[0007] 针对上述现有技术的现状,本发明所要解决的技术问题在于提供一种基于信号非圆特性的分步秩损远近场参数估计算法,该算法不仅将多维参数估计器解耦成两个只和角度和距离有关的一维参数估计器,从而减少了运算量;而且还能提高角度、距离参数估计的精度并能区分出远近场信号。
[0008] 本发明解决上述技术问题所采用的技术方案为:
[0009] 一种基于信号非圆特性的分步秩损远近场参数估计算法,包括步骤:
[0010] S1.根据阵列观测数据,构造扩展数据矢量z(t);
[0011] S2.计算所述扩展数据矢量z(t)的协方差矩阵R;
[0012] S3.对所述协方差矩阵R进行特征分解,得到其噪声子空间Un;
[0013] S4.解耦阵列导向矢量
[0014] S5.构造一谱函数p(θ),所述谱函数p(θ)只与角度参数有关;
[0015] 在 范围内,一维搜索得到所有远近场信号的测向角θk(k=1,…,K);
[0016] S6.根据已得到的测向角 构造K个谱函数
[0017] 在r∈[0.62(D3/λ)1/2,30D2/λ]范围内,一维搜索得到K个距离估计值rk(k=1,…,K);
[0018] S7.根据所述距离估计值,区分出远近场信号的类型:
[0019] 当所述距离估计值位于[0.62(D3/λ)1/2,2D2/λ]范围内时,则所述信号为近场信号;
[0020] 当所述距离估计值位于[2D2/λ,30D2/λ]范围内时,则所述信号为远场信号。
[0021] 进一步地,阵列接收模型包括:
[0022] 一中心对称的均匀线阵,包括M=2N+1个全向传感器,所述M个阵元的间距d为λ/4,其中,λ为入射信号的波长;
[0023] K个独立窄带信号,包括:
[0024] K1个从(θk,rk)入射到所述线阵的近场信号sN,k(t),k=1,…,K1;
[0025] K2=K-K1个从(θk,∞)入射到所述线阵的远场信号sF,k(t),k=K1+1,…,K;
[0026] 设定线阵中心参考点,对M个阵元进行L次同步采样,在l时刻,该线阵的输出矢量x(l)表示为
[0027] x(l)=As(l)+n(l)=ANsN(l)+AFsF(l)+n(l) (1)
[0028] 该线阵的输出矢量x(l)即为阵列观测数据;
[0029] 其中,x(l)=[x-N(l),…,x0(l),…,xN(l)]T;
[0030] A=[AN,AF];
[0031]
[0032] AN为近场信号阵列流型矩阵,表达式为 其中γk=-2πdsinθk/λ,χk=πd2cos2θk/(λrk);
[0033] AF为远场信号的阵列流型矩阵,表达式为 其中,
[0034] sN(l)表示近场信号矢量,其表达式为
[0035] sF(l)表示远场信号矢量,其表达式为:
[0036] n(l)=[n-N(l),…,n0(l),…,nN(l)]T为均值为0,方差为σ2的加性高斯噪声矢量;
[0037] 考虑入射信号为非圆信号,所述近场信号矢量又表示为 其中so,k(t)为sk(l)对应的零初相的实信号,对角矩阵
ψk/2为信号sk(l)的的任意初相;
[0038] 考虑入射信号为非圆信号,所述远场信号矢量sF(l)又表示为 其中 so,k(t)为sk(l)对应的零初相的实信号,对角矩阵ψk/2为信号sk(l)的的任意初相。
[0039] 进一步地,步骤S1中,根据阵列观测数据x(l)及其共轭形式x*(l),构造扩展数据矢量z(l):
[0040]
[0041] AeN和AeF分别定义为近场和远场的扩展阵列流型矩阵,其中
[0042]
[0043]
[0044]
[0045]
[0046] Ae=[AeN AeF] (7)
[0047] 根据公式(4)和(6),Ae的导向矢量ae可表示为
[0048]
[0049]
[0050] k=1,2,...,K,rk∈[0.62(D3/λ)12,+∞]。
[0051] 进一步地,步骤S2中,计算所述扩展数据矢量z(t)的协方差矩阵R为:
[0052]
[0053] 其中, 为关于近场的阵列观测数据的协方差矩阵;
[0054] 为关于远场的阵列观测数据的协方差矩阵;
[0055] 为近场信号的协方差矩阵;
[0056] 为远场信号的协方差矩阵;
[0057] 为阵元噪声功率,I2M为2M×2M的单位矩阵。
[0058] 进一步地,步骤S3中,对所述协方差矩阵R进行特征分解为:
[0059]
[0060] 其中,Λs为由K个大特征值组成的对角阵;
[0061] Λn为由剩余2M-K个小特征值组成的对角阵;
[0062] 2M×K的Us为大特征值对应的特征向量张成的信号子空间;
[0063] 2M×(2M-K)的Un为小特征值对应的特征矢量张成的噪声子空间。
[0064] 进一步地,步骤S4中,由于阵列是关于0阵元中心对称,公式(9)中的距离参数有如下性质:
[0065]
[0066] 那么公式(9)可解耦成两个部分如下:
[0067]
[0068] 其中
[0069]
[0070]
[0071]
[0072]
[0073]
[0074] ΠN为N×N的反单位矩阵,
[0075]
[0076]
[0077] 进一步地,步骤S5中,通过秩损原理来得到所有远近场的角度值:
[0078] 基于 与ae(θk,rk,ψk)正交原理,构造了如下谱函数:
[0079]
[0080] 通过将a(θk,rk)解耦来构造两个一维的谱估计器来得到远近场信号的角度和距离;
[0081] 结合公式(13),对于待估参数(θk,rk,ψk),(12)可重新表示:
[0082]
[0083] 其中
[0084] 由于ζ(θk,rk)≠0和ι(ψk)≠0,基于秩损原理,定义一个只与角度有关的谱函数如下:
[0085]
[0086] 当θ不等于真实角度时,矩阵 是满秩的,只有当θ等于真实角时,矩阵 会出现秩损;通过在 范围内进行一维搜索就可以得到所有K个远近场的角度估计值;当远场信号与近场信号具有相同的入射角度时,得到K′个角度估计值,且K′≤K。
[0087] 进一步地,步骤S6中,基于秩损原理得到所有远近场信号的距离值:
[0088] 将式(23)得到的角度估计值代入到式(22)中,再一次基于秩损原理可构造出K个谱函数:
[0089]
[0090] 给定角度估计值 通过在r∈[0.62(D3/λ)1/2,30D2/λ],D为阵列孔径范围内进行K次一维搜索,即得到相应的距离估计值。
[0091] 进一步地,步骤S7中,根据步骤S6中得到距离估计值,以2D2/λ为界,区分出远近场信号的类型:
[0092] 当所述距离估计值位于[0.62(D3/λ)1/2,2D2/λ]范围内时,则所述信号为近场信号;
[0093] 当所述距离估计值位于[2D2/λ,30D2/λ]范围内时,则所述信号为远场信号。
[0094] 本发明提出一种基于信号非圆特性的分步秩损远近场参数估计算法,不仅将多维参数估计器解耦成两个只和角度和距离有关的一维参数估计器,从而减少了运算量;而且还能提高角度、距离参数估计的精度并能区分出远近场信号。