一种基于矩阵滤波的稀疏近似最小方差方位估计方法技术

本发明专利技术涉及一种基于矩阵滤波的稀疏近似最小方差方位估计方法，使用矩阵滤波器作为预处理器处理阵列接收信号，可抑制强干扰信号，避免其掩蔽弱目标或者影响后续DOA估计算法对弱目标的定位精度；使用SAMV算法进行DOA估计，可在小快拍和低信噪比的情况下保持高分辨性能，并且可以处理相干信号的方位估计问题。同时，整个算法仅需提供迭代停止的门限值η，避免了正则参数的选择，增强了算法的实用性。除此之外，当干扰的阵列流形变化破坏了协方差矩阵的结构时，SAMV算法仍可实现弱目标信号的DOA估计。

A Sparse Approximate Minimum Variance Orientation Estimation Method Based on Matrix Filtering

The present invention relates to a sparse approximate minimum variance azimuth estimation method based on matrix filter, which uses matrix filter as a preprocessor to process array received signals, can suppress strong interference signals, avoid masking weak targets or affect the positioning accuracy of subsequent DOA estimation algorithms for weak targets; DOA estimation using SAMV algorithm can be maintained in the case of small snapshots and low signal-to-noise ratio. It has high resolution and can deal with the problem of direction estimation of coherent signals. At the same time, the whole algorithm only needs to provide the threshold value_of iteration stopping, which avoids the selection of regular parameters and enhances the practicability of the algorithm. In addition, SAMV algorithm can still estimate DOA of weak target signal when the structure of covariance matrix is destroyed by the change of array flow pattern.

【技术实现步骤摘要】
一种基于矩阵滤波的稀疏近似最小方差方位估计方法
本专利技术信号处理等领域，涉及一种基于矩阵滤波的稀疏近似最小方差方位估计方法，适用于强干扰环境下弱目标信号的方位估计，涉及信号处理等领域。
技术介绍
被动声纳是进行水下目标方位(DirectionofArrival,DOA)估计的有效工具。不同于主动声纳自主发射信号并通过接收反射回波进行目标探测，被动声纳是通过接收舰船辐射噪声来进行目标探测的，因而具有更好的隐蔽性。但当目标信号周围存在强干扰声源如拖船噪声时，强干扰声源将影响DOA估计算法对弱目标信号的定位精度甚至掩蔽弱目标信号。矩阵滤波器(MatrixFilter,MF)作为一种强干扰抑制的有效手段，被广泛应用于被动声纳系统中。它将空间划分为通带区域和阻带区域，使通带内的信号尽可能无失真地通过，同时抑制阻带内的信号。在现存的基于矩阵滤波器的DOA估计算法中，一般采用多重信号分类(MultipleSignalClassification,MUSIC)算法完成后续DOA估计工作。MUSIC算法通过将协方差矩阵划分为信号子空间和噪声子空间，利用信号子空间与噪声子空间的正交性实现DOA估计。但考虑到在强干扰环境下弱目标信号容易被强干扰所掩蔽，弱目标信号个数的先验信息一般难以获取。在缺少该先验信息的情况下，信号子空间和噪声子空间的划分难以实现，不正确的子空间划分严重影响了MUSIC算法的性能。此外，MUSIC算法也无法处理相干信号的DOA估计问题，在实际使用时受到了较大的限制。国内学者杨龙和杨益新等(LongYang,YixinYang,andJiannanZhu.SourceLocalizationbasedonSparseSpectralFittingandSpatialFiltering[C].Oceans2016MTS/IEEEMonterey,2016:1-4)将MF与稀疏谱拟合算法(SparseSpectrumFitting,SpSF)相结合，提出SpSF-MF算法。SpSF算法是一种稀疏信号处理类的DOA估计算法，它利用阵列输出数据的二阶统计量信息，通过扫描网格信号功率的l1范数和协方差矩阵拟合误差的l2范数联合最小化实现DOA估计。与MUSIC算法相比，该算法可适用于低信噪比和小快拍情况下，同时还可以处理相干信号的DOA估计问题。因此，SpSF-MF算法的性能要远远优于基于矩阵滤波器的MUSIC算法。但SpSF-MF算法在求解时需要提供一个正则参数，由于该参数的选取通常较为困难，使得SpSF-MF在实际信号处理中难以应用。除此之外，干扰通过矩阵滤波器后阵列流形会发生改变，当矩阵滤波器输出的干扰功率仍强于弱目标信号时，输出信号的协方差矩阵的结构会由于干扰阵列流形的改变而被破坏，这将导致SpSF-MF算法的失效。
技术实现思路
要解决的技术问题为了避免现有技术的不足之处，本专利技术提出一种基于矩阵滤波的稀疏近似最小方差方位估计方法，在小快拍、低信噪比的情况下实现强干扰环境下弱目标信号的DOA估计，同时避免正则参数的选取以及减小干扰通过MF后阵列流形变化对DOA估计的影响。本专利技术给出一种基于MF的稀疏近似最小方差(SparseAsymptoticMinimumVariance,SAMV)算法(SAMV-MF)，在无需提供正则参数的条件下实现弱目标信号的DOA估计，并且减小了干扰阵列流形变化对DOA估计的影响。技术方案一种基于矩阵滤波的稀疏近似最小方差方位估计方法，其特征在于步骤如下：步骤1：采用阵元间距为d的M元均匀线列阵作为接收阵列，均匀线列阵上各个传感器将接收到的水声信号转换为电信号，并通过放大电路和数据采集器得到离散时域信号xi(t),0≤t≤NT,i＝1,...,M；将接收的时域信号通过希尔伯特变换转化为解析信号，并均匀划分为N段，在每段中进行傅里叶变换将信号划分至子带中，第l个子带内的阵列接收信号可表示为xl(n)＝A(fl,Θ)sl(n)+el(n),n＝1,...,N其中：和分别为各阵元接收信号、信号源以及各阵元接收的环境噪声的傅里叶变换系数组成的向量，上标“T”表示为转置符号；为阵列流形矩阵，对于均匀线列阵来说，fl为第l个子带的中心频率，c为声速；Θ＝[θ1,θ2,...,θQ]是空间[-90°,90°]内Q个离散网格点所代表的方向角组成的向量，所述90°为端射方向；步骤2：将在第l个子带上设计的通带范围为[θpL,θpR]、阻带范围为[-90°,θsL]∪[θsR,90°]的矩阵滤波器转化为在中心频率为f'的子带上设计、的通带范围为：[arcsin(flsin(θpL)/f'),arcsin(flsin(θpR)/f')]阻带范围为[-90°,arcsin(flsin(θsL)/f')]∪[arcsin(flsin(θsR)/f'),90°]的矩阵滤波器，其中θpL和θpR以及θsL和θsR分别为在第l个子带上所设计的矩阵滤波器的通带边界和阻带边界，θsL＜θpL，θsR＞θpR；第l个子带上的矩阵滤波器：min||GH(fl)A(f',Θ'P)-A(f',Θ'P)||Fs.t.||GH(fl)a(f',θ's)||2≤ε,θ's∈Θ'S其中：表示在第l个子带上的矩阵滤波器；ε表示阻带衰减量；||·||2和||·||F分别表示l2范数和Frobenius范数；A(f',Θ'P)＝[a(f',θ'pL),...,a(f',θ'pR)]，θ'pL和θ'pR分别表示Θ'P的左边界和右边界；Θ'P和Θ'S表示第l个子带的矩阵滤波器在中心频率为f'的子带上所对应的通带范围和阻带范围；步骤3、计算第l个子带内矩阵滤波输出信号的采样协方差矩阵：其中：yl(n)＝GH(fl)xl(n)为矩阵滤波的输出信号；A(fl,Θ)被简记为A；E[·]表示期望算子；为信号协方差矩阵，diag(·)表示对角矩阵，pq,q＝1,...,Q表示信号功率；为噪声协方差矩阵，σ2代表噪声功率；令C＝GH(fl)A(fl,Θ)并带入上式中，得cq表示矩阵C的第q列，bi为矩阵GH(fl)的第i列；步骤4：根据SAMV算法，采用迭代的方式计算出第l个子带上的信号功率：其中：为矩阵滤波器输出信号的采样协方差矩阵；和分别为第i次迭代时第q个信号的功率和噪声功率；采用迭代的方式计算第l个子带上的噪声功率：将所求的M个噪声功率进行算数平均，作为该次迭代所计算的噪声功率值迭代的初始值为：当前后两次迭代得到的信号与噪声功率组成的向量差值的l2范数小于所选的迭代停止门限值η时，迭代终止；步骤5：将所有子带内的信号功率进行叠加，即可得到宽带信号的功率谱。在通带范围内，功率谱的峰值所对应的角度即为弱目标信号的方位角。有益效果本专利技术提出的一种基于矩阵滤波的稀疏近似最小方差方位估计方法，使用矩阵滤波器作为预处理器处理阵列接收信号，可抑制强干扰信号，避免其掩蔽弱目标或者影响后续DOA估计算法对弱目标的定位精度；使用SAMV算法进行DOA估计，可在小快拍和低信噪比的情况下保持高分辨性能，并且可以处理相干信号的方位估计问题。同时，整个算法仅需提供迭代停止的门限值η，避免了正则参数的选择，增强了算法的实用性。除此之外，当干扰的阵列流形变化破坏了协方差矩本文档来自技高网...

【技术保护点】
1.一种基于矩阵滤波的稀疏近似最小方差方位估计方法，其特征在于步骤如下：步骤1：采用阵元间距为d的M元均匀线列阵作为接收阵列，均匀线列阵上各个传感器将接收到的水声信号转换为电信号，并通过放大电路和数据采集器得到离散时域信号xi(t),0≤t≤NT,i＝1,...,M；将接收的时域信号通过希尔伯特变换转化为解析信号，并均匀划分为N段，在每段中进行傅里叶变换将信号划分至子带中，第l个子带内的阵列接收信号可表示为xl(n)＝A(fl,Θ)sl(n)+el(n),n＝1,...,N其中：

【技术特征摘要】
1.一种基于矩阵滤波的稀疏近似最小方差方位估计方法，其特征在于步骤如下：步骤1：采用阵元间距为d的M元均匀线列阵作为接收阵列，均匀线列阵上各个传感器将接收到的水声信号转换为电信号，并通过放大电路和数据采集器得到离散时域信号xi(t),0≤t≤NT,i＝1,...,M；将接收的时域信号通过希尔伯特变换转化为解析信号，并均匀划分为N段，在每段中进行傅里叶变换将信号划分至子带中，第l个子带内的阵列接收信号可表示为xl(n)＝A(fl,Θ)sl(n)+el(n),n＝1,...,N其中：和分别为各阵元接收信号、信号源以及各阵元接收的环境噪声的傅里叶变换系数组成的向量，上标“T”表示为转置符号；为阵列流形矩阵，对于均匀线列阵来说，fl为第l个子带的中心频率，c为声速；Θ＝[θ1,θ2,...,θQ]是空间[-90°,90°]内Q个离散网格点所代表的方向角组成的向量，所述90°为端射方向；步骤2：将在第l个子带上设计的通带范围为[θpL,θpR']、阻带范围为[-90°,θsL]∪[θsR,90°]的矩阵滤波器转化为在中心频率为f'的子带上设计、的通带范围为：[arcsin(flsin(θpL)/f'),arcsin(flsin(θpR)/f')]阻带范围为[-90°,arcsin(flsin(θsL)/f')]∪[arcsin(flsin(θsR)/f'),90°]的矩阵滤波器，其中θpL和θpR以及θsL和θsR分别为在第l个子带上所设计的矩阵滤波器的通带边界和阻带边界，θsL＜θpL，θsR＞θpR；第l个子带上的矩阵滤波器：min||GH(f...

【专利技术属性】
技术研发人员：杨益新，张亚豪，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61