一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法技术

本发明专利技术公开了一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法，具体包括如下步骤：S1：通过信号接收模型，建立低秩矩阵重构模型；S2：初始化布谷鸟群体数量，随机生成一组鸟窝位置，建立子种群；S3：根据所述低秩矩阵重构模型，确定目标函数，计算每个所述子种群的平均适应度，确定出每个所述子种群的规模；S4：每个所述子种群根据位置更新公式进行鸟窝位置更新；S5：对所述鸟窝位置更新后的子种群进行判定，从中确定出目标信号的DOA估计值。本发明专利技术在与对相邻目标信号的分辨能力上，具有更好的均方根误差，并且对于信号环境有更强的适应能力，也能在保证估计精度的前提下，减少计算量，从而达到提升优化速度的效果。

【技术实现步骤摘要】
一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法
本专利技术涉及阵列信号处理
，尤其涉及一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法。
技术介绍
几十年来，阵列信号处理一直是一个非常活跃的研究领域。作为阵列信号处理中的一个重要研究方向，目标波达方向估计已经广泛应用于水下导航、战场侦察、海上作业等多个方面，引起人们的高度重视。阵列DOA估计也称空间谱估计，其主要研究内容是设计空间阵列结构模型，根据阵列接收到的观测数据，选择高效的、性能优良的算法处理空间内信号的波达角的估计问题。阵列DOA估计方法早期通过波束形成来实现，主要包括常规波束形成方法和最小方差无畸变响应波束形成方法，这类方法实现简单，应用广泛，但对多个目标信号或者角度相邻的目标信号的分辨能力不佳。现代高精度DOA估计方法主要包括子空间类方法和稀疏重构方法。子空间类方法包括多重信号分类方法和旋转不变子空间方法等；稀疏重构方法包括L1-SVD和稀疏贝叶斯学习等。子空间类方法可实现对目标信号的高分辨率估计，但其在小快拍、低信噪比条件下的估计性能出现严重恶化的情况，对于本文档来自技高网...

【技术保护点】
1.一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法，其特征在于，所述布谷鸟搜索DOA估计方法具体包括如下步骤：/nS1：通过信号接收模型，建立低秩矩阵重构模型；/nS2：初始化布谷鸟群体数量，随机生成一组鸟窝位置，建立子种群；/nS3：根据所述低秩矩阵重构模型，确定目标函数，计算每个所述子种群的平均适应度，确定出每个所述子种群的规模；/nS4：每个所述子种群根据位置更新公式进行鸟窝位置更新；/nS5：对所述鸟窝位置更新后的子种群进行判定，从中确定出目标信号的DOA估计值。/n

【技术特征摘要】
1.一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法，其特征在于，所述布谷鸟搜索DOA估计方法具体包括如下步骤：
S1：通过信号接收模型，建立低秩矩阵重构模型；
S2：初始化布谷鸟群体数量，随机生成一组鸟窝位置，建立子种群；
S3：根据所述低秩矩阵重构模型，确定目标函数，计算每个所述子种群的平均适应度，确定出每个所述子种群的规模；
S4：每个所述子种群根据位置更新公式进行鸟窝位置更新；
S5：对所述鸟窝位置更新后的子种群进行判定，从中确定出目标信号的DOA估计值。


2.根据权利要求1所述的一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法，其特征在于，在所述步骤S1中，建立所述低秩矩阵重构模型，具体如下：
S1.1：通过所述信号接收模型，确定入射信号的俯仰角、入射信号的方位角、入射信号和信号接收模型X轴之间的夹角、入射信号和信号接收模型Y轴之间的夹角四者之间的关系，具体为：



其中：αk为第k个入射信号和信号接收模型X轴之间的夹角，βk为第k个入射信号和信号接收模型Y轴之间的夹角，φk为第k个入射信号的俯仰角，θk为第k个入射信号的方位角；
S1.2：根据所述入射信号的俯仰角、入射信号的方位角、入射信号和信号接收模型X轴之间的夹角、入射信号和信号接收模型Y轴之间的夹角四者之间的关系，获取信号接收模型的输出，具体为：
X＝AS+V
其中：X为信号接收模型的输出，A为信号接收模型的流形矩阵，S为入射目标信号，V为观测噪声；
S1.3：根据所述信号接收模型的输出，得到信号接收模型接收信号的协方差矩阵，具体为：
R＝E[XXH]
＝ARsAH+σI
＝T(u,v)+σI
其中：R为信号接收模型接收信号的协方差矩阵，X为信号接收模型的输出，Rs为目标信号的协方差矩阵，A为信号接收模型的流形矩阵，σ为噪声功率，I为单位矩阵，T(u,v)为阵列的无噪协方差矩阵；
S1.4：对所述阵列的无噪协方差矩阵进行多维范德蒙德分解，同时所述分解后的阵列的无噪协方差矩阵，利用二维CMRA模型得到低秩矩阵重构模型，具体为：






T(u,v)≥0
其中：
T(u,v)为阵列的无噪协方差矩阵，为样本协方差矩阵，σ为噪声功率，N为信号接收模型中阵元的总个数。


3.根据权利要求1或2所述的一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法，其特征在于，在所述步骤S2中，建立所述子种群，具体如下：
S2.1：初始化布谷鸟群体数量，根据目标信号的数目，确定子种群的数目，具体为：
M＝K+1
其中：M为子种群的数目，K为目标信号的数目；
S2.2：对所述子种群的生存规模进行最大限制和最小限制；
S2.3：根据所述子种群的数目、子种群生存规模的最大限制和最小限制，确定初始鸟窝位置分布，具体为：
Ei＝Emin+rand(0,1)(Emax-Emin)
其中：Ei为第i个包含αk和βk角度信息的二维参数解，Emin为搜索范围的下限值，Emax为搜索范围的上限值，rand(0,1)为0到1之间服从均匀分布的一个随机数，αk为第k个入射信号和信号接收模型X轴之间的夹角，βk为第k个入射信号和信号接收模型Y轴之间的夹角。


4.根据权利要求3所述的一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法，其特征在于，所述子种群生存规模的最大限制和最小限制，具体为：
所述子种群生存规模的最大限制为不能超过种群规模的一半；
所述子种群生存规模的最小限制为种群规模的1/10。


5.根据权利要求3所述的一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法，其特征在于，在所述步骤S3中，确定出每个所述子种群的规模，具体如下：
S3.1：根据所述低秩矩阵重构模型，确定目标函数，并将所述低秩矩阵重构模型的函数值作为目标函数的...

【专利技术属性】
技术研发人员：李鹏，张伟，夏翔，马味敏，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32