[发明专利]基于四线性分解的平面阵列角度的估算方法

说明书

本发明公开了一种基于四线性分解的平面阵列角度的估算方法，其根据接收阵元的阵列信号模型构建非均匀噪声协方差矩阵，并进一步构建非均匀噪声协方差矩阵的四阶张量；对接收方向矩阵、发射方向矩阵、目标协方差矩阵进行初始化，将接收方向矩阵、发射方向矩阵、目标协方差矩阵初始化为一个单位矩阵；利用交替最小二乘法对接收方向矩阵、发射方向矩阵以及目标协方差矩阵进行迭代计算，直至满足收敛条件；通过最小二乘方法估计目标的DOD与DOA；所述估算方法能有效的对抗非均匀白噪声，其在小快拍和大快拍条件下均能获得较好的估计效果；其参数估计的精度高于ESPRIT算法和HOSVD算法，但复杂度低于PARAFA C算法。

技术领域

本发明涉及一种雷达信号处理技术，具体的说涉及一种基于四线性分解的平面阵列角度的估算方法。

背景技术

阵列信号处理作为信号处理的一个重要分支，其本质是利用空间分散排列的传感器阵列和多通道接收来获取信号的时域和空域等多维信息，达到检测信号和提取其参数的目的。它在通信、雷达、声呐、地震勘探和射电天文等领域获得了广泛的应用和迅速的发展，有很大的应用前景。近年来，利用阵列信号处理进行多参数估计得到了越来越多的关注，尤其是空间波达角(direction of arrival，DOA)估计已成为研究的热点问题之一。二维参数估计的问题是一个非常贴合实际的问题，传统的DOA估计一般是指在一个平面内对信号源的方位角进行估计，属于一维参数估计问题，存在许多局限性。在实际通信系统中，用户并非位于同一平面，因此需要二维波达角来表示。

二维DOA估计在过去的数十年间取得了广泛的关注。至今已涌现出大量优秀的估计算法，典型的主要代表有多重谱峰分类(multiple signal classification algorithm，MUSIC)算法、基于旋转不变技术的参数估计 (estimation of signal parameters viarotational invariance techniques， ESPRIT)算法、传播算子(propogator method，PM)算法。其中，MUSIC算法是利用噪声子空间和信号子空间的正交特性，通过谱峰搜索来估计DOA，计算量大，复杂度高；ESPRIT算法不需要进行谱峰搜索，但仍然需要奇异值分解或者特征值分解。以上两种方法都是特征值子空间类算法，对于面阵而言，特征值分解运算量很大。而PM算法不需要特征值分解，因而复杂度较低。以上算法往往是利用矩阵分解技术进行参数估计，其往往忽略了阵列数据固有的多维结构。张量分解技术能够有效的挖掘阵列数据内部的多维结构，因而近年来收到越来越多的关注。典型的张量分解技术主要有高阶子空间分解(high-order singular value decomposition，HOSVD)算法和平行因子(parallel factor，PARAFAC) 算法，其中PARAFAC算法采用迭代的方法获得参数估计，相比HOSVD算法，其估计精度往往更高，且复杂度更低，因而更适合大规模阵列信号处理。

然而，上述算法都是假设在均匀的高斯白噪声条件下进行的，在该假设下，噪声的协方差矩阵与单位矩阵是一个线性关系，因此能够比较容易的将信号和噪声进行分离，但是这种假设往往与实际不符，实际工程中，受阵元增益相位不一致等因素的影响，噪声往往是非均匀的。实际上，高斯白噪声可被视为非均匀噪声的一种特例。在非均匀噪声条件下，噪声协方差矩阵为一个未知的对角矩阵。此时，信号和噪声无法有效分离，从而引起角度估计性能的下降，特别是在低信噪比条件下，现有算法有可能会失真乃至完全失效，不适宜于工程运用。

发明内容

鉴于以上原因，有必要提供一种能够降低大快拍背景下PARAFAC复杂度，并可以消除非均匀噪声条件下的影响，而且适用于实际工程中的硬件运算的基于四线性分解的平面阵列角度的估算方法。

本发明提供一种基于四线性分解的平面阵列角度的估算方法，所述基于四线性分解的平面阵列角度的估算方法包括如下步骤：

S1、根据接收阵元的阵列信号模型构建非均匀噪声协方差矩阵，并进一步构建非均匀噪声协方差矩阵的四阶张量；