一种基于压缩平移互素阵列的DOA估计方法及装置制造方法及图纸

本发明专利技术公开了一种基于压缩平移互素阵列的DOA估计方法及装置，方法包括：构建压缩平移互素阵列，通过压缩平移互素阵列对远场的不相关窄带信号进行接收；根据压缩平移互素阵列与阵列天线的位置，抽取出原始欠采样协方差矩阵中的均匀连续阵列，接收样本意义上的自相关函数；对预设个数的自相关函数做抽取，构造出一个半正定矩阵，实现空间平滑处理，得到空间平滑矩阵；对空间平滑矩阵直接进行特征值分解分离出信号子空间，根据MUSIC算法获取到DOA的估计。装置包括：DSP经过内部处理，对信号进行协方差估计，利用独立矩阵提取连续自相关，通过MUSIC算法估计DOA；借助输出驱动及显示模块显示识别DOA情况。

DOA estimation method and device based on compressed translation coprime array

The invention discloses a DOA estimation method and device based on a compressed translational interprime array. The method includes: constructing a compressed translational interprime array, receiving the uncorrelated narrow band signals from the far field by compressing the translational interprime array, and extracting the original undersampling covariance based on the position of the compressed translational interelement array and the array antenna. The uniform continuous array in the difference matrix receives the autocorrelation function in the sense of the sample, extracts the autocorrelation function of the preset number, constructs the 1.5 positive definite matrix, realizes spatial smoothing and obtains the spatial smoothing matrix, and separates the signal subspace by the eigenvalue decomposition of the spatial smooth matrix, and according to the MUSIC calculation. The method gets the estimate of DOA. The devices include: DSP through internal processing, the covariance estimation of the signal, the use of independent matrix extraction of continuous autocorrelation, the estimation of DOA through the MUSIC algorithm, and the use of output driver and display module to display the identification of DOA.

【技术实现步骤摘要】
一种基于压缩平移互素阵列的DOA估计方法及装置
本专利技术涉及数字信号处理领域，尤其涉及一种基于压缩平移互素阵列的DOA估计方法及装置。
技术介绍
随着信息科技的高速发展，对认知无线电(CognitiveRadio,CR)[1]技术提出了更高的要求。信号处理的重要研究方向——阵列信号处理的理论技术也在不断完善，特别是近些年人们对通信性能的迫切需求越来越高。空间谱估计技术又是其中的热点。波达方向(DOA)估计是在波束形成的基础上发展而来的，是由天线对发射的源信号进行接收并进行一系列分析计算，处理之后得到DOA的过程，在声纳、雷达、通信、地震等方面具有十分广泛的应用。传统的DOA估计一般都是以均匀线性阵列作为接收阵列。识别角度的分辨率取决于阵列尺寸，尺寸越大，波束宽度越窄，分辨率越好。而根据奈奎斯特采样定理阵元间隔太大会造成栅瓣效应，使DOA估计出现模糊，结果不准确，一般取波长的一半。因此，算法的分辨率主要受限于阵元数量，阵元数量太多，虽然能小幅度提高分辨率，但会带来海量的样本计算，信号处理的难度也会增大，对硬件系统的设计和实现提出非常苛刻的要求，不稳定因素也会增多，成本也会提高，在实际应用中不太现实。完全不能适应当前通信标准对超分辨率的要求。因此，如何实现高分辨率、精确的DOA估计是学术界和工程界需要广泛又深入研究的重要课题。算法角度上来讲，传统的最大熵法(MEM)、最小方差法(MVM)等空域非线性处理方法和自回归(AutoRegressive,AR)模型之类的线性预测算法虽然提高了分辨率，但鲁棒性差，计算复杂度高，不利于实现。多重信号分类算法(MUSIC)[2-4]的提出使DOA估计算法进入新的阶段，根据阵列接收样本的二阶统计量(协方差矩阵)进行特征值分解等数学运算，可以从特征向量中获得信号子空间和噪声子空间，由于两个子空间是相互正交的，最终可以将信号与噪声分离开。该算法简单易实现，对基于子空间结构的算法发展具有重要的指导意义。最大似然算法(ML)[5]，采用包含未知参数的条件概率密度函数来定义观测信号的似然函数，通过优化选择最佳参数获得最大的似然函数，但计算量很大。
技术实现思路
本专利技术提供了一种基于压缩平移互素阵列的DOA估计方法及装置，本专利技术在相同的阵元数目条件下，获得更高的自由度，提高了DOA估计的精度，实现超分辨率源估计，详见下文描述：一种基于压缩平移互素阵列的DOA估计方法，所述DOA估计方法包括以下步骤：构建压缩平移互素阵列，通过压缩平移互素阵列对远场的不相关窄带信号进行接收；根据压缩平移互素阵列与阵列天线的位置，抽取出原始欠采样协方差矩阵中的均匀连续阵列，接收样本意义上的自相关函数；对2L+1,L＝MN个自相关函数做抽取，构造出一个半正定矩阵，实现空间平滑处理，得到空间平滑矩阵；对空间平滑矩阵直接进行特征值分解分离出信号子空间，根据MUSIC算法获取到DOA的估计。所述压缩平移互素阵列包括：两组分别含有M和N个阵元的均匀线性阵列，M和N为互素正整数；平移后的互素阵列的最小阵元间隔为阵列孔径为自相关延迟范围为：-MN≤τ≤MN。所述DOA估计方法用M+N-1个阵元识别MN个源，提高阵列孔径。进一步地，所述空间平滑矩阵具体为：其中，lξ+1为子阵的阵元数量，Ri为第i个子矩阵。其中，所述根据MUSIC算法获取到DOA的估计具体为：构造空间谱搜索函数，当空间谱搜索矢量与信号导向矢量一致时，出现峰值，获取到DOA的估计。进一步地，所述空间谱搜索函数具体为：其中，UN为噪声子空间，H为转置，a(θ)为方向向量。一种基于压缩平移互素阵列的DOA估计装置，所述估计装置包括：将接收信号、压缩因子p、互素整数对M，N、以及L实时输入到DSP中；经过DSP内部处理，对信号进行协方差估计，利用独立矩阵提取连续自相关，通过MUSIC算法估计DOA；借助输出驱动及显示模块显示识别DOA情况。本专利技术提出了压缩平移互素阵列的DOA方法及装置，若用于空间谱估计及实际工程领域，可产生如下有益效果：第一、降低成本和硬件要求，提升分辨率；相对于压缩感知的DOA估计方法，本方法省去了稀疏支撑区重构的步骤，降低了计算量。对于传统的DOA估计阵列(ULA阵列)，阵列的孔径小，分辨率低，对于分布密集的源信号，难以解析。自由度低，优化空间有限。对于互素阵列，因为两个子阵列的阵元间隔是互素的，所以互耦度低，存储很少的重复信息，在互素阵列的基础上，不断调整参数，进一步优化，利用互素的特性，做了压缩操作，以获得连续的自相关延迟，阵列孔径虽然得到提升，自由度不是很高。之后平移一个子阵列，获得更大的阵列孔径，大幅度提高分辨率。进一步简化了天线的排列结构，用更少的阵元估计更多的源信号。第二、自由度提高；传统的互素阵列用N+2M-1个阵元，获得-MN到MN的连续自相关。本方法的阵列结构仅需N+M-1个阵元获得同样范围的连续自相关。如果阵元数量相同，则可以得到更大范围的连续自相关。第三、准确度得到提高。因为N+M-1个真实物理阵元，实际上等效于MN个虚拟阵元。所以对于源信号的识别精度更加精确。附图说明图1为基于压缩平移互素阵列的DOA估计方法的设计示意图；图2为基于压缩平移互素阵列的DOA估计方法的流程图；图3为天线排列结构的示意图；图4为M＝4,N＝5时的延迟(阵元数目N+2M-1＝12)示意图；图5为M＝4,N＝5时的延迟(阵元数目N+M-1＝8)示意图；图6为M＝6,N＝7,p＝3时的延迟(阵元数目N+M-1＝12)示意图；图7为改进的平移互素阵列的示意图；图8为M＝6,N＝7,p＝3,时的延迟示意图；图9为三种阵列布置方法对比(阵元数为8)示意图；其中，(a)为传统互素结构；(b)为压缩未平移互素结构；(c)为提出的改进压缩平移互素结构。图10为阵元数为8时的DOA估计结果示意图；其中，(a)为ULA阵列示意图；(b)为压缩平移互素阵列示意图。图11为阵元数为8的压缩平移阵列估计15个源示意图；图12为RMSE随信噪比的变化示意图；图13为本专利技术的硬件实施图图14为DSP内部程序流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。因此，选择经典的MUSIC算法进行阵列信号的处理，虽然需要搜索空间谱，但能获得更高的准确度，应用空间平滑[3]技术，达到超分辨率DOA估计的目的。天线阵列结构上，传统的均匀线性阵列(ULA)具有估计信号源的数目有限，精度低等缺点，因此工程应用中很少使用这种结构。那么非均匀线性阵列的研究就成为了热点，最小冗余阵列[6]、嵌套阵列[7]、互素阵列[3]虽然都是稀疏的非均匀阵列，均可以增加孔径，提高自由度。但最小冗余阵列缺少明确的阵列位置表达式和自由度表达式，使仿真设计变得困难，阵列结构也难以优化；嵌套阵列局部仍有密集片段，耦合度高；互素阵列，布局简单，结构清晰，在DOA估计中具有良好的应用。互素的思想也可以用在采样上[8-9]，降低了采样速率，缓解了硬件压力，并且计算简单，性能良好。互素阵列在多维DOA估计中也具有广泛的应用[10-11]。虽然互素阵列在性能上已经足够优秀，但基于互素结构低耦合的特性，仍然可以对其结构进行优化。互素阵列[3,12]，是由两组线性均匀本文档来自技高网...

【技术保护点】
1.一种基于压缩平移互素阵列的DOA估计方法，其特征在于，所述DOA估计方法包括以下步骤：构建压缩平移互素阵列，通过压缩平移互素阵列对远场的不相关窄带信号进行接收；根据压缩平移互素阵列与阵列天线的位置，抽取出原始欠采样协方差矩阵中的均匀连续阵列，接收样本意义上的自相关函数；对2L+1,L＝MN个自相关函数做抽取，构造出一个半正定矩阵，实现空间平滑处理，得到空间平滑矩阵；对空间平滑矩阵直接进行特征值分解分离出信号子空间，根据MUSIC算法获取到DOA的估计。

【技术特征摘要】
1.一种基于压缩平移互素阵列的DOA估计方法，其特征在于，所述DOA估计方法包括以下步骤：构建压缩平移互素阵列，通过压缩平移互素阵列对远场的不相关窄带信号进行接收；根据压缩平移互素阵列与阵列天线的位置，抽取出原始欠采样协方差矩阵中的均匀连续阵列，接收样本意义上的自相关函数；对2L+1,L＝MN个自相关函数做抽取，构造出一个半正定矩阵，实现空间平滑处理，得到空间平滑矩阵；对空间平滑矩阵直接进行特征值分解分离出信号子空间，根据MUSIC算法获取到DOA的估计。2.根据权利要求1所述的一种基于压缩平移互素阵列的DOA估计方法，其特征在于，所述压缩平移互素阵列包括：两组分别含有M和N个阵元的均匀线性阵列，M和N为互素正整数；平移后的互素阵列的最小阵元间隔为阵列孔径为自相关延迟范围为：-MN≤τ≤MN。3.根据权利要求1或2所述的一种基于压缩平移互素阵列的DOA估计方法，其特征在于，所述DOA估计方法用M+N-1个阵元识别MN个源，提高阵列孔径。4.根据权...

【专利技术属性】
技术研发人员：黄翔东，念天磊，李长滨，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12