[发明专利]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

说明书

技术领域

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

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。

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。

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。

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

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。

为达到上述目的，本发明的技术方案为：

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。

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∈R^M×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；

然后用高斯观测矩阵φ将观测信号x∈R^M×N压缩为低维向量，得到压缩后的观测信号y∈R^L×N，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R^α_yy，R^α_yy为一个L×L的矩阵，该矩阵中各元素具体为：

Rαyy(m1,m2)=1NΣn=1Ny(m1,n)×y(m2,n)*×e-j2παn]]>