一种L型稀疏阵DOA估计的精确配对方法及装置制造方法及图纸

本发明专利技术提出一种L型稀疏阵DOA估计的精确配对方法，包括：分别求出第一子阵、第二子阵的自相关矩阵和互相关矩阵；计算第一子阵虚拟优化阵的自相关矩阵和第二子阵虚拟优化阵的自相关矩阵；根据所述第一子阵虚拟优化阵的自相关矩阵计算俯仰角的估计值；根据所述第二子阵虚拟优化阵的自相关矩阵和所述俯仰角的估计值得到方位角的模糊估计值；估计信号的功率矢量，并利用该矢量解模糊，实现二维DOA估计以及方位角和俯仰角的精确配对。本发明专利技术使用稀疏阵的虚拟阵元来进行估计，相较于传统的基于L型均匀线阵(ULA)的估计算法，自由度得到了极大提升，并显著提高了DOA的估计性能。

An Accurate Matching Method and Device for DOA Estimation of L-type Sparse Matrix

【技术实现步骤摘要】
一种L型稀疏阵DOA估计的精确配对方法及装置
本专利技术属于无线通信和雷达信号处理
，具体涉及一种L型稀疏阵DOA估计的精确配对方法及装置。
技术介绍
波达方向(DOA)估计是天线阵列通过接收信号以特定的方法辨别空间信源的入射方向。该技术最早应用于军事领域，主要针对敌方目标进行定位并实施检测和精准打击。近年来，在雷达、声呐、导航、地震、生物医学、射电天文学等诸多领域有着广泛应用。其中，二维DOA估计在这些领域当中又扮演者至关重要的角色，因为在实际应用中仅有一维DOA信息是远远不够的，例如：移动通信等数据传输的过程中往往需要知道入射信号方位角和俯仰角的二维DOA信息。现有的二维DOA估计方法大多是基于阵元间距等于半波长的简化面阵，如L形阵列、双平行线阵、十字形阵列等。其中，L型阵列由于结构简单、更低的克拉美罗界以及更好的估计性能，得到了广泛关注和应用。L型阵列列通常被划分为两个线性子阵，每个子阵分别位于一个轴上，并通过两个子阵各自的一维DOA估计得到方位角和俯仰角的估计值。这种方式避免了二维谱峰搜索，但是却造成了方位角和俯仰角不能正确配对的问题。针对L型阵列，已经有很多专家学者研究了关于二维DOA估计的配对方法。另一方面，针对传统均匀线阵自由度较低、估计精度和分辨率较低的缺点，人们又进行了稀疏阵列的相关研究，所研究的稀疏阵列主要指的是[P.PalandP.P.Vaidyanathan,Nestedarrays:Anovelapproachtoarrayprocessingwithenhanceddegreesoffreedom,IEEETrans.SignalProcess.,58(8)(2010),4167–4181.]中的嵌套阵和[P.Pal,P.P.Vaidyanathan.CoprimesamplingandtheMUSICalgorithm.IEEEDSP/SPEWorkshop2011,Sedona,2011,289–294]中的互质阵，C.Niu等人还将稀疏阵与L型阵列相结合提出了基于L型嵌套阵的IDP算法[C.Niu,Y.Zhang,J.Guo.Interlaceddouble-precision2-DangleestimationalgorithmusingL-shapednestedarrays.IEEESignalProcessingLetters.23(4)(2016)522-526.]。由于L型稀疏阵与传统L型阵列的阵列结构具有较大差异，因此原先L型阵列的相关配对算法对于L型稀疏阵不再适用。但是，目前L型稀疏阵的相关研究甚少，基于L型稀疏阵配对方法的研究更少，亟需研究基于L型稀疏阵的配对方法来充分发挥稀疏阵列自由度大、分辨率高等优势，因此，该项研究具有很好的发展前景与实用价值，也是当前研究的热点与难点。
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L型稀疏阵DOA估计的精确配对方法及装置，该专利技术实现了二维角度的精确配对、降低了DOA估计的系统成本并显著提高了估计性能、估计精度和分辨率。为实现上述目的及其他相关目的，本专利技术提供一种L型稀疏阵DOA估计的精确配对方法，所述L型稀疏阵包括具有N1个阵元的第一子阵和具有N2个阵元的第二子阵，所述第一子阵位于z轴上，所述第二子阵位于x轴上，所述L型稀疏阵接收K个不相关的远场窄带信号，信号入射方向和z轴、x轴的夹角分别为φ和β，入射信号在xoy平面内的投影与x轴的夹角为θ；第一子阵和第二子阵的接收数据矢量分别为x1(t)和x2(t)；该配对方法包括：分别求出第一子阵、第二子阵物理阵列的自相关矩阵和互相关矩阵；计算第一子阵虚拟优化阵的自相关矩阵和第二子阵虚拟优化阵的自相关矩阵；根据所述第一子阵虚拟优化阵的自相关矩阵计算俯仰角的估计值；根据所述第二子阵虚拟优化阵的自相关矩阵和所述俯仰角的估计值求得方位角的模糊估计值；估计信号的功率矢量，并利用该矢量解模糊，实现二维DOA估计以及方位角和俯仰角的精确配对。可选地，所述分别求出第一子阵、第二子阵物理阵列的自相关矩阵和互相关矩阵，包括：计算第一子阵接收数据x1(t)在N次快拍下的自相关矩阵计算第二子阵接收数据x2(t)在N次快拍下的自相关矩阵计算第一子阵和第二子阵接收数据x1(t)和x2(t)的在N次快拍下的互相关矩阵可选地，所述计算第一子阵虚拟优化阵的自相关矩阵和第二子阵虚拟优化阵的自相关矩阵包括：将自相关矩阵向量化得到矢量z1；对矢量z1去冗余得到观测矢量记录观测矢量中元素在矢量z1中的位置矢量ξ；基于观测矢量构建一个HermitianToeplitz矩阵则为第一子阵虚拟优化阵的自相关矩阵；将自相关矩阵向量化得到矢量z2；对矢量z2去冗余得到观测矢量基于观测矢量构建一个HermitianToeplitz矩阵则为第二子阵虚拟优化阵的自相关矩阵。可选地，所述根据所述第一子阵虚拟优化阵的自相关矩阵计算俯仰角的估计值；将第一子阵虚拟优化阵的自相关矩阵进行特征分解，得到信号子空间Us；利用ESPRIT算法求得俯仰角的估计值可选地，根据所述第二子阵虚拟优化阵的自相关矩阵和所述俯仰角的估计值对应的方位角的模糊估计值；根据第二子阵虚拟优化阵的自相关矩阵和所述俯仰角的估计值给定一个采用ESPRIT算法得到对应的k个方位角的模糊估计值可选地，所述估计信号的功率矢量，并利用该矢量解模糊，实现二维DOA估计以及方位角和俯仰角的精确配对，包括：估计第一子阵的方向矩阵利用俯仰角的估计值φk估计第一子阵的方向矩阵估计第一子阵虚拟阵列的去冗余方向矩阵根据第一子阵的方向矩阵以及位置矢量ξ得到第一子阵虚拟阵列的去冗余方向矩阵根据所述第一子阵虚拟阵列的去冗余方向矩阵和所述观测矢量分别去除第一子阵虚拟阵列的去冗余方向矩阵和观测矢量中受到噪声干扰的中间位置元素，估计信号的功率矢量基于所述俯仰角的估计值和所述方位角的模糊估计值求得第二子阵的方向矩阵的模糊估计值根据所述俯仰角的估计值所述第一子阵的方向矩阵所述信号的功率矢量所述第二子阵的方向矩阵的模糊估计值以及所述互相关矩阵计算相关度量，通过最大化相关度量的方式，确定i的值，从而得到与相配对的为实现上述目的及其他相关目的，本专利技术还提供一种L型稀疏阵DOA估计的精确配对装置，所述L型稀疏阵包括具有N1个阵元的第一子阵和具有N2个阵元的第二子阵，所述第一子阵位于z轴上，所述第二子阵位于x轴上，所述L型稀疏阵接收K个不相关的远场窄带信号，信号入射方向和z轴、x轴的夹角分别为φ和β，入射信号在xoy平面内的投影与x轴的夹角为θ；第一子阵和第二子阵的接收数据矢量分别为x1(t)和x2(t)；该配对装置包括：自相关与互相关模块，用于分别求出第一子阵、第二子阵物理阵列的自相关矩阵和互相关矩阵；自相关模块，用于计算第一子阵虚拟优化阵的自相关矩阵和第二子阵虚拟优化阵的自相关矩阵；第一估计模块，用于根据所述第一子阵虚拟优化阵的自相关矩阵计算俯仰角的估计值；第二估计模块，根据所述第二子阵虚拟优化阵的自相关矩阵和所述俯仰角的估计值求得方位角的模糊估计值；配对模块，用于估计信号的功率矢量，并利用该矢量解模糊，实现二维DOA估计以及方位角和俯仰角的精确配对。可选地，所述自相关与互相关模块本文档来自技高网...

【技术保护点】
1.一种L型稀疏阵DOA估计的精确配对方法，其特征在于，所述L型稀疏阵包括具有N1个阵元的第一子阵和具有N2个阵元的第二子阵，第一子阵和第二子阵共用原点处的阵元，所述第一子阵位于z轴上，所述第二子阵位于x轴上，所述L型稀疏阵接收K个不相关的远场窄带信号，信号入射方向和z轴、x轴的夹角分别为φ和β，入射信号在xoy平面内的投影与x轴的夹角为θ；第一子阵和第二子阵的接收数据矢量分别为x1(t)和x2(t)；该配对方法包括：分别求出第一子阵、第二子阵的自相关矩阵和互相关矩阵；计算第一子阵虚拟优化阵的自相关矩阵和第二子阵虚拟优化阵的自相关矩阵；根据所述第一子阵虚拟优化阵的自相关矩阵计算俯仰角的估计值；根据所述第二子阵虚拟优化阵的自相关矩阵和所述俯仰角的估计值求得方位角的模糊估计值；估计信号的功率矢量，并利用该矢量解模糊，实现二维DOA估计以及方位角和俯仰角的精确配对。

【技术特征摘要】
1.一种L型稀疏阵DOA估计的精确配对方法，其特征在于，所述L型稀疏阵包括具有N1个阵元的第一子阵和具有N2个阵元的第二子阵，第一子阵和第二子阵共用原点处的阵元，所述第一子阵位于z轴上，所述第二子阵位于x轴上，所述L型稀疏阵接收K个不相关的远场窄带信号，信号入射方向和z轴、x轴的夹角分别为φ和β，入射信号在xoy平面内的投影与x轴的夹角为θ；第一子阵和第二子阵的接收数据矢量分别为x1(t)和x2(t)；该配对方法包括：分别求出第一子阵、第二子阵的自相关矩阵和互相关矩阵；计算第一子阵虚拟优化阵的自相关矩阵和第二子阵虚拟优化阵的自相关矩阵；根据所述第一子阵虚拟优化阵的自相关矩阵计算俯仰角的估计值；根据所述第二子阵虚拟优化阵的自相关矩阵和所述俯仰角的估计值求得方位角的模糊估计值；估计信号的功率矢量，并利用该矢量解模糊，实现二维DOA估计以及方位角和俯仰角的精确配对。2.根据权利要求1所述的一种L型稀疏阵DOA估计的精确配对方法，其特征在于，所述分别求出第一子阵、第二子阵物理阵列的自相关矩阵和互相关矩阵，包括：计算第一子阵接收数据x1(t)在N次快拍下的自相关矩阵计算第二子阵接收数据x2(t)在N次快拍下的自相关矩阵计算第一子阵和第二子阵接收数据x1(t)和x2(t)的在N次快拍下的互相关矩阵3.根据权利要求2所述的一种L型稀疏阵DOA估计的精确配对方法，其特征在于，所述计算第一子阵虚拟优化阵的自相关矩阵和第二子阵虚拟优化阵的自相关矩阵包括：将自相关矩阵向量化得到矢量z1；对矢量z1去冗余得到观测矢量记录观测矢量中元素在矢量z1中的位置矢量ξ；基于观测矢量构建一个HermitianToeplitz矩阵则为第一子阵虚拟优化阵的自相关矩阵；将自相关矩阵向量化得到矢量z2；对矢量z2去冗余得到观测矢量基于观测矢量构建一个HermitianToeplitz矩阵则为第二子阵虚拟优化阵的自相关矩阵。4.根据权利要求3所述的一种L型稀疏阵DOA估计的精确配对方法，其特征在于，所述根据所述第一子阵虚拟优化阵的自相关矩阵计算俯仰角的估计值；将第一子阵虚拟优化阵的自相关矩阵进行特征分解，得到信号子空间Us；利用ESPRIT算法求得俯仰角的估计值5.根据权利要求4所述的一种L型稀疏阵DOA估计的精确配对方法，其特征在于，根据所述第二子阵虚拟优化阵的自相关矩阵和所述俯仰角的估计值求得方位角的模糊估计值，包括：根据第二子阵虚拟优化阵的自相关矩阵和所述俯仰角的估计值给定一个采用ESPRIT算法得到对应的k个方位角的模糊估计值6.根据权利要求5所述的一种L型稀疏阵DOA估计的精确配对方法，其特征在于，所述估计信号的功率矢量，并利用该矢量解模糊，实现二维DOA估计以及方位角和俯仰角的精确配对，包括：估计第一子阵的方向矩阵利用俯仰角的估计值φk估计第一子阵的方向矩阵估计第一子阵虚拟阵列的去冗余方向矩阵根据第一子阵的方向矩阵以及位置矢量ξ得到第一子阵虚拟阵列的去冗余方向矩阵根据所述第一子阵虚拟阵列的去冗余方向矩阵和所述观测矢量分别去除第一子阵虚拟阵列的去冗余方向矩阵和观测矢量中受到噪声干扰的中间位置元素，估计信号的功率矢量基于所述俯仰角的估计值和所述方位角的模糊估计值求得第二子阵的方向矩阵的模糊估计值根据所述俯仰角的估计值所述...

【专利技术属性】
技术研发人员：牟仕林，郑植，王文钦，
申请(专利权)人：电子科技大学，电子科技大学广东电子信息工程研究院，
类型：发明
国别省市：四川,51