【技术实现步骤摘要】
本专利技术涉及阵列信号处理，特别是涉及一种基于导向矢量矩阵重构的波达方向估计方法及装置。
技术介绍
1、阵列信号处理是现代信号处理的一个重要研究方向，被广泛应用于雷达、通信、地震勘探、物流跟踪、医学成像等多个领域。波达方向估计是阵列信号处理的主要研究内容，属于参数估计问题。其基本思想是利用空间中多个传感器组成的阵列获得电磁波信号，利用信号时域与空域等多维信息，获得信号入射角度的估计。
2、波达方向估计最常用的方法是采用空间谱估计方法，如多重信号分类方法和旋转不变子空间方法，通过构建阵列协方差矩阵，然后获得信号子空间或噪声子空间，进而估计出目标角度。在过去的十几年，基于稀疏性的波达方向估计方法被提出，这些方法将非线性参数估计问题转化为线性模型下的稀疏信号恢复问题。l1-svd（奇异值分解）和稀疏贝叶斯（sbl）学习是两个具有代表性的基于数据的方法，但这类方法是基于预定义的离散网格，若采用更精细的网格，会导致相邻原子之间的强相关性，这与压缩感知的限制性等距特性相违背，因此离散化策略可能会降低基于稀疏性方法的性能。稀疏和参数化方法（spa）、基于原子范数最小化的方法（anm）、协方差矩阵重建方法（cmra）等无网格的方法被提出，解决了网格方法因网格离散化产生的基不匹配问题。
3、目前，无网格的波达方向估计方法在信噪比较低或角度分辨率较低的情况下可能无法给出令人满意的性能。因此，亟需一种波达方向估计方法以解决在入射信号的角度分离较小的情况下，对基于阵列天线的入射信号的波达方向的估计问题。
<
1、本专利技术的目的是提供一种基于导向矢量矩阵重构的波达方向估计方法及装置，能够在入射信号的角度分离较小的情况下，对基于阵列天线的入射信号的波达方向进行估计。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于导向矢量矩阵重构的波达方向估计方法，所述方法包括：
4、根据阵列接收信号得到阵列采样协方差矩阵；所述阵列接收信号是通过阵列天线接收目标入射信号得到的；
5、设定目标变量，并采用汉克尔矩阵变换算子和取列算子对所述目标变量进行可行域限定，确定目标变量的第一约束条件；所述汉克尔矩阵变换算子用于将向量或矩阵转化为汉克尔矩阵；所述取列算子用于提取矩阵的列；
6、基于所述目标变量和所述阵列采样协方差矩阵对阵列协方差矩阵的估计误差进行表征，并将表征后的估计误差作为目标变量的第二约束条件；所述阵列协方差矩阵由所述阵列采样协方差矩阵和所述阵列协方差矩阵的估计误差构成；
7、根据预设的奇异值部分和范数以及目标变量的约束条件，建立初始优化模型；所述约束条件包括第一约束条件和第二约束条件；
8、根据所述初始优化模型确定多变量优化模型；
9、基于交替方向乘子法，对所述多变量优化模型进行求解，得到最优结果；所述最优结果包括最优目标变量；
10、对所述最优结果进行解析，得到所述目标入射信号的波达方向。
11、可选地，基于所述目标变量和所述阵列采样协方差矩阵对阵列协方差矩阵的估计误差进行表征，并将表征后的估计误差作为目标变量的第二约束条件，具体包括：
12、根据所述目标变量对所述阵列协方差矩阵进行表征；
13、根据表征后的阵列协方差矩阵和所述阵列采样协方差矩阵对所述阵列协方差矩阵的估计误差进行表征；
14、对所述估计误差求取范数，得到目标变量的第二约束条件。
15、可选地，所述根据预设的奇异值部分和范数以及目标变量的约束条件，建立初始优化模型，具体包括：
16、将所述预设的奇异值部分和范数替换所述第一约束条件，得到第一目标函数；
17、根据所述第二约束条件和所述第一目标函数，确定初始优化模型的目标函数。
18、可选地，所述初始优化模型的表达式为：
19、
20、其中，表示优化变量使得目标函数取得最小值；表示第一目标变量；表示第二目标变量；表示索引；表示入射信号的个数；表示汉克尔矩阵变换算子；表示取列算子；表示范数的级数；表示约束条件；表示共轭转置；表示阵列采样协方差矩阵；表示单位矩阵；表示frobenius范数；表示优化模型的超参数。
21、可选地，所述根据所述初始优化模型确定多变量优化模型，具体包括：
22、定义多个优化变量，并采用各优化变量对所述初始优化模型进行表征，得到多变量优化模型。
23、可选地，所述多变量优化模型的表达式为：
24、
25、其中，表示优化变量使得目标函数取得最小值；表示第一目标变量；表示第二目标变量；表示索引；表示入射信号的个数；表示汉克尔矩阵变换算子；表示取列算子；表示范数的级数；表示约束条件；表示共轭转置；表示阵列采样协方差矩阵；表示单位矩阵；表示frobenius范数；表示优化模型的超参数；、和均为优化变量。
26、可选地，所述基于交替方向乘子法，对所述多变量优化模型进行求解，得到最优结果，具体包括：
27、对各所述优化变量和目标变量进行初始化；
28、基于所述多变量优化模型，构建所述多变量优化模型的增广拉格朗日函数；
29、基于所述交替方向乘子法，对各所述优化变量和目标变量进行迭代更新，确定所述增广拉格朗日函数的鞍点；所述鞍点为所述多变量优化模型的最优结果。
30、可选地，所述增广拉格朗日函数的表达式为：
31、；
32、其中，表示拉格朗日函数；，和为拉格朗日乘子，，表示矩阵的迹；为惩罚参数。
33、可选地，所述对所述最优结果进行解析，得到所述目标入射信号的波达方向，具体包括：
34、从所述最优结果中获取最优第一目标变量，并根据所述最优第一目标变量，确定所述目标入射信号的波达方向。
35、为实现上述目的，本专利技术还提供了一种计算机装置，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述计算机程序以实现所述基于导向矢量矩阵重构的波达方向估计方法的步骤。
36、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
37、本专利技术通过设定满足范德蒙德结构的第一目标变量，并根据天线阵列信号的结构特性对其进行约束，构造多变量模型的目标函数并求解，进而得到最优目标变量，对最优目标变量进行解析即得到入射信号的波达方向。本专利技术能够在入射信号的角度分离较小的情况下，对基于阵列天线的入射信号的波达方向进行估计，提高角度估计的精度。
本文档来自技高网...【技术保护点】
1.一种基于导向矢量矩阵重构的波达方向估计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，基于所述目标变量和所述阵列采样协方差矩阵对阵列协方差矩阵的估计误差进行表征，并将表征后的估计误差作为目标变量的第二约束条件，具体包括：
3.根据权利要求2所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，根据预设的奇异值部分和范数以及目标变量的约束条件，建立初始优化模型，具体包括：
4.根据权利要求3所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，所述初始优化模型的表达式为：
5.根据权利要求1所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，根据所述初始优化模型确定多变量优化模型，具体包括：
6.根据权利要求5所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，所述多变量优化模型的表达式为：
7.根据权利要求5所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，基于交替方向乘子法，对所述多变量优化模型进行求解，得到最优结
8.根据权利要求7所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，所述增广拉格朗日函数的表达式为：
9.根据权利要求7所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，对所述最优结果进行解析，得到所述目标入射信号的波达方向，具体包括：
10.一种计算机装置，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机指令，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-9中任一项所述基于导向矢量矩阵重构的波达方向估计方法的步骤。
...【技术特征摘要】
1.一种基于导向矢量矩阵重构的波达方向估计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，基于所述目标变量和所述阵列采样协方差矩阵对阵列协方差矩阵的估计误差进行表征，并将表征后的估计误差作为目标变量的第二约束条件，具体包括：
3.根据权利要求2所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，根据预设的奇异值部分和范数以及目标变量的约束条件，建立初始优化模型，具体包括：
4.根据权利要求3所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，所述初始优化模型的表达式为：
5.根据权利要求1所述的基于导向矢量矩阵重构的波达方向估计方法，其特征在于，根据所述初始优化模型确定多变量优化模型，具体包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：李强，王振辉，黄磊，龙天尧，陈明阳，
申请(专利权)人：深圳大学，
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。