CN114397620A - 改进和差非均匀阵列的高精度波达方向估计方法 - Google Patents
改进和差非均匀阵列的高精度波达方向估计方法 Download PDFInfo
- Publication number
- CN114397620A CN114397620A CN202210002278.7A CN202210002278A CN114397620A CN 114397620 A CN114397620 A CN 114397620A CN 202210002278 A CN202210002278 A CN 202210002278A CN 114397620 A CN114397620 A CN 114397620A
- Authority
- CN
- China
- Prior art keywords
- array
- sum
- difference
- array element
- matrix
- 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 19
- 239000011159 matrix material Substances 0.000 claims abstract description 100
- 238000003491 array Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000005314 correlation function Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000017105 transposition Effects 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 3
- 230000001808 coupling effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- G01S3/04—Details
- G01S3/043—Receivers
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)
Abstract
本发明为了充分利用非均匀阵列的和差共阵信息,公开了一种改进和差非均匀阵列的高精度DOA估计方法;本发明能够在阵元个数有限的情况下估计更多的信号源,并且具有较高的估计精度;具体实施方式如下:首先用两个均匀子阵构成改进的一维非均匀阵列,对其做求和、求差运算求得虚拟阵元总的位置坐标集合;然后用改进的和差非均匀阵列接收K个非相干远场窄带信号,利用阵元接收数据生成和差伪接收数据矩阵,在对其进行矢量化去重处理后按照虚拟阵元位置大小顺序进行排列,得到和差连续虚拟阵元接收数据矩阵Z;最后对Z进行Toeplitz重构并利用ESPRIT算法得到DOA估计值;本发明提出的改进和差非均匀阵列,能够同时在阵元个数不变时扩充虚拟阵列孔径,提高估计性能。
Description
技术领域
本发明属于阵列信号处理领域,涉及一种改进和差非均匀阵列的高精度波达方向估计方法。
背景技术
到达角估计是阵列信号处理领域中一个重要的研究方向,被广泛的应用于雷达、通信、勘测等领域。在过去的几十年中,多重信号分类算法(multiple signalclassification,MUSIC)和旋转不变子空间算法(estimating signal via rotational,ESPRIT)被广泛地应用于该领域。在均匀线阵中,可精确估计的信号源数目必须小于阵元个数,并且当阵元间距为半波长时相邻阵元间产生耦合作用,极大地影响了到达角的估计精度。相关学者为了估计出比阵元个数更多的信号源,并且减少阵元间的耦合作用,提出了非均匀阵列的理论。常见的非均匀阵列有最小冗余阵列,互质阵列和嵌套阵列。最小冗余阵列的差分阵列没有孔洞,但是最小冗余阵列没有固定形式的表达式,因此,当给定传感器数量时,无法确定阵列的自由度大小。嵌套阵列和互质阵列有封闭的表达式,当阵元个数确定时就可以知道阵列孔径和阵列自由度,嵌套阵列没有孔洞,互质阵列却存在大量孔洞,极大地影响了互质阵列的性能,当两种阵列自由度相同时,互质阵列需要更多的阵元。
为了减少虚拟阵列孔洞,许多改进的互质阵列被陆续提出,例如扩展互质阵列,具有压缩因子的互质阵列,具有置换子阵列的互质阵列等。除了优化阵列结构外,许多新的增加稀疏阵列自由度的方法被提出,例如在无网格波达方向估计时,可以利用网格偏移量构造更大的差分阵列。此外还可以利用阵列插值算法进行孔洞填充来扩大阵列的自由度。近年来,相关学者提出了一种利用差值与和值进行联合波达方向估计的算法,该方法可以进一步增大阵列自由度,其中和差优化阵的位置集不仅包含阵元位置的差集,也包括阵元位置的和集,其虚拟阵元数远多于差分优化阵,因此其估计性能要优于差分优化阵,最大化和差优化阵虚拟阵元个数是增大阵列自由度提高波达方向(direction of arrival,DOA)估计精度的一个重要途径。本发明为了更好地利用稀疏阵列的和集和差集信息,提出了一种改进的和差非均匀阵列,该阵列与和差优化互质阵相比有更多的虚拟阵元,更大的自由度和阵列孔径,也有更高的估计精度。
发明内容
本发明的目的是提供一种改进和差非均匀阵列的高精度DOA估计方法。
一种改进和差非均匀阵列的高精度DOA估计方法步骤如下:
步骤一、用两个均匀子阵构成改进的一维非均匀阵列,子阵1由M个阵元构成,阵元间距为d,子阵2由N-1个阵元构成,阵元间距为(2M-1)d,将第2个子阵与第1个子阵排成一列并使第1个子阵的最后一个阵元和第2个子阵的第1个阵元重合,对合成阵列的阵元位置分别做求和、求差运算得虚拟阵元位置坐标的差集Sdiff与和集Ssum,取集合Sdiff与Ssum的并集即为虚拟阵元总的位置坐标集合Stotal;
用两个均匀子阵构成改进的一维非均匀阵列,子阵1的阵元个数为M,阵元间距为d,阵元位置为{0,d,2d,…,(M-1)d},子阵2的阵元个数为N-1,阵元间距为(2M-1)d,阵元位置为{(M-1)d,(3M-2)d,…,((2N-3)M-N+1)d},d=λ/2,λ为入射信号的波长,将第2个子阵与第1个子阵排成一列并使第1个子阵的最后一个阵元和第2个子阵的第1个阵元重合,那么改进非均匀阵列的阵元总数为P=M+N-2(N≥3),阵元位置的集合为D={d1,d2,d3,…,dP}={0,d,2d,…,(M-1)d,(3M-2)d,…,((2N-3)M-N+1)d},分别对阵元位置做求和、求差运算,其中阵元位置的差集为 阵元位置的和集为 总的连续虚拟阵元位置坐标为即Stotal={-(2NM-2M-N)d,-(2NM-2M-N-1)d,…,0,…(2NM-2M-N-1)d,(2NM-2M-N)d};虚拟阵元总数为2(2NM-2M-N)+1,当阵元总数为偶数且M和N取值满足M=N时虚拟阵元总数最多,当阵元总数为奇数且M和N取值满足M=N-1时虚拟阵元总数最多,以10阵元改进非均匀阵列为例,此时M+N-2=10,M=N=6,阵元位置坐标为D={0,d,2d,3d,4d,5d,16d,27d,38d,49d}, 虚拟阵列位置坐标为Stotal={-54d,-53d,-52d,…,-d,0,d,…,…,52d,53d,54d},虚拟阵元总数为109,∪表示并集;
步骤二、将步骤一中的改进和差非均匀阵列作为接收阵列,接收K个非相干远场窄带信号,将第p个阵元接收信号xp(t)与第1个阵元接收信号x1(t)的相关函数等价为dp处虚拟阵元的接收数据,此时整个虚拟阵列接收数据为rx(τ),在多快拍下,rx(τ)多次采样数据矩阵为Y1,rx *(-τ)多次采样数据矩阵为Y2,将两个矩阵合成得到伪数据矩阵Y;
(2a)将改进和差非均匀阵列作为接收阵列得到接收数据矩阵X(t);
K个非相干远场窄带信号入射到阵元个数为P的改进非均匀阵列上,信号入射角度分别为θ1,…,θk,…,θK,在t时刻阵列接收信号为X(t)=A(θ)s(t)+n(t),其中,X(t)=[x1(t),…,xp(t),…,xP(t)]T,s(t)=[s1(t),…,sk(t),…,sK(t)]T表示入射信号矢量,ak表示第k个信号的幅度值,ωk表示第k个信号的相位,n(t)=[n1(t),…,np(t),…,nP(t)]T表示与信号源不相关且相互独立的高斯白噪声,其均值为0,方差为A(θ)=[a(θ1),…,a(θk),…,a(θK)]表示阵列流型矩阵,为第k个信号的导向矢量,[·]T为矩阵的转置;
(2b)利用接收信号生成伪数据矩阵Y;
在t时刻,将第1个阵元和第p个阵元的接收信号分别用x1(t),xp(t)表示,取L次快拍,xp(t)延时τ得到xp(t+τ),计算相关函数[·]*为共轭,将d1位置的阵元设置为参考信源,即d1=0,与入射信号的形式相同,可以将其等价为源信号,那么可以等价为dp处阵元的接收信号,即rx(τ)=Ars(τ),其中 则rx *(-τ)=A*rs *(-τ)=A*rs(τ),令r(τ)=[rx(τ),rx *(-τ)]T=[A,A*]Trs(τ),设置伪采样周期为Ts,快拍数为L,此时得到伪数据矩阵Y,设其中Y1=A[rs(Ts),…,rs(lTs),…,rs(LTs)]为对应阵元位置为D={d1,…,dp,…,dP}时的伪接收数据矩阵,Y2=A*[rs(Ts),…,rs(lTs),…,rs(LTs)]为对应阵元位置是-D={-d1,…,-dp,…,-dP}时的接收数据矩阵;
步骤三、分别求解矩阵Y1的自协方差数据矩阵Rr1,以及Y1和Y2的互协方差矩阵Rr2,Rr3,分别对Rr1,Rr2,Rr3进行矢量化处理得到矢量化后的差伪数据矩阵Z1及矢量化后的和伪数据矩阵Z2,Z3;
首先求解Y1的自协方差数据矩阵Rr1,即差伪数据协方差矩阵,然后求解Y1,Y2的互协方差矩阵Rr2,Rr3, 即和伪数据协方差矩阵,其中[·]H为复共轭转置,分别对Rr1,Rr2,Rr3对进行矢量化处理,得到矢量化后的和差伪数据矩阵Z1,Z2,Z3,Z1=vec(Rr1)=C1Γ=(A*⊙A)Γ,C1=A*⊙A中的任意元素可以表示为Z2=vec(Rr2)=C2Γ=(A⊙A)Γ,C2=A⊙A中的任意元素可以表示为Z3=vec(Rr3)=C3Γ=(A*⊙A*)Γ,C3=A*⊙A*中的任意元素可以表示为其中vec(·)表示对矩阵进行矢量化操作,即将矩阵元素按列排成一个列矢量,⊙表示求解Khatri-Rao积;
步骤四、将矢量化后的和差伪数据矩阵Z1,Z2,Z3中的重复元素仅保留一个,并且将其按照连续虚拟阵元从小到大的顺序进行排列,得到和差连续虚拟阵元接收数据Z,对Z进行Toeplitz矩阵重构得到重构矩阵T;
根据阵元位置差集Sdiff中的虚拟阵元位置找到Z1中对应位置的一个数据,并将数据按照虚拟阵元位置从小到大排列,根据阵元位置和集子集中的虚拟阵元位置找到Z2中对应位置的一个数据,并将数据按照虚拟阵元位置从小到大排列,根据阵元位置和集子集中的虚拟阵元位置找到Z3中对应位置的一个数据,并将数据按照虚拟阵元位置从小到大排列,最后将所有找到的数据按照总的虚拟阵元位置集合Stotal中对应位置元素的大小顺序进行排列,取连续部分得到和差连续虚拟阵元接收数据Z,设总的连续虚拟阵元个数为和差连续虚拟阵元接收数据Z可以表示为由Z构造Toeplitz矩阵T:
对Toeplitz矩阵T进行特征分解,得到对应的信号子空间Us,取Us的前行元素将其看做子阵1的信号子空间Us1,取Us的后行元素将其看做子阵2的信号子空间Us2,Ψz=(US1)+US2,对Ψz进行特征分解,得到特征值目标的到达角估计值可以通过得到,即angle(·)表示取相位。
1.本发明提出了一种新型非均匀和差阵列结构,进一步扩大了阵列孔径,利用此阵列进行DOA估计,达到了预期的效果。
2.本发明不仅利用差协同阵列得到虚拟阵元接收数据,还利用和协同阵列得到虚拟阵元接收数据,极大程度的增加了虚拟阵元个数,具有很高的估计精度。
3.本发明的模型使用较少阵元数估计多于阵元个数的信号数,降低了成本,具有实际应用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中需要使用的附图做简单介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明的流程图;
图2是本发明非均匀阵列的结构图;
图3为本发明阵列与均匀阵列谱峰图;
图4为本发明方法空域目标DOA估计结果图;
图5为本发明方法与其他方法DOA随信噪比变化的均方根误差图;
具体实施方式
为了让本发明的上述和其它目的、特征及优点能更明显,下文特举本发明实施例,并配合所附图示,做详细说明如下。
本发明的目的是提供一种改进和差非均匀阵列的DOA估计方法。
为了实现上述目的,本发明采取如下的技术解决方案:
步骤一、用两个均匀子阵构成改进的一维非均匀阵列,子阵1由M个阵元构成,阵元间距为d,子阵2由N-1个阵元构成,阵元间距为(2M-1)d,将第2个子阵与第1个子阵排成一列并使第1个子阵的最后一个阵元和第2个子阵的第1个阵元重合,对合成阵列的阵元位置分别做求和、求差运算得虚拟阵元位置坐标的差集Sdiff与和集Ssum,取集合Sdiff与Ssum的并集即为虚拟阵元总的位置坐标集合Stotal;
用两个均匀子阵构成改进的一维非均匀阵列,子阵1的阵元个数为M,阵元间距为d,阵元位置为{0,d,2d,…,(M-1)d},子阵2的阵元个数为N-1,阵元间距为(2M-1)d,阵元位置为{(M-1)d,(3M-2)d,…,((2N-3)M-N+1)d},d=λ/2,λ为入射信号的波长,将第2个子阵与第1个子阵排成一列并使第1个子阵的最后一个阵元和第2个子阵的第1个阵元重合,那么改进非均匀阵列的阵元总数为P=M+N-2(N≥3),阵元位置的集合为D={d1,d2,d3,…,dP}={0,d,2d,…,(M-1)d,(3M-2)d,…,((2N-3)M-N+1)d},分别对阵元位置做求和、求差运算,其中阵元位置的差集为 阵元位置的和集为 总的连续虚拟阵元位置坐标为即Stotal={-(2NM-2M-N)d,-(2NM-2M-N-1)d,…,0,…(2NM-2M-N-1)d,(2NM-2M-N)d};虚拟阵元总数为2(2NM-2M-N)+1,当阵元总数为偶数且M和N取值满足M=N时虚拟阵元总数最多,当阵元总数为奇数且M和N取值满足M=N-1时虚拟阵元总数最多,以10阵元改进非均匀阵列为例,此时M+N-2=10,M=N=6,阵元位置坐标为D={0,d,2d,3d,4d,5d,16d,27d,38d,49d}, 虚拟阵列位置坐标为Stotal={-54d,-53d,-52d,…,-d,0,d,…,…,52d,53d,54d},虚拟阵元总数为109,∪表示并集;
步骤二、将步骤一中的改进和差非均匀阵列作为接收阵列,接收K个非相干远场窄带信号,将第p个阵元接收信号xp(t)与第1个阵元接收信号x1(t)的相关函数等价为dp处虚拟阵元的接收数据,此时整个虚拟阵列接收数据为rx(τ),在多快拍下,rx(τ)多次采样数据矩阵为Y1,rx *(-τ)多次采样数据矩阵为Y2,将两个矩阵合成得到伪数据矩阵Y;
(2a)将改进和差非均匀阵列作为接收阵列得到接收数据矩阵X(t);
K个非相干远场窄带信号入射到阵元个数为P的改进非均匀阵列上,信号入射角度分别为θ1,…,θk,…,θK,在t时刻阵列接收信号为X(t)=A(θ)s(t)+n(t),其中,X(t)=[x1(t),…,xp(t),…,xP(t)]T,s(t)=[s1(t),…,sk(t),…,sK(t)]T表示入射信号矢量,ak表示第k个信号的幅度值,ωk表示第k个信号的相位,n(t)=[n1(t),…,np(t),…,nP(t)]T表示与信号源不相关且相互独立的高斯白噪声,其均值为0,方差为A(θ)=[a(θ1),…,a(θk),…,a(θK)]表示阵列流型矩阵,为第k个信号的导向矢量,[·]T为矩阵的转置;
(2b)利用接收信号生成伪数据矩阵Y;
在t时刻,将第1个阵元和第p个阵元的接收信号分别用x1(t),xp(t)表示,取L次快拍,xp(t)延时τ得到xp(t+τ),计算相关函数[·]*为共轭,将d1位置的阵元设置为参考信源,即d1=0,与入射信号的形式相同,可以将其等价为源信号,那么可以等价为dp处阵元的接收信号,即rx(τ)=Ars(τ),其中 则rx *(-τ)=A*rs *(-τ)=A*rs(τ),令r(τ)=[rx(τ),rx *(-τ)]T=[A,A*]Trs(τ),设置伪采样周期为Ts,快拍数为L,此时得到伪数据矩阵Y,设其中Y1=A[rs(Ts),…,rs(lTs),…,rs(LTs)]为对应阵元位置为D={d1,…,dp,…,dP}时的伪接收数据矩阵,Y2=A*[rs(Ts),…,rs(lTs),…,rs(LTs)]为对应阵元位置是-D={-d1,…,-dp,…,-dP}时的接收数据矩阵;
步骤三、分别求解矩阵Y1的自协方差数据矩阵Rr1,以及Y1和Y2的互协方差矩阵Rr2,Rr3,分别对Rr1,Rr2,Rr3进行矢量化处理得到矢量化后的差伪数据矩阵Z1及矢量化后的和伪数据矩阵Z2,Z3;
首先求解Y1的自协方差数据矩阵Rr1,即差伪数据协方差矩阵,然后求解Y1,Y2的互协方差矩阵Rr2,Rr3, 即和伪数据协方差矩阵,其中[·]H为复共轭转置,分别对Rr1,Rr2,Rr3对进行矢量化处理,得到矢量化后的和差伪数据矩阵Z1,Z2,Z3,Z1=vec(Rr1)=C1Γ=(A*⊙A)Γ,C1=A*⊙A中的任意元素可以表示为Z2=vec(Rr2)=C2Γ=(A⊙A)Γ,C2=A⊙A中的任意元素可以表示为Z3=vec(Rr3)=C3Γ=(A*⊙A*)Γ,C3=A*⊙A*中的任意元素可以表示为其中vec(·)表示对矩阵进行矢量化操作,即将矩阵元素按列排成一个列矢量,⊙表示求解Khatri-Rao积;
步骤四、将矢量化后的和差伪数据矩阵Z1,Z2,Z3中的重复元素仅保留一个,并且将其按照连续虚拟阵元从小到大的顺序进行排列,得到和差连续虚拟阵元接收数据Z,对Z进行Toeplitz矩阵重构得到重构矩阵T;
根据阵元位置差集Sdiff中的虚拟阵元位置找到Z1中对应位置的一个数据,并将数据按照虚拟阵元位置从小到大排列,根据阵元位置和集子集中的虚拟阵元位置找到Z2中对应位置的一个数据,并将数据按照虚拟阵元位置从小到大排列,根据阵元位置和集子集中的虚拟阵元位置找到Z3中对应位置的一个数据,并将数据按照虚拟阵元位置从小到大排列,最后将所有找到的数据按照总的虚拟阵元位置集合Stotal中对应位置元素的大小顺序进行排列,取连续部分得到和差连续虚拟阵元接收数据Z,设总的连续虚拟阵元个数为和差连续虚拟阵元接收数据Z可以表示为由Z构造Toeplitz矩阵T:
对Toeplitz矩阵T进行特征分解,得到对应的信号子空间Us,取Us的前行元素将其看做子阵1的信号子空间Us1,取Us的后行元素将其看做子阵2的信号子空间Us2,Ψz=(Us2)+Us2,对Ψz进行特征分解,得到特征值目标的到达角估计值可以通过得到,即angle(·)表示取相位。
本发明提出的新型非均匀和差阵列结构,进一步扩大了阵列孔径,在进行数据处理的过程中,不仅利用差协同阵列得到虚拟阵元接收数据,还利用和协同阵列得到虚拟阵元接收数据,同时利用时间和空间信息,极大程度地增加了虚拟阵元个数,具有很高的估计精度,此外使用本发明阵列可以利用较少阵元估计多于阵元个数的信号数,降低了成本,具有实际应用价值。
仿真1:采用图1所示的改进和差非均匀阵列和均匀线阵作为接收阵列,改进和差非均匀阵列阵元总数为10,此时M+N-2=10,M=N=6,阵元位置坐标为D={0,d,2d,3d,4d,5d,16d,27d,38d,49d},均匀线阵阵元总数为50,设有17个非相干信号入射到阵列中,信号入射角度分别为[-80°,-70°,-60°,-50°,-40°,-30°,-20°,-10°,0°,10°,20°,30°,40°,50°,60°,70°,80°],信噪比为SNR=10dB,快拍数为L=1000,阵列谱峰图如图3所示。
从图3可以看出在采用10阵元改进和差非均匀阵列和50阵元均匀线阵对17个入射信源的到达角方向进行估计时,改进和差非均匀阵列的谱峰图非常接近均匀线阵的谱峰图,能够精准地估计出入射信号的到达角方向,证明了改进非均匀阵列的有效性。
仿真2:采用图2所示的改进和差非均匀阵列作为接收阵列,阵元总数为10,此时M+N-2=10,M=N=6,阵元位置坐标为D={0,d,2d,3d,4d,5d,16d,27d,38d,49d},对空间K=17个目标源进行方向识别,其到达阵列的角度分别为[-80°,-70°,-60°,-50°,-40°,-30°,-20°,-10°,0°,10°,20°,30°,40°,50°,60°,70°,80°],在信噪比SNR=8dB,快拍数为L=200的环境下进行30次仿真实验,仿真结果如图4所示。
从图4中我们可以看到本发明所提阵列的估计结果与真实角度非常接近,角度偏离小,具有很好的估计精度。
仿真3:采用图2所示的改进和差非均匀阵列和传统和差互质阵列作为接收阵列,改进和差非均匀阵列和传统和差互质阵列均有6个阵元,改进和差非均匀阵列阵元位置为{0,d,2d,3d,4d,5d,16d,27d,38d,49d},传统和差互质阵列阵元位置为{0,5d,6d,10d,12d,15d,18d,20d,24d,25d},利用本发明和差优化算法对空间K=2个目标源进行方向识别,其到达阵列的角度分别为(58°,60°),快拍数为L=120,信噪比从4dB到20dB的环境下,进行30次实验统计均方根误差,仿真结果如图5所示。
从图5可以清楚看到在阵元个数相同且和差优化处理方法相同时,本发明所提阵列进行DOA估计的均方根误差小于传统和差互质阵列,且本发明所提阵列的虚拟阵元个数明显多于互质阵列,在低信噪比下本发明方法同样有较高的估计精度。
以上所述,仅是本发明的较佳实施例而已,并非对本发明做任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (5)
1.改进和差非均匀阵列的高精度波达方向估计方法,其特征在于,包括以下步骤:K个非相干远场窄带信号入射到阵元个数为P的改进非均匀阵列上,所述阵列是用两个均匀子阵构成改进的一维非均匀阵列,
步骤一、,子阵1由M个阵元构成,阵元间距为d,子阵2由N-1个阵元构成,阵元间距为(2M-1)d,将第2个子阵与第1个子阵排成一列并使第1个子阵的最后一个阵元和第2个子阵的第1个阵元重合,对合成阵列的阵元位置分别做求和、求差运算得虚拟阵元位置坐标的差集Sdiff与和集Ssum,取集合Sdiff与Ssum的并集即为虚拟阵元总的位置坐标集合Stotal;
用两个均匀子阵构成改进的一维非均匀阵列,子阵1的阵元个数为M,阵元间距为d,阵元位置为{0,d,2d,…,(M-1)d},子阵2的阵元个数为N-1,阵元间距为(2M-1)d,阵元位置为{(M-1)d,(3M-2)d,…,((2N-3)M-N+1)d},d=λ/2,λ为入射信号的波长,将第2个子阵与第1个子阵排成一列并使第1个子阵的最后一个阵元和第2个子阵的第1个阵元重合,那么改进非均匀阵列的阵元总数为P=M+N-2(N≥3),阵元位置的集合为D={d1,d2,d3,…,dP}={0,d,2d,…,(M-1)d,(3M-2)d,…,((2N-3)M-N+1)d},分别对阵元位置做求和、求差运算,其中阵元位置的差集为 阵元位置的和集为 总的连续虚拟阵元位置坐标为即Stotal={-(2NM-2M-N)d,-(2NM-2M-N-1)d,…,0,…(2NM-2M-N-1)d,(2NM-2M-N)d};虚拟阵元总数为2(2NM-2M-N)+1,当阵元总数为偶数且M和N取值满足M=N时虚拟阵元总数最多,当阵元总数为奇数且M和N取值满足M=N-1时虚拟阵元总数最多,以10阵元改进非均匀阵列为例,此时M+N-2=10,M=N=6,阵元位置坐标为D={0,d,2d,3d,4d,5d,16d,27d,38d,49d}, 虚拟阵列位置坐标为Stotal={-54d,-53d,-52d,…,-d,0,d,…,…,52d,53d,54d},虚拟阵元总数为109,∪表示并集;
步骤二、将步骤一中的改进和差非均匀阵列作为接收阵列,接收K个非相干远场窄带信号,将第p个阵元接收信号xp(t)与第1个阵元接收信号x1(t)的相关函数等价为dp处虚拟阵元的接收数据,此时整个虚拟阵列接收数据为rx(τ),在多快拍下,rx(τ)多次采样数据矩阵为Y1,rx *(-τ)多次采样数据矩阵为Y2,将两个矩阵合成得到伪数据矩阵Y;
步骤三、分别求解矩阵Y1的自协方差数据矩阵Rr1,以及Y1和Y2的互协方差矩阵Rr2,Rr3,分别对Rr1,Rr2,Rr3进行矢量化处理得到矢量化后的差伪数据矩阵Z1及矢量化后的和伪数据矩阵Z2,Z3;
步骤四、将矢量化后的和差伪数据矩阵Z1,Z2,Z3中的重复元素仅保留一个,并且将其按照连续虚拟阵元从小到大的顺序进行排列,得到和差连续虚拟阵元接收数据Z,对Z进行Toeplitz矩阵重构得到重构矩阵T;
2.根据权利要求1所述的一种改进和差非均匀阵列的高精度DOA估计方法,将步骤一中的改进和差非均匀阵列作为接收阵列,接收K个非相干远场窄带信号,将第p个阵元接收信号xp(t)与第1个阵元接收信号x1(t)的相关函数等价为dp处虚拟阵元的接收数据,此时整个虚拟阵列接收数据为rx(τ),在多快拍下,rx(τ)多次采样数据矩阵为Y1,rx *(-τ)多次采样数据矩阵为Y2,将两个矩阵合成得到伪数据矩阵Y;
(2.1)将改进和差非均匀阵列作为接收阵列得到接收数据矩阵X(t);
K个非相干远场窄带信号入射到阵元个数为P的改进非均匀阵列上,信号入射角度分别为θ1,…,θk,…,θK,在t时刻阵列接收信号为X(t)=A(θ)s(t)+n(t),其中,X(t)=[x1(t),…,xp(t),…,xP(t)]T,s(t)=[s1(t),…,sk(t),…,sK(t)]T表示入射信号矢量,ak表示第k个信号的幅度值,ωk表示第k个信号的相位,n(t)=[n1(t),…,np(t),…,nP(t)]T表示与信号源不相关且相互独立的高斯白噪声,其均值为0,方差为A(θ)=[a(θ1),…,a(θk),…,a(θK)]表示阵列流型矩阵,为第k个信号的导向矢量,[·]T为矩阵的转置;
(2.2)利用接收信号生成伪数据矩阵Y;
在t时刻,将第1个阵元和第p个阵元的接收信号分别用x1(t),xp(t)表示,取L次快拍,xp(t)延时τ得到xp(t+τ),计算相关函数[·]*为共轭,将d1位置的阵元设置为参考信源,即d1=0,与入射信号的形式相同,可以将其等价为源信号,那么可以等价为dp处阵元的接收信号,即rx(τ)=Ars(τ),其中 则rx *(-τ)=A*rs *(-τ)=A*rs(τ),令r(τ)=[rx(τ),rx *(-τ)]T=[A,A*]Trs(τ),设置伪采样周期为Ts,快拍数为L,此时得到伪数据矩阵Y,设其中Y1=A[rs(Ts),…,rs(lTs),…,rs(LTs)]为对应阵元位置为D={d1,…,dp,…,dP}时的伪接收数据矩阵,Y2=A*[rs(Ts),…,rs(lTs),…,rs(LTs)]为对应阵元位置是-D={-d1,…,-dp,…,-dP}时的接收数据矩阵。
3.根据权利要求1所述的一种改进和差非均匀阵列的高精度DOA估计方法,分别求解矩阵Y1的自协方差数据矩阵Rr1,以及Y1和Y2的互协方差矩阵Rr2,Rr3,分别对Rr1,Rr2,Rr3进行矢量化处理得到矢量化后的差伪数据矩阵Z1及矢量化后的和伪数据矩阵Z2,Z3;
首先求解Y1的自协方差数据矩阵Rr1,即差伪数据协方差矩阵,然后求解Y1,Y2的互协方差矩阵Rr2,Rr3, 即和伪数据协方差矩阵,其中[·]H为复共轭转置,分别对Rr1,Rr2,Rr3对进行矢量化处理,得到矢量化后的和差伪数据矩阵Z1,Z2,Z3,Z1=vec(Rr1)=C1Γ=(A*⊙A)Γ,C1=A*⊙A中的任意元素可以表示为Z2=vec(Rr2)=C2Γ=(A⊙A)Γ,C2=A⊙A中的任意元素可以表示为Z3=vec(Rr3)=C3Γ=(A*⊙A*)Γ,C3=A*⊙A*中的任意元素可以表示为其中vec(·)表示对矩阵进行矢量化操作,即将矩阵元素按列排成一个列矢量,⊙表示求解Khatri-Rao积。
4.根据权利要求1所述的一种改进和差非均匀阵列的高精度DOA估计方法,将矢量化后的和差伪数据矩阵Z1,Z2,Z3中的重复元素仅保留一个,并且将其按照连续虚拟阵元从小到大的顺序进行排列,得到和差连续虚拟阵元接收数据Z,对Z进行Toeplitz矩阵重构得到重构矩阵T;
根据阵元位置差集Sdiff中的虚拟阵元位置找到Z1中对应位置的一个数据,并将数据按照虚拟阵元位置从小到大排列,根据阵元位置和集子集中的虚拟阵元位置找到Z2中对应位置的一个数据,并将数据按照虚拟阵元位置从小到大排列,根据阵元位置和集子集中的虚拟阵元位置找到Z3中对应位置的一个数据,并将数据按照虚拟阵元位置从小到大排列,最后将所有找到的数据按照总的虚拟阵元位置集合Stotal中对应位置元素的大小顺序进行排列,取连续部分得到和差连续虚拟阵元接收数据Z,设总的连续虚拟阵元个数为和差连续虚拟阵元接收数据Z可以表示为由Z构造Toeplitz矩阵T:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210002278.7A CN114397620B (zh) | 2022-01-04 | 2022-01-04 | 改进和差非均匀阵列的高精度波达方向估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210002278.7A CN114397620B (zh) | 2022-01-04 | 2022-01-04 | 改进和差非均匀阵列的高精度波达方向估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114397620A true CN114397620A (zh) | 2022-04-26 |
CN114397620B CN114397620B (zh) | 2024-06-07 |
Family
ID=81229008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210002278.7A Active CN114397620B (zh) | 2022-01-04 | 2022-01-04 | 改进和差非均匀阵列的高精度波达方向估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114397620B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030020646A1 (en) * | 2001-06-15 | 2003-01-30 | Kai-Bor Yu | Adaptive digital sub-array beamforming and deterministic sum and difference beamforming, with jamming cancellation and monopulse ratio preservation |
CN106019252A (zh) * | 2016-05-18 | 2016-10-12 | 西安电子科技大学 | 一种基于Nested阵列的和差跟踪测角方法 |
CN109581276A (zh) * | 2018-11-26 | 2019-04-05 | 电子科技大学 | 一种基于求和求差嵌套阵的doa估计方法 |
CN109901101A (zh) * | 2019-02-25 | 2019-06-18 | 西安电子科技大学 | 基于电磁矢量传感器互质阵列相干信号到达角估计方法 |
CN111983554A (zh) * | 2020-08-28 | 2020-11-24 | 西安电子科技大学 | 非均匀l阵下的高精度二维doa估计 |
CN113820653A (zh) * | 2021-08-04 | 2021-12-21 | 西安电子科技大学 | 基于动态和差波束的米波雷达低仰角目标doa估计方法 |
-
2022
- 2022-01-04 CN CN202210002278.7A patent/CN114397620B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030020646A1 (en) * | 2001-06-15 | 2003-01-30 | Kai-Bor Yu | Adaptive digital sub-array beamforming and deterministic sum and difference beamforming, with jamming cancellation and monopulse ratio preservation |
CN106019252A (zh) * | 2016-05-18 | 2016-10-12 | 西安电子科技大学 | 一种基于Nested阵列的和差跟踪测角方法 |
CN109581276A (zh) * | 2018-11-26 | 2019-04-05 | 电子科技大学 | 一种基于求和求差嵌套阵的doa估计方法 |
CN109901101A (zh) * | 2019-02-25 | 2019-06-18 | 西安电子科技大学 | 基于电磁矢量传感器互质阵列相干信号到达角估计方法 |
CN111983554A (zh) * | 2020-08-28 | 2020-11-24 | 西安电子科技大学 | 非均匀l阵下的高精度二维doa估计 |
CN113820653A (zh) * | 2021-08-04 | 2021-12-21 | 西安电子科技大学 | 基于动态和差波束的米波雷达低仰角目标doa估计方法 |
Non-Patent Citations (2)
Title |
---|
王乐: ""基于非均匀阵列的高分辨DOA估计方法"", 《WWW.CNKI.NET》, 30 June 2022 (2022-06-30), pages 1 - 104 * |
韩佳辉;毕大平;陈璐;张云鹏;: "基于Toeplitz矩阵重构的嵌套阵DOA估计算法", 火力与指挥控制, no. 10, 15 October 2018 (2018-10-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN114397620B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109655799B (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 | |
CN110045323B (zh) | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 | |
CN111707985A (zh) | 基于协方差矩阵重构的off-grid DOA估计方法 | |
CN109375152B (zh) | 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法 | |
CN107656239B (zh) | 一种基于极化敏感阵列的相干信源测向方法 | |
CN111239678A (zh) | 一种基于l型阵列的二维doa估计方法 | |
CN111736118B (zh) | 一种线列阵阵列扩展方法 | |
CN111624545A (zh) | 基于结构化虚拟域张量信号处理的互质面阵二维波达方向估计方法 | |
CN111965591A (zh) | 一种基于四阶累积量矢量化dft的测向估计方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
CN112904272A (zh) | 基于互相关张量的三维互质立方阵列波达方向估计方法 | |
CN111983554A (zh) | 非均匀l阵下的高精度二维doa估计 | |
CN113296049A (zh) | 互质阵列脉冲环境下非圆信号的共轭增广doa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 | |
Dong et al. | Non-circular sources DOA estimation for coprime array with impulsive noise: A novel augmented phased fractional low-order moment | |
CN114879137A (zh) | 基于深度学习重构协方差矩阵的互质阵波达方向估计方法 | |
CN113075610B (zh) | 一种基于互质极化阵列的差分阵列内插的doa估计方法 | |
CN112733333A (zh) | 互质面阵中一种基于多项式求根的二维测向估计方法 | |
CN112016037A (zh) | 一种互质面阵中基于降维Capon求根的二维测向估计方法 | |
CN108872930B (zh) | 扩展孔径二维联合对角化doa估计方法 | |
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 | |
CN111830458B (zh) | 一种平行线阵单快拍二维测向方法 | |
CN114397620A (zh) | 改进和差非均匀阵列的高精度波达方向估计方法 | |
CN114397619A (zh) | 基于非均匀稀疏阵列二维定位算法 | |
CN113325364A (zh) | 一种基于数据压缩的空时联合测向方法 |
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 | ||
GR01 | Patent grant |