CN116699511A - 一种多频点信号波达方向估计方法、***、设备及介质 - Google Patents
一种多频点信号波达方向估计方法、***、设备及介质 Download PDFInfo
- Publication number
- CN116699511A CN116699511A CN202310825624.6A CN202310825624A CN116699511A CN 116699511 A CN116699511 A CN 116699511A CN 202310825624 A CN202310825624 A CN 202310825624A CN 116699511 A CN116699511 A CN 116699511A
- Authority
- CN
- China
- Prior art keywords
- signal
- matrix
- frequency domain
- arrival
- signals
- 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 58
- 239000011159 matrix material Substances 0.000 claims abstract description 125
- 238000001228 spectrum Methods 0.000 claims abstract description 68
- 238000007635 classification algorithm Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 26
- 238000004088 simulation Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
-
- 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
- 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
本发明公开一种多频点信号波达方向估计方法、***、设备及介质，涉及无线电测向领域，该方法包括：采用均匀线阵接收模型接收目标入射信号，得到阵列接收信号；对阵列接收信号进行快速傅里叶变换，得到离散谱信号；从离散谱信号中提取谱峰对应的频域数据，得到频域信号矩阵；根据频域信号矩阵重构协方差矩阵，得到目标协方差矩阵；采用多重信号分类算法，根据目标协方差矩阵确定目标入射信号的波达方向。本发明能够实现对低信噪比条件下多频点信号的高精度波达方向估计。
Description
技术领域
本发明涉及无线电测向领域，特别是涉及一种多频点信号波达方向估计方法、***、设备及介质。
背景技术
在电磁环境检测领域，波达方向估计(Direction Of Arrival，DOA)是最重要的技术之一，也是阵列信号处理中的一个重要研究方向。近几十年来，DOA估计广泛应用于雷达、声呐、无线通信和射电天文学等众多领域。随着理论研究的深入，为了获得更高精度的DOA估计，DOA估计方法被不断提出和改进，而其中子空间分解类算法是最为典型的超分辨测向方法，比如多重信号分类MUSIC方法和旋转不变子空间ESPRIT方法。压缩感知理论也被应用于DOA估计，由于DOA估计信号模型具有空域稀疏性，可以转化为稀疏表示，研究人员基于压缩感知理论采用稀疏重建的方法进行DOA估计。但上述介绍的方法只有在高信噪比、多快拍数等条件下才能实现目标的高精度测向，在较低信噪比条件下，测向精度较差，且由于多频点目标信号会影响阵元间距的选取从而影响波达方向的估计精度，传统算法很少研究多源多频点的干扰源。
为了克服噪声干扰，研究人员提出了高阶累积量的方法，该方法具有二阶统计所不具备的高斯噪声抑制性能，有学者通过引入高阶统计量以实现虚拟阵列天线扩展，在一定程度上提高了在低信噪比条件下DOA估计精度，但引入高阶统计量会导致算法冗余大大提高算法计算复杂性。另外有学者提出一种增强的空间平滑方法，首先，利用信号的强相关性和噪声在时空域的弱相关性构建子阵列时空相关矩阵，消除噪声的影响，然后，通过促进子阵列时空相关矩阵的平方空间平滑技术，实现时空平滑阵列协方差矩阵重构，最后，将结合基于子空间的方法获得DOA估计值，所提方法在低信噪比下提高了噪声抑制能力和DOA估计性能，但上述方法均无法实现对多频点信号的DOA估计。
发明内容
本发明的目的是提供一种多频点信号波达方向估计方法、***、设备及介质，以实现对低信噪比条件下多频点信号的高精度波达方向估计。
为实现上述目的，本发明提供了如下方案：
一种多频点信号波达方向估计方法，包括：
采用均匀线阵接收模型接收目标入射信号，得到阵列接收信号；所述均匀线阵接收模型由若干个线性排列的天线组成，且相邻天线的间距为所述目标入射信号中频率最大信号所对应的波长的一半；所述目标入射信号由若干个方向和频率互不相同的窄带远场信号组成；
对所述阵列接收信号进行快速傅里叶变换，得到离散谱信号；
从所述离散谱信号中提取谱峰对应的频域数据，得到频域信号矩阵；
根据所述频域信号矩阵重构协方差矩阵，得到目标协方差矩阵；
采用多重信号分类算法，根据所述目标协方差矩阵确定所述目标入射信号的波达方向。
可选地，所述阵列接收信号为N×M的矩阵；其中，M为采样点数，N为天线数；所述阵列接收信号的表达式为：
x(t)＝As(t)+n(t)；
x(t)＝[x1(t),x2(t),...,xN(t)]T；
s(t)＝[s1(t),s2(t),...,sQ(t)]T；
n(t)＝[n1(t),n2(t),...,nN(t)]T；
A＝[a(θ1),...,a(θQ)]；
其中，x(t)为阵列接收信号矩阵，x1(t),x2(t),...,xN(t)分别为N个天线的接收信号；s(t)为目标入射信号矩阵，s1(t),s2(t),...,sQ(t)分别为Q个窄带远场信号；n(t)为高斯白噪声信号矩阵，n1(t),n2(t),...,nN(t)分别为N个天线的高斯白噪声信号；A为阵列天线导向矢量，a(θ1),...,a(θQ)分别为Q个窄带远场信号的导向矢量，θ1,θ2,...,θQ分别为Q个窄带远场信号的方向；d为相邻天线的间距；λ为目标入射信号中频率最大信号所对应的波长；t为时间周期，且每个时间周期内的采样点数为M；Q为窄带远场信号数；q为窄带远场信号的序号。
可选地，对所述阵列接收信号进行快速傅里叶变换，得到离散谱信号，具体公式为：
XFFT＝[X1,X2,...,XN]T；
其中，XFFT为离散谱信号；X1,X2,...,XN分别为N个天线的接收信号经过快速傅里叶变换后的频域数据；分别为第i个天线的接收信号经过快速傅里叶变换后的M个采样点的频域数据；N为天线数；M为采样点数；i为天线的序号；k和m均为采样点的序号。
可选地，从所述离散谱信号中提取谱峰对应的频域数据，得到频域信号矩阵，具体公式为：
其中，XF为频域信号矩阵；分别为离散谱信号中的Q个谱峰对应的频域数据；/>分别为N个天线的接收信号经过快速傅里叶变换后的第fq个采样点的频域数据；N为天线数；M为采样点数；Q为窄带远场信号数；q为窄带远场信号的序号；fq为采样点的序号。
可选地，根据所述频域信号矩阵重构协方差矩阵，得到目标协方差矩阵，具体公式为：
其中，RF为目标协方差矩阵；XF为频域信号矩阵；XF H为频域信号矩阵的共轭转置矩阵；Q为窄带远场信号数。
可选地，采用多重信号分类算法，根据所述目标协方差矩阵确定所述目标入射信号的波达方向，具体包括：
对所述目标协方差矩阵进行特征值分解，得到特征矢量矩阵和对应的对角阵；
根据所述对角阵中特征值的大小，将所述特征矢量矩阵划分为信号子空间和噪声子空间；
根据所述信号子空间的导向矢量和所述噪声子空间确定空间谱函数；
对所述空间谱函数进行谱峰搜索，得到所述目标入射信号的波达方向。
可选地，所述空间谱函数的表达式为：
其中，PMUSIC为空间谱估计值；UN为噪声子空间；UH N为噪声子空间的共轭转置矩阵；a(θ)为信号子空间的导向矢量；aH(θ)为信号子空间的导向矢量的共轭转置矩阵。
一种多频点信号波达方向估计***，包括：
阵列接收信号获取模块，用于采用均匀线阵接收模型接收目标入射信号，得到阵列接收信号；所述均匀线阵接收模型由若干个线性排列的天线组成，且相邻天线的间距为所述目标入射信号中频率最大信号所对应的波长的一半；所述目标入射信号由若干个方向和频率互不相同的窄带远场信号组成；
离散谱信号确定模块，用于对所述阵列接收信号进行快速傅里叶变换，得到离散谱信号；
频域信号矩阵确定模块，用于从所述离散谱信号中提取谱峰对应的频域数据，得到频域信号矩阵；
目标协方差矩阵确定模块，用于根据所述频域信号矩阵重构协方差矩阵，得到目标协方差矩阵；
波达方向确定模块，用于采用多重信号分类算法，根据所述目标协方差矩阵确定所述目标入射信号的波达方向。
一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的多频点信号波达方向估计方法。
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的多频点信号波达方向估计方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的多频点信号波达方向估计方法，采用均匀线阵接收模型接收目标入射信号，通过快速傅里叶变换对阵列接收信号进行时频域转换，得到离散谱信号，并从离散谱信号中提取谱峰对应的频域数据，以消除大部分噪声信号，得到频域信号矩阵，进而利用频域信号矩阵重构协方差矩阵，并采用多重信号分类算法，基于得到的目标协方差矩阵确定目标入射信号的波达方向，能够实现对低信噪比条件下多频点信号的高精度波达方向估计。
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，下面将对实施例中所需要使用的附图作简单地介绍，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为本发明提供的多频点信号波达方向估计方法的流程图；
图2为本发明提供的均匀线阵接收模型的示意图；
图3为本发明提供的DOA估计准确率随信噪比变化曲线图；
图4为本发明提供的DOA估计均方根误差随信噪比变化曲线图；
图5为本发明提供的多频点信号波达方向估计***的模块图。
符号说明：
阵列接收信号获取模块-1，离散谱信号确定模块-2，频域信号矩阵确定模块-3，目标协方差矩阵确定模块-4，波达方向确定模块-5。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种多频点信号波达方向估计方法、***、设备及介质，以实现对低信噪比条件下多频点信号的高精度波达方向估计。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
本发明实施例提供一种多频点信号波达方向估计方法。如图1所示，该方法包括：
步骤S1：采用均匀线阵接收模型接收目标入射信号，得到阵列接收信号；所述均匀线阵接收模型为一个接收天线矩阵，其由若干个线性排列的天线组成，且相邻天线的间距为所述目标入射信号中频率最大信号所对应的波长的一半；所述目标入射信号由若干个方向和频率互不相同的窄带远场信号组成。
如图2所示，假设接收天线矩阵具有N个天线，线性排列组成一均匀线阵，各天线间距d＝λ/2(λ为目标入射信号中频率最大信号所对应的波长)，有Q个互不相同且方向分别为θ1,θ2,...,θQ，频率分别为f1,f2,...,fQ的窄带远场信号sq(t)入射到均匀线阵，其中第i个阵列天线收到的信号可以表示为：
其中，xi(t)为接收天线矩阵中第i个天线的接收信号；ni(t)为高斯白噪声信号；e表示自然常数；j表示虚数。
阵列天线接收信号可用矩阵形式表示为：
x(t)＝As(t)+n(t)。
其中x(t)、s(t)、n(t)可以表示为：
x(t)＝[x1(t),x2(t),...,xN(t)]T；
s(t)＝[s1(t),s2(t),...,sQ(t)]T；
n(t)＝[n1(t),n2(t),...,nN(t)]T。
A可以表示为：
A＝[a(θ1),...,a(θQ)]；
其中，x(t)为阵列接收信号矩阵，x1(t),x2(t),...,xN(t)分别为N个天线的接收信号；s(t)为目标入射信号矩阵，s1(t),s2(t),...,sQ(t)分别为Q个窄带远场信号；n(t)为高斯白噪声信号矩阵，n1(t),n2(t),...,nN(t)分别为N个天线的高斯白噪声信号；A为阵列天线导向矢量，a(θ1),...,a(θQ)分别为Q个窄带远场信号的导向矢量，θ1,θ2,...,θQ分别为Q个窄带远场信号的方向；d为相邻天线的间距；λ为目标入射信号中频率最大信号所对应的波长；t为时间周期，且每个时间周期内的采样点数为M；Q为窄带远场信号数，即入射信号源数；q为窄带远场信号的序号；上角标T表示转置。
如果信号采样点数(也叫快拍数)为M，则阵列接收信号矩阵为N×M的矩阵。由于噪声的存在，在低信噪比条件下目标信号将会被噪声淹没，在时域进行DOA估计，噪声会对DOA估计准确度产生影响。
步骤S2：对所述阵列接收信号进行快速傅里叶变换，得到离散谱信号。
具体地，对每个阵列接收信号进行快速傅里叶变换，对于阵列接收信号x(t)为N×M的矩阵，其每一行对应N个天线M个快拍数的信号，根据快速傅里叶变换公式对阵列接收信号x(t)进行快速傅里叶变换：
其中，M为信号快拍数，即每个天线接收信号的采样点数，k＝1,2,...,M，i＝1,2,...,N，通过快速傅里叶变换得到频域阵列信号接收矩阵，即离散谱信号：
XFFT＝[X1,X2,...,XN]T；
其中，XFFT表示离散谱信号；X1,X2,...,XN分别为N个天线的接收信号经过快速傅里叶变换后的频域数据；分别为第i个天线的接收信号经过快速傅里叶变换后的M个采样点的频域数据；N为天线数；M为采样点数；i为天线的序号；k和m均为采样点的序号。
步骤S3：从所述离散谱信号中提取谱峰对应的频域数据，得到频域信号矩阵。
具体地，离散谱信号XFFT由噪声谱以及信号谱组成，当有不同频率的Q个入射信号时，可以在每个天线经过快速傅里叶变换后的接收信号找到Q个尖峰及对应的有用信号谱，其它点为无用的噪声谱。
由于矩阵导向矢量跟时间是无关的，对每个阵列天线信号进行快速傅里叶变换公式可以写成：
其中，an为阵列天线导向矢量A的第n行，s(m)为目标入射信号矩阵s(t)的第m列。
所以N个天线接收数据的离散谱信号是完全相同的，每个天线入射信号对应的峰值位置也是相同的。通过选取XFFT离散谱信号中Q个谱峰所对应的Q列信号组成频域信号矩阵XF：
其中，XF为频域信号矩阵；分别为离散谱信号中的Q个谱峰对应的频域数据；/>分别为N个天线的接收信号经过快速傅里叶变换后的第fq个采样点的频域数据；N为天线数；M为采样点数；Q为窄带远场信号数；q为窄带远场信号的序号；fq为采样点的序号；可见，所构成的XF为一个N×Q的矩阵。
步骤S4：根据所述频域信号矩阵重构协方差矩阵，得到目标协方差矩阵。
阵列接收信号的协方差矩阵R为Hermitian方阵，其R＝RH，通过之前提取的频域信号矩阵XF重构协方差矩阵RF：
其中，RF为目标协方差矩阵；XF为频域信号矩阵；XF H为频域信号矩阵的共轭转置矩阵；Q为窄带远场信号数。
步骤S5：采用多重信号分类算法，根据所述目标协方差矩阵确定所述目标入射信号的波达方向。
该步骤具体包括：
(1)对所述目标协方差矩阵进行特征值分解，得到特征矢量矩阵和对应的对角阵。
由于信号与噪声相互独立，协方差矩阵RF通过特征值分解得到：
RF＝UΣUH；
其中，U＝[e1,e2,...,eN]为特征矢量矩阵，e1,e2,...,eN分别为N个天线的特征矢量，Σ为特征值组成的对角阵，具体如下：
其中，λ1,λ2,...,λN分别为N个天线的特征值。
(2)根据所述对角阵中特征值的大小，将所述特征矢量矩阵划分为信号子空间和噪声子空间。
上述的特征值满足以下关系：
λ1≥λ2≥…≥λQ＞λQ+1＝…＝λN＝σ2。
其中，σ2为噪声功率，将对角阵Σ中较大的Q个特征值组成第一对角阵Σs，其对应的特征向量Us＝[e1 e2…eQ]组成信号子空间，对角阵Σ中较小的N-Q个特征值组成第二对角阵ΣN，其对应的特征向量UN＝[eQ+1eQ+2…eN]组成噪声子空间。则信号协方差矩阵RF可以分解为：
RF＝UsΣsUs H+UNΣNUH N。
其中，上角标H表示共轭转置。
(3)根据所述信号子空间的导向矢量和所述噪声子空间确定空间谱函数。
理想情况下信号子空间与噪声子空间是相互正交，即信号子空间的导向矢量也与噪声子空间正交：
aH(θ)UN＝0。
噪声的存在导致不完全正交，所以传统DOA估计MUSIC算法是以最小优化搜索实现，即：
θMUSIC＝argθminaH(θ)UNUH Na(θ)。
所以，MUSIC算法的谱估计公式，即空间谱函数为：
其中，PMUSIC为空间谱估计值；UN为噪声子空间；UH N为噪声子空间的共轭转置矩阵；a(θ)为信号子空间的导向矢量；aH(θ)为信号子空间的导向矢量的共轭转置矩阵。
(4)对所述空间谱函数进行谱峰搜索，得到所述目标入射信号的波达方向。
具体地，从-90°到90°范围内搜索θ值对应的空间谱，找到空间谱谱峰处的θ值，即为目标入射信号的波达方向。
进一步地，为了验证本发明方法的正确性和先进性，进行了仿真实验，其效果通过以下的实施例进行说明。
仿真环境设置为：阵列天线数量N＝8，快拍数M＝256，入射信号Q＝2，入射信号角度θ1＝20°，θ2＝50°，频率分别为f1＝1575.42MHz，f2＝1268.52MHz，通过对阵列接收信号矩阵进行快速傅里叶变换，提取目标信号所对应的数据进行数据协方差矩阵重构，并利用信号子空间谱搜索的方法进行DOA估计，误差通过计算均方根误差来衡量，定义为：
其中，表示第k次蒙特卡罗实验第q个入射信号角度，总共进行K＝300次蒙特卡罗实验，Q为入射信号源数。仿真结果与传统MUSIC算法、ESPRIT算法和基于压缩感知的正交匹配追踪DOA估计算法进行对比。
仿真1：
分析DOA估计的准确率随信噪比的性能变化。自变量信噪比在-15dB逐渐增加到10dB。从图3可以看出，在四种DOA估计算法中，本发明算法的DOA估计准确率在信噪比在0dB以下始终优于另外三种算法，当信噪比下降到-10dB以下时，本发明算法依然保持着较高的DOA估计准确率，而另外三种算法失去DOA估计的结果，空间谱严重失真，通过实验可以看出本发明算法在低信噪比条件下对多频点信号进行DOA估计有着较大的优势。
仿真2：
分析DOA估计的RMSE随信噪比的性能变换，由于信噪比低于0dB时另外两种算法的DOA准确率下降严重，所以自变量信噪比从0dB逐渐增加到10dB。从图4可以看出，在四种DOA估计算法中，本发明算法的DOA估计性能始终优于另外三种算法，本发明算法相比传统MUSIC算法、ESPRIT算法、基于压缩感知的正交匹配追踪DOA估计算法的RMSE更小，其DOA估计性能有大幅度提高，从本发明算法RMSE曲线趋势可以看出，在信噪比低于0dB条件下RMSE值会一直保持在较低的水平。
由此可见，本发明基于快速傅里叶变换，将阵列接收信号进行时频域转换，然后提取目标信号频率对应的信号进行阵列接收信号数据协方差矩阵的重构，最后利用重构的协方差矩阵进行空间谱搜索进行DOA估计。仿真结果表明，本发明方法在低信噪比条件处理多频点信号进行DOA估计有较大的精度提高。本发明方法对于相同RMSE所需要的信噪比和已有技术相差达到10dB，在信噪比低于0dB依然保持着较高的DOA估计性能，优于已有算法。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种多频点信号波达方向估计***。如图5所示，该***包括：
阵列接收信号获取模块1，用于采用均匀线阵接收模型接收目标入射信号，得到阵列接收信号；所述均匀线阵接收模型由若干个线性排列的天线组成，且相邻天线的间距为所述目标入射信号中频率最大信号所对应的波长的一半；所述目标入射信号由若干个方向和频率互不相同的窄带远场信号组成。
离散谱信号确定模块2，用于对所述阵列接收信号进行快速傅里叶变换，得到离散谱信号。
频域信号矩阵确定模块3，用于从所述离散谱信号中提取谱峰对应的频域数据，得到频域信号矩阵。
目标协方差矩阵确定模块4，用于根据所述频域信号矩阵重构协方差矩阵，得到目标协方差矩阵。
波达方向确定模块5，用于采用多重信号分类算法，根据所述目标协方差矩阵确定所述目标入射信号的波达方向。
实施例三
本发明实施例还提供一种电子设备，包括存储器和处理器，该存储器用于存储计算机程序，该处理器用于运行计算机程序以使电子设备执行实施例一中的多频点信号波达方向估计方法。所述电子设备可以是服务器。
另外，本发明还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一中的多频点信号波达方向估计方法。
综上所述，本发明公开的多频点信号波达方向估计方法，在物理阵元数间距不变的基础上，基于快速傅里叶变换的方法对接收信号进行时频域转换，通过提取目标频点的频域数据进行阵列接收信号数据协方差矩阵重构，可以有效的消除阵列接收信号数据中的噪声分量，从而更好的抑制噪声信号对目标信号DOA估计的影响。本发明方法相比传统DOA估计方法有两个突出的优势，第一，在低信噪比条件下，本发明方法能够实现准确的DOA估计在信噪比条件低于0dB情况下也具有良好的DOA估计效果，有着较高的估计准确率。在信噪比为-10dB条件下DOA估计误差基本保持在±2°以内。第二，本发明方法同时可以实现对多频点的目标信号进行DOA估计，这是传统算法所不具备的。以上两点说明本发明方法具有很高的工程应用价值。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种多频点信号波达方向估计方法，其特征在于，包括：
采用均匀线阵接收模型接收目标入射信号，得到阵列接收信号；所述均匀线阵接收模型由若干个线性排列的天线组成，且相邻天线的间距为所述目标入射信号中频率最大信号所对应的波长的一半；所述目标入射信号由若干个方向和频率互不相同的窄带远场信号组成；
对所述阵列接收信号进行快速傅里叶变换，得到离散谱信号；
从所述离散谱信号中提取谱峰对应的频域数据，得到频域信号矩阵；
根据所述频域信号矩阵重构协方差矩阵，得到目标协方差矩阵；
采用多重信号分类算法，根据所述目标协方差矩阵确定所述目标入射信号的波达方向。
2.根据权利要求1所述的多频点信号波达方向估计方法，其特征在于，所述阵列接收信号为N×M的矩阵；其中，M为采样点数，N为天线数；所述阵列接收信号的表达式为：
x(t)＝As(t)+n(t)；
x(t)＝[x1(t),x2(t),...,xN(t)]T；
s(t)＝[s1(t),s2(t),...,sQ(t)]T；
n(t)＝[n1(t),n2(t),...,nN(t)]T；
A＝[a(θ1),...,a(θQ)]；
其中，x(t)为阵列接收信号矩阵，x1(t),x2(t),...,xN(t)分别为N个天线的接收信号；s(t)为目标入射信号矩阵，s1(t),s2(t),...,sQ(t)分别为Q个窄带远场信号；n(t)为高斯白噪声信号矩阵，n1(t),n2(t),...,nN(t)分别为N个天线的高斯白噪声信号；A为阵列天线导向矢量，a(θ1),...,a(θQ)分别为Q个窄带远场信号的导向矢量，θ1,θ2,...,θQ分别为Q个窄带远场信号的方向；d为相邻天线的间距；λ为目标入射信号中频率最大信号所对应的波长；t为时间周期，且每个时间周期内的采样点数为M；Q为窄带远场信号数；q为窄带远场信号的序号。
3.根据权利要求1所述的多频点信号波达方向估计方法，其特征在于，对所述阵列接收信号进行快速傅里叶变换，得到离散谱信号，具体公式为：
XFFT＝[X1,X2,...,XN]T；
其中，XFFT为离散谱信号；X1,X2,...,XN分别为N个天线的接收信号经过快速傅里叶变换后的频域数据；分别为第i个天线的接收信号经过快速傅里叶变换后的M个采样点的频域数据；N为天线数；M为采样点数；i为天线的序号；k和m均为采样点的序号。
4.根据权利要求1所述的多频点信号波达方向估计方法，其特征在于，从所述离散谱信号中提取谱峰对应的频域数据，得到频域信号矩阵，具体公式为：
其中，XF为频域信号矩阵；分别为离散谱信号中的Q个谱峰对应的频域数据；/>分别为N个天线的接收信号经过快速傅里叶变换后的第fq个采样点的频域数据；N为天线数；M为采样点数；Q为窄带远场信号数；q为窄带远场信号的序号；fq为采样点的序号。
5.根据权利要求1所述的多频点信号波达方向估计方法，其特征在于，根据所述频域信号矩阵重构协方差矩阵，得到目标协方差矩阵，具体公式为：
其中，RF为目标协方差矩阵；XF为频域信号矩阵；XF H为频域信号矩阵的共轭转置矩阵；Q为窄带远场信号数。
6.根据权利要求1所述的多频点信号波达方向估计方法，其特征在于，采用多重信号分类算法，根据所述目标协方差矩阵确定所述目标入射信号的波达方向，具体包括：
对所述目标协方差矩阵进行特征值分解，得到特征矢量矩阵和对应的对角阵；
根据所述对角阵中特征值的大小，将所述特征矢量矩阵划分为信号子空间和噪声子空间；
根据所述信号子空间的导向矢量和所述噪声子空间确定空间谱函数；
对所述空间谱函数进行谱峰搜索，得到所述目标入射信号的波达方向。
7.根据权利要求6所述的多频点信号波达方向估计方法，其特征在于，所述空间谱函数的表达式为：
其中，PMUSIC为空间谱估计值；UN为噪声子空间；UH N为噪声子空间的共轭转置矩阵；a(θ)为信号子空间的导向矢量；aH(θ)为信号子空间的导向矢量的共轭转置矩阵。
8.一种多频点信号波达方向估计***，其特征在于，包括：
阵列接收信号获取模块，用于采用均匀线阵接收模型接收目标入射信号，得到阵列接收信号；所述均匀线阵接收模型由若干个线性排列的天线组成，且相邻天线的间距为所述目标入射信号中频率最大信号所对应的波长的一半；所述目标入射信号由若干个方向和频率互不相同的窄带远场信号组成；
离散谱信号确定模块，用于对所述阵列接收信号进行快速傅里叶变换，得到离散谱信号；
频域信号矩阵确定模块，用于从所述离散谱信号中提取谱峰对应的频域数据，得到频域信号矩阵；
目标协方差矩阵确定模块，用于根据所述频域信号矩阵重构协方差矩阵，得到目标协方差矩阵；
波达方向确定模块，用于采用多重信号分类算法，根据所述目标协方差矩阵确定所述目标入射信号的波达方向。
9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行如权利要求1至7中任意一项所述的多频点信号波达方向估计方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的多频点信号波达方向估计方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310825624.6A CN116699511A (zh) | 2023-07-07 | 2023-07-07 | 一种多频点信号波达方向估计方法、***、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310825624.6A CN116699511A (zh) | 2023-07-07 | 2023-07-07 | 一种多频点信号波达方向估计方法、***、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116699511A true CN116699511A (zh) | 2023-09-05 |
Family
ID=87839199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310825624.6A Pending CN116699511A (zh) | 2023-07-07 | 2023-07-07 | 一种多频点信号波达方向估计方法、***、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116699511A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117890861A (zh) * | 2024-03-15 | 2024-04-16 | 深圳大学 | 一种基于单比特匹配滤波的doa预测方法、***及终端 |
-
2023
- 2023-07-07 CN CN202310825624.6A patent/CN116699511A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117890861A (zh) * | 2024-03-15 | 2024-04-16 | 深圳大学 | 一种基于单比特匹配滤波的doa预测方法、***及终端 |
| CN117890861B (zh) * | 2024-03-15 | 2024-06-07 | 深圳大学 | 一种基于单比特匹配滤波的doa预测方法、***及终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110927659B (zh) | 互耦条件下任意阵列流形doa估计与互耦校准方法及*** | |
| CN110208735B (zh) | 一种基于稀疏贝叶斯学习的相干信号doa估计方法 | |
| CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及*** | |
| CN111707985A (zh) | 基于协方差矩阵重构的off-grid DOA估计方法 | |
| CN110244272B (zh) | 基于秩一去噪模型的波达方向估计方法 | |
| CN110161489B (zh) | 一种基于伪框架的强弱信号测向方法 | |
| CN107870314B (zh) | 基于极化敏感阵列的完备电磁分量加权融合测向优化方法 | |
| CN107576931B (zh) | 一种基于协方差低维度迭代稀疏重构的相关/相干信号波达方向估计方法 | |
| CN111337873B (zh) | 一种基于稀疏阵的doa估计方法 | |
| CN109765526B (zh) | 一种基于空间谱的目标搜索方法及装置 | |
| CN109696657B (zh) | 一种基于矢量水听器的相干声源定位方法 | |
| CN110837076A (zh) | 一种基于张量分解的矢量水听器阵列方位估计方法 | |
| 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 | |
| CN116699511A (zh) | 一种多频点信号波达方向估计方法、***、设备及介质 | |
| CN111308416B (zh) | 基于四阶累积量的近场非圆信源参数估计方法 | |
| Qi et al. | Time-frequency DOA estimation of chirp signals based on multi-subarray | |
| CN110196417B (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
| CN113835063B (zh) | 一种无人机阵列幅相误差与信号doa联合估计方法 | |
| CN109946663B (zh) | 一种线性复杂度的Massive MIMO目标空间方位估计方法和装置 | |
| CN109696651B (zh) | 一种基于m估计的低快拍数下波达方向估计方法 | |
| CN108872930B (zh) | 扩展孔径二维联合对角化doa估计方法 | |
| CN112327292B (zh) | 一种二维稀疏阵列doa估计方法 | |
| CN113567913A (zh) | 基于迭代重加权可降维的二维平面doa估计方法 | |
| CN112763972A (zh) | 基于稀疏表示的双平行线阵二维doa估计方法及计算设备 | |
| CN108594165B (zh) | 一种基于期望最大化算法的窄带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 |