多径效应下的多组宽带相干信号波达方向估计方法技术

多径效应下的宽带相干信号波达方向估计方法，利用均匀线阵接收由D组相干信号构成的K个宽带、远场相干信号，通过离散傅里叶变换将宽带相干信号分成多个窄带相干信号，每个窄带下的信号数据协方差矩阵特征分解，得到D个大特征对应的特征矢量，通过矩阵重构的方式构造D个特征矢量对应的数据矩阵，D个数据矩阵构成总的数据矩阵，通过总的数据矩阵奇异值分解得到信号子空间和噪声子空间，利用噪声子空间构造零谱，通过J个频带下的总的谱峰搜索得到到达角的估计结果，本发明专利技术方法通过离散傅里叶变换得到多个窄带相干信号，然后利用窄带信号的解相干措施进行解相干处理，本发明专利技术方法简单易于工程实现，有效解决了多组相干信号的波达方向估计难题。

【技术实现步骤摘要】
多径效应下的多组宽带相干信号波达方向估计方法
本专利技术属于信号处理
，尤其涉及一种多径效应下的宽带相干信号波达方向估计方法。
技术介绍
多径干扰是无线电传输过程中普遍存在的问题，无线电信号从发射天线经过多个路径抵达接收天线的传播现象就是多径现象，大气层对电波的散射、电离层对电波的反射和折射，以及山峦、建筑等地表物体对电波的反射都会造成多径干扰，多径的存在导致信号的衰落和相移，通过较长的路径到达接收天线的信号分量比以较短路径到达天线的信号时间上要晚，会产生更大的相移和信号衰落。多径干扰导致入射信号变成相干信号，多径相干信号不同于一般的相干信号，一般的相干信号数据协方差矩阵特征分解时只有一个大特征值，是一组相干信号，而多径干扰是多组相干信号，数据协方差矩阵特征分解时有多组相干信号，Toeplitz矩阵重构解相干算法适用于多组相干信号的情况。多径干扰会导致信号分组出现，一个信源在多径传播过程中所生成的所有相关信号为一组，协方差矩阵的较大特征值个数等同于入射信号个数，多径相干到达角估计不同于非相干信号到达角估计，也不同于一般的相干信号协方差矩阵只有一个较大特征值到达角估计，这导致原来的解相干算法不能直接处理多径相干信号，必须找到一种适合多径相干信号特点的解相干方法，这对解相干算法提出了新的要求。本专利技术通过傅里叶变换将宽带信号分成多个窄带信号，对每一频点下的信号数据协方差矩阵进行特征分解，利用大特征值将多组多径信号分开，每一个大特征值对应的特征矢量为一组相干信号，利用矩阵重构的方式对每一组相干信号进行解相干处理，从而可以解决多径宽带相干信号的到达角估计问题。
技术实现思路
本专利技术的目的是提供一种可以有效解决宽带非相干源因多径效应而导致的多组相干信号的波达方向估计问题。为了实现上述目的，本专利技术采取如下的技术解决方案：多径效应下的多组宽带相干源波达方向估计方法，阵列接收K个由D组相干信号构成的远场宽带信号，接收阵列由M个均匀布置于x轴上的阵元构成，所述阵元为普通的全向天线，阵元间隔小于或者等于入射信号最小波长的一半；多径效应下的多组宽带相干信号波达方向估计方法的步骤如下：步骤一、利用M个标量阵元构成的均匀线阵作为接收阵列，接收K个由D组相干信号构成的宽带相干信号，阵列N次快拍数据构成接收信号数据矩阵X＝[X1，X2，…，XN]；步骤二、N次快拍数据均匀分为J段，每段有L次快拍数据，对分段数据进行离散傅里叶变换得到J个频点下的数据矩阵，并计算各个频点对应的数据协方差矩阵接收信号数据矩阵X＝[X1，X2，…，XN]进行离散傅里叶变换得到J个频点下的数据矩阵为J个频率点对应的数据矩阵，其中利用频率域的L次采样数据计算各个频点下的数据协方差矩阵其中，步骤三、对进行特征分解，得到D个较大特征值对应的特征矢量，利用D个特征矢量构造D个数据矩阵，D个数据构成一个总的数据矩阵，该数据矩阵是满秩矩阵，从而完成解相干；对进行特征分解，得到D个较大特征值对应的D个特征矢量为e1(fj)，...，ew(fj)，...，eD(fj)，其中ew(fj)＝[ew1(fj)，...，ewm(fj)，…，ewM(fj)]T，由特征矢量ew(fj)构造数据矩阵其中P＝M-q+1，(q＞kw，P≥kw)，kw为第w组包含的信号个数，(·)*表示取共轭Jw是反对角矩阵，D个数据矩阵E1(fj)，...，Ew(fj)，...，ED(fj)都按照上述方式构造数据矩阵，由D个数据矩阵构成总的数据矩阵Z(fj)＝[Z1(fj)，...，Zw(fj)，...，ZD(fj)]此时的矩阵Z(fj)为满秩矩阵，完成了解相干处理。步骤四、对数据矩阵Z(fj)进行奇异值分解，可得到频点fj处的信号子空间Us(fj)和噪声子空间Un(fj)，利用噪声子空间Un(fj)构造谱函数，通过谱峰搜索得到信号到达角估计对数据矩阵Z(fj)进行奇异值分解，得到频点fj处的信号子空间Us(fj)和噪声子空间Un(fj)，根据噪声子空间Un(fj)构造频点fj的零谱其中是频点fj处的导向矢量，角度φ为可能的信号到达角，J个频点构成的总的零谱为在信号分布区间范围内对可能到达角φ进行一维搜索，得到的K个谱峰对应的角度值即为入射信号的DOA估计值；前述步骤中的k＝1，...，K，为信号个数序号m＝1，2，...，M，为阵元数序号l＝1，2，…，L为段的序号，j＝1，...，J为频点的序号；w＝1，...，D为相干信号组数序号，i为虚拟单位矢量；本专利技术提出了多径效应下多组宽带相干信号的波达方向估计方法，该方法利用离散傅里叶变换将宽带相干信号变成多个窄带相干信号，在每个窄带下利用特征分解方法得到较大特征值对应的特征矢量，利用特征矢量进行矩阵重构的方法恢复数据矩阵的秩，通过每个利用频点下总数据相干矩阵的奇异值分解得到噪声子空间，通过总谱的谱峰搜索得到信号波达方向的估计，该算法简单易懂，解相干性能好；附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中需要使用的附图做简单介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的阵列结构示意图；图2为本专利技术方法的流程图；图3为信噪比为30dB时本专利技术方法两组相干信号的空间谱；图4为信噪比为30dB时MUSIC方法两组相干信号的空间谱；图5为信噪比为15dB时本专利技术方法两组相干信号的空间谱；图6为信噪比为15dB时MUSIC方法两组相干信号的空间谱；具体实施方式为了让本专利技术的上述和其它目的、特征及优点能更明显，下文特举本专利技术实施例，并配合所附图示，做详细说明如下。参照图1，本专利技术的多径效应下的宽带相干信号波达方向估计方法的步骤如下M个阵元构成的均匀线阵接收K个多径效应下的远场、宽带、相干信号，K为入射声源信号的数量，K≤M，步骤一、利用M个标量阵元构成的均匀线阵作为接收阵列，接收K个由D组相干信号构成的宽带相干信号，阵列N次快拍数据构成接收信号数据矩阵X＝[X1，X2，…，XN]；步骤二、N次快拍数据均匀分为J段，每段有L次快拍数据，对分段数据进行离散傅里叶变换得到J个频点下的数据矩阵并计算各个频点对应的数据协方差矩阵接收信号数据矩阵X＝[X1，X2，…，XN]进行离散傅里叶变换得到J个频点下的数据矩阵为J个频率点对应的数据矩阵，其中利用频率域的L次采样数据计算各个频点下的数据协方差矩阵其中，步骤三、对进行特征分解，得到D个较大特征值对应的特征矢量，利用D个特征矢量构造D个数据矩阵，D个数据构成一个总的数据矩阵，该数据矩阵是满秩矩阵，从而完成解相干；对进行特征分解，得到D个较大特征值对应的D个特征矢量为e1(fj)，...，ew(fj)，...，eD(fj)，其中ew(fj)＝[ew1(fj)，...，ewm(fj)，…，ewM(fj)]T，由特征矢量ew(fj)构造数据矩阵其中P＝M-q+1，(q＞kw，P≥kw)，kw为第w组包含的信号个数，(·)*表示取共轭Jw是反对角矩阵，D个数据矩阵E1(fj)，...，Ew(fj)，...，ED(fj)都按照上述方式构造数据矩阵，由D个数据矩阵构成总的数据矩本文档来自技高网...

【技术保护点】
1.多径效应下的宽带相干信号波达方向估计方法，其特征在于：本专利技术方法所用的接收阵列由M个等间隔布置于x轴的阵元构成的均匀线阵，阵元间隔分别为dx，dx≤λmin/2，λmin为入射信号的最小波长；多参数联合估计方法的步骤如下：阵列接收由D组宽带相干信号构成的K个远场信号，步骤一、利用M个标量阵元构成的均匀线阵作为接收阵列，接收K个由D组相干信号构成的宽带相干信号，阵列N次快拍数据构成接收信号数据矩阵X＝[X1，X2，…，XN]；步骤二、N次快拍数据均匀分为J段，每段有L次快拍数据，对分段数据进行离散傅里叶变换得到J个频点下的数据矩阵

【技术特征摘要】
1.多径效应下的宽带相干信号波达方向估计方法，其特征在于：本发明方法所用的接收阵列由M个等间隔布置于x轴的阵元构成的均匀线阵，阵元间隔分别为dx，dx≤λmin/2，λmin为入射信号的最小波长；多参数联合估计方法的步骤如下：阵列接收由D组宽带相干信号构成的K个远场信号，步骤一、利用M个标量阵元构成的均匀线阵作为接收阵列，接收K个由D组相干信号构成的宽带相干信号，阵列N次快拍数据构成接收信号数据矩阵X＝[X1，X2，…，XN]；步骤二、N次快拍数据均匀分为J段，每段有L次快拍数据，对分段数据进行离散傅里叶变换得到J个频点下的数据矩阵并计算各个频点对应的数据协方差矩阵接收信号数据矩阵X＝[X1，X2，…，XN]进行离散傅里叶变换得到J个频点下的数据矩阵为J个频率点对应的数据矩阵，其中利用频率域的L次采样数据计算各个频点下的数据协方差矩阵其中步骤三、对进行特征分解，得到D个较大特征值对应的特征矢量，利用D个特征矢量构造D个数据矩阵，D个数据构成一个总的数据矩阵，该数据矩阵是满秩矩阵，从而完成解相干；对进行特征分解，得到D个较大特征值对应的D个特征矢量为e1(fj)，...，ew(fj)，...，eD(fj)，其中ew(fj)＝[ew1(fj)，...，ewm(fj)，…，ewM(fj)...

【专利技术属性】
技术研发人员：王兰美，李静玲，王桂宝，廖桂生，孙长征，
申请(专利权)人：西安电子科技大学，陕西理工大学，
类型：发明
国别省市：陕西,61