基于斜投影技术的混合源定位参数估计方法技术

本发明专利技术公开了一种基于斜投影技术的混合源定位参数估计方法，包括以下步骤：使远近场混合信源入射到传感器阵列，在传感器阵列上进行多快拍数采样，计算传感器阵列接收的多快拍数据的协方差矩阵R，对协方差矩阵R进行特征值分解，获得小特征值相对应的特征向量组成的噪声子空间U

【技术实现步骤摘要】
基于斜投影技术的混合源定位参数估计方法


[0001]本专利技术属于阵列信号处理
，具体来说涉及一种基于斜投影技术的混合源定位参数估计方法。

技术介绍

[0002]波达方向(Direction of Arrival,DOA)估计[1]是阵列信号处理领域中的一个重要研究内容，在雷达、声呐、无线通信和地震勘探等诸多军用或民用领域有着广泛的应用[2]。
[0003]早期DOA估计的研究主要是针对纯远场信源[3]‑
[4]和纯近场信源[5]的，如多重信号分类(Multiple Signal Classification,MUSIC)方法、旋转不变子空间(Estimation of Signal Parameters via rotational invariance technique，ESPRIT)方法等。随着雷达、麦克风等混合信源场景的应用，纯远场信源或纯近场信源定位方法已不适用于混合信源场景。在远近场混合信源定位模型中，远场信源的波前可以近似为平面波，但近场信源的入射波前曲率不能忽略，信号波前为球面波[6]。若直接使用纯远场信源定位方法，则无法正确估计近场信源定位参数；若直接使用纯近场信源定位方法，则会导致方法计算量过大、无法分离远近场信源等问题。因此研究远近场混合信源定位方法具有重要的实际意义。
[0004]为了解决远近场混合信源定位问题，已经提出了许多定位方法。文献[7]提出了一种两步MUSIC方法(TSMUSIC)，该方法构造了两个特殊的四阶累积量矩阵，并进行两次谱峰搜索，计算复杂度较大。文献[8]基于斜投影技术提出了一种混合源定位方法(MBODS)，该方法仅使用了二阶统计量，相比于基于四阶累积量的方法，定位参数估计性能稍差，且只利用了数据协方差矩阵的反对角线元素，估计近场信源DOA性能不理想。文献[9]提出了一种混合阶的定位方法(MOS)，该方法构造了一个仅含有DOA信息的高阶累积量矩阵，且需要三次谱峰搜索，计算复杂度也较大。文献[10]基于高阶累积量提出了一种混合源定位方法(CMR)，在通过MUSIC谱峰搜索得到远场源DOA估计值后，根据远场源的峰度分离出近场源分量，进而估计出近场源的定位参数。上述方法大部分对于远场源定位参数有着较好的估计性能，但近场源的定位参数估计与之相比性能稍差。
[0005]针对上述技术方法的不足，有必要提出一种高精度混合源定位参数估计方法。

技术实现思路

[0006]针对现有技术的不足，本专利技术的目的在于提供一种基于斜投影技术的混合源定位参数估计方法，该混合源定位参数估计方法对CMR方法进行改进，目的是在保证远场信源估计性能基本不变的前提下，提高近场信源的定位参数估计性能(定位参数：远场信源的DOA值、近场信源的DOA值、近场信源的距离值)。
[0007]本专利技术的目的是通过下述技术方案予以实现的。
[0008]一种基于斜投影技术的混合源定位参数估计方法，包括以下步骤：
[0009]步骤一，使远近场混合信源入射到由2M+1个阵元组成的传感器阵列，远近场混合
信源包括：K1个远场信源和K
‑
K1个近场信源，在传感器阵列上进行多快拍数采样，计算传感器阵列接收的多快拍数据的协方差矩阵R；
[0010]R＝E{x(t)x
H
(t)}
[0011]其中，x(t)为传感器阵列t时刻接收的多快拍数据，E{
·
}表示期望运算函数，x
H
(t)表示对x(t)的共轭转置运算；
[0012]步骤二，对协方差矩阵R进行特征值分解，获得2M+1
‑
K个小特征值相对应的特征向量组成的噪声子空间U
n
，基于U
n
建立一维MUSIC谱峰搜索函数，估计远场信源的DOA值θ
i
'；
[0013]步骤三，使用斜投影技术提取出多快拍数据中的近场源分量，包括：3
‑
1、3
‑
2和3
‑
3；
[0014]3‑
1，根据K1个远场信源的DOA值θ
i
'，得到K1个远场信源的流型矩阵估计值A
F
；
[0015]3‑
2，通过流型矩阵估计值A
F
计算出斜投影算子
[0016]3‑
3，对传感器阵列接收的多快拍数据使用斜投影算子，抑制远场信源分量，提取出t时刻的近场源分量
[0017][0018]其中，I
2M+1
为2M+1维的单位矩阵。
[0019]步骤四，使用类ESPRIT算法计算得到近场信源的DOA值包括：4
‑
1～4
‑
3；
[0020]4‑
1，通过近场源分量构建四阶累积量矩阵C1，其中，C1中的元素为C1(m+M+1,n+M+1)：
[0021][0022]其中，m和n为阵元的序列数，
‑
M≤m≤M，
‑
M≤n≤M，为第m个阵元t时刻的近场源分量数据，为第n个阵元t时刻的近场源分量数据，c
4,sk
为第k个近场信源的峰度，k＝1、
……
、K
‑
K1，{
·
}
*
表示共轭，cum为四阶累积量运算，表示共轭，cum为四阶累积量运算，为第k个近场信源的DOA值。
[0023]4‑
2，对四阶累积量矩阵的矩阵C1进行特征值分解
[0024][0025]其中，Ω
s
为K
‑
K1个大特征值构成的对角矩阵，Ω
n
为2M+1
‑
K+K1个小特征值构成的对角矩阵，E
s
为K
‑
K1个大特征值相对应的特征向量组成的信号子空间，E
n
为2M+1
‑
K+K1个小特征值相对应的特征向量组成的噪声子空间；
[0026]4‑
3，将E
s
划分为E1和E2两个子阵，E1为矩阵E
s
前2M行元素组成的矩阵，E2为矩阵E
s
后2M行元素组成的矩阵，并构造E
12
＝[E1,E2]，对E
12
进行奇异值分解，得到的右奇异矢量组成的矩阵为V，把V划分为4个(K
‑
K1)
×
(K
‑
K1)的子阵；
[0027][0028]计算矩阵Ψ：
[0029][0030]对矩阵Ψ进行特征值分解，得到K
‑
K1个大特征值ψ＝{ψ
k
，k＝1、
……
、K
‑
K1}；
[0031]对K
‑
K1个大特征值ψ计算，得到K
‑
K1个近场信源的DOA值第k本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于斜投影技术的混合源定位参数估计方法，其特征在于，包括以下步骤：步骤一，使远近场混合信源入射到由2M+1个阵元组成的传感器阵列，远近场混合信源包括：K1个远场信源和K
‑
K1个近场信源，在传感器阵列上进行多快拍数采样，计算传感器阵列接收的多快拍数据的协方差矩阵R；R＝E{x(t)x
H
(t)}其中，x(t)为传感器阵列t时刻接收的多快拍数据，E{
·
}表示期望运算函数，x
H
(t)表示对x(t)的共轭转置运算；步骤二，对协方差矩阵R进行特征值分解，获得2M+1
‑
K个小特征值相对应的特征向量组成的噪声子空间U
n
，基于U
n
建立一维MUSIC谱峰搜索函数，估计远场信源的DOA值θ
′
i
；步骤三，使用斜投影技术提取出多快拍数据中的近场源分量，包括：3
‑
1、3
‑
2和3
‑
3；3
‑
1，根据K1个远场信源的DOA值θ
′
i
，得到K1个远场信源的流型矩阵估计值A
F
；3
‑
2，通过流型矩阵估计值A
F
计算出斜投影算子3
‑
3，对传感器阵列接收的多快拍数据使用斜投影算子，抑制远场信源分量，提取出t时刻的近场源分量刻的近场源分量其中，I
2M+1
为2M+1维的单位矩阵；步骤四，使用类ESPRIT算法计算得到近场信源的DOA值包括：4
‑
1～4
‑
3；4
‑
1，通过近场源分量构建四阶累积量矩阵C1，其中，C1中的元素为C1(m+M+1,n+M+1)：其中，m和n为阵元的序列数，
‑
M≤m≤M，
‑
M≤n≤M，为第m个阵元t时刻的近场源分量数据，为第n个阵元t时刻的近场源分量数据，c
4,sk
为第k个近场信源的峰度，k＝1、
……
、K
‑
K1，{
·
}
*
表示共轭，cum为四阶累积量运算，表示共轭，cum为四阶累积量运算，为第k个近场信源的DOA值；4
‑
2，对四阶累积量矩阵的矩阵C1进行特征值分解其中，Ω
s
为K
‑
K1个大特征值构成的对角矩阵，Ω
n
为2M+1
‑
K+K1个小特征值构成的对角矩阵，E
s
为K
‑
K1个大特征值相对应的特征向量组成的信号子空间，E
n
为2M+1
‑
K+K1个小特征值相对应的特征向量组成的噪声子空间；4
‑
3，将E
s
划分为E1和E2两个子阵，E1为矩阵E
s
前2M行元素组成的矩阵，E2为矩阵E
s
后2M行元素组成的矩阵，并构造E
12
＝[E1,E2]，对E
12
进行奇异值分解，得到的右奇异矢量组成的矩阵为V，把V划分为4个(K
‑
K1)
×
(K
‑
K1)的子阵；

【专利技术属性】
技术研发人员：石和平，杨盐杰，闫光辉，王少华，侯海晶，
申请(专利权)人：天津职业技术师范大学中国职业培训指导教师进修中心，
类型：发明
国别省市：