[发明专利]脉冲噪声环境下基于互循环相关MUSIC算法信源个数与来波方向角估计方法

说明书

本发明公开了脉冲噪声环境下基于互循环相关MUSIC算法信源个数与来波方向角估计方法，属于阵列信号处理领域。首先构建包括M个阵元和N个远场窄带信号的远场窄带信号源模型，计算第m个阵元t时刻的接收数据x_m(t)。然后针对t时刻，利用任意两个阵元的接收数据，计算这两个阵元的互循环协方差矩阵R(m,k)；将M×M个互循环相关协方差矩阵R(m,k)求和取均值，得到一个互循环相关协方差矩阵R_mutual。最后对互循环相关协方差矩阵R_mutual进行奇异值分解，并计算其功率谱密度P(θ)：搜索功率谱密度P(θ)的局部谱峰即得远场窄带信号的来波方向角估计值。本发明利用信号的循环平稳特性，互相关在自相关的基础上进一步地去掉随机噪声和杂波成分，提升了强脉冲噪声背景下来波方向角估计性能。

技术领域

本发明属于阵列信号处理领域，具体是一种脉冲噪声环境下基于互循环相关MUSIC(多重信号分类，Multiple Signal Classification)算法信源个数与来波方向角估计方法。

背景技术

阵列信号处理领域的空间谱估计方向从子空间分解类算法的处理方式上看，可以分为两类，一是以MUSIC算法为代表的噪声子空间类算法，另一类是以旋转不变子空间(ESPRIT)为代表的信号子空间类算法。以MUSIC算法为代表的算法包括特征矢量法、MUSIC、求根MUSIC及MNM(最小范数，Minimum Norm)等；以ESPRIT为代表的算法主要有TAM(Toeplitz近似，Toeplitz Approximation)、LS-ESPRIT(最小二乘-旋转不变子空间，LeastSquares ESPRIT)及TLS-ESPRIT(总体最小二乘-旋转不变子空间，Total Least SquaresESPRIT)等。

实际监测环境中常见的是脉冲噪声而不是高斯噪声，脉冲噪声也称为非高斯噪声，在非高斯背景下，基于傅里叶分析的相关研究方法的效果将发生明显的下降。Gardner等人通过对人造信号的研究，发现大部分人造信号具有循环平稳特性，相同循环频率的信号循环相关，不同循环频率的信号循环互相关为零，将这一特性引入DOA(波束到达方向，Direction of Arrival)估计中，用阵列接收数据的循环自相关矩阵代替数据的自相关矩阵，通过信号子空间拟合等方法估计信号的方位。然而，自相关熵的方法引入了非常明显的低频噪声。

阵列信号的实际接收环境中，存在着诸如大气环境噪声、海杂波、地杂波、雷达反向散射回波及电磁噪声等大量的脉冲噪声。在非高斯背景下，以传统MUSIC算法为代表的噪声子空间相关研究方法的效果将发生明显的下降，针对此类噪声，可以利用接收信号的循环谱特性，消除干扰和背景噪声。用阵列接收数据的循环自相关矩阵代替数据的自相关矩阵，再进行SVD(奇异值分解，Singular Value Decomposition)分解与谱峰搜索，与相关协方差矩阵相比，阵列接收数据的循环自相关矩阵可以更好地抑制脉冲噪声，提高DOA估计算法的鲁棒性。

发明内容

为解决自相关引入的低频噪声影响准确性的问题，本发明提出了一种脉冲噪声环境下基于互循环相关MUSIC算法信源个数与来波方向角估计方法，在高脉冲噪声时依旧保持较高准确率，是一种高鲁棒性的角度估计算法。

具体步骤如下：

步骤一、构建包括M个阵元和N个远场窄带信号的远场窄带信号源模型；

所述信号源模型如下：

M个阵元组成均匀等距的阵列天线，阵元间距为d，N个远场窄带信号入射到该阵列上，各阵元接收到信号后经各自的传输通道送到处理器，处理器处理来自M个通道的数据。

步骤二、计算第m个阵元t时刻的接收数据x_m(t)；

输出的表达式为：