一种单基地MIMO雷达非圆信号相干源波达方向估计方法技术

本发明专利技术属于雷达技术领域，具体涉及一种单基地MIMO雷达非圆信号相干源波达方向估计方法。获取信号采样数据；对接收信号进行降维处理；对降维后的数据矩阵进行修正的空间平滑处理；对平滑后的相关矩阵进行特征分解；(5)构造求根多项式，获得目标的角度估计。本发明专利技术的方法对接收信号进行降维处理，使计算效率大大提高，且几乎不会对估计性能造成影响；充分利用非圆信号的特性，从而提高了对接收数据的利用率，提高了DOA估计的性能；通过对空间平滑的解相干方法进行修正，使其适用于非圆信号测向的情况，可以有效的估计非圆信号情况下相干信源的波达方向。

【技术实现步骤摘要】

本专利技术属于雷达
，具体涉及一种单基地MIM0雷达非圆信号相干源波达 方向估计方法。
技术介绍
近年来，将通信领域的MM0技术思想引入到雷达领域，提出的 MIMO(Multiple_Input Multiple-Output，多输入多输出）雷达系统引起了广泛的关注。 MIM0雷达充分利用信号分集、空域分集增益，获得较传统雷达更高的自由度，其目标检测能 力和参数估计能力等均获得广泛的认可。由于MIM0雷达潜在的诸多优点，关于MIM0雷达的 研宄发展快速，其中MIM0雷达的波达方向（Direction Of Arrival，简称D0A)估计问题是 其中的重点研宄课题。基于传统相控阵雷达的D0A估计方法往往是利用圆信号构造接收数 据矩阵，没有考虑到非圆信号的存在，然而实际应用中，BPSK、AM等非圆信号的使用越来越 广泛，因此，充分利用非圆信号的特性进行D0A估计是空间谱估计理论的一个重要课题。此 外，实际环境中所遇到的信号源之间往往不是独立的，而是具有一定的相关性，甚至是相干 的，这将导致广泛应用的子空间分解类方法，如MUSIC(多重信号分类）方法和ESPRIT (基 于旋转不变性技术）方法等，性能严重恶化甚至完全失效，所以，相干信号源的D0A估计也 是波达方向估计领域的一个重要课题。 对于基于MM0雷达的D0A估计，一般性方法是将传统方法进行移植，如将子空间 类的MUSIC方法应用于MM0雷达的二维MUSIC方法、降维MUSIC方法等，但此类方法往往 计算量较大，并且不适用于采用非圆信号测向的方法，当存在相干信源时性能急剧恶化，难 以实现有效的D0A估计。 对于非圆信号的D0A估计，一般是通过矩阵扩展，然后结合子空间类方法进 行D0A估计。在众多利用非圆信号的测向方法中，Pascal Charg6等于2001年提出的 NC(非圆）-MUSIC方法具有一定的代表性。该方法通过对接收数据矩阵进行扩展，结合 Root-MUSIC方法获得D0A估计。但存在相干信源时，NC-MUSIC方法的性能急剧恶化，估计 精度和成功率明显低于仅存在独立信源的情况。 对于相干信源的D0A估计，一般采用空间平滑类方法和矩阵重构类方法，其中，以 前后向空间平滑为代表。但当使用非圆信号进行D0A估计时，直接应用前后向空间平滑将 破坏原有的子空间结构，从而无法获得可靠的D0A估计结果。因此，如何充分利用非圆信号 的特性，进行基于单基地MM0雷达的相干信源D0A估计是亟待解决的技术问题。
技术实现思路
本专利技术目的在于提出一种采用非圆信号进行相干信源波达方向估计的单基地 MIM0雷达非圆信号相干源波达方向估计方法。 本专利技术的目的是这样实现的： -种单基地MIM0雷达非圆信号相干源波达方向估计方法包括： (1)获取信号采样数据： X(l) = AS(1)+N(1)，其中，X(l)=1为快 拍数为1时的丽X 1维接收数据矢量，M和N分别为发射阵列和接收阵列阵 元数，A为阵列流型矩阵，S(1)为KX 1维窄带信号矢量，信号类型为非圆信 号，N⑴为丽X 1维加性噪声矢量，噪声类型为复高斯白噪声，1 = 1，...，L，为接收导 向矢量，《,(死）=为发射导向矢量，符号(8)表不克罗内克积， 015表不第让 个信源的入射角度，zk= exp (_j Jr sin( 0 k))，k = 1，2, ? ? ?，K，成=々'喂(仍，朽，???，％)，灼为 第k个信号的复初始相位，\ (t)为KX 1维实向量； (2)对接收信号进行降维处理：Xs^i)= rVx⑴=BS⑴+『^1)，其中，X^a)为经过降维转换后的 (M+N-l) X 1维数据矢量，W和G均为降维转换矩阵，B为经过降维转换后的（M+N-l) XK维 阵列流型矩阵，B = ，3降维转换 后的导向矢量，户，Gn= Grmx^+n-1)，!！ = l，2，...，N，0#〇2 分别为MX (n-1)和MX (N-n)维的零矩阵，IM为M维单位矩阵， (3)对降维后的数据矩阵进行修正的空间平滑处理：込为对数据相关矩阵Rsub进行修正的空间平滑处理获得 的2X (M+N-P)维方阵，其中P为空间平滑的次数， 由X ^的第p行到第p+M+N-1-P行的元素组成，J为2 X (M+N-P)维的交换 矩阵，其副对角线上的元素为1，其他位置上的元素均为0 ; (4)对平滑后的相关矩阵进行特征分解： 对Rft进行特征分解，获得2X (M+N-P)-2XK个较小特征值对应的 2X (M+N-P)-2XK个特征向量组成的噪声子空间U ; (5)构造求根多项式，获得目标的角度估计： 将噪声子空间U分为上下两个结构相同的子矩阵，￡/= ^，利用UJPU2构造求 2_ 根多项式） =T, z = exp(-j 31 sin( 0 ));良示取 复数的相位，求出多项式的根，其中K对最接近单位圆的根即对应目标的D0A估计。 本专利技术的有益效果在于： 本专利技术的方法对接收信号进行降维处理，使计算效率大大提高，且几乎不会对估 计性能造成影响；充分利用非圆信号的特性，从而提高了对接收数据的利用率，提高了 D0A 估计的性能；通过对空间平滑的解相干方法进行修正，使其适用于非圆信号测向的情况，可 以有效的估计非圆信号情况下相干信源的波达方向。【附图说明】 图1是本专利技术的方法示意图。 图2本方法（NC-Root-MUSIC)与Root-MUSIC方法D0A估计结果均方误差随信噪 比的变化对比仿真图。 图3是本方法（NC-Root-MUSIC)与Root-MUSIC方法D0A估计成功率随信噪比的 变化对比仿真图。【具体实施方式】 下面结合附图对本专利技术做进一步描述。 此方法包括以下步骤： 步骤（10)、对所述接收阵列接收到的信号数据进行降维处理，得到降维处理后的 信号数据X KD⑴；步骤（20)、对数据矢量XKD进行修正的空间平滑处理，得到平滑后的相关矩阵Rfb;步骤（30)、对进行特征分解，获得噪声子空间，并构造求根多项式，获得信源的 D0A估计。 其中，步骤（10)包括： 步骤（110)、获取接收阵列所有匹配滤波器输出的数据，构造降维转换矩阵G，并G 构造 W，其 4Gn= G RMX (M+N-1)，n = 1，2,…，N，0# 0 2 分别为MX (n-1)和MX (N-n)维的零矩阵，IM为M维单位矩阵，步骤（120)、利用上述两个数据转换矩阵对接收数据进行处理，得到降维后的数据 I⑴。 其中，步骤（20)包括： 步骤（210)、利用Xro的第p行到第p+M+N-1-P行的元素组成X rop;然后利用X KDp组 成数据扩展矩卩> 计算扩展矩阵的相关矩丨步骤（220)、对所有的数据相关矩阵进行求和平均构造2X (M+N-P) 维的交换矩阵J，其副对角线上的元素为1，其他位置上的元素均为0,然后利用Rsub和J计 算修正的空间平滑矩阵&=式,,6。 其中，步骤（30)包括：步骤（310)、对心进行特征分解，获得由2 X (M+N-P) -2 X K个小特征值对应的 2X (M+N-P)-2XK个特征向量组成的噪声子空间U ; 步骤（320)、利用U的前M+N-P和后M+N-P行构成两本文档来自技高网...

【技术保护点】
一种单基地MIMO雷达非圆信号相干源波达方向估计方法，其特征在于：(1)获取信号采样数据：X(l)＝AS(l)+N(l)，其中，X(l)＝[x1(l),x2(l),...,xMN(l)]T为快拍数为l时的MN×1维接收数据矢量，M和N分别为发射阵列和接收阵列阵元数，A为阵列流型矩阵，S(l)为K×1维窄带信号矢量，信号类型为非圆信号，N(l)为MN×1维加性噪声矢量，噪声类型为复高斯白噪声，l＝1,...,L，A=[ar(θ1)⊗at(θ1),ar(θ2)⊗at(θ2),...,ar(θK)⊗at(θK)],]]>ar(θk)=[1,zk,zk2,...,zkN-1]T]]>为接收导向矢量，为发射导向矢量，符号表示克罗内克积，θk表示第k个信源的入射角度，zk＝exp(‑jπsin(θk))，k＝1,2,...,K，为第k个信号的复初始相位，S0(t)为K×1维实向量；(2)对接收信号进行降维处理：XRD(l)＝W‑1GHX(l)＝BS(l)+W‑1GHN(l)，其中，XRD(l)为经过降维转换后的(M+N‑1)×1维数据矢量，W和G均为降维转换矩阵，B为经过降维转换后的(M+N‑1)×K维阵列流型矩阵，B＝[b(θ1),b(θ2),...,b(θK)]，为降维转换后的导向矢量，G=G1G2···GN∈RMN×(M+N-1),]]>其中，Gn＝[O1 IM O2]∈RM×(M+N‑1)，n＝1,2,...,N，O1和O2分别为M×(n‑1)和M×(N‑n)维的零矩阵，IM为M维单位矩阵，(3)对降维后的数据矩阵进行修正的空间平滑处理：Rfb为对数据相关矩阵Rsub进行修正的空间平滑处理获得的2×(M+N‑P)维方阵，其中P为空间平滑的次数，XRDp由XRD的第p行到第p+M+N‑1‑P行的元素组成，J为2×(M+N‑P)维的交换矩阵，其副对角线上的元素为1，其他位置上的元素均为0；(4)对平滑后的相关矩阵进行特征分解：对Rfb进行特征分解，获得2×(M+N‑P)‑2×K个较小特征值对应的2×(M+N‑P)‑2×K个特征向量组成的噪声子空间U；(5)构造求根多项式，获得目标的角度估计：将噪声子空间U分为上下两个结构相同的子矩阵，U=U1U2,]]>利用U1和U2构造求根多项式P(z)=D12-D2D3,]]>其中D1=bH(z)U1U1Hb(z),D2=bH(z)U1U2Hb*(z),D3=bT(z)U2U1Hb(z),]]>b(z)=[1,z,z2,...,zM+N-2]T,]]>z＝exp(‑jπsin(θ))，θ=-arcsin(angle(z)π),]]>angle(·)表示取复数的相位，求出多项式的根，其中K对最接近单位圆的根即对应目标的DOA估计。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刁鸣，李永潮，高洪元，王小兰，庄宇，董文，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23