[发明专利]基于稀疏重构算法的阵列幅相误差估计方法

说明书

本发明涉及一种基于稀疏重构算法的阵列幅相误差估计方法，包括：获取天线阵列接收的空时数据；先构造标准阵列流型字典矩阵，然后初始化加性幅相误差大小，得到带有幅相误差的字典矩阵；利用稀疏公式循环迭代算出幅相误差和杂波谱，然后利用最小二乘修正带有幅相误差的字典矩阵，再进行循环迭代估计，达到相邻两次杂波谱估计误差满足期望情况时停止。本发明的基于稀疏重构算法的阵列幅相误差估计方法，基于乘性和加性的幅相误差表示方法双重估计阵列的幅相误差，在稀疏迭代过程中不断更新幅相误差，从而使的杂波谱的估计值更加准确，本发明的阵列幅相误差估计方法计算量大大减少。

技术领域

本发明属于雷达技术领域，具体涉及一种基于稀疏重构算法的阵列幅相误差估计方法。

背景技术

阵列信号处理技术在雷达、通信等很多领域都得到了广泛的应用，它的最大优势是在于能够对感兴趣的方向进行波束形成从而提高信号的能量，并且在干扰方向形成增益零陷。但是，很多阵列信号处理算法都是基于理想的阵列流型，而这种假设的理想模型往往无法满足实际中的情况。实际阵列雷达系统中存在很多误差，包括阵列幅相误差、位置误差以及阵元间互耦等。由于阵列信号处理算法对阵列误差的敏感性，学者们提出了很多阵列误差校正算法包括有源校正算法和自校正算法，其中，有源校正算法通常需要校正源的先验信息，而自校正算法则不需要，目前，普遍是利用两者联合估计得到阵列误差和目标位置。

自校正算法是通过雷达数据和已知参数模型对阵列误差进行校正，这类方法避免了设置校正源的问题，通常都是在多个参数中循环迭代，使得代价函数最小化来是实现误差参数的估计。通常这类代价函数一般都是非线性的，因此基本上都没有有效的寻优手段，这类算法大多收敛缓慢甚至某些情况下会发散。随着压缩感知算法在阵列信号处理中的广泛应用，Zeqiang Ma等人提出了基于压缩感知的机载雷达幅相误差自校正算法IAD-SR-STAP，该算法结合压缩感知和总体最小二乘算法，通过迭代求解获得幅相误差的估计，但是其稀疏公式中关于调整杂波谱稀疏度的量通常是很难确定的，这会在很大程度上影响估计结果。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于稀疏重构算法的阵列幅相误差估计方法。本发明要解决的技术问题通过以下技术方案实现：

本发明提供了一种基于稀疏重构算法的阵列幅相误差估计方法，其特征在于，包括：

S1：获取天线阵列接收的空时数据Y；

S2：初始化加性幅相误差p_k，根据所述加性幅相误差p_k，构建带有幅相误差的字典矩阵Ψ；

S3：初始化乘性幅相误差G_j；

S4：根据所述乘性幅相误差G_j，计算得到杂波谱X的估计值；

S5：根据所述杂波谱X的估计值，重新估计得到乘性幅相误差G_j+1；

S6：根据所述乘性幅相误差G_j+1，计算得到新的杂波谱X的估计值；

S7：判断步骤S4和S5得到的两个杂波谱X的估计值的差值是否小于设置的期望值，若是，则令G_k＝G_j+1执行步骤S8，若否，则令j＝j+1，重复步骤S5-S7；

S8：根据所述乘性幅相误差G_k，利用最小二乘法得到加性幅相误差p_k，根据所述加性幅相误差p_k，更新所述带有幅相误差的字典矩阵Ψ；

S9：判断k是否满足k＞K，其中，K表示设置的迭代总步数，若是，则执行步骤S10，若否，则令k＝k+1，重复步骤S3-S9；

S10：根据所述加性幅相误差p_k，得到最终幅相误差估计结果