[发明专利]一种基于重构累积量矩阵的混合场信源定位方法

说明书

本发明提供一种基于重构累积量矩阵的混合场信源定位方法，该定位方法包括以下步骤：步骤S1.计算观测信号的协方差矩阵R；步骤S2.计算远场信号DOA估计值；步骤S3.根据远场信号DOA估计值重构远场累积量矩阵；步骤S4.分离近场分量与远场分量；步骤S5.利用ESPRIT算法，计算得到近场信号DOA估计值；步骤S6.利用近场信号DOA估计值得到近场距离估计值。本发明使用混合阶统计量，相较于二阶统计量算法，克服了高斯噪声干扰和自由度减半的问题，而相较于四阶累积量算法，实现了免搜索的近场DOA估计，降低了算法复杂度；利用空间差分，重构远场累积量矩阵，实现了远场与近场信号分量的准确分离。

技术领域

本发明属于被动信源定位方面领域，具体涉及一种基于重构累积量矩阵的混合场信源定位方法。

背景技术

被动信源定位是指利用阵列信号处理方法，估计出目标信源的DOA或者距离等定位参数，以此来确定信源空间位置的技术。近年来，被动信源定位是阵列信号处理领域的研究热点之一。在雷达、声纳、通信和地震探测等诸多民用和军用领域有非常重要的作用。

随着信息技术的飞速发展，混合场信源定位受到越来越多的关注。在雷达、声纳、声源定位和电子侦察等领域，目标信号通常由远场源和近场源共存组成。在这种环境下，混合场信源定位算法不但要估计出目标信源的定位参数，还要准确分离远场与近场信源。原先的纯远场或纯近场信源定位估计方法已不再适用于上述环境。因而，研究混合场信源定位方法具有重要的现实意义和广阔的应用前景。

目前混合场信源定位方法，根据使用统计量不同，可大致分为两类：首先是基于二阶统计量的混合源定位算法，如基于二阶统计量的斜投影算法(MBODS)和基于空间差分的混合源定位算法。上述两种算法因使用二阶统计量，计算复杂度较低，但无法消除噪声的影响，且都有着自由度减半的缺点；然后是基于高阶累积量的混合源定位算法，如基于四阶累积量的两步MUSIC算法(TSMUSIC)和基于导向矢量正交性的混合源定位算法。上述的两种算法因使用四阶累积量，通过选用对称传感器分离了DOA和距离参数，避免了二维联合参数估计，且消除了高斯噪声的影响，提高了估计精度。但是高阶累积量存在着计算负荷大，增加算法计算复杂度的缺点。

除了上述的两类算法，压缩感知技术和稀疏阵列也被引入混合场信源定位研究中。例如，基于稀疏信号重构的混合源定位算法，基于稀疏阵列的混合阶混合场信源定位算法以及基于对称嵌套阵列的混合源定位算法。因使用压缩感知技术，文献[Mixed SourcesLocalization Based on Sparse Signal Reconstruction]中的算法具有高分辨率，对噪声不敏感和无需信源数先验信息等优点。文献[Mixed-Order MUSIC Algorithm forLocalization of Far-Field and Near-Field Sources][Mixed near-field and far-field source localization utilizing symmetricnestedarray]因使用稀疏阵列，阵列孔径大于同等阵元数的均匀阵列，实现了估计精度的进一步提高。然而，上述的三种算法都有着计算复杂度高的缺点。因此，在保证估计精度的基础上，研究低复杂度的混合源定位算法是十分必要的。

发明内容

本发明的目的在于克服现有技术的不足，而提供一种基于重构累积量矩阵的混合场信源定位方法，以达到准确分离远场与近场信源，保证估计精度的条件下，实现降低计算复杂度的目的。

为实现上述目的及其他相关目的，本发明提供一种基于重构累积量矩阵的混合场信源定位方法，该定位方法包括以下步骤：

步骤S1.计算观测信号的协方差矩阵R；

步骤S2.计算远场信号DOA估计值；

步骤S3.根据远场信号DOA估计值重构远场累积量矩阵；

步骤S4.分离近场分量与远场分量；