联合压缩感知和信号循环平稳特性的辐射源测向定位方法专利检索- 由接收方向上无重要性的次声声超声或电磁波或者粒子发射来测定方向的定向器专利检索查询-专利查询网

联合压缩感知和信号循环平稳特性的辐射源测向定位方法
申请号	CN201410579474.6	申请日	2014-10-24	公开(公告)号	CN104360305A	公开(公告)日	2015-02-18
申请人	中国航天科技集团公司第五研究院第五一三研究所;			发明人	范帅帅; 吴日恒;
摘要	本发明提供了一种联合压缩感知和信号循环平稳特性的辐射源测向定位方法，属于阵列信号处理领域。该方法为：以一个零均值非平稳随机过程为入射信号，获取入射信号的循环频率。采用一个传感器阵列对入射信号进行观测获得观测信号；然后用高斯观测矩阵将观测信号压缩为低维向量，得到压缩后的观测信号；对于压缩后的观测信号，根据循环频率计算入射信号的循环自相关矩阵；对该循环自相关矩阵进行特征子空间分解，获得信号子空间和噪声子空间；以噪声子空间进行角度谱估计，并且在入射角度θ的取值范围内，以使得角度谱PMUSIC取最大值的对应θ值为最终估计的入射角度。本发明能够避免角度模糊问题。
权利要求	1.联合压缩感知和信号循环平稳特性的辐射源测向定位方法，其特征在于，该方法包括如下步骤： S1、以一个零均值非平稳随机过程x(t)为入射信号，获取x(t)的循环频率α，α＝m/T0，m为一个整数，T0为x(t)的自相关函数的周期； M×N S2、采用一个传感器阵列对所述入射信号进行观测获得观测信号x∈R ，其中M为所述传感器阵列的阵元数，N为针对观测信号的采样点数； M×N 然后用高斯观测矩阵φ将所述观测信号x∈R 压缩为低维向量，得到压缩后的观测L×N 信号y∈R ，L为压缩后的阵元数； S3、对于压缩后的观测信号y，根据循环频率α计算入射信号y的循环自相关矩阵α α R yy，R yy为一个L×L的矩阵，该矩阵中各元素具体为： α 其中*为共轭运算，m1和m2在1～L之间取值；n为采样点编号；R yy(m1,m2)为矩阵α R yy中第m1行，第m2列的元素；y(m1,n)为y中阵元m1的第n个采样点处采样值；y(m2,n)为y中阵元m2的第n个采样点处采样值； α α H H S4、对Step3中的循环自相关矩阵R yy进行特征子空间分解，R yy＝USDSUS+UNDNUN，US为信号子空间，Ds为信号子空间对应特征值组成的对角阵；UN为噪声子空间，Dn为噪声子空间对应特征值组成的对角阵； S5、进行角度谱估计，角度谱其中a(θ)导向矢量， D为阵元间距，λ为入射信号波长；θ为入射角度；在入射角度θ的取值范围内，以使得角度谱PMUSIC取最大值的对应θ值为最终估计的入射角度。
说明书全文	联合压缩感知和信号循环平稳特性的辐射源测向定位方法技术领域 [0001] 本发明属于阵列信号处理领域，具体涉及一种基于DOA估计中的经典超分辨算法多重信号分类MUSIC算法，在循环平稳MUSIC(Cyclic MUSIC)算法的基础上加入了压缩感知的元素。背景技术 [0002] 随着DOA估计研究的逐渐深入，发现许多估计信号都具有时域的循环平稳特性。利用信号的循环平稳特性对信号进行DOA估计，可以大大提高算法的DOA估计性能。可以将入射信号分为有用信号和干扰信号，有用信号的循环频率为待测循环频率，干扰信号包括循环频率不为待测循环频率的信号和噪声两部分。利用循环平稳特性可以有效抑制干扰，与常规的DOA估计方法相比，有选择测向能力、抗干扰能力、多信号处理能力等优点。 [0003] MUSIC算法作为经典的DOA估计算法，具有超分辨率的优点，将信号的循环平稳特性与MUSIC算法的超分辨率结合产生了Cyclic MUSIC算法，能够大大提高DOA估计的性能。 [0004] 随着人们对信息需求量的持续增长，对信号的处理难度也越来越大，为了降低存储、处理以及传输信号的成本，需要对原始信号进行压缩以较少的采样率重构信号。随着压缩感知CS(Compressed Sensing)理论的提出，只要信号在某个变换域上具有稀疏性，就可以用一个与该变换基不相关的观测矩阵将接收到高维信号投影到低维空间上，然后通过最优化方法重构出原始信号。 [0005] 对于Cyclic MUSIC算法，其角度测向后的角度分辨率不能够无限小，测量入射角度差小于要求的角度差就会出现角度模糊，而超分辨率是以巨大计算复杂性为代价的，因此若能够将CS理论应用于Cyclic MUSIC算法中，则对于提高算法的效率，减小计算复杂度，具有重要的理论意义和工程实践价值。发明内容 [0006] 有鉴于此，本发明提出了联合压缩感知和信号循环平稳特性的辐射源测向定位方法，能够利用循环频率的选择测向性分别估计不同循环频率入射信号的入射角度，避免角度模糊问题。 [0007] 为达到上述目的，本发明的技术方案为： [0008] S1、以一个零均值非平稳随机过程x(t)为入射信号，获取x(t)的循环频率α，α＝m/T0，m为一个整数，T0为x(t)的自相关函数的的周期。 [0009] S2、采用一个传感器阵列对入射信号进行观测获得观测信号x∈RM×N，其中M为传感器阵列的阵元数，N为针对观测信号的采样点数； [0010] 然后用高斯观测矩阵φ将观测信号x∈RM×N压缩为低维向量，得到压缩后的观测L×N信号y∈R ，L为压缩后的阵元数。 [0011] S3、对于压缩后的观测信号y，根据循环频率α计算入射信号y的循环自相关矩阵α αR yy，R yy为一个L×L的矩阵，该矩阵中各元素具体为： [0012] [0013] 其中为共轭运算，m1和m2在1～L之间取值；n为采样点编号；Rαyy(m1,m2)为矩α阵R yy中第m1行，第m2列的元素；y(m1,n)为y中阵元m1的第n个采样点处采样值；y(m2,n)为y中阵元m2的第n个采样点处采样值。 [0014] S4、对Step3中的循环自相关矩阵Rαyy进行特征子空间分解，Rαyy＝H HUSDSUS+UNDNUN，US为信号子空间，Ds为信号子空间对应特征值组成的对角阵；UN为噪声子空间，Dn为噪声子空间对应特征值组成的对角阵。 [0015] S5、进行角度谱估计，角度谱其中a(θ)导向矢量，D为阵元间距，λ为入射信号波长；θ为入射角度。 [0016] 在入射角度θ的取值范围内，以使得角度谱PMUSIC取最大值的对应θ值为最终估计的入射角度。 [0017] 有益效果： [0018] 本发明提供的联合压缩感知和信号循环平稳特性的辐射源测向定位方法，即CS Cyclic MUSIC算法，该方法利用循环频率的选择测向性分别估计不同循环频率入射信号的入射角度，具有良好的选择测向能力，也同时避免了角度模糊问题，提高了MUSIC算法的角度分辨力。 [0019] 2、本发明所提供的CS Cyclic MUSIC算法是根据信号的循环频率α进行测向估计，因此能够从多个复杂的混合信号中分辨出特定循环频率下的待测信号，即使感兴趣信号与干扰的总数大于阵元数，这类方法仍然能正确估计出所有感兴趣信号的波达方向。 [0020] 3、在以上优点的基础上，由于利用了压缩感知理论，使CS Cyclic MUSIC算法相比于Cyclic MUSIC算法在计算复杂度上得到减小，从而提高了算法的应用效率，大大增加了算法的工程应用价值。附图说明 [0021] 图1为本方法的流程图； [0022] 图2为MUSIC算法DOA估计仿真曲线图； [0023] 图3为Cyclic MUSIC算法DOA估计仿真曲线图； [0024] 图4为CS Cyclic MUSIC算法DOA估计仿真曲线图； [0025] 图5为DOA估计算法效果比较； [0026] 图6为DOA估计算法效果比较； [0027] 图7为信源数大于等于阵元数时的DOA估计效果图； [0028] 图8为基于压缩感知框架的角度谱估计硬件架构实现图。具体实施方式 [0029] 下面结合附图并举实施例，对本发明进行详细描述。 [0030] 实施例1、 [0031] 本发明所提供的联合压缩感知和信号循环平稳特性的辐射源测向定位方法，其流程图如图1所示，具体包括如下步骤： [0032] Step1、以一个零均值非平稳随机过程x(t)为入射信号，获取x(t)的循环频率α，α＝m/T0，m为一个整数，T0为x(t)的自相关函数的周期。 [0033] Step2、采用一个传感器阵列对入射信号进行观测获得观测信号x∈RM×N，其中M为所述传感器阵列的阵元数，N为针对观测信号的采样点数。 [0034] 然后用高斯观测矩阵φ将所述观测信号x∈RM×N压缩到低维向量y∈RL×N；其中y为压缩后的观测信号，L为压缩后的阵元数。 [0035] Step3、对于压缩后的观测信号y，根据循环频率α计算入射信号y的循环自相关α α矩阵R yy，R yy为一个L×L的矩阵，该矩阵中各元素具体为： [0036] [0037] 其中为共轭运算，m1和m2在1～L之间取值；n为采样点编号；Rαyy(m1,m2)为矩α阵R yy中第m1行，第m2列的元素；y(m1,n)为y中阵元m1的第n个采样点处采样值；y(m2,n)为y中阵元m2的第n个采样点处采样值。 [0038] Step4、对Step3中的循环自相关矩阵Rαyy进行特征子空间分解，Rαyy＝H HUSDSUS+UNDNUN，US为信号子空间，Ds为信号子空间对应特征值组成的对角阵；UN为噪声子空间，Dn为噪声子空间对应特征值组成的对角阵。 [0039] Step5、进行角度谱估计，角度谱其中a(θ)导向矢量，D为阵元间距，λ为入射信号波长。 [0040] θ为入射角度，在入射角度的取值范围内，使得角度谱PMUSIC取最大值的θ值为最终估计的入射角度。 [0041] MUSIC算法巨大的计算量是因为需要对观测信号的协方差矩阵进行特征值分解，在上述步骤中MUSIC算法中加入CS理论，在进行特征值分解之前减少了信号的维度，减少了特征值分解的复杂度，也就减小了整个DOA估计的复杂度。具体来讲：MUSIC算法的计算复杂度为o(M3),而经压缩后的MUSIC算法的复杂度为o(L3)，其中L为压缩后的阵元数。压缩倍数越大，复杂度的提高越明显。 [0042] 实施例2、 [0043] 本实施例将在实施例1的基础上，通过仿真验证CS Cyclic MUSIC算法性能的特点，对于入射信号分别用MUSIC算法、Cyclic MUSIC算法和CS Cyclic MUSIC算法进行仿真。 [0044] 当入射信号为两个窄带AM信号时，入射角度分别为40°和43°，两个AM信号的循环频率分别为1000Hz和750Hz，信噪比为5dB，时延τ为24个采样周期。 [0045] 其中图2、图3和图4分别为MUSIC算法、Cyclic MUSIC算法以及本发明提供的CS Cyclic MUSIC算法DOA估计仿真曲线图； [0046] 由仿真曲线可以看到，图2中MUSIC算法对入射阵列上的两个信号都进行了DOA估计，有两个谱峰值，图3和图4中Cyclic MUSIC算法选择循环频率为1000Hz时，角度估计值为43°，选择循环频率为750Hz时，角度估计值为40°，循环频率不吻合是不会进行估计的。 [0047] 在CS Cyclic MUSIC算法中本实施例所采用的压缩比例为4，将接收信号进行压缩后对DOA估计的准确性没有降低，也证明了压缩感知理论的有效性。在上述仿真算法中，CS Cyclic MUSIC算法所用时间为0.031623，未经压缩的算法时间为0.183629s，从时间上也能看出计算复杂度降低。 [0048] 将以上仿真数据放入一个图中进行比较，如图5，图6所示：从图5、图6可以看出当入射信号的两个来波方向比较接近，MUSIC算法的侧向曲线上不能清晰分辨两个谱峰时，CS Cyclic MUSIC对入射信号进行了准确的估计，有效的抑制了干扰，比MUSIC算法有更好的估计性能。 [0049] 当入射信号为一个窄带AM信号和三个干扰信号时，入射角度分别为40°、50°、60°和20°，窄带信号的循环频率分别为600Hz，入射角度为20°，阵列数为4。 [0050] 由图7可以看出，当入射信号的信源数大于等于阵元数时，MUSIC算法已经不能真实测出来波信号的方向，但Cyclic MUSIC算法CS Cyclic MUSIC算法有效抑制了循环频率600Hz之外的信号，准确的对待测信号进行了DOA估计。结果表明：CS Cyclic MUSIC在多信号处理方面性能突出。 [0051] 图8为基于压缩感知框架的角度谱估计硬件架构实现图，每个天线对应一个宽带接收机通道，从图8中可以看出，在采样时刻t时，M个传感器阵元在t时刻收集到一个信号向量x(t)＝{x1(t)、x2(t)、...、xM(t)}，一个基于CS的压缩采样矩阵作用在这个阵列单元上，这样经过通道选择器以后，原来的M×1维信号向量x(t)被压缩到了一个L×1维的信号向量y(t)上，第m个压缩信号向量ym(t)是通过对原来N个阵列单元x1(t),x2(t),…,xM(t)分别取加权求和得到的，经过基带信号数字采样后，得到了离散采样版本ym。 [0052] 同时，当传感器个数小于等于入射信号数，循环平稳信号的DOA估计算法也能将其准确估计。在第一步信号压缩的基础上，进行Cyclic MUSIC算法的DOA估计，能够大量减少子空间分解的步骤，从而减少估计的复杂度。 [0053] 在压缩感知理论中，信号的采样和压缩同时以低速率进行，使传感器的采样和计算成本大大降低，而信号的恢复过程是一个优化计算的过程.因此，该理论指出了将模拟信号直接采样压缩为数字形式的有效途径，具有直接信息采样特性。由于从理论上讲任何信号都具有可压缩性，只要能找到其相应的稀疏表示空间，就可以有效地进行压缩采样，这一理论必将给信号采样方法带来一次新的革命.首先通过观测矩阵，将接收信号压缩到较低维数，为下一步DOA估计做好准备。 [0054] 本发明将压缩感知理论与循环平稳信号的DOA估计算法相结合既可以保留MUSIC算法中对信号来波方向的准确定位也可以减少计算复杂度，并且不会对信号的性能产生影响，具有广泛的应用前景。 [0055] 综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

意见反馈