一种基于降维多重信号分类的雷电甚高频辐射源成像方法技术

本发明专利技术公开了一种基于降维多重信号分类的雷电甚高频辐射源成像方法，属于雷电成像技术领域，包括以下步骤：基于天线阵列，采集雷电甚高频辐射源的雷电甚高频信号，并通过离散傅里叶变换，将雷电甚高频信号分解为若干窄带分量；构建加权一维空间谱函数，获取窄带分量与天线阵列的X

【技术实现步骤摘要】
一种基于降维多重信号分类的雷电甚高频辐射源成像方法


[0001]本专利技术涉及雷电成像
，具体而言，涉及一种基于降维多重信号分类的雷电甚高频辐射源成像方法。

技术介绍

[0002]雷电成像方法是开展雷电科学与防护研究的重要支撑，基于雷电成像结果，分析自然雷电的传播特征，可服务于揭示雷电放电过程物理机理。基于雷电成像信息，建立考虑自然雷电通道形态与传播速度等关键参数的雷击风险评估模型，有助于优化地面基础设施防雷保护设计。然而传统的雷电成像方法在处理实际探测数据时，都容易受到噪声干扰导致算法精度显著下降；因此，急需设计一种新的雷电成像技术，以提升雷电成像算法的抗干扰能力。

技术实现思路

[0003]为了解决上述问题，考虑到多重信号分类(Multipl eSignal Classification，MUSIC)能有效提升系统的抗噪性能，本专利技术的目的是提供一种基于降维多重信号分类的雷电甚高频辐射源成像方法技术，通过降维多重信号分类算法实现雷电成像，以提升成像算法的抗噪性能和计算效率。
[0004]为了实现上述技术目的，本申请提供了一种基于降维多重信号分类的雷电甚高频辐射源成像方法，包括以下步骤：
[0005]基于天线阵列，采集雷电甚高频辐射源的雷电甚高频信号，并通过离散傅里叶变换，将雷电甚高频信号分解为若干窄带分量；
[0006]构建加权一维空间谱函数，获取窄带分量与天线阵列的X
‑
O
‑
Y平面的X轴正方向形成的第一夹角，以及与Y轴正方向形成第二夹角；
[0007]根据第一夹角和第二夹角，获取雷电甚高频信号的入射仰角和方位角，并根据入射仰角和方位角，对雷电甚高频辐射源进行成像。
[0008]优选地，在使用天线阵列采集雷电甚高频信号的过程中，天线阵列为非均匀L型雷电观测天线阵列，其中，非均匀L型雷电观测天线阵列用于表示阵列在X
‑
O
‑
Y平面上呈L型，在原点处设置有第一子天线，以及在X轴和Y轴上，根据第一子天线，对称设置有第二子天线、第三子天线和第四子天线；
[0009]在X轴或Y轴上，第一子天线到第二子天线的距离为d
m
，第二子天线到第三子天线在X轴上的距离为4d
m
，第三子天线到第四子天线在X轴上的距离为6d
m
。
[0010]优选地，在获取第一夹角和第二夹角的过程中，根据天线阵列的阵列观测方程，通过设置空间计算因子，获取天线阵列的导向向量；
[0011]基于加权一维空间谱函数，依据导向向量，通过获取基于X轴的子阵观测信号的第一协方差矩阵，以及基于Y轴的子阵观测信号的第二协方差矩阵，获取第一夹角和第二夹角。
[0012]优选地，在根据阵列观测方程获取导向向量的过程中，阵列观测方程表示为：
[0013][0014]其中，Z
x
(t)、Z
y
(t)分别为X轴、Y轴上子阵列的窄带接收处信号，N
z
(t)＝[N
x
(t)，N
y
(t)]T
为高斯白噪声信号，a表示导向向量矩阵，s(t)为宽带雷电甚高频信号经过离散傅里叶变换处理后得到的某一窄带分量。
[0015]优选地，在获取导向向量的过程中，导向向量表示为：
[0016]a＝[a
x
，a
y
]T
[0017]其中，a
x
、a
y
分别为X轴、Y轴子阵的导向向量，表示为：
[0018][0019][0020]式中，u、v为两个空间计算因子，式中，u、v为两个空间计算因子，
[0021]优选地，在构建加权一维空间谱函数的过程中，加权一维空间谱函数表示为：
[0022][0023]其中，是X轴接收信号在频率ω
i
上的第i个有效窄带分量上的噪声子空间，E
i
是第i个有效窄带分量的能量，E
tot
是所有有效窄带分量的能量之和，NO.s是有效窄带分量的数量。
[0024]优选地，在获取入射仰角的过程中，根据第一夹角，获取空间计算因子u的第一估计值；
[0025]根据第二夹角，获取空间计算因子v的第二估计值；
[0026]根据第一估计值和第二估计值，获取入射仰角，其中，入射仰角表示为：
[0027][0028]式中，为第二估计值，为第一估计值，为入射仰角。
[0029]优选地，在获取方位角的过程中，方位角表示为：
[0030][0031]优选地，在获取第一夹角和第二夹角的过程中，基于加权一维空间谱函数，通过设置搜索步长，根据在[0
°
，180
°
]区间的夹角，对函数进行迭代计算，获取峰值对应的夹角，作为第一夹角和第二夹角。
[0032]优选地，用于实现雷电甚高频辐射源成像方法的雷电甚高频辐射源成像系统，包括：
[0033]数据采集模块，用于通过天线阵列，采集雷电甚高频信号；
[0034]数据分解模块，用于通过离散傅里叶变换，将雷电甚高频信号分解为若干窄带分量；
[0035]数据处理模块，用于通过构建的加权一维空间谱函数，计算获取窄带分量与天线阵列的X
‑
O
‑
Y平面的X轴正方向形成的第一夹角，以及与Y轴正方向形成第二夹角；
[0036]成像模块，用于根据第一夹角和第二夹角，获取雷电甚高频信号的入射仰角和方位角，并根据入射仰角和方位角，对雷电甚高频辐射源进行成像。
[0037]本专利技术公开了以下技术效果：
[0038](1)本专利技术利用降维方式简化谱函数，提升算法的求解速度，节约了计算时间；
[0039](2)本专利技术相较于传统的雷电成像方法有效提升了系统的抗噪性能，提升了系统的成像精度；
[0040](3)本专利技术利用非规则阵列结构特征，提升了系统的抗模糊性能。
附图说明
[0041]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042]图1是本专利技术所述的非均匀L型雷电观测天线阵列结构示意图；
[0043]图2是本专利技术所述的降维多重信号分类算法流程示意图。
具体实施方式
[0044]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于降维多重信号分类的雷电甚高频辐射源成像方法，其特征在于，包括以下步骤：基于天线阵列，采集雷电甚高频辐射源的雷电甚高频信号，并通过离散傅里叶变换，将所述雷电甚高频信号分解为若干窄带分量；构建加权一维空间谱函数，获取所述窄带分量与所述天线阵列的X
‑
O
‑
Y平面的X轴正方向形成的第一夹角，以及与Y轴正方向形成第二夹角；根据所述第一夹角和所述第二夹角，获取所述雷电甚高频信号的入射仰角和方位角，并根据所述入射仰角和所述方位角，对所述雷电甚高频辐射源进行成像。2.根据权利要求1所述一种基于降维多重信号分类的雷电甚高频辐射源成像方法，其特征在于：在使用天线阵列采集雷电甚高频信号的过程中，所述天线阵列为非均匀L型雷电观测天线阵列，其中，所述非均匀L型雷电观测天线阵列用于表示阵列在X
‑
O
‑
Y平面上呈L型，在原点处设置有第一子天线，以及在X轴和Y轴上，根据所述第一子天线，对称设置有第二子天线、第三子天线和第四子天线；在X轴或Y轴上，所述第一子天线到所述第二子天线的距离为d
m
，所述第二子天线到所述第三子天线在X轴上的距离为4d
m
，所述第三子天线到所述第四子天线在X轴上的距离为6d
m
。3.根据权利要求2所述一种基于降维多重信号分类的雷电甚高频辐射源成像方法，其特征在于：在获取第一夹角和第二夹角的过程中，根据所述天线阵列的阵列观测方程，通过设置空间计算因子，获取所述天线阵列的导向向量；基于所述加权一维空间谱函数，依据所述导向向量，通过获取基于X轴的子阵观测信号的第一协方差矩阵，以及基于Y轴的子阵观测信号的第二协方差矩阵，获取所述第一夹角和第二夹角。4.根据权利要求3所述一种基于降维多重信号分类的雷电甚高频辐射源成像方法，其特征在于：在根据阵列观测方程获取导向向量的过程中，所述阵列观测方程表示为：其中，Z
x
(t)、Z
y
(t)分别为X轴、Y轴上子阵列的窄带接收处信号，N
z
(t)＝[N
x
(t)，N
y
(t)]
T
为高斯白噪声信号，a表示导向向量矩阵，s(t)为宽带雷电甚高频信号经过离散傅里叶变换处理后得到的某一窄带分量。5.根据权利要求4所述一种基于降维多重信号分类的雷电甚高频辐射源成像方法，其特征在于：在获取导向向量的过程中，所...

【专利技术属性】
技术研发人员：向念文，李兆坤，叶寿洪，陈怀飞，王宇，李科杰，吕增威，秦呈呈，吴烨欣，柯一帆，田鹏坤，谭永旭，王书来，李龙龙，苑乾坤，李浩，王博伟，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：