本发明专利技术提供了一种脉冲噪声环境下基于镜像互质阵列的高自由度DOA估计方法，涉及阵列信号处理技术领域，包括如下步骤：S1：依靠非圆信号特性，得到观测信号；S2：根据观测信号的信息以及基于平方的相关熵算子，计算得到伪协方差矩阵，对脉冲噪声进行抑制；S3：向量化伪协方差矩阵得到虚拟向量，去除虚拟向量中的冗余行，并按照对应于连续虚拟阵元的位置进行截取和排序，得到虚拟阵列接收信号；S4：对虚拟阵列接收信号进行空间平滑，得到重构后全秩的协方差矩阵；S5：通过特征值分解协方差矩阵得到噪声子空间；S6：通过MUSIC算法对噪声子空间进行谱峰搜索得到精确的DOA估计值。本发明专利技术方法有较高的自由度，在脉冲噪声环境下能准确完成DOA估计，并且有良好的性能。并且有良好的性能。并且有良好的性能。
【技术实现步骤摘要】
脉冲噪声环境下基于镜像互质阵列的高自由度DOA估计方法
[0001]本专利技术涉及阵列信号处理
，具体而言，尤其涉及一种脉冲噪声环境下基于镜像互质阵列的高自由度DOA估计方法。
技术介绍
[0002]波达方向(direction of arrival，DOA)估计在智能无线通信领域受到了广泛的关注，在无线通信领域中特别是在雷达探测、智能无线电监测和车辆自动驾驶等方面也得到了广泛的发展。在传统DOA中，大部分的阵列结构使用均匀线性阵列(uniform linear array，ULA)，一个具有M个阵元的ULA只能估计M
‑
1个信号源。此外，由于阵元间距限制为信号源波长的一半，导致ULA孔径较小，进而导致DOA估计的空间分辨率较低。然而，ULA只能通过增加物理传感器的数量来增加可估计信源的数量以及扩大孔径大小，这使得硬件的成本的增加和可应用场景的减少。
[0003]为了在传感器有限的情况下估计更多的信号源，近年来提出了基于互质阵列(co
‑
prime linear array，CLA)的欠定DOA估计方法。CLA主要由两个阵元个数为互质数的ULA组成，通过生成差分虚拟阵列，可以有效地扩展阵列孔径，估计超过阵元个数的信号源数量。更具体地说，对于相同数量的阵元，CLA的自由度(degree offreedom，DOF)从ULA的O(M)提高到了O(M2)。此外，阵元间距变为Nλ/2和Mλ/2，有效减少了阵元间的耦合效应。为了进一步提高DOF，提出了扩展互质阵列(extended co
‑
prime linear array，ECLA)，仅使用M+N
‑
1个阵元就可以达到2M(N+1)
‑
1的虚拟线阵连续自由度。但是，ECLA需要增加M个物理阵元，提高了硬件成本。
[0004]基于互质阵列的DOA估计方法多数是在加性高斯白噪声(additive white Gaussian noise，AWGN)的噪声背景下进行的研究。然而，由于自然或人为干扰的影响，在现实的无线场景中，如汽车点火系统、海浪、山脉的不连续、大气闪电等引起的噪声通常呈现脉冲特征。对于这种脉冲噪声，用高斯分布的模型对其进行表述不再适用，实践中通常采用Alpha稳定分布进行建模。传统的DOA估计方法在非高斯脉冲噪声下的性能严重下降，针对此问题，提出了一系列基于分数低阶统计量的DOA估计方法。这些方法可以有效的抑制脉冲噪声，提高估计的准确度，但依赖在实际应用中难以获得的信号和噪声的先验知识。
技术实现思路
[0005]有鉴于此，本专利技术的目的在于提出一种脉冲噪声环境下基于镜像互质阵列的高自由度DOA估计方法，以解决现有DOA估计方法无法在脉冲噪声环境下以较低的硬件成本准确估计尽可能多的信号源的技术问题。
[0006]本专利技术采用的技术手段如下：
[0007]一种脉冲噪声环境下基于镜像互质阵列的高自由度DOA估计方法，包括如下步骤：
[0008]S1：使用互质阵列结构的阵列天线接收信号，之后依靠信号的非圆信号特性，对互质阵列的第一个子阵进行镜像和共轭操作，得到改进的镜像互质阵列结构，进而得到观测
信号y；
[0009]S2：根据观测信号y的信息以及基于平方的相关熵算子，计算得到伪协方差矩阵对脉冲噪声进行抑制；
[0010]S3：向量化得到虚拟向量z，去除z中的冗余行，并按照对应于虚拟阵元[
‑
MN,MN]的位置进行截取和排序，得到虚拟阵列接收信号
[0011]S4：对进行空间平滑，得到重构后全秩的协方差矩阵R
o
；
[0012]S5：通过特征值分解R
o
得到噪声子空间
[0013]S6：通过MUSIC算法对噪声子空间进行谱峰搜索得到精确的DOA估计值。
[0014]进一步地，S1中，互质阵列包括阵元数为M的子阵ULA1和阵元数为N的子阵ULA2，M和N为互质整数，M<N，两个子阵只在原点处有一个物理阵元重合；子阵ULA1的阵元间距是Nd，子阵ULA2的阵元间距是Md，d＝λ/2，λ为信号波长；子阵ULA1和ULA2接收到的信号分别为：
[0015][0016][0017]其中，s(t)＝[s1(t),s2(t),
…
,s
k
(t)]T
是远场窄带非圆信号信号向量，n1(t)和n2(t)是加性噪声向量，A1＝[a1(θ1),a1(θ2),
…
,a1(θ
K
)]是ULA1的转向矩阵，A2＝[a2(θ1),a2(θ2),
…
,a2(θ
K
)]是ULA2的转向矩阵，t是时域快拍。
[0018]进一步地，S1中的镜像互质阵列为一种基于互质阵列的改进阵列结构，根据非圆信号的特性，子阵ULA1增加M个虚拟阵元得到子阵ULA
m
；所述镜像互质阵列包含子阵ULA
m
和子阵ULA2，阵元个数分别是2M和N；子阵ULA1接收到的信号又可写为：
[0019][0020]扩展的M个虚拟阵元接收信号表示为：
[0021][0022]子阵ULA
m
接收的信号为：
[0023][0024]镜像互质阵列接收的实际观测信号为：
[0025][0026]进一步地，S2中所述基于平方的相关熵算子为：
[0027][0028]其中，σ代表核长，δ＝P
‑
Q，P和Q是随机变量。
[0029]进一步地，S2具体包括：
[0030]利用观测信号y，再依据基于平方的相关熵算子，计算得到伪协方差矩阵：
[0031][0032]其中，第(i，j)个元素是：
[0033][0034]其中，y
i
和y
i
分别表示观测数据的第i行和第j行；
[0035]用接收到的有限数量的数据进行估计，即：
[0036][0037]相应伪协方差矩阵更新为
[0038]进一步地，S3具体包括：
[0039]向量化得到：
[0040][0041]其中，是入射信号功率，I＝vec(I
2M+N
)，对应于长虚拟阵列的转向矩阵；虚拟向量z中有大量的冗余行，去除其中的冗余行，并按照对应于虚拟阵元[
‑
MN,MN]的位置进行截取和排序，得到虚拟阵列接收信号
[0042][0043]其中，等同于虚拟均匀线性阵列的阵列流型。
[0044]进一步地，S4具体包括：
[0045]对得到的接收信号进行空间平滑，构造得到空间平滑矩阵R：
[0046][0047]其中，R
v
为接收信号分解成的第v个子数组，对应的位置是：
[0048]L
v
＝{(
‑
v+c+1)d∣本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种脉冲噪声环境下基于镜像互质阵列的高自由度DOA估计方法，其特征在于，包括如下步骤：S1：使用互质阵列结构的阵列天线接收信号，之后依靠信号的非圆信号特性，对互质阵列的第一个子阵进行镜像和共轭操作，得到改进的镜像互质阵列结构，进而得到观测信号y；S2：根据观测信号y的信息以及基于平方的相关熵算子，计算得到伪协方差矩阵对脉冲噪声进行抑制；S3：向量化得到虚拟向量z，去除虚拟向量z中的冗余行，并按照对应于虚拟阵元[
‑
MN,MN]的位置进行截取和排序，得到虚拟阵列接收信号S4：对进行空间平滑，得到重构后全秩的协方差矩阵R
o
；S5：通过特征值分解R
o
得到噪声子空间S6：通过MUSIC算法对噪声子空间进行谱峰搜索得到精确的DOA估计值。2.根据权利要求1所述的脉冲噪声环境下基于镜像互质阵列的高自由度DOA估计方法，其特征在于，S1中，互质阵列包括阵元数为M的子阵ULA1和阵元数为N的子阵ULA2，M和N为互质整数，M<N，两个子阵只在原点处有一个物理阵元重合；子阵ULA1的阵元间距是Nd，子阵ULA2的阵元间距是Md，d＝λ/2，λ为信号波长；子阵ULA1和ULA2接收到的信号分别为：接收到的信号分别为：其中，s(t)＝[s1(t),s2(t),
…
,s
k
(t)]
T
是远场窄带非圆信号信号向量，n1(t)和n2(t)是加性噪声向量，A1＝[a1(θ1),a1(θ2),
…
,a1(θ
K
)]是ULA1的转向矩阵，A2＝[a2(θ1),a2(θ2),
…
,a2(θ
K
)]是ULA2的转向矩阵，t是时域快拍。3.根据权利要求2所述的脉冲噪声环境下基于镜像互质阵列的高自由度DOA估计方法，其特征在于，S1中的镜像互质阵列为一种基于互质阵列的改进阵列结构，根据非圆信号的特性，子阵ULA1增加M个虚拟阵元得到子阵ULA
m
；所述镜像互质阵列包含子阵ULA
m
和子阵ULA2，阵元个数分别是2M和N；子阵ULA1接收到的信号又可写为：扩展的M个虚拟阵元接收信号表示为：子阵ULA
m
接收的信号为：镜像互质阵列接收的实际观测信号为：
4.根据权利...
【专利技术属性】
技术研发人员：马济通，边文霖，胡牧天，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。