一种大规模阵列无网格制造技术

本发明专利技术涉及阵列波达方向估计领域，特别涉及一种大规模阵列无网格

【技术实现步骤摘要】
一种大规模阵列无网格DOA估计方法及系统


[0001]本专利技术涉及阵列波达方向估计领域，特别涉及一种大规模阵列无网格
DOA
估计方法及系统
。

技术介绍

[0002]大规模阵列波达方向
(DOA
，
Direction Of Arrival)
估计技术在近年来逐渐崭露头角，成为科学与工程领域中的一个热门研究课题
。
随着对阵列信号处理技术需求的不断提高，阵列结构也朝着大孔径
、
大规模
、
高分辨的方向发展
。
大规模阵列通常由相对更多的阵元组成，其可以有效增强信号接收和发送的灵敏度，提高信号的捕获能力，从而获得更高的信噪比
(SNR)
和提供高分辨率的方向估计和目标定位
。
这在很多应用场景中非常有价值，例如在
5G
通信系统
、
天线阵列雷达
、
声纳阵列系统
、
地震勘探
、
医学成像等领域
。...

【技术保护点】

【技术特征摘要】
1.
一种大规模阵列无网格
DOA
估计方法，所述方法包括：基于阵列接收的各信源信号获得数据矩阵；基于数据矩阵，将各信源的
DOA
估计问题表示为有约束优化问题；引入障碍参数和障碍函数，将有约束优化问题拓展为无约束优化问题；利用受限记忆
BFGS
算法求解无约束优化问题的
KKT
条件，并迭代缩小对偶间隙，得到秩最小的
Toeplitz
矩阵；将
Toeplitz
矩阵进行求根
MUSIC
分解，得到各信源的
DOA
估计最优值和信源强度
。2.
根据权利要求1所述的大规模阵列无网格
DOA
估计方法，其特征在于，所述数据矩阵，表示为：其中，
Z
Ω
和分别代表阵列中活跃阵元和失效阵元接收的数据；
Ω
代表活跃阵元集合，代表失效阵元集合；
N
Ω
代表噪声；
Y
Ω
指从理想信号
Y
中按照
Ω
元素抽取相应的行进行重新排列，
Y
表示为：其中，
S
是信源反射的信号，
s
k
表示第
k
个信源的信号，
K
表示信源总数，
L
表示接收的快拍数；
A
代表阵列流形，代表阵列流形，代表导向向量：其中，
j
为虚数单位，
θ
k
表示第
k
个信源与接收阵列的相对角度，
N
表示阵元总数
。3.
根据权利要求2所述的大规模阵列无网格
DOA
估计方法，其特征在于，所述有约束优化问题，表示为：其中，分别代表信源的个数
、DOA
估计值和信源强度，
τ
代表噪声的能量，
||
·
||
F
表示范数，
min
表示取最小值函数，
s.t.
代表必须满足的约束条件
。4.
根据权利要求3所述的大规模阵列无网格
DOA
估计方法，其特征在于，所述引入障碍参数和障碍函数，将有约束优化问题拓展为无约束优化问题，包括：步骤
A1.
设定空间中信源个数呈稀疏特性，将有约束优化问题表示成如下原子范数最小化的形式：其中，为定义的多快拍信号的原子范数，表示为：
inf(
·
)
表示取下界算子；步骤
A2.
进一步等价于如下的优化形式：进一步等价于如下的优化形式：其中，
f(
μ
)
表示有约束优化问题，
tr(
·
)
表示求迹，
I
代表单位阵，
Y、W、
μ
都是待优化变量，其中
Y
代表此优化问题试图通过优化方法得到的不含噪声的理想信号，是优化变量
μ
的可行域，是半正定锥，角标
T
表示转置，角标
H
表示共轭转置；
T(
·
)
作为变换实现了
2N
‑1维实数向量到
N
维
Toeplitz
矩阵的映射：对于向量
u
＝
[u0,u1,
…
u
N
…
,u
2N
‑2]
，
T(u)
形式为：
T*(
·
)
表示
T(
·
)
的对偶函数，表示从
N
维
Toeplitz
矩阵映射到
2N
‑1维实数向量的函数：其中，
β
n
表示对矩阵
B
中元素运算得到相对的数值，计算式为：中元素运算得到相对的数值，计算式为：表示取实部运算，表示取虚部运算，
B
是一个
N
维
Toeplitz
矩阵；步骤
A3.
定义
T*(
·
)
和
T(
·
)
的性质：
tr(T(u)
H
B)
＝
T
*
(B)
T
uf(
μ
)
的
Lagrangian
函数表示为
L(
μ
,
λ
)
＝
f(
μ
)
‑
<
μ
,
λ
>
，
<
μ
,
λ
>
表示
μ
和
λ
的内积，
λ
是对偶变量；根据对偶优化理论，进一步得到：根据对偶优化理论，进一步得到：其中，
max
表示取最大值函数，
g(
λ
)
表示
f(
μ
)
的对偶函数；代表对偶可行域；
S、V、
ξ
均表示对偶优化变量；
S
Ω
表示
S
中以
Ω
集合为标号抽取的对应元素；步骤
A4.
引入障碍参数
t
和障碍函数
F(
μ
)
：
且
F(
μ
)
满足：
<
‑▽
μ
F(
μ
),
μ
>
＝
N+L
其中，
▽
表示梯度算子；得到无约束优化问题：
5.
根据权利要求4所述的大规模阵列无网格
DOA
估计方法，其特征在于，所述利用受限记忆
BFGS
算法求解无约束优化问题的
KKT
条件，并迭代缩小对偶间隙，得到秩最小的
Toeplitz
矩阵，包括：步骤
B1.
获取无约束优化问题的
KKT
条件：
L(
·
)
表示
Lagrangian
函数，
μ
(t)
,
λ
(t)
分别表示障碍参数为
t
时的原问题与对偶问题的解；步骤
B2.
求解得到
(
μ
(t)
,
λ
(t)
)
的解，即关于
t
的一条优化中心路径：其中，
Λ
＝
Γ
(T(u
(t)
)
Γ
T
)<...

【专利技术属性】
技术研发人员：郝程鹏，吴敏，高一丁，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：