一种基于M估计的低快拍数下波达方向估计方法技术

本发明专利技术提出一种基于M估计的低快拍数下波达方向估计方法，包括：步骤1.设置天线阵列并获得所述天线阵列的观测数据矢量；步骤2.计算观测数据矢量在快拍数为T的协方差矩阵；步骤3.对所述样本协方差矩阵进行迹正则化得到迹正则化后的矩阵；步骤4.对迹正则化后的矩阵进行托普利兹校正，得到目标矩阵；步骤5.根据迹正则化后的目标矩阵，计算矩阵收缩估计的收缩系数；步骤6.根据所述收缩目标矩阵和所述收缩系数，构造新的协方差矩阵；步骤7.将新的协方差矩阵重新置为样本协方差矩阵，重复步骤2～步骤6，直到得到最终的估计；步骤8.利用得到的协方差矩阵采用子空间分解的方法计算信号的波达方向。

【技术实现步骤摘要】
一种基于M估计的低快拍数下波达方向估计方法
本专利技术属于无线移动通信
，具体涉及一种基于M估计的低快拍数下波达方向估计方法。
技术介绍
阵列信号处理经过近几十年的不断发展，已广泛应用于通信、雷达、声呐、电子对抗等许多领域。波达方向估计技术主要研究如何估计空间目标信号的波达方向(DirectionofArrival，简称DOA)，是阵列信号处理领域重要的研究内容之一。无论是在军事还是在民用领域，空间目标信号的波达方向都是极为重要的估计参数，是后续定位、探测、导航和成像等诸多技术的先决基础，因此研究波达方向估计技术有着十分重要的现实意义。随着信息技术的飞速发展，天线阵列在接收目标发射的信号是受到的干扰日趋多样化和复杂化。在这种背景下，信号接收时是面临的噪声常常不再符合高斯白噪声的特性，而经常呈现为存在“拖尾现象”的复椭圆对称分布。另外，随着现在阵列中天线数目的不断增加，保持大量的快拍数会导致较高的计算复杂度和硬件系统实现的复杂度，因此，如何在小快拍数下保持良好的DOA估计精度也是目前阵列信号处理中的一项重要研究。传统的DOA估计算法，如MUSIC算法等算法，需要对接收信号的协方差矩阵进行子空间分解来实现。但是在实际应用中，该协方差矩阵是难以直接获得的，因此一般的做法是利用接收信号的样本协方差矩阵代替真实协方差矩阵来进行子空间分解，但是在非高斯噪声的条件下，样本协方差矩阵并不能良好地近似真实的接收信号协方差矩阵，因此基于子空间分解的算法在非高斯噪声的背景下性能会严重降低。最近，一种基于M估计的协方差矩阵估计理论被提出，这种估计方法被证明可以有效对抗存在离群值的“拖尾噪声”。另外，在快拍数不足的情况下，对样本协方差矩阵进行子空间分解得到的特征值和特征向量与真实值偏差很大，因此基于子空间分解的DOA估计方法也不能很好地工作。为了解决这个问题，学者们陆续提出了G-MUSIC算法、矩阵收缩估计方法和矩阵托普利兹化的方法，但是它们各有缺陷：G-MUSIC算法只对空间邻近信号有效、矩阵收缩估计在DOA估计中没有合适的收缩目标、矩阵托普利兹化在高信噪比时性能不佳。另外，在非高斯噪声和快拍数较少两种情况同时存在时，学者们也进行了一定的研究，代表的成果有稳健G-MUSIC算法和将矩阵收缩估计与M估计结合的方法，但是前者对空间分离信号没有性能提升，适用范围很窄，后者选取的目标矩阵为单位矩阵，不适用于DOA估计领域。因此，本问题目前仍没有得到很好的解决。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于M估计的低快拍数下波达方向估计方法，以达到准确实现DOA估计的目的。为实现上述目的及其他相关目的，本专利技术提供一种基于M估计的低快拍数下波达方向估计方法，该估计方法包括：步骤1.设置天线阵列并获得所述天线阵列的观测数据矢量X(t)；步骤2.计算观测数据矢量X(t)在快拍数为T的协方差矩阵步骤3.对所述样本协方差矩阵进行迹正则化得到迹正则化后的矩阵R1；步骤4.对迹正则化后的矩阵R1进行托普利兹校正，得到目标矩阵RT；步骤5.根据迹正则化后的目标矩阵RT，计算矩阵收缩估计的收缩系数ρ；步骤6.根据所述收缩目标矩阵RT和所述收缩系数ρ，构造新的协方差矩阵R3；步骤7.将新的协方差矩阵R3重新置为样本协方差矩阵重复步骤2～步骤6，直到得到最终的估计；步骤8.利用得到的协方差矩阵R3采用子空间分解的方法计算信号的波达方向。可选地，所述观测数据矢量X(t)的计算方法为：X(t)＝AS(t)+N(t)其中，X(t)＝[x0(t),…,xM-1(t)]T为观测数据矢量，S(t)＝[s1(t),…,sK(t)]T为信号源数据矢量，A＝[a(θ1),…,a(θK)]为阵列流型矩阵，a(θk)＝[a0,k,…,aM-1,k]T为导向矢量，N(t)＝[n0(t),…,nM-1(t)]T为噪声矢量。可选地，所述样本协方差矩阵的计算公式为：其中，X(tn)表示在第tn个快拍时的阵列观测数据矢量。可选地，所述迹正则化后的矩阵R1通过以下方法计算得到：其中，trace表示计算矩阵的迹，即矩阵对角线元素的和。可选地，所述目标矩阵RT通过以下方法计算得到：其中，Jm代表M维的移位矩阵，Jm中只有第m条对角线元素为1，其余元素为0。可选地，所述收缩系数ρ通过以下方法计算得到：可选地，所述新的协方差矩阵R3通过以下方法计算得到：其中，xi代表观测数据矢量X(t)的第i列，其代表阵列在第i次快拍中的全部观测数据。可选地，所述步骤8包括以下子步骤：对新构造的协方差矩阵R3进行特征分解，得到其噪声子空间Un和信号子空间Us，其中，Σs表示对协方差矩阵进行特征值分解后，由较大的K个特征值构成的对角矩阵，Σn表示由较小的M-K个特征值成的对角矩阵；由MUSIC算法，利用所述信号子空间Us和所述噪声子空间Un的正交性得到空间谱函数为：其中，θ为谱峰搜索时的角度，a(θ)代表阵列的导向矢量，Un代表对协方差矩阵进行特征值分解后，由较小的M-K个特征值对应的特征向量构成的矩阵，如上所述，本专利技术的一种基于M估计的低快拍数下波达方向估计方法，具有以下有益效果：本专利技术使用托普利兹校正的方法克服了快拍数不足导致DOA估计精度下降的问题；在构造协方差矩阵时使用了M估计的方法减轻了非高斯噪声对DOA估计精度的影响；同时将托普利兹校正后的矩阵作为目标矩阵，M估计得到的矩阵作为原始矩阵，利用协方差矩阵收缩估计的方法构造新的协方差矩阵，克服了托普利兹校正带来的在DOA估计在高信噪比下性能不佳的问题；综上，本专利技术可以在小快拍数和非高斯噪声同时存在的条件下实现准确的DOA估计。附图说明为了进一步阐述本专利技术所描述的内容，下面结合附图对本专利技术的具体实施方式作进一步详细的说明。应当理解，这些附图仅作为典型示例，而不应看作是对本专利技术的范围的限定。图1为本专利技术阵列设置示意图；图2为本专利技术实施方式仿真实验DOA的均方根误差在高斯白噪声下随SNR变化关系示意图；图3为本专利技术实施方式仿真实验DOA的均方根误差在Student-t分布的噪声下随SNR变化关系示意图；图4为本专利技术实施方式仿真实验DOA的均方根误差在威布尔分布的噪声下随SNR变化关系示意图；图5为本专利技术实施方式仿真实验DOA的均方根误差在K分布的噪声下随SNR变化关系示意图；图6为本专利技术实施例的一种基于M估计的低快拍数下波达方向估计方法的流程图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。如图6所示，本专利技术提供一种基于M估计的低快拍数下波达方向估计方法，包括以下步骤：步骤1：设置天线阵列并获得所述天本文档来自技高网...

【技术保护点】
1.一种基于M估计的低快拍数下波达方向估计方法，其特征在于，该估计方法包括：步骤1.设置天线阵列并获得所述天线阵列的观测数据矢量X(t)；步骤2.计算观测数据矢量X(t)在快拍数为T的协方差矩阵

【技术特征摘要】
1.一种基于M估计的低快拍数下波达方向估计方法，其特征在于，该估计方法包括：步骤1.设置天线阵列并获得所述天线阵列的观测数据矢量X(t)；步骤2.计算观测数据矢量X(t)在快拍数为T的协方差矩阵步骤3.对所述样本协方差矩阵进行迹正则化得到迹正则化后的矩阵R1；步骤4.对迹正则化后的矩阵R1进行托普利兹校正，得到目标矩阵RT；步骤5.根据迹正则化后的目标矩阵RT，计算矩阵收缩估计的收缩系数ρ；步骤6.根据所述收缩目标矩阵RT和所述收缩系数ρ，构造新的协方差矩阵R3；步骤7.将新的协方差矩阵R3重新置为样本协方差矩阵重复步骤2～步骤6，直到得到最终的估计；步骤8.利用得到的协方差矩阵R3采用子空间分解的方法计算信号的波达方向。2.根据权利要求2所述的一种基于M估计的低快拍数下波达方向估计方法，其特征在于，所述观测数据矢量X(t)的计算方法为：X(t)＝AS(t)+N(t)其中，X(t)＝[x0(t),…,xM-1(t)]T为观测数据矢量，S(t)＝[s1(t),…,sK(t)]T为信号源数据矢量，A＝[a(θ1),…,a(θK)]为阵列流型矩阵，a(θk)＝[a0,k,…,aM-1,k]T为导向矢量，N(t)＝[n0(t),…,nM-1(t)]T为噪声矢量。3.根据权利要求2所述的一种基于M估计的低快拍数下波达方向估计方法，其特征在于，所述样本协方差矩阵的计算公式为：其中，X(...

【专利技术属性】
技术研发人员：张弘旺，郑植，杨潇，刘旺，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51