一种移动传感器阵列AOA检测的和差算法制造技术

本发明专利技术公开了一种移动传感器阵列AOA检测的和差算法，属于雷达技术领域。所述发明专利技术包括部署信号接收阵列，并通过将信号接收阵列进行移动，在移动过程中的不同时刻进行信号接收，并根据接收时间的不同分别构成两个矩阵，将两个矩阵进行合并进而由特征值分解得到旋转不变因子，对旋转不变因子进行反解，得到信源相对于信号接收阵列的俯仰角和方位角。相对于现有技术，能够充分利用了接收数据信息，提高了信号源角度的估算精度，并且还可以克服了传统ESPRIT方法对阵列结构要求的局限性和在低信噪比下精度不高的缺陷。

【技术实现步骤摘要】
一种移动传感器阵列AOA检测的和差算法
本专利技术属于无线电领域，特别涉及一种移动传感器阵列AOA检测的和差算法。
技术介绍
在雷达领域中，确定AOA(AngleofArrival，波达方向)一直是研究的重要课题。在现有的技术中，常用的有最大似然和MUSIC(MultipleSignalClassification，多信号分类)和ESPRIT(EstimatingSignalParametersviaRotationalInvarianceTechniques，借助旋转不变技术估算信号参数)方法，其中ESPRIT通过计算闭式解的方法，就可以得到信源的方位角和俯仰角两个重要参数，从而完成对AOA的估计，不需像最大似然和MUSIC方法那样要经过对谱峰进行搜索，可以显著降低相关数据的计算量和存储量。在实现本专利技术的过程中，专利技术人发现现有技术至少存在以下问题：作为其中较为优秀的方法，由于ESPRIT对阵列结构有特定要求，而且在低信噪比下估计精度不高。，导致无法对AOA进行准确估计。
技术实现思路
为了解决现有技术的问题，本专利技术提供了一种移动传感器阵列AOA检测的和差算法，所述移动传感器阵列AOA检测的和差算法，包括：步骤一，部署信号接收阵列；步骤二，按预设时刻通过所述信号接收阵列进行信号接收，接收到的信号为x1、x2、…、xk，其中，k为不同的接收时刻；步骤三，根据所述接收到的信号，确定前K个时刻接收数据和xΣK，前(n-1)K个时刻接收数据和xΣ(n-1)K，对所述前(n-1)K个时刻接收数据和进行修正，得到修正后的前(n-1)K个时刻修正数据和xΣ(n-1)K′；步骤四，获取第nK个时刻接收数据，进而获取修正后的第nK个时刻修正数据，结合所述前K个时刻修正数据和xΣK′，得到修正后的样本矩阵；步骤五，将所述前(n-1)K个时刻修正数据和xΣ(n-1)K′与所述修正后的样本矩阵合并，得到合并矩阵X，所述合并矩阵其中阵列流型其中AΣ2＝AΣ1Π。步骤六，对所述合并矩阵X的协方差矩阵进行特征值分解，得到特征值序列，获取所述特征值序列中最大的特征值对应的信号子空间US，此时存在非奇异矩阵T，使得所述信号子空间US与所述阵列流型之间存在关系为，步骤七，所述信号子空间US包括第一信号子空间US1和第二信号子空间US2，所述第一信号子空间US1对应所述阵列流型中的AΣ1，所述第二信号子空间对应所述阵列流型中的AΣ2，即根据所述AΣ2＝AΣ1Π，有US2＝US1T-1ΠT＝US1Ψ，其中Π＝T-1ΨT，所述Ψ称为Π的相似变换矩阵，对所述Ψ进行特征分解，得到特征值矩阵D；步骤八，根据所述特征值矩阵D，确定发射所述信号的信源相对于所述接收阵列的俯仰角和方位角。可选的，所述按预设时刻通过所述信号接收阵列进行信号接收，接收到的信号为x1、x2、…、xk，包括：在t1时刻通过所述信号接收阵列进行第一次信号接收，得到所述信号接收阵列在所述t1时刻的接收数据x1＝Asi(t1)+n1；在所述间隔Δτ后，即在t2时刻通过所述信号接收阵列进行第二次信号接收，得到所述信号接收阵列在所述t2时刻的接收数据依次类推，每过所述间隔Δτ后，通过所述信号接收阵列进行信号接收，在tk＝t1+(k-1)Δτ时刻，得到所述信号接收阵列在所述t2时刻的接收数据其中，Φ为对角阵，并且可选的，所述根据所述接收到的信号，确定前K个时刻接收数据和xΣK，前(n-1)K个时刻接收数据和xΣ(n-1)K，对所述前K个时刻接收数据和以及所述前(n-1)K个时刻接收数据和进行修正，得到修正后的前K个时刻修正数据和xΣK′，修正后的前(n-1)K个时刻修正数据和xΣ(n-1)K′，包括：前K个时刻接收数据和xΣK，具体为前(n-1)K个时刻接收数据和xΣ(n-1)K，具体为修正后的前(n-1)K个时刻修正数据和xΣ(n-1)K′可选的，所述获取第nK个时刻接收数据，进而获取修正后的第nK个时刻修正数据，结合所述前K个时刻修正数据和xΣK′，得到修正后的样本矩阵，包括：第nK个时刻接收数据xnK，具体为xnK＝xΣnK-xΣ(n-1)K；修正后的第nK个时刻修正数据xnK′＝(xΣnK-xΣ(n-1)K)′；样本矩阵Σ2′可选的，所述将所述前(n-1)K个时刻修正数据和xΣ(n-1)K′与所述修正后的样本矩阵合并，得到合并矩阵X，所述合并矩阵包括：所述合并矩阵X，具体为可选的，所述根据所述特征值矩阵D，确定发射所述信号的信源相对于所述接收阵列的俯仰角和方位角。，包括：第p个信源相对于所述接受阵列的俯仰角为βp＝acos((-angle(E-D)/λ/v/Δτ/K/2/π))*180/π。本专利技术提供的技术方案带来的有益效果是：通过部署信号接收阵列，并通过将信号接收阵列进行移动，在移动过程中的不同时刻进行信号接收，并根据接收时间的不同分别构成两个矩阵，将两个矩阵进行合并进而由特征值分解得到旋转不变因子，对旋转不变因子进行反解，得到信源相对于信号接收阵列的俯仰角和方位角。相对于现有技术，能够充分利用了接收数据信息，提高了信号源角度的估算精度，并且还可以克服了传统ESPRIT方法对阵列结构要求的局限性和在低信噪比下精度不高的缺陷。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施例描述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专利技术的一些实施例，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是本专利技术提供的一种移动传感器阵列AOA检测的和差算法的流程示意图；图2a是本专利技术提供的一种移动传感器阵列AOA检测的和差算法的俯仰角估计的结果示意图；图2b是本专利技术提供的一种移动传感器阵列AOA检测的和差算法的方位角估计的结果示意图；图3a是本专利技术提供的现有技术中ESPRIT算法俯仰角估计的结果示意图；图3b是本专利技术提供的现有技术中ESPRIT算法方位角估计的结果示意图；图4是本专利技术提供的基于移动传感器阵列AOA检测的和差算法得到的俯仰角估计均方根误差随信噪比变化的结果示意图；图5是本专利技术提供的基于移动传感器阵列AOA检测的和差算法得到的俯仰角估计均方根误差随快拍数变化的结果示意图。具体实施方式为使本专利技术的结构和优点更加清楚，下面将结合附图对本专利技术的结构作进一步地描述。实施例一本专利技术提供了一种移动传感器阵列AOA检测的和差算法，所述移动传感器阵列AOA检测的和差算法，包括：步骤一，部署信号接收阵列。步骤二，按预设时刻通过所述信号接收阵列进行信号接收，接收到的信号为x1、x2、…、xk，其中，k为不同的接收时刻。步骤三，根据所述接收到的信号，确定前K个时刻接收数据和xΣK，前(n-1)K个时刻接收数据和xΣ(n-1)K，对所述前(n-1)K个时刻接收数据和进行修正，得到修正后的前(n-1)K个时刻修正数据和xΣ(n-1)K′。步骤四，获取第nK个时刻接收数据，进而获取修正后的第nK个时刻修正数据，结合所述前K个时刻修正数据和xΣK′，得到修正后的样本矩阵。步骤五，将所述前(n-1)K个时刻修正数据和xΣ(n-1)K′与所述修正后的样本矩阵合并，得到合并矩阵X，所述合并矩阵其中阵列流型其中AΣ2＝AΣ1Π。步骤六，对所述合并本文档来自技高网...

【技术保护点】
一种移动传感器阵列AOA检测的和差算法，其特征在于，所述移动传感器阵列AOA检测的和差算法，包括：步骤一，部署信号接收阵列；步骤二，按预设时刻通过所述信号接收阵列进行信号接收，接收到的信号为x1、x2、…、xk，其中，k为不同的接收时刻；步骤三，根据所述接收到的信号，确定前K个时刻接收数据和xΣK，前(n‑1)K个时刻接收数据和xΣ(n‑1)K，对所述前(n‑1)K个时刻接收数据和进行修正，得到修正后的前(n‑1)K个时刻修正数据和xΣ(n‑1)K′；步骤四，获取第nK个时刻接收数据，进而获取修正后的第nK个时刻修正数据，结合所述前K个时刻修正数据和xΣK′，得到修正后的样本矩阵；步骤五，将所述前(n‑1)K个时刻修正数据和xΣ(n‑1)K′与所述修正后的样本矩阵合并，得到合并矩阵X，所述合并矩阵其中阵列流型其中AΣ2＝AΣ1Π。步骤六，对所述合并矩阵X的协方差矩阵进行特征值分解，得到特征值序列，获取所述特征值序列中最大的特征值对应的信号子空间US，此时存在非奇异矩阵T，使得所述信号子空间US与所述阵列流型之间存在关系为，步骤七，所述信号子空间US包括第一信号子空间US1和第二信号子空间US2，所述第一信号子空间US1对应所述阵列流型中的AΣ1，所述第二信号子空间对应所述阵列流型中的AΣ2，即根据所述AΣ2＝AΣ1Π，有US2＝US1T‑1ΠT＝US1Ψ，其中Π＝T‑1ΨT，所述Ψ称为Π的相似变换矩阵，对所述Ψ进行特征分解，得到特征值矩阵D；步骤八，根据所述特征值矩阵D，确定发射所述信号的信源相对于所述接 收阵列的俯仰角和方位角。...

【技术特征摘要】
1.一种移动传感器阵列AOA检测的和差算法，其特征在于，所述移动传感器阵列AOA检测的和差算法，包括：步骤一，部署信号接收阵列；步骤二，按预设时刻通过所述信号接收阵列进行信号接收，接收到的信号为x1、x2、…、xk，其中，k为不同的接收时刻；步骤三，根据所述接收到的信号，确定前K个时刻接收数据和xΣK，前(n-1)K个时刻接收数据和xΣ(n-1)K，对所述前(n-1)K个时刻接收数据和进行修正，得到修正后的前(n-1)K个时刻修正数据和xΣ(n-1)K′；步骤四，获取第nK个时刻接收数据，进而获取修正后的第nK个时刻修正数据，结合所述前K个时刻修正数据和xΣK′，得到修正后的样本矩阵；步骤五，将所述前(n-1)K个时刻修正数据和xΣ(n-1)K′与所述修正后的样本矩阵合并，得到合并矩阵X，所述合并矩阵其中阵列流型其中AΣ2＝AΣ1Π；步骤六，对所述合并矩阵X的协方差矩阵进行特征值分解，得到特征值序列，获取所述特征值序列中最大的特征值对应的信号子空间US，此时存在非奇异矩阵T，使得所述信号子空间US与所述阵列流型之间存在关系为，步骤七，所述信号子空间US包括第一信号子空间US1和第二信号子空间US2，所述第一信号子空间US1对应所述阵列流型中的AΣ1，所述第二信号子空间对应所述阵列流型中的AΣ2，即根据所述AΣ2＝AΣ1Π，有US2＝US1T-1ΠT＝US1Ψ，其中Π＝TΨT-1，所述Ψ称为Π的相似变换矩阵，对所述Ψ进行特征分解，得到特征值矩阵D；步骤八，根据所述特征值矩阵D，确定发射所述信号的信源相对于所述接收阵列的俯仰角和方位角。2.根据权利要求1所述的移动传感器阵列AOA检测的和差算法，其特征在于，所述按预设时刻通过所述信号接收阵列进行信号接收，接收到的信号为x1、x2、…、xk，包括：在t1时刻通过所述信号接收阵列进行第一次信号接收，得到所述信号接收阵列在所述t1时刻的接收数据x1＝Asi(t1)+n1；在间隔Δτ后，即在t2时刻通过所述信号接收阵列进行第二次信号接收，得到所述信号接收阵列在所述t2时刻的接收数据依次类推，每过所述间隔Δτ后，通过所述信号接收阵列进行信号接收，在tk＝t1+(k-1)Δτ时刻，得到所述信号接收阵列在所述t2时刻的接收数据其中，Φ为对角阵，并且3.根据权利要求1所述的移动传感器阵列AOA检测的和差算法，其特征在于，所述根据所述接收到的信号，确定前K个时刻接收数据和xΣK，前(n-1)K个时刻接收数据和xΣ(n-1)K，对所述前K个时刻接收数据和以及所述前(n-1)K个时刻接收数据和进行修正，得到修正后的前K个时刻修正数据和xΣK′，修...

【专利技术属性】
技术研发人员：聂卫科，徐楷杰，解虎，李进，冯大政，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61