一种强脉冲噪声下自适应分布源DOA估计方法技术

本发明专利技术公开了一种强脉冲噪声下自适应分布源DOA估计方法，涉及无线电监测和定位领域，具体包括：采用分布源模型描述阵列输出信号；构建基于Logistic函数导数的LDB核函数，并基于所述LDB核函数定义代价函数；通过所述代价函数得到平方误差函数，基于所述平方误差函数对所述阵列输出信号进行分解，获得信号子空间的估计；根据所述信号子空间构建二维空间谱，对所述二维空间谱进行局部谱峰搜索，得到目标信源DOA和扩散角的估计。本发明专利技术有效抑制脉冲噪声和多径干扰，准确地实现DOA和扩散角的联合估计，提高算法的有效性和鲁棒性。提高算法的有效性和鲁棒性。提高算法的有效性和鲁棒性。

【技术实现步骤摘要】
Correlation)，并与MUSIC结合，提出了CRCO
‑
MUSIC算法，保证了噪声子空间和信号子空间的正交性，提高了脉冲噪声环境下DOA估计的精度。
[0005]经典DOA估计算法一般假设信源辐射面小于信号接收系统的分辨率，此时信源的物理尺寸可以忽略从而抽象为一个点源。但实际应用中点源是不存在的，并且随着空间电磁环境越来越复杂，信源辐射出的无线电信号通常经过散射、反射甚至衍射等方式传播到信号接收系统，这使信源的能量在空间的某个范围内呈现出一定的分散性，破坏了点源的假设条件。Valaee等人通过对上述信源传播特性的分析，提出了分布式信源(简称：分布源)的概念，通过中心DOA和扩散角两个参数来描述分布源的方位和空间分布，进一步将特征子空间的概念引入到分布源中，提出了DSPE算法。将旋转不变技术推广到分布源中，提出了DISPARE算法，实现了非相干分布源中心DOA和扩散角的联合估计。将ESPRIT推广到分布源，通过建立每个信源的一维参数估计谱来估计相干分布源的扩散角，通过分布的中心矩估计非相干分布源的扩散角。采用稀疏贝叶斯学习理论并利用信号采样间的时间相关性解决了非相干分布源的参数估计问题。但现有的分布源信号处理与参数估计方法均建立在高斯假设的基础上，因此，当阵列输出信号中包含脉冲噪声时，上述方法的性能将显著下降，甚至不能获得合理的结果。

技术实现思路

[0006]针对脉冲噪声和多径干扰并存的复杂电磁环境下目标信源的DOA估计问题，本专利技术提供了一种强脉冲噪声下自适应分布源DOA估计方法，具体包括：
[0007]采用分布源模型描述阵列输出信号；
[0008]构建基于Logistic函数导数的(Logistic
‑
derivative
‑
based，LDB)核函数，并基于所述核函数定义代价函数；
[0009]通过所述代价函数得到平方误差函数，基于所述平方误差函数对所述阵列输出信号进行分解，获得信号子空间的估计；
[0010]根据所述信号子空间构建二维空间谱，对所述二维空间谱进行局部谱峰搜索，得到目标信源DOA和扩散角的估计。
[0011]本专利技术由于采用以上技术方案，能够取得如下的技术效果：本专利技术有效抑制脉冲噪声和多径干扰，准确地实现DOA和扩散角的联合估计，提高算法的有效性和鲁棒性。
附图说明
[0012]图1是本专利技术在不同特征指数条件下，与CRCO算法、FLOM算法、PFLOM算法、GCO
‑
DSPE算法，以及DSPE算法的对比图；
[0013]图2是本专利技术在不同广义信噪比条件下，与FLOM算法、PFLOM算法、CRCO算法和DSPE算法的对比图。
具体实施方式
[0014]本专利技术的实施例是在以本专利技术技术方案为前提下进行实施的，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述实施例。
[0015]实施例1
[0016]本实施例提供一种强脉冲噪声下自适应分布源DOA估计方法，步骤如下：
[0017]第一步，采用分布源模型描述阵列输出信号，有效解决了多径干扰对参数估计的影响；
[0018]设L个相互独立的相干分布源入射到由M个阵元组成的均匀线性阵列(Uniform Linear Array,ULA)，其入射角度分别为{θ1,θ2,
…
,θ
L
}，载波波长为λ，阵元间距为d。观测信号的复包络表示为：
[0019][0020]其中，Θ＝[
‑
π/2,+π/2]为观测区间，阵列流形表示为A＝[a(θ1),a(θ2),
…
,a(θ
L
)]，a(θ)＝[1,exp(
‑
j2πdsinθ/λ),
…
,exp(
‑
j2πd(M
‑
1)sinθ/λ)]T
为沿θ方向入射信号的导向向量，为第l个入射到ULA上信源的角信号密度，n(t)为观测噪声，为第l个分布源的待估计参数，其中θ
c
和σ分别为相干分布源的DOA和扩散角。
[0021]第二步，构建基于Logistic函数导数的LDB核函数，并基于所述核函数定义代价函数，有效抑制脉冲噪声的影响。
[0022]Logistic函数由比利时数学家Pierre
‑
FrancoisVerhulst在研究人口增长过程中提出
[28]，其表达式为：
[0023][0024]其中，t0为sigmoid的中点值，L为曲线的最大值，k为曲线的逻辑增长率。
[0025]如果设L＝1，k＝1和t0＝0，则式(3)称为标准Logisitc函数：
[0026][0027]对Logistic函数求导可得：
[0028][0029]设X和Y为两个随机变量，则LDB核函数表示为：
[0030][0031]由于式(5)中等号右侧是随机变量差的形式，因此κ
LD
(X,Y)函数也可以写作κ
LD
(X,Y)＝κ
LD
(X
‑
Y)。
[0032]基于LDB核函数的代价函数为：
[0033]C
LD
(X,Y)＝κ
LD
(0)
‑
E[κ
LD
(X,Y)]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0034]对于式(6)定义的代价函数，可得C
LD
(X,Y)≥0，进一步分析可得：
[0035][0036]其中，Φ(
·
)为κ
LD
诱导的非线性映射。式(7)是LDB核诱导的特征空间的一个均方代价函数。
[0037]设服从联合概率密度函数f
XY
(x,y)的N个数据采样为差为u
n
＝x
n
‑
y
n
，则C
LD
(X,Y)的估计为：
[0038][0039]第三步，通过所述代价函数得到平方误差函数，基于所述平方误差函数对所述阵列输出信号进行分解，获得信号子空间的估计。
[0040]具体的，设X为不包含噪声的阵列输出的纯净信号，则X的低秩分解可以表示为：
[0041]X＝YZ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0042]其中，Y是一个列满秩矩阵，Z是一个行满秩矩阵。
[0043]但实际应用中，阵列输出的信号或多或少的混有噪声，因此，式(9)定义的低秩分解是近似的。如果阵列输出的信号中包含高斯噪声，则平方误差函数为：
[0044][0045]其中，||
·
||
F
表示Frobenius范数，x
ij
表示X的第(i,j)个元素，(YZ)
ij
...

【技术保护点】

【技术特征摘要】
1.一种强脉冲噪声下自适应分布源DOA估计方法，其特征在于，包括：采用分布源模型描述阵列输出信号；构建基于Logistic函数导数的LDB核函数，并基于所述LDB核函数定义代价函数；通过所述代价函数得到平方误差函数，基于所述平方误差函数对所述阵列输出信号进行分解，获得信号子空间的估计；根据所述信号子空间构建二维空间谱，对所述二维空间谱进行局部谱峰搜索，得到目标信源DOA和扩散角的估计。2.根据权利要求1所述强脉冲噪声下自适应分布源DOA估计方法，其特征在于，采用分布源模型描述阵列输出信号，具体为：设L个相互独立的相干分布源入射到由M个阵元组成的均匀线性阵列，其入射角度分别为{θ1,θ2,
…
,θ
L
}，载波波长为λ，阵元间距为d；观测信号的复包络表示为：其中，Θ＝[
‑
π/2,+π/2]为观测区间，阵列流形表示为A＝[a(θ1),a(θ2),
…
,a(θ
L
)]，a(θ)＝[1,exp(
‑
j2πdsinθ/λ),
…
,exp(
‑
j2πd(M
‑
1)sinθ/λ)]
T
为沿θ方向入射信号的导向向量，为第l个入射到均匀线性阵列上信源的角信号密度，n(t)为观测噪声，为第l个分布源的待估计参数，其中θ
c
和σ分别为相干分布源的DOA和扩散角。3.根据权利要求1所述强脉冲噪声下自适应分布源DOA估计方法，其特征在于，构建基于Logistic函数导数的LDB核函数，具体为：Logistic函数表达式为：其中，t0为sigmoid的中点值，L为曲线的最大值，k为曲线的逻辑增长率；如果设L＝1，k＝1和t0＝0，则式(3)称为标准Logisitc函数：对Logistic函数求导可得：设X和Y为两个随机变量，则LDB核函数表示为由于式(5)中等号右侧是随机变量差的形式，因此κ
LD
(X,Y)函数能写作κ
LD
(X,Y)＝κ
LD
(X
‑
Y)。4.根据权利要求1所述强脉冲噪声下自适应分布源DOA估计方法，其特征在于，基于所...

【专利技术属性】
技术研发人员：田全，蔡睿妍，
申请(专利权)人：台州学院，
类型：发明
国别省市：