zh) | 2021-12-24 | 2021-12-24 | 脉冲噪声环境下基于bnc的嵌套阵列非圆信号doa估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114325568A true CN114325568A (zh) | 2022-04-12 |
Family
ID=81013771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111598949.2A Pending CN114325568A (zh) | 2021-12-24 | 2021-12-24 | 脉冲噪声环境下基于bnc的嵌套阵列非圆信号doa估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114325568A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115825863A (zh) * | 2022-12-16 | 2023-03-21 | 南京航空航天大学 | 一种冲击噪声下的非圆信号快速直接定位方法 |
-
2021
- 2021-12-24 CN CN202111598949.2A patent/CN114325568A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115825863A (zh) * | 2022-12-16 | 2023-03-21 | 南京航空航天大学 | 一种冲击噪声下的非圆信号快速直接定位方法 |
CN115825863B (zh) * | 2022-12-16 | 2023-12-29 | 南京航空航天大学 | 一种冲击噪声下的非圆信号快速直接定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111190136B (zh) | 一种基于特定频率组合信号的一维doa估计方法 | |
CN108957388B (zh) | 一种基于协方差匹配sl0算法的mimo雷达相干信源doa估计方法 | |
Chung et al. | DOA estimation methods and algorithms | |
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 | |
CN108710102B (zh) | 基于互质阵列二阶等价虚拟信号离散傅里叶逆变换的波达方向估计方法 | |
CN113296049B (zh) | 互质阵列脉冲环境下非圆信号的共轭增广doa估计方法 | |
CN103901396B (zh) | 相干信号源亚分辨率超分辨到达角估计方法 | |
CN111965591B (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN113032721B (zh) | 一种低计算复杂度的远场和近场混合信号源参数估计方法 | |
CN106788655B (zh) | 互耦条件下未知互耦信息的干扰相干稳健波束形成方法 | |
CN112731275B (zh) | 一种基于零化插值的互质阵部分极化信号参数估计方法 | |
Dong et al. | Non-circular sources DOA estimation for coprime array with impulsive noise: A novel augmented phased fractional low-order moment | |
CN114325568A (zh) | 脉冲噪声环境下基于bnc的嵌套阵列非圆信号doa估计方法 | |
Dong et al. | Enhanced bnc approach for noncircular signals direction finding with sparse array in the scenario of impulsive noise | |
CN110703185B (zh) | 一种基于多级扩展嵌套阵列的波达方向估计方法 | |
Sahnoun et al. | Tensor polyadic decomposition for antenna array processing | |
Yang et al. | A correlation-aware sparse Bayesian perspective for DOA estimation with off-grid sources | |
CN111239679A (zh) | 一种用于互质面阵下相干信源doa估计的方法 | |
CN113791379B (zh) | 嵌套阵列非高斯环境下的正交匹配追踪doa估计方法 | |
Nannuru et al. | Multi-frequency sparse Bayesian learning with uncertainty models | |
Cui et al. | 2-D DOA estimation of LFM signals for UCA based on time-frequency multiple invariance ESPRIT | |
Shi et al. | Sparsity-based DOA estimation of coherent and uncorrelated targets with co-prime MIMO radar | |
Li et al. | Direction of arrival estimation using sum co-array of coprime arrays | |
Wu et al. | DOA estimation based on sparse representation via folding OMP | |
CN113219398B (zh) | 远场窄带无线电信号波达方向估计方法 |
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 |