一种稀疏L阵及其二维DOA估计方法技术

本发明专利技术公开了一种稀疏L阵及其二维DOA估计方法，属于无线移动通信技术领域。本发明专利技术的稀疏L阵列包括由阵元间距等于波长的稀疏均匀线阵和一个辅助阵元构成第一子阵、由最小阵元间距小于或等于半倍波长的任意稀疏线阵构成的第二子阵，两个线阵的共有阵元为参考阵元，辅助阵元到参考阵元的距离为半倍波长。在二维DOA估计时，首先基于第二子阵的接收数据计算其自相关矩阵，并对其进行特征分解后估计对应的第二角度，再基于其计算信源自相关矩阵；基于两个子阵接收数据的互相关矩阵、信源自相关矩阵得到第一子阵的阵流行矩阵，从而完成第一子阵所对应的第一角度的估计处理，得到二维DOA。本发明专利技术的复杂程度低、DOA估计的精确度高。

【技术实现步骤摘要】

本专利技术属于无线移动通信
，特别是涉及一种基于线阵构造的L阵列及其二维波达方向(DOA)估计方法。
技术介绍
随着近年来无线通信技术的迅速发展，人们对通信业务量和通信质量的需求也越来越大，以阵列信号处理技术为核心的空分多址技术已成为下一代移动通信的关键。现有的二维DOA估计大多是基于由阵元间距等于半倍波长的简化面阵构成的。其中，L阵由于有更大的有效孔径、更小的运算量、更易实现、更强的方法适用性等优点得到了广泛的关注和应用。近几十年来，人们已经做了很多的利用L阵估计2-D DOA的研究并提出了大量的算法。主要分为两大类：需要额外配对的算法，如文献“Nizar Tayem and Hyuck M Kwon,L-shape 2dimensional arrival angle estimation with propagator method,Antennas and Propagation,IEEE Transactions on,vol.53,no.5,pp.1622–1630,2005.”和可以自动配对的算法,如文献“Jian-Feng Gu and Ping Wei,Joint svd of two crosscorrelation matrices to achieve automatic pairing in 2-D angle estimation problems,Antennas and Wireless Propagation Letters,IEEE,vol.6,pp.553–556,2007.，简称JSVD”和”J.Gu,P.Wei,and H.-M.Tai,“DOA estimation using cross-correlation matrix,”in Phased Array Systems and Technology(ARRAY),2010 IEEE International Symposium on.IEEE,2010,pp.593–598.”，简称CCM-based。但现有的L阵大多是由常规ULA(均匀线阵)构成，存在测向精度和系统成本之间的矛盾，为了缓解该矛盾，2015年，文献“Jian-Feng Gu,Wei-Ping Zhu,and MNS Swamy,Joint 2-d doa estimation via sparse l-shaped array,Signal Processing,IEEE Transactions on,vol.63,no.5,pp.1171–1182,2015.”提出了基于SLA(稀疏线阵)和ULA的稀疏L阵，该算法和传统由常规ULA构成的L阵相比虽然在性能上有所提升，但是该阵列并没有充分利用稀疏阵列的优势，此外在利用SLA求解方位角时的性能不稳定，不能达到理想所需要的结果。
技术实现思路
本专利技术的专利技术目的在于：为克服现有的稀疏L阵和传统L阵在估计算法复杂度，估计精度方面的不足，提出一种结构简单的稀疏L阵及其相应的二维波达角(DOA)估计算法，以达到降低计算复杂度、系统成本、简化处理程序、有效提高估计精度等目的。本专利技术为了利用稀疏阵有更大的阵列孔径，均匀线阵的平移不变性等特性而提出一种基于SLA和SULA的L阵结构，然后利用互相关矩阵不受噪声影响的特性、ULA的平移不变性、递归思想和最小二乘(LS)技术求解二维DOA。本专利技术的稀疏L阵列，包括阵元数不同的线性第一子阵(M1个阵元)、第二子阵(M2个阵元)构成的L形阵列，两个均匀线阵的共有阵元定义为参考阵元，第一子阵由阵元间距等于波长的稀疏均匀线阵和一个辅助阵元构成，辅助阵元到参考阵元的距离为半倍波长，第二子阵由最小阵元间距小于或等于半倍波长的任意稀疏线阵构成，且M1≥4，M2≥3。本专利技术的稀疏L阵列(以下简称L阵)可以是位于x-z平面或y-z平面，第一子阵、第二子阵对应二维DOA的两个角：方位角、俯仰角，第一子阵可对应方位角或俯仰角，第二子阵可对应俯仰角或方位角，取决于L阵的放置方式。在基于本专利技术的L阵进行二维DOA求解时，先基于第二子阵的接收数据计算其自相关矩阵，并对该自相关矩阵进行特征分解后估计对应的方位角或俯仰角，再基于其得到信源自相关矩阵；基于两个子阵接收数据的互相关矩阵、信源自相关矩阵得到第一子阵的阵流行矩阵，从而完成第一子阵所对应的俯仰角或方位角的估计处理，得到二维DOA，从而大幅度降低处理量及处理的复杂程度、有效提高DOA估计的精确度，从而实现本专利技术目的。用于本专利技术的稀疏L阵列的二维波达方向的估计方法具体包括下列步骤：步骤1：设置天线阵列并建立系统模型：设置L阵列的两个子阵与二维波达方向DOA的两个角的对应关系，对应第一子阵的定义为第一角度，对应第二子阵的定义为第二角度，例如第一子阵放于x轴(定义方位角)、第二子阵放于z轴(定义为俯仰角)，则第一角度对应方位角，第二子阵对应俯仰角。为了便于描述，以下用x-z平面的稀疏L阵对本专利技术进行说明。在t时刻第一子阵和第二子阵的接收数据分别为：其中，分别为第一子阵和第二子阵的接收数据矢量，s(t)＝[s1(t),…,sK(t)]T为信号矢量，即信号源，Ax＝[ax(φ1),…,ax(φK)]为第一子阵的阵列流型矩阵，表示Ax的第k列导向矢量，φk表示第k个信源的第一角度，在x-z平面中，因x轴对应方位角，z轴对应俯仰角，φk表示第k个信源的方位角，λ表示信源波长，辅助阵元与参考阵元的间距d＝0.5λ，其他阵元间距dx＝λ，e表示自然底数，j表示虚数单位。Az＝[az(θ1),…,az(θK)]为第二子阵的阵列流型矩阵，表示Az的第k列导向矢量，k＝1,…,K，θk表示第k个信源的第二角度，在x-z平面中，θk表示第k个信源的俯仰角，di表示第二子阵的第i个阵元与第(i-1)个阵元之间的间距，i＝0,…,M2-1。步骤2：计算第二子阵(SLA)的所有阵元的接收数据的自相关矩阵利用时间平均代替统计平均，可以求得第二子阵的接收数据的自相关矩阵：步骤3：确定的噪声子空间Uzn：对步骤2所得协方差矩阵进行特征值分解，取的前K个最大特征值对应的特征向量为列构建特征向量矩阵Uzs作为信号子空间，剩余的特征值(M2-K个)对应的特征向量为列构建特征向量矩阵Uzn作为噪声子空间；取的前K个最大特征值组成对角矩阵Ds，剩余的特征值组成对角矩阵Dn，即步骤4：求第二角度：利用信号子空间和噪声子空间的正交性确定MUSIC算法的空间谱函数为：其中a(θ)表示关于搜索角度θ的方向矢量，θ∈[0°,180°]，即例如采用递归网格划分的方式来进行谱峰搜索：1)第一次谱峰搜索时，先对空间谱[0°,180]°进行一个粗略的划分，θ以步长L1从0°增长到180°，遍历搜索得到PMUSIC的前K个最大峰值，这K个最大峰值对应的θ值就是所求的K个信号的俯仰角的大概的估计值θk′；2)在上一步所得K个θk′附近用一个加密的网格即更小θ的增长步长，进行谱峰搜索，得到K个更精确的俯仰角估计值；3)重复第2步，直到空间搜索的网格足够精细。步骤5：求信源自相关矩阵首先利用步骤3所得的Uzs及Ds得到UzsDs然后利用步骤4所得的俯仰角的估计值求其相应的阵列流型矩阵最后本文档来自技高网...

【技术保护点】
一种稀疏L阵列，包括阵元数不同的线性第一子阵、第二子阵构成的L形阵列，两个线阵的共有阵元定义为参考阵元，其特征在于，第一子阵由阵元间距等于波长的稀疏均匀线阵和一个辅助阵元构成，所述辅助阵元到参考阵元的距离为半倍波长；第二子阵由最小阵元间距小于或等于半倍波长的任意稀疏线阵构成；且第一子阵的阵元数大于或等于4，第二子阵的阵元数大于或等于3。

【技术特征摘要】
1.一种稀疏L阵列，包括阵元数不同的线性第一子阵、第二子阵构成的L形阵列，两个线阵的共有阵元定义为参考阵元，其特征在于，第一子阵由阵元间距等于波长的稀疏均匀线阵和一个辅助阵元构成，所述辅助阵元到参考阵元的距离为半倍波长；第二子阵由最小阵元间距小于或等于半倍波长的任意稀疏线阵构成；且第一子阵的阵元数大于或等于4，第二子阵的阵元数大于或等于3。2.如权利要求1所述的L阵列，将所述L形阵列的第一子阵、第二子阵分别放置于x轴和z轴，x轴对应方位角，z轴对应俯仰角。3.如权利要求1所述的L阵列，将所述L形阵列的第一子阵、第二子阵分别放置于y轴和z轴，y轴对应方位角，z轴对应俯仰角。4.一种用于权利要求1所述的稀疏L阵列的二维波达方向的估计方法，其特征在于，包括下列步骤：步骤1：设置L阵列的两个子阵与二维波达方向DOA的两个角的对应关系，对应第一子阵的定义为第一角度，对应第二子阵的定义为第二角度；步骤2：L阵列接收K个不相关信源的入射信号，得到第一子阵、第二子阵的接收数据，其中K小于第二子阵的陈元数M2；步骤3：计算第二子阵上所有阵元的接收数据在N次采样下的自相关矩阵并对做特征值分解，取的前K个最大特征值对应的特征向量为列构建特征向量矩阵Uzs作为信号子空间，剩余的特征值对应的特征向量为列构建特征向量矩阵Uzn作为噪声子空间；取的前K个最大特征值组成对角矩阵Ds，剩余的特征值组成对角矩阵Dn；步骤4：基于信号子空间Uzs和噪声子空间Uzn得到MUSIC算法的空间普函数PMUSIC：a(θ)表示关于搜索角度θ的方向矢量，其中θ∈[0°,180°]；对PMUSIC进行普峰搜索，取前K个最...

【专利技术属性】
技术研发人员：杨雨轩，郑植，杨姣，杨海芬，闫波，孟会鹏，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51