The invention discloses a super Gauss noise background meshless DOA estimation method based on compressed sensing, first determine the antenna array signal model, through a number of array element for M signal receiving antenna array, linear array element spacing is equal, and according to the actual environmental noise distribution type determination, LP norm constraint, and then determine the function expressions for the noise free signal of X, described the noise free signal recovery problem for X atom norm minimization problem, adopt semi definite planning method can be solved by ADMM algorithm; the original solution, and obtain dual solutions
【技术实现步骤摘要】
超高斯噪声背景下的基于无网格压缩感知的DOA估计方法
本专利技术属于无网格压缩感知(Grid-lessCompressiveSensing,GCS)的波达方向(Direction-of-arrival,DOA)估计技术,特别是一种超高斯噪声背景下的基于无网格压缩感知的DOA估计方法。
技术介绍
众所周知,波达方向估计在通信、语音、雷达、声纳等很多方面都有着不可替代的作用。压缩感知技术由于其独特的优势,在空间谱估计问题中得到了广泛的应用。对于DOA估计,压缩感知技术利用信号在空域中的稀疏性,只需要少量的观测数据,就能够实现对信号的重构,而且在信噪比(SignaltoNoiseRate,SNR)较低,信源相关性较高的场合,算法仍然具有鲁棒性。然而,传统的超分辨算法,比如基于信号子空间的多重信号分类(MultipleSignalClassification,MUSIC)算法和旋转不变技术估计信号参数(EstimatingSignalParameterviaRotationalInvarianceTechniques,ESPRIT)算法等,并不具备这一优势。经过近年来的研究和发展,稀疏信号重构算法在小样本,甚至单次快拍的情况下也能实现超分辨的DOA估计。在许多实际应用中,信号的参数空间是连续的。针对这一问题,传统压缩感知算法首先把连续参数空间进行离散化处理,将整个参数空间划分为有限个网格,并假设信号的参数能由某些网格点来表示。过于密集的网格虽然能提升估计的精度,但也会造成基字典中相邻原子之间的相关性太强,使得字典的约束等容性(RIP性)下降,从而降低压缩感知的重构 ...
【技术保护点】
一种超高斯噪声背景下的基于无网格压缩感知的DOA估计方法,其特征在于步骤如下:(1)确定天线阵信号模型,即通过一个阵元数为M,各阵元间距相等的线型天线阵列接收信号;天线阵接收到的信号模型表示为
【技术特征摘要】
1.一种超高斯噪声背景下的基于无网格压缩感知的DOA估计方法,其特征在于步骤如下:(1)确定天线阵信号模型,即通过一个阵元数为M,各阵元间距相等的线型天线阵列接收信号;天线阵接收到的信号模型表示为其中y表示该天线阵接收到M个含噪声的信号;以M维观测向量表示无噪声信号x;是M维的导引矢量,则方向矩阵s代表K个源信号,w是M维的零均值,方差为σ2的超高斯噪声信号;(2)根据实际环境测定的噪声分布类型,选择lp的范数进行约束,1≤p<2;(3)确定求解无噪声信号x的函数表达式,无噪声信号x的恢复问题描述为原子范数最小化问题,采取半定规划理论方法就能求解,该原子范数最小化问题的函数表达式为:其中s.t.为subjectto的缩写,表示目标函数的约束条件;τ为正则项,取值为||·||p表示向量或矩阵的lp范数,为lp范数的p次幂;另外u是M维的向量,T(u)表示u的Toeplitz矩阵,其维度是M×M;(·)H表示向量或矩阵的共轭转置;(4)ADMM算法求得原始解,利用凸优化工具包可以求解该原子范数最小化问题,或者为降低求解的复杂度,将步骤(3)当中的函数表达式写成拉格朗日函数的形式,并利用基于ADMM的一阶算法求解,得到无噪声信号的估计,即该优化问题的原始解(5)求得对偶解是x的对偶变量z的估计值;原子范数最小化问题的对偶问题的函数表达式为其中为原子范数的对偶范数;由于原始和对偶问题之间存在强对偶性,分别是原始解和对偶解的最优解,二者之间的关系为(6)求解DOA,在[-90°,90°]的范围内划分出格点,寻找的模为1,即的模为时的点所对应的角度作为DOA估计值;由于满足的最大值等于用这种方法求解,使之更加接近于原始信号的角度支撑集,从而完成DOA估计。2.根据权利要求1所述的超高斯噪声背景下的基于无网格压缩感知的DOA估计方法,其特征在于:步骤(1)中的超高斯噪声信号服从广义高斯分布,该广义高斯分布的概率密度函数为:其中w是函数变量,m表示其均值,Γ(·)为gamma函数,α反映广义高斯概率密度函数峰的宽度;若限制x的方差为1,α表示为β控制广义高斯概率密度函数的形状,它与概率密度函数的尖锐程度相关,β值越小则密度函数越尖锐;β的值确定了源信号的类型:在x均值为0,方差为1时,若β=2,信号x为标准高斯分布的信号;若0<β<2,x为超高斯信号,其中β=1时,信号x呈Laplacian分布的信号;若β>2,x为亚高斯信号;若β=+∞,信号x依概率收敛于均匀分布U(-α,α)。3.根据权利要求1所述的超高斯噪声背景下的基于无网格压缩感知的DOA估计方法,其特征在于:步骤(3)中正则项τ的上界和下界的...
【专利技术属性】
技术研发人员:郭艳,张星航,李宁,杨思星,余东平,王萌,荣凤娟,
申请(专利权)人:中国人民解放军陆军工程大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。