一种应用于L型阵列的信号二维DOA与频率联合估计方法技术

本发明专利技术公开了一种应用于L型阵列的信号二维DOA与频率联合估计方法，包括如下步骤：(1)将L型阵列接收信号构建为平行因子三线性模型；(2)对模型进行初等行变换，并根据压缩感知理论进行分块压缩；(3)利用三线性交替最小二乘算法，对压缩后的模型进行循环迭代分解，直到收敛，以得到参数矩阵的估计；(4)构造频率与角度估计的完备字典，并依次利用稀疏恢复方法获得信号的频率和二维DOA估计。本发明专利技术的有益效果为：(1)本发明专利技术适用于均匀L阵和非均匀L阵，阵列在实际应用中易于实现；(2)本发明专利技术算法计算量较小，同时对数据存储的容量要求较低；(3)本发明专利技术算法借助于平行因子模型，能够得到配对的角度和频率估计，无需再进行额外配对。

【技术实现步骤摘要】
一种应用于L型阵列的信号二维DOA与频率联合估计方法
本专利技术涉及阵列信号处理多参数联合估计
，尤其是一种应用于L型阵列的信号二维DOA与频率联合估计方法。
技术介绍
近年来，阵列信号处理在雷达、声呐、无线通信等多个领域得到了迅速的发展，而接收信号多参数联合估计作为阵列信号处理中的一个重要的研究方向，也受到了相关学者们的广泛关注。阵列接收信号通常包含有波达方向DOA、多普勒频率等信息，如何准确的从接收信号中得到这些参数的联合估计，已成为阵列信号处理算法研究的热点。近年来，国内外学者已经提出了许多关于接收信号DOA与频率联合估计的算法。其中包括传统的多重信号分类(Multiplesignalclassification，MUSIC)方法、借助旋转不变性估计信号参数(Estimationofsignalparametersviarotationalinvariancetechniques，ESPRIT)的算法和传播算子(Propagatormethod，PM)算法。平行因子(Parallelfactor，PARAFAC)方法，最早于生理学中提出，用于对多维矩阵的分解，近几年，该方本文档来自技高网...

【技术保护点】
1.一种应用于L型阵列的信号二维DOA与频率联合估计方法，其特征在于，包括如下步骤：(1)将L型阵列接收信号构建为平行因子三线性模型；(2)对模型进行初等行变换，并根据压缩感知理论进行分块压缩；(3)利用三线性交替最小二乘算法，对压缩后的模型进行循环迭代分解，直到收敛，以得到参数矩阵的估计；(4)构造频率与角度估计的完备字典，并依次利用稀疏恢复方法获得信号的频率和二维DOA估计。

【技术特征摘要】
1.一种应用于L型阵列的信号二维DOA与频率联合估计方法，其特征在于，包括如下步骤：(1)将L型阵列接收信号构建为平行因子三线性模型；(2)对模型进行初等行变换，并根据压缩感知理论进行分块压缩；(3)利用三线性交替最小二乘算法，对压缩后的模型进行循环迭代分解，直到收敛，以得到参数矩阵的估计；(4)构造频率与角度估计的完备字典，并依次利用稀疏恢复方法获得信号的频率和二维DOA估计。2.如权利要求1所述的应用于L型阵列的信号二维DOA与频率联合估计方法，其特征在于，步骤(1)具体为：L型阵列接收端的信号模型可以构建为z0(t)＝As(t)+n(t)，其中A为整个阵列方向矩阵，n(t)为接收信号噪声，s(t)为信源矢量；为了对接收信号的频率进行估计，对阵列引入多级时延接收，考虑P-1级时延，整个阵列J个快拍时延接收数据可以表示为Z＝[F⊙A]S+N其中，F为时延矩阵，⊙表示矩阵的Khatri-Rao积，为接收噪声。3.如权利要求1所述的应用于L型阵列的信号二维DOA与频率联合估计方法，其特征在于，步骤(2)具体为：对信号Z进行初等行变换，得到其中，G∈C(M+N-1)P×(M+N-1)P为行变换矩阵，NI为变换后的噪声；在无噪声环境下，变换后的接收信号ZI可以表示为平行因子模型；为了降低三线性分解算法的复杂度，将接收数据三维矩...

【专利技术属性】
技术研发人员：徐乐，张小飞，施展，时娜，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32