一种基于子空间对消的干扰下的目标角度估计方法技术

本发明专利技术设计雷达通信技术领域，提出一种基于子空间对消的干扰下的目标角度估计方法，包含步骤：构建回波信号矩阵；计算测试数据的协方差矩阵；对测试数据协方差矩阵进行特征分解，得到目标+干扰子空间；计算辅助数据的协方差矩阵；对辅助数据协方差矩阵进行特征分解，得到干扰子空间；对得到的子空间对应的特征向量求相似度，相关系数高于门限判定为干扰，剔除干扰特征向量后得到目标子空间；计算各稀疏网格点目标函数输出；取最大目标函数输出对应角度作为目标角度估计。通过子空间相似度进行干扰下的角度估计，可以有效进行干扰抑制，在干扰环境中得到目标角度的准确估计。干扰环境中得到目标角度的准确估计。干扰环境中得到目标角度的准确估计。

【技术实现步骤摘要】
一种基于子空间对消的干扰下的目标角度估计方法


[0001]本专利技术属于雷达通信领域，尤其涉及干扰下的目标角度估计方法。

技术介绍

[0002]波达方向估计DOA是现代雷达中的一个重要课题，提升角度估计精度可以提升整个雷达系统的性能(见文献：Enhanced DOA Estimation Exploiting Multi
‑
Frequency Sparse Array,IEEE Transactions on Signal Processing,available online,2021；Real
‑
Valued Sparse Bayesian Learning for DOA Estimation With Arbitrary Linear Arrays,IEEE Transactions on Signal Processing,vol.69,pp.4977
‑
4990,2021.)。随着现代电磁环境的变得日益复杂，有源干扰成为现代雷达系统需要考虑的重要因素之一(见文献：DOA Estimation Using Compressive Sampling
‑
Based Sensors in the Presence of Interference,IEEE Transactions on Aerospace and Electronic Systems,vol.56,no.6,pp.4395
‑
4405,2020)。有源干扰会对一个系统的各项性能产生较大影响，因此有必要考虑干扰下的目标角度估计问题。
[0003]当前角度估计方法大致分为，第一类是和差波束单脉冲测角，这类方法是利用和差波束比与误差角之间的近似线性关系来求解误差角，从而得到目标来向的一种角度估计方法，这种方法需要用到和差波束比与误差角的近似线性关系，所以测角范围限制在主瓣范围内，测角误差会随着误差角增大而增大，而且在干扰存在的情况下，为了抑制干扰，需要利用MVDR原理进行滤波，会导致常规的和差波束比出现失真，从而无法正常测角，一些学者在此基础上提出运用线性约束的方法保证和差波束比在约束范围内不发生失真(见文献：Monopulse estimation with subarray
‑
adaptive arrays and arbitrary sum and difference beams,IEE Proceedings
‑
Radar,Sonar and Navigation,vol.143,no.4,pp.232
–
238,1996；Adaptive Monopulse Approach With Joint Linear Constraints for Planar Array at Subarray Level,IEEE Transactions on Aerospace and Electronic Systems,vol.54,no.3,pp.1432
‑
1441,2018)，测角范围限制在约束范围内；第二类是最大似然估计(见文献：Maximum likelihood estimation of DOD and DOA for bistatic MIMO radar,Signal Processing,vol.93,no.5,pp.1349
‑
1357,2013；Approximate Unconditional Maximum Likelihood Direction of Arrival Estimation for Two Closely Spaced Targets,IEEE Signal Processing Letters,vol.22,no.1,pp.86
‑
89,2015)，通过导向矢量结合协方差矩阵得到自适应权值，阵列信号输入进行滤波处理，最大输出即是对应的最大似然角度估计，这类方法在高维情况下容易出现低秩协方差矩阵而导致协方差矩阵不可逆的情况，从而影响了角度估计性能；第三类是子空间角度估计方法(Direction of Departure(DOD)and Direction of Arrival(DOA)Estimation in MIMO Radar with Reduced
‑
Dimension MUSIC,IEEE Communications Letters,vol.14,no.12,pp.1161
‑
1163,2010)，这类方法通过对协方差矩阵进行特征分解得到目标特征向量，进而构造一定的目标函数，目标函数取极值即可得到对应的角度估计。
[0004]现有的DOA在干扰场景下的角度估计效果不理想，比如在大范围测角、高维度等应用场景下的角度估计性能不足。

技术实现思路

[0005]本专利技术所要解决的技术问题是，针对现有角度估计算法仅考虑信号源角度估计，未考虑干扰判别问题，提供一种既考虑了有源干扰下的角度估计问题，又通过子空间特征向量的相关系数进行干扰判别，进而完成目标角度估计的方法。
[0006]本专利技术为解决上述技术问题所采用的技术方案是，基于子空间对消的干扰下的目标角度估计方法，包括以下步骤：
[0007]步骤1：分别构建测试数据、辅助数据对应的回波信号矩阵，测试数据回波信号矩阵X1，X1为N
×
L1的矩阵，N为空域通道数，L1为快拍数，将辅助数据回波信号矩阵作为干扰回波信号矩阵X2，X2为N
×
L2的矩阵，L2为辅助数据的快拍数；
[0008]步骤2：计算测试数据协方差矩阵H表示共轭转置；再对测试数据协方差矩阵Ω进行特征分解得到目标和干扰子空间的特征向量α
i
，i＝1,2,...,I，I为目标和干扰子空间的特征向量个数；计算干扰协方差矩阵再对干扰协方差矩阵R进行特征分解得到干扰子空间的特征向量β
j
，j＝1,2,...,J，J为干扰子空间的特征向量个数；
[0009]步骤3：计算干扰+目标子空间的特征向量α
i
和干扰子空间的特征向量β
j
的相关系数如果相关系数ρ
ij
大于门限T，判定测试空间的特征向量α
i
为干扰特征向量，否则判定α
i
为目标特征向量；其中，var表示方差函数，cov表示协方差函数；
[0010]步骤4：利用目标特征向量构造稀疏网格点上的目标函数，得到各网格点上的目标函数值；
[0011]步骤5：对步骤4得到的目标函数值进行峰值搜索，得到目标函数的峰值对应的方位角与俯仰角
[0012]本专利技术的有益效果为：通过子空间特征向量的相关系数进行干扰判别，筛选出目标特征向量来构造目标函数从而进行角度估计，可以弥补和差波束测角在测角范围、最大似然测角在高维度应用场景下的不足本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于子空间对消的干扰下的目标角度估计方法，其特征在于，包括以下步骤：步骤1：分别构建测试数据、辅助数据对应的回波信号矩阵；测试数据为；辅助数据为；测试数据为目标所在单元回波；辅助数据为无目标单元回波；步骤2：计算测试数据协方差矩阵；再对测试数据协方差矩阵进行特征分解得到目标和干扰子空间的特征向量α
i
，i＝1,2,...,I，I为目标和干扰子空间的特征向量个数；计算辅助数据协方差矩阵，再对干扰协方差矩阵进行特征分解得到干扰子空间的特征向量β
j
，j＝1,2,...,J，J为干扰子空间的特征向量个数；步骤3：计算测试空间的特征向量α
i
和干扰子空间的特征向量β
j
的相关系数如果相关系数ρ
ij
大于门限T，判定测试空间的特征向量α
i
为干扰特征向量，否则判定α
i
为目标特征向量；其中，var表示方差函数，cov表示协方差函数；步骤4：利用目标特征向量构造稀疏网格点上的目标函数，得到各网格点上的目标函数值；步骤5：对步骤4得到的目标函数值进行峰值搜索，得到目标函数的峰值对应的方位角与俯仰角2.如权利要求1所述方法，其特征在于，测试数据回波信号矩阵X1，X1为N
×
L1的矩阵，N为空域通道数，L1为测试数据快拍数；辅助数据回波信号矩阵X2，X2为N
×
L2的矩阵，L2为辅助数据的快拍数。测试数据协方差矩阵辅助数据协方差矩阵3.如权利要求2所述方法，其特征在于，步骤2具体包括：对测试数据协方...

【专利技术属性】
技术研发人员：唐凌云，何子述，李军，程子扬，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：