【技术实现步骤摘要】
本专利技术属于通信，具体涉及一种多跳频信号二维doa估计方法。
技术介绍
1、跳频(frequence hopping,fh)通信已成为各国军事通信系统中的重要组成部分，波达方向(direction of arrival，doa)作为跳频通信的一维重要参数，能够为通信对抗、干扰引导和目标跟踪等任务提供重要依据。
2、目前国内外学者对fh信号的doa参数估计做了大量研究，现有fh信号doa估计算法主要包括子空间分解类算法、盲源分离类算法、稀疏重构类算法和深度学习类算法。文献[1]：于欣永,郭英,张坤峰,等.高效的多跳频信号2d-doa估计算法[j].系统工程与电子技术,2018,40(6):1363-1370.文献[1]利用短时傅里叶变换获取时频矩阵，利用形态学滤波去除背景噪声，提取时频图中每跳的时频点并计算其噪声子空间矩阵，采用奇异值分解方法对噪声子空间降维处理，通过对空间谱函数的半谱搜索完成方位角和俯仰角估计，该算法有效降低了计算复杂度。
3、现有技术中首先利用接收信号功率比方法对短时傅里叶变换时频矩阵进行单源点检测，然后利用检测出的时频单源点估计混合矩阵，最后采用改进的子空间算法估计fh信号doa和跳频率。该方法能够有效完成fh信号二维doa估计，但在低信噪比条件下，由于单源点检测阈值难以有效设置，doa估计精度有所下降。
4、现有技术提出了一种在均匀线阵接收信号随机缺失条件下跳频信号空时频参数估计方法，首先通过原子范数软阈值方法分析处理空时频矩阵并完成跳变时刻和跳频率估计，然后利用空间频
5、现有技术基于空时频协方差矩阵重构的高效跳频信号doa估计首先将接收的均匀线阵分为2个子阵，采用平滑伪维格纳变换分别计算两个子阵接收信号的时频矩阵，然后将两个时频矩阵经过行列转换重组成一个协方差矩阵，并将其进行分解处理得到完备信号子空间，最后解算出fh信号的方位角。该方法能够有效降低算法复杂度，但该算法通过增加窗函数计算空时频矩阵，可以有效抑制交叉项影响，但降低了空时频分辨率，在低信噪比条件下估计误差较大。
6、现有技术利用了fh信号空间频率稀疏性，首先构造空间频率超完备字典，利用稀疏贝叶斯算法计算空间频率矩阵，再结合时频矩阵和形态学滤波算法估计跳频率，从而实现fh信号doa参数估计。但算法中构造空间频率离散字典容易导致基不匹配问题，使得离散字典的稀疏表示能力变差，从而导致doa估计性能下降。
7、现有技术首先利用短时傅立叶变换将接收的fh信号转换到时频域并进行自适应降噪处理，然后通过聚类算法提取各跳时频信息，利用时频信息点逐行对比关系估计doa参数。该方法能够实现fh源信号较多条件下的doa有效估计，但是容易引入多源点，doa估计精度降低。上述跳频信号doa估计算法均是属于任务先验模型的方法，需要事先给出fh信号的来波方向与接收阵列输出之间的数学模型，而在实际的战场电磁环境下，各类复杂通信信号和噪声交织叠加、瞬息万变，实际应用场景复杂程度远远大于算法模型，导致大部分doa估计算法鲁棒性较差，在复杂恶劣的电磁环境下估计性能下降明显，同时大部分基于任务先验模型的doa估计算法均需要大量的矩阵运算、字典搜索、特征分解等复杂计算，计算量大，算法时效性低。
8、对于基于深度学习的doa估计方法，采用不同程度噪声和复杂背景的信号数据，直接对数据特征集进行训练，通过选取合适参数优化算法不断调整神经网络结构，可直接输出信源矩阵和doa的对应关系，有效避免先验模型失配问题，可以适应各种复杂电磁环境，而且识别网络离线训练完成后，几乎可实现doa实时估计，有效提高算法实效性。现有技术中首先提取接收信号数据的稀疏先验谱作为训练特征集，对搭建的四层卷积神经网络进行训练，仿真结果表明，可以几乎实时完成doa估计。现有技术中分析了多径环境下信号doa估计误差原因，降低多径对信号相位失真的影响，提取信号协方差矩阵的相位特征作为训练集，构建二维卷积神经网络doa估计系统并进行训练，可以有效提高信号doa估计精度。上述基于深度学习的doa估计方法通过不同噪声背景环境下数据特征集的训练，保证了算法能够在各种复杂恶劣的电磁环境下均保持较高的估计精度，但为了提高网络的doa估计精度，需要大量的训练样本，从而导致数据的预处理和标注工作量巨大，增加网络结构深度，可以提高网络的学习能力，但是会使网络参数大幅增加，训练时间更长，所需硬件计算资源更多。
技术实现思路
1、为了解决上述存在的问题，本专利技术提出：一种多跳频信号二维doa估计方法，假设电磁空间有k个fh信号s(t)＝[s1(t),s2(t),…,sk(t)]t，利用l型面阵进行接收，接收模型，子阵x和y各有m个阵元，且各向同性，夹角为90°，各阵元之间的距离均记为d，d＜c/2fmax，m＜k，其中c＝3×108m/s，fmax为天线所接收的fh信号最大跳频率值；假设接收的第i个fh信号方位角和俯仰角分别为和θi，记为1≤i≤k，各阵元接收fh的数学模型为
2、
3、其中xm(t)表示阵元m接收的混合信号，1≤m≤m，sk(t)表示第k个fh信号，1≤k≤k，vm(t)表示阵元m接收的噪声，μmk表示阵元m接收的第k个fh信号幅度，20lg[max(μmk)/min(μmk)]≤6，τmk表示第k个fh信号传输延迟，fk(t)表示sk(t)的跳频率，则子阵x和y所接收的各fh信号导向矢量表示为
4、
5、
6、其中则子阵x和y所接收的各fh信号数学模型表示为
7、xx(t)＝ax(t)s(t)+ex(t) (4)
8、xy(t)＝ay(t)s(t)+ey(t) (5)
9、其中xx(t)＝[xx,1(t),xx,2(t),…,xx,m(t)]t，xy(t)＝[xy,1(t),xy,2(t),…,xy,m(t)]t，ex(t)＝[ex,1(t),ex,2(t),…,ex,m(t)]t，ey(t)＝[ey,1(t),ey,2(t),…,ey,m(t)]t，xx,m(t)和ex,m(t)分别为子阵x的第m个阵元接收的混合信号和高斯白噪声，令ex,m(t)的均值为0，方差为σ2，则l型天线接收fh信号数学模型为
10、x(t)＝a(t)s(t)+e(t) (6)
11、其中x(t)＝[xx,1(t),…,xx,m(t),xy,1(t),…,xy,m(t)]t，a(t)＝[a1(t),a2(t),...,ak(t)]，e(t)＝[ex,1(t),…,ex,m(t),ey,1(t),…,ey,m(t)]t；
12、通过时频单源点矩阵估计各fh源信号的混合矩阵a(t)，再根据式(2)和(3)解算出相应的fh信号二维doa。
本文档来自技高网...【技术保护点】
1.一种多跳频信号二维DOA估计方法，其特征在于，假设电磁空间有K个FH信号s(t)＝[s1(t),s2(t),…,sK(t)]T，利用L型面阵进行接收，接收模型，子阵X和Y各有M个阵元，且各向同性，夹角为90°，各阵元之间的距离均记为d，d＜c/2fmax，M＜K，其中c＝3×108m/s，fmax为天线所接收的FH信号最大跳频率值；假设接收的第i个FH信号方位角和俯仰角分别为和θi，记为各阵元接收FH的数学模型为
2.如权利要求1所述的多跳频信号二维DOA估计方法，其特征在于，采用平滑伪维格纳变换SPWVD方法提高时频矩阵的时频精度，抑制交叉项影响，根据接收的FH信号实际情况，合理设置时间和频率的窗函数，能够有效提高时频精度，利用自适应阈值滤波算法对SPWVD变换的时频矩阵进行去噪处理进一步减少背景噪声对时频矩阵的影响，提高低信噪比条件下的时频矩阵精度，具体算法步骤所下：
3.如权利要求2所述的多跳频信号二维DOA估计方法，其特征在于，时频单源点检测过程如下：时频矩阵X(tξ,fξ)中tξ和fξ满足式(7)作为时频单源点，即在X(tξ,fξ)中跳频率f
4.如权利要求3所述的多跳频信号二维DOA估计方法，其特征在于，二维DOA估计的过程如下：假设子阵X接收一FH源信号，第m个阵元接收的该FH源信号为XX,m(t,f)，第g个阵元接收的该FH源信号为XX,g(t,f)，g≠m，1≤g≤M，在不考虑背景噪声的影响下，得式(11)
5.如权利要求4所述的多跳频信号二维DOA估计方法，其特征在于，FH源信号的时频单源点聚类算法过程包括如下：
6.如权利要求5所述的多跳频信号二维DOA估计方法，其特征在于，根据聚类结果F′和质心集合Zbest，得各FH信源的时频单源点集合和所对应的跳频率估计值集合由式(13)可知，通过计算各FH源的单源点时频比矩阵估计出混合矩阵和的列向量和根据式(2)和(3)得
...【技术特征摘要】
1.一种多跳频信号二维doa估计方法，其特征在于，假设电磁空间有k个fh信号s(t)＝[s1(t),s2(t),…,sk(t)]t，利用l型面阵进行接收，接收模型，子阵x和y各有m个阵元，且各向同性，夹角为90°，各阵元之间的距离均记为d，d＜c/2fmax，m＜k，其中c＝3×108m/s，fmax为天线所接收的fh信号最大跳频率值；假设接收的第i个fh信号方位角和俯仰角分别为和θi，记为各阵元接收fh的数学模型为
2.如权利要求1所述的多跳频信号二维doa估计方法，其特征在于，采用平滑伪维格纳变换spwvd方法提高时频矩阵的时频精度，抑制交叉项影响，根据接收的fh信号实际情况，合理设置时间和频率的窗函数，能够有效提高时频精度，利用自适应阈值滤波算法对spwvd变换的时频矩阵进行去噪处理进一步减少背景噪声对时频矩阵的影响，提高低信噪比条件下的时频矩阵精度，具体算法步骤所下：
3.如权利要求2所述的多跳频信号二维doa估计方法，其特征在于...
【专利技术属性】
技术研发人员：李红光，谷志刚，费义伟，付丽艳，王海娇，刘长月，
申请(专利权)人：中国人民解放军空军通信士官学校，
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。