【技術實現步驟摘要】
本公開實施例涉及信號處理，尤其涉及一種基于矩陣重構的復雜場景doa估計方法。
技術介紹
1、在復雜的電磁環境中，雷達目標、多徑效應、相干誘餌以及其他獨立輻射源交錯并存，信號強相關或完全相干時會產生子空間糾纏現象，傳統的基于子空間的算法在相干或高度相關信號的存在下其信源波達方向(doa)估計性能急劇下降甚至失效。基于解分解的空間平滑類算法和矩陣重構類算法可有效估計相干信源，雖然矩陣重構類算法性能優于空間平滑類算法，但其修正后的協方差矩陣是長方陣，需要進行奇異值分解。最大似然方法具有較好的解相干效果，但實現過程復雜，需進行多維搜索，且doa測向受初始值影響較大。基于壓縮感知理論或空域稀疏概念的稀疏重構類算法等雖然對相干信源環境不敏感，但算法異常巨大的運算量阻礙了其工程實用化的進程。
2、因此，有必要改善上述相關技術方案中存在的一個或者多個問題。
3、需要注意的是，本部分旨在為權利要求書中陳述的本公開的技術方案提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。
技術實現思路
1、本公開實施例的目的在于提供一種基于矩陣重構的復雜場景doa估計方法，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的一個或者多個問題。
2、根據本公開實施例，提供一種基于矩陣重構的復雜場景doa估計方法，該方法包括：
3、獲取接收信號，并利用根據所述接收信號得到所述接收信號的信號協方差矩陣；
4、對所述信號協方差矩陣進行特征值分解
5、提取所述信號特征矢量的最大特征值對應的最大信號特征矢量，并對所述最大信號特征矢量進行元素重排，以得到重構矩陣；
6、基于所述重構矩陣，結合基于多項式重構的root-music算法進行doa估計，以得到doa估計值。
7、進一步的，獲取接收信號，并利用根據所述接收信號得到所述接收信號的信號協方差矩陣的步驟中，包括：
8、利用陣元數為n、陣元間距為d均勻線陣的接收陣列獲取所述接收信號；
9、利用陣列接收信號的協方差矩陣方程對所述接收信號進行求解，以得到所述接收信號的所述信號協方差矩陣。
10、進一步的，所述接收信號的表達式為：
11、
12、其中，s0(t)為期望信號的復合包絡，a(θ0)為期望信號的導向矢量，sl(t)為期望信號多徑的復合包絡，a(θl),l＝1,2,…,l為期望信號多徑的導向矢量，sl(t)＝βls0(t)，βl為第l個期望信號多徑的復合包絡sl(t)相對于期望信號的復合包絡s0(t)的衰落因子，gv為非相干干擾信號的復合包絡，a(θv)為非相干干擾信號的導向矢量，n(t)為噪聲；
13、所述信號協方差矩陣的表達式為：
14、
15、其中，e{}表示數學期望運算，h為轉置共軛，σ0為期望信號噪聲功率，σl為多徑相干信號噪聲功率，σv為非相干干擾噪聲功率，rn為噪聲協方差矩陣；
16、利用k次快拍數下的協方差矩陣代替所述信號協方差矩陣rx，得到：
17、
18、其中，x(k)為第k個快拍數的接收數據矢量。
19、進一步的，對所述信號協方差矩陣進行特征值分解，以得到信號子空間對應的信號特征矢量的步驟中，包括：
20、基于所述信號協方差矩陣，求解所述特征值λ，λ＝λ1,…λi,…λn；
21、針對每一特征值λi，得到其對應的第一特征矢量ui；
22、將所有的所述第一特征矢量按照從大到小進行排序，得到第一特征矢量組u1,u2,…un；
23、利用u1,u2,…un中的前q個所述第一特征矢量構成信號子空間對應的信號特征矢量us＝[u1,u2,…uq]。
24、進一步的，求解所述特征值的表達式為：
25、
26、其中，i為單位矩陣，det表示矩陣的行列式，求解得到協方差矩陣rx的特征值λ1,λ2,…λn；
27、求解所述特征矢量的表達式為：
28、
29、其中，λi為第i個特征值。
30、進一步的，提取所述信號特征矢量的最大特征值對應的最大信號特征矢量，并對所述最大信號特征矢量進行元素重排，以得到重構矩陣的步驟中，包括：
31、提取所述信號特征矢量的最大特征值對應的信號特征矢量umax；
32、對umax的元素進行重排，設置子陣個數為p，p<n，每個子陣的元素個數為n，得到修正矩陣yf；
33、對修正矩陣yf求取自相關矩陣得到自相關矩陣yff，yff＝[yf1,yf2,…,yfp]，對所述自相關矩陣yff的所有元素分別求取平均值得到所述重構矩陣yout。
34、進一步的，所述信號特征矢量umax的表達式為：
35、umax＝[umax,1,umax,2,…umax,n]
36、其中，umax,1為信號特征矢量中的第一元素，umax,2為信號特征矢量中的第二元素，umax,n為信號特征矢量中的第n元素；
37、所述修正矩陣yf的表達式為：
38、
39、所述自相關矩陣的表達式為：
40、yff＝[yf1,yf2,…,yfp]
41、其中，yf1為自相關矩陣中的第一元素，yf2為信號特征矢量中的第二元素，yfp為自相關矩陣中的第p元素；
42、所述重構矩陣yout的表達式為：
43、yout＝(yf1+…+yfp)/p
44、其中，p為子陣個數。
45、進一步的，基于所述重構矩陣，結合基于多項式重構的root-music算法進行doa估計，以得到doa估計值的步驟中，包括：
46、對所述重構矩陣yout進行特征值分解，以得到第二特征矢量uj；
47、將所有的所述第二特征矢量按照從大到小進行排序，得到第二特征矢量組；
48、利用所述第二特征矢量組中的后n-q個第二特征矢量構成信號子空間對應的特征矢量矩陣un＝[uq+1,uq+2,…un]；
49、對噪聲子空間進行分割重組，結合所述基于所述特征矢量矩陣，得到所述doa估計值。
50、進一步的，定義多項式：
51、
52、其中，z＝exp(jw)，j2＝-1，w為空間頻率，p(z)＝[1,z,…,zm-1]t，p(z)為2(m-1)次多項式，有(m-1)對根；
53、取單位圓內具有最大幅值的k個根的相位給出doa估計值，即：
54、
55、其中，θm為doa估計值，為單位圓內具有最大幅值的k個根
56、本公開的實施例提供的技術方案可以包括以下有益效果：
57、本公開的實施例中，通過上述基于矩陣重構的復雜場景doa估本文檔來自技高網...
【技術保護點】
1.一種基于矩陣重構的復雜場景DOA估計方法，其特征在于，該方法包括：
2.根據權利要求1所述基于矩陣重構的復雜場景DOA估計方法，其特征在于，獲取接收信號，并利用根據所述接收信號得到所述接收信號的信號協方差矩陣的步驟中，包括：
3.根據權利要求2所述基于矩陣重構的復雜場景DOA估計方法，其特征在于，所述接收信號的表達式為：
4.根據權利要求3所述基于矩陣重構的復雜場景DOA估計方法，其特征在于，對所述信號協方差矩陣進行特征值分解，以得到信號子空間對應的信號特征矢量的步驟中，包括：
5.根據權利要求4所述基于矩陣重構的復雜場景DOA估計方法，其特征在于，求解所述特征值的表達式為：
6.根據權利要求5所述基于矩陣重構的復雜場景DOA估計方法，其特征在于，提取所述信號特征矢量的最大特征值對應的最大信號特征矢量，并對所述最大信號特征矢量進行元素重排，以得到重構矩陣的步驟中，包括：
7.根據權利要求6所述基于矩陣重構的復雜場景DOA估計方法，其特征在于，所述信號特征矢量umax的表達式為：
8.根據權利要
9.根據權利要求8所述基于矩陣重構的復雜場景DOA估計方法，其特征在于，定義多項式：
...【技術特征摘要】
1.一種基于矩陣重構的復雜場景doa估計方法，其特征在于，該方法包括：
2.根據權利要求1所述基于矩陣重構的復雜場景doa估計方法，其特征在于，獲取接收信號，并利用根據所述接收信號得到所述接收信號的信號協方差矩陣的步驟中，包括：
3.根據權利要求2所述基于矩陣重構的復雜場景doa估計方法，其特征在于，所述接收信號的表達式為：
4.根據權利要求3所述基于矩陣重構的復雜場景doa估計方法，其特征在于，對所述信號協方差矩陣進行特征值分解，以得到信號子空間對應的信號特征矢量的步驟中，包括：
5.根據權利要求4所述基于矩陣重構的復雜場景doa估計方法，其特征在于，求解所述特征值的表達式為...
【專利技術屬性】
技術研發人員：雷圓圓，楊剛，陳亮，李璐，
申請(專利權)人：西安電子工程研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。