一种二维DOA估计方法及其装置、设备、存储介质制造方法及图纸

本发明专利技术公开了一种二维DOA估计方法及其装置、设备、存储介质，该方法包括：获取三线阵阵列参数；根据三线阵阵列参数，得到三线阵阵列的信号接收模型；根据三线阵阵列的信号接收模型得到第一信号矩阵和第二信号矩阵，根据第一信号矩阵得到第一信号矩阵的第一特征值和第一特征向量，根据第一特征向量，得到第二信号矩阵的第二特征值；根据第一特征值和第二特征值，得到二维DOA的方位角和仰视角。本发明专利技术采用三线阵阵列的接收数据模型，对信号源的方位角和仰视角进行了快速配对，因为不需要对涉及方位角和仰视角的矩阵同时进行特征值分解，只需要对其中一个进行特征值分解，从而降低了运算的复杂度，实现了信号源的方位角和仰视角的快速配对。

【技术实现步骤摘要】
一种二维DOA估计方法及其装置、设备、存储介质
本专利技术属于阵列信号处理
，具体涉及一种二维DOA估计方法及其装置、设备、存储介质。
技术介绍
在通信、雷达以及声呐等众多领域中，会涉及到阵列信号处理，而阵列信号处理的一个基本问题是空间信号到达方向(DirectionofArrival,简称DOA)估计的问题。在二维DOA估计中，需要对各个信号源的方位角和俯仰角进行估计并进行准确地配对，从而精确地确定信号源的位置。实际中，二维DOA估计分为两大类：第一类为考虑使用阵列天线的结构来完成二维DOA估计；第二类为考虑利用空时二次处理的方法来完成二维DOA估计。阵列天线处理系统对二维DOA估计的核心主要是估计出信号源的仰视角和方位角，一般阵列天线常用的阵列结构有线阵、L型阵列、圆阵、面阵以及平行线阵等，而对信号进行处理的方法常用的有二维MUSIC(MultipleSignalClassification,简称MUSIC)方法、二维ESPRIT(Estimationofsignalparametersviarotationalinvariancetechniques,简称ESPRIT)方法以及二维传播算子方法等，其中二维MUSIC方法是利用了二维谱峰搜索的方法，求出信号源的仰视角和方位角；二维ESPRIT方法则是对二维信号进行分维处理，分别计算求出方位角及其仰视角，最后对这两个参数进行配对；二维传播算子方法则是对信号源的数据进行数据重构，不需要特征值分解，通过得到噪声子空间计算求出方位角及其仰视角。但在传统的二维DOA估计方法，均存在计算量大，不能快速匹配信号源方位角和仰视角的问题。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种二维DOA估计方法及其装置、设备、存储介质。本专利技术实施例提供了一种二维DOA估计方法，该方法包括：获取三线阵阵列参数；根据所述三线阵阵列参数，得到所述三线阵阵列的信号接收模型；根据所述三线阵阵列的信号接收模型得到第一信号矩阵和第二信号矩阵，根据所述第一信号矩阵得到所述第一信号矩阵的第一特征值和第一特征向量，根据所述第一特征向量，得到所述第二信号矩阵的第二特征值；根据所述第一特征值和所述第二特征值，得到二维DOA的方位角和仰视角。在本专利技术的一个实施例中，所述三线阵阵列的信号接收模型为：X1＝AxS(t)+Nx1(t)X2＝AxΦxS(t)+Nx2(t)Y＝AyS(t)+Ny(t)Z＝AxΦzS(t)+Nz(t)其中，X1为第一接收数据矩阵，X2为第二接收数据矩阵，Y为第三接收数据矩阵，Z为第四接收数据矩阵，S(t)为信号源的接收数据矩阵，Nx1为第一噪声矩阵，Nx2为第二噪声矩阵，Ny为第三噪声矩阵，Nz为第四噪声矩阵，Ax为第一方向矩阵，Ay为第二方向矩阵，Φx为第一对角矩阵、Φz为第二对角矩阵。在本专利技术的一个实施例中，根据所述三线阵阵列的信号接收模型，得到第一信号矩阵和第二信号矩阵，包括：对所述第一接收数据矩阵X1、所述第二接收数据矩阵X2、所述第三接收数据矩阵Y、所述第四接收数据矩阵Z进行互相关处理，得到第一互协方差矩阵、第二互协方差矩阵、第三互协方差矩阵；根据所述第一互协方差矩阵、第二互协方差矩阵、第三互协方差矩阵，得到信号矩阵；根据所述信号矩阵，得到信号子空间矩阵；根据所述信号子空间矩阵，得到所述第一信号矩阵和所述第二信号矩阵。在本专利技术的一个实施例中，根据所述信号矩阵，得到信号子空间矩阵，包括：对所述信号矩阵进行奇异值分解处理，得到第三特征值、第三特征向量；根据所述第三特征值、所述第三特征向量，得到所述信号子空间矩阵。在本专利技术的一个实施例中，根据所述第一信号矩阵得到所述第一信号矩阵的第一特征值和第一特征向量，包括：对所述第一信号矩阵进行特征值分解处理，得到第一特征值和第一特征向量。在本专利技术的一个实施例中，根据所述第一特征向量，得到所述第二信号矩阵的第二特征值，包括：根据所述第一特征向量，得到所述第二信号矩阵的第二特征向量；根据所述第一特征向量和所述第二特征向量，得到所述第二信号矩阵的第二特征值。在本专利技术的一个实施例中，根据所述第一特征值和所述第二特征值，得到二维DOA的方位角和仰视角，包括：根据所述第二特征值，得到二维DOA的所述仰视角；根据所述第一特征值、所述仰视角，得到二维DOA的所述方位角。本专利技术的另一个实施例提供了一种二维DOA估计的装置，该装置包括：数据获取模块，用于获取所述三线阵阵列参数；数据模型构建模块，用于根据所述三线阵阵列参数，得到所述三线阵阵列的信号接收模型；数据处理模块，用于根据所述三线阵阵列的信号接收模型得到所述第一信号矩阵和所述第二信号矩阵，根据所述第一信号矩阵得到所述第一信号矩阵的所述第一特征值和所述第一特征向量，根据所述第一特征向量，得到所述第二信号矩阵的所述第二特征值；数据确定模块，用于根据所述第一特征值和所述第二特征值，得到二维DOA的所述方位角和所述仰视角。本专利技术的再一个实施例提供了一种二维DOA估计的电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上存放的所述计算机程序时，实现上述任一所述的方法。本专利技术的又一个实施例提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的方法。与现有技术相比，本专利技术的有益效果：1、本专利技术采用三线阵阵列的接收数据模型，对信号源的方位角和仰视角两个参数进行了快速配对，因为不需要对涉及方位角和仰视角两个参数的矩阵同时进行特征值分解，只需要对其中一个进行特征值分解，然后利用两矩阵特征值分解的特征向量相同的特点，求解出另一个矩阵的特征值，从而降低了运算的复杂度，实现了信号源的方位角和仰视角两个参数的快速配对。2、本专利技术相比于传统的双平行线阵的ESPRIT方法，防止了信号源的方位角和仰视角同时进行估计，减少仰角接近90度时，DOA估计方法失效的几率，从而提高DOA估计方法的正确度。以下将结合附图及实施例对本专利技术做进一步详细说明。附图说明图1是本专利技术实施例提供的一种二维DOA估计方法的流程示意图；图2是本专利技术实施例提供的一种二维DOA估计方法中的三线阵阵列的结构示意图；图3是本专利技术实施例提供的一种二维DOA估计的装置结构示意图；图4是本专利技术实施例提供的一种二维DOA估计的电子设备结构示意图。具体实施方式下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。实施例一请参见图1、图2，图1是本专利技术实施例提供的一种二维DOA估计方法的流程示意图，图2是本专利技术实施例提供的一种二维DOA估计方法中的三线阵阵列的结构示意图。本专利技术实施例提供了一种二维DOA估计方法，该方法包括如下步骤：步骤1、获取三线阵阵列参数。具体地，请再参见图2，三线阵阵列分为在x轴、y轴、z轴上的三条线段，获取三线阵阵列x轴、y轴、z轴每条线段的阵元数，其中，x轴的线段的阵元数为N，y轴和z轴的线段的阵元数均为N-1，x轴、y轴、z轴的阵元之间的间距均为d，三线阵阵列中的信号源的数量为M，信号源的频率为f本文档来自技高网...

【技术保护点】
1.一种二维DOA估计方法，其特征在于，包括：获取三线阵阵列参数；根据所述三线阵阵列参数，得到所述三线阵阵列的信号接收模型；根据所述三线阵阵列的信号接收模型得到第一信号矩阵和第二信号矩阵，根据所述第一信号矩阵得到所述第一信号矩阵的第一特征值和第一特征向量，根据所述第一特征向量，得到所述第二信号矩阵的第二特征值；根据所述第一特征值和所述第二特征值，得到二维DOA的方位角和仰视角。

【技术特征摘要】
1.一种二维DOA估计方法，其特征在于，包括：获取三线阵阵列参数；根据所述三线阵阵列参数，得到所述三线阵阵列的信号接收模型；根据所述三线阵阵列的信号接收模型得到第一信号矩阵和第二信号矩阵，根据所述第一信号矩阵得到所述第一信号矩阵的第一特征值和第一特征向量，根据所述第一特征向量，得到所述第二信号矩阵的第二特征值；根据所述第一特征值和所述第二特征值，得到二维DOA的方位角和仰视角。2.根据权利要求1所述的方法，其特征在于，所述三线阵阵列的信号接收模型为：X1＝AxS(t)+Nx1(t)X2＝AxΦxS(t)+Nx2(t)Y＝AyS(t)+Ny(t)Z＝AxΦzS(t)+Nz(t)其中，X1为第一接收数据矩阵，X2为第二接收数据矩阵，Y为第三接收数据矩阵，Z为第四接收数据矩阵，S(t)为信号源的接收数据矩阵，Nx1为第一噪声矩阵，Nx2为第二噪声矩阵，Ny为第三噪声矩阵，Nz为第四噪声矩阵，Ax为第一方向矩阵，Ay为第二方向矩阵，Φx为第一对角矩阵、Φz为第二对角矩阵。3.根据权利要求2所述的方法，其特征在于，根据所述三线阵阵列的信号接收模型，得到第一信号矩阵和第二信号矩阵，包括：对所述第一接收数据矩阵X1、所述第二接收数据矩阵X2、所述第三接收数据矩阵Y、所述第四接收数据矩阵Z进行互相关处理，得到第一互协方差矩阵、第二互协方差矩阵、第三互协方差矩阵；根据所述第一互协方差矩阵、第二互协方差矩阵、第三互协方差矩阵，得到信号矩阵；根据所述信号矩阵，得到信号子空间矩阵；根据所述信号子空间矩阵，得到所述第一信号矩阵和所述第二信号矩阵。4.根据权利要求3所述的方法，其特征在于，根据所述信号矩阵，得到信号子空间矩阵，包括：对所述信号矩阵进行奇异值分解处理，得到第三特征值、第三特征向量；根据所述第三特征值、所述第三特征向量，得到所述信号子空间矩阵。5.根据权利要...

【专利技术属性】
技术研发人员：相征，徐豪，任鹏，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61