一种面向大规模天线的快速MUSIC谱分解方法、装置及设备制造方法及图纸

本发明专利技术公开了一种面向大规模天线的快速MUSIC谱分解方法、装置及设备，包括：接收信号X，根据信号X估计高维自相关矩阵R；对高维自相关矩阵R进行骨架提取得到低维表征矩阵C；计算得到低秩矩阵Y，得到高维自相关矩阵R的低维近似分解CY，通过对低维近似分解CY进行SVD分解获得高维自相关矩阵R的SVD近似分解

【技术实现步骤摘要】
一种面向大规模天线的快速MUSIC谱分解方法、装置及设备
本专利技术涉及信息领域，特别是指一种面向大规模天线的快速MUSIC谱分解方法、装置及设备。
技术介绍
大规模天线阵列在增加估计信噪比和空间分辨率的同时，所需的计算复杂度和处理时延也将变得无法承受，在实施毫米波雷达目标检测与相控阵雷达波束赋形等典型应用场景中变得难以适用。MUSIC方法核心思想是基于特征值分解或奇异值分解，划分得到信号或噪声子空间，通过信号或噪声子空间估计目标空间位置，当天线数目较大时，计算复杂度极大；处理过程即便采用高性能CPU也需要很长的处理时延，难以满足快速实施目标估计与数据分析的应用需求。现有技术虽然提出低秩分解方法，在一定程度上降低了计算复杂度与处理时延，但是精度不能得到保证，且随着天线数目的进一步增加，计算复杂度和处理时延也无法承受。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种面向大规模天线的快速MUSIC谱分解方法及装置，以解决现有技术中处理时延高、精度低和计算复杂度高的缺陷。基于上述目的本专利技术提供的一种面向大规模天线本文档来自技高网...

【技术保护点】
1.一种面向大规模天线的快速MUSIC谱分解方法，其特征在于，包括：/n接收信号X，根据所述信号X估计高维自相关矩阵R；/n对所述高维自相关矩阵R进行骨架提取得到低维表征矩阵C；/n确定低秩矩阵Y，根据所述C和Y得到所述高维自相关矩阵R的低维近似分解CY，通过对所述低维近似分解CY进行SVD分解获得所述高维自相关矩阵R的SVD近似分解

【技术特征摘要】
1.一种面向大规模天线的快速MUSIC谱分解方法，其特征在于，包括：
接收信号X，根据所述信号X估计高维自相关矩阵R；
对所述高维自相关矩阵R进行骨架提取得到低维表征矩阵C；
确定低秩矩阵Y，根据所述C和Y得到所述高维自相关矩阵R的低维近似分解CY，通过对所述低维近似分解CY进行SVD分解获得所述高维自相关矩阵R的SVD近似分解
利用所述高维自相关矩阵R的SVD近似分解构造信号空间K，利用所述信号空间K估计空间谱P(θ)，根据所述空间谱P(θ)进行目标信号检测与估计。


2.根据权利要求1所述的方法，其特征在于，所述信号X可表示为
X＝AB+E
其中，E＝[e1(t)e2(t)…eK(t)]T为M×N维独立同分布的噪声矩阵，e1(t)e2(t)…eK(t)为K个目标的回波信号中的叠加噪声信号，A＝[a(θ1)a(θ2)…a(θk)]T为M×K维方向矢量矩阵，a(θ1)a(θ2)…a(θk)为K个目标的方向矢量，B为目标信号矩阵；
所述根据所述信号X估计高维自相关矩阵R，包括：
根据所述信号X估计计算所述高维自相关矩阵R＝XXH，其中X与XH互为共轭。


3.根据权利要求2所述的方法，其特征在于，所述低维表征矩阵其中为复数空间，S为等效提取矩阵，所述等效提取矩阵S的特点包括：
每一行元素有且只有1个非零值，且所述非零值位置随机分布于s长度中；
所述非零值以等概率取值{+1,-1}。


4.根据权利要求1所述的方法，其特征在于，所述计算得到低秩矩阵Y，包括：
通过构造第一辅助低维骨架矩阵W和第二辅助低维骨架矩阵Z计算得到所述低秩矩阵Y，所述第一辅助低维骨架矩阵W和第二辅助低维骨架矩阵Z通过构造一个骨架抽取矩阵P计算得到，所述骨架抽取矩阵P由矩阵PS和矩阵PG组成。


5.根据权利要求4所述的方法，其特征在于，所述第一辅助低维骨架矩阵W依照所述骨架抽取矩阵P选择所述低维表...

【专利技术属性】
技术研发人员：李斌，曹先彬，赵成林，许方敏，张军，
申请(专利权)人：北京邮电大学，北京航空航天大学，
类型：发明
国别省市：北京;11