[发明专利]脉冲噪声环境下的DOA估计方法

说明书

为了更好的抑制脉冲噪声和同频带信号的干扰，本发明定义了一种新的循环相关函数，提出了一种新的基于Sigmoid循环相关的MUSIC算法，并将该算法应用到稳定分布噪声下的DOA估计中。仿真结果表明，本发明提出的基于SCC‑MUSIC与经典的MUSIC算法、基于类相关熵的CRCO‑MUSIC以及基分数低阶矩的FLOM‑MUSIC算法相比，可以获得更好的估计结果，尤其是在高脉冲性噪声环境下具有更加明显的优势。

技术领域

本发明属于通信与信息系统领域，具体涉及一种脉冲噪声环境下的DOA估计方法。

背景技术

DOA(Direction of Arrival)估计是阵列信号处理中的基本问题之一，广泛应用于雷达、声呐以及无线电通信等领域。多重信号分类(Multiple Signal Classification,MUSIC)算法能够实现DOA的超分辨率估计，但是传统算法多假设背景噪声服从高斯分布。实际上，由于受到自然因素(如大气噪声、海杂波等)以及人为因素(如电动机等电磁设备)的影响，噪声可能呈现较强的脉冲性，此时利用Alpha稳定分布进行描述更加合适。与高斯分布随机变量不同，Alpha稳定分布随机变量不具有有限二阶矩，传统MUSIC方法便不再适用。

为抑制Alpha稳定分布噪声的影响，张金凤等人提出了基于分数低阶统计量(Fractional Lower Order Statistics,FLOS)的DOA估计方法。该类方法虽取得了较好的估计效果，但存在一定的局限性：首先阶次p必须满足1＜p＜α或0＜p＜α/2，其次若没有α的先验知识或不能正确估计的值，阶数的不当取值会导致算法的性能下降甚至失效,因此特征指数α的估计效果将会影响算法性能。为克服以上局限性，张金凤等人提出了基于类M估计的DOA估计方法以及基于类相关熵的CRCO-MUSIC算法。虽然上述算法在抗噪性能以及信号适用性方面取得了更好的效果，但是主要体现在对弱脉冲性抑制效果较好，若在α＜1在的高脉冲性噪声环境下，算法性能显著下降。

发明内容

本发明所要解决的技术问题是：在无线通信等系统的工作环境中由于存在各种噪声和干扰，使得接收机收到的目标信号往往淹没于噪声和干扰之中，为了更好地抑制脉冲噪声和同频干扰的影响，提高DOA估计算法的鲁棒性，本发明提出一种脉冲噪声环境下的DOA估计方法。

本发明为解决其技术问题所采用的技术方案是：提出一种脉冲噪声环境下基于Sigmoid循环相关的DOA估计方法，该方法包括以下步骤：

步骤1：建立信号接收模型

考虑L个远场的窄带信号入射到阵元数为M的均匀线阵上，在信号源是窄带的假设下，接收信号的数学模型能够表示为:

X(t)＝A(θ)S(t)+N(t) (1)

其中，X(t)＝[x₁(t),...,x_M(t)]^T为观测信号向量；S(t)＝[s₁(t),s₂(t),…s_Ka(t)]^T为循环频率为ε的入射信号矢量，K_a＜L，其它L-K_a个信号具有不同的循环频率或者不具有循环平稳特性；A(θ)＝[a(θ₁),a(θ₂),…,a(θ_Ka)]为感兴趣的入射信号方向向量，并且θ_k为第k个信号源的入射角，d为阵元间的距离；N(t)＝[n₁(t),n₂(t),…n_M(t)]^T为阵列的M×1维噪声数据矢量，且噪声为服从SαS分布的加性噪声，各阵元噪声相互独立，噪声与信号之间相互独立；

步骤2：Sigmoid-Cyclic Correlation-MUSIC算法

基于循环平稳信号的特性启发，定义一种循环相关函数，记为定义式如下：