[发明专利]一种基于多发多收阵列的稀疏波达方向角度估计方法

说明书

本发明属于阵列信号处理领域，具体涉及一种基于多发多收阵列的稀疏波达方向角度估计方法。包括以下步骤：S1建立信号模型；S2信号协方差矩阵的估计与向量化；S3利用互质阵处理方法进行空间自由度拓展；S4采用近邻算子法来得到目标波达方向估计；S5确定目标来波方向和数量。本发明取得的有益效果为：通过本发明可提升低信噪比，小样本条件下多目标角度估计精度，并且本发明估计目标角度的迭代收敛速度快，运算效率高，可应用于实时多目标角度估计系统，具有重要的工程应用价值。

技术领域

本发明属于阵列信号处理领域，具体涉及一种基于多发多收(Multiple InputMultiple Output,MIMO)阵列的稀疏波达方向角度估计方法。

背景技术

目标角度估计(Direction of Arrival Estimation,DOAE)是阵列信号处理领域中非常重要的一个问题，相关的算法可广泛应用于雷达探测，声纳导航，多信道通信等领域。传统的目标角度估计算法大多是基于子空间信号流型分析或者属于最大似然估计类算法。但这两类算法往往分辨率有限，且受目标信号间相关性，采集样本数以及系统信噪比等因素影响较大，因此难以适应实际中各类复杂的应用环境。

随着稀疏恢复算法的引入，目标角度估计技术得到了很大的提升。稀疏恢复算法将传统的目标角度估计模型等效成字典学习模型，通过各类压缩感知算法得到更为精确的角度估计值。采用基于稀疏恢复算法的目标角度估计可以使得目标角度的获取对采集样本数以及信噪比的容忍度都大大提升，因此更有利于实际的应用。基于稀疏恢复算法的目标角度估计方法大致可以分为两类：一类采用了稀疏贝叶斯学习的框架，通过对超参数的估计来获得目标角度估计，这类方法依赖对模型变量分布的先验知识可以得到较好的恢复性能，但由于稀疏贝叶斯学习需要进行较大规模的矩阵运算，算法的运算量随着所需要的估计精度成指数倍增长，这一点又限制了该类算法的应用；另一类稀疏恢复方法通过引入基于l_p,p＞0范数的稀疏性约束条件，并采用凸优化的方法得到信号的稀疏恢复结果，这一类方法的典型算法包括正交匹配法，基追寻法，LASSO算法等，这些传统算法的恢复结果要么容易收敛到较多的局部极值点，要么恢复结果难以达到要求的稀疏性。

传统的稀疏恢复算法依赖于字典矩阵的构建，好的字典矩阵往往可以得到较好的恢复性能。然而稀疏恢复的结果只能从字典矩阵所对应的网格中挑选，因此稀疏恢复中的一个重要问题是如何解决目标不在字典矩阵网格上的问题。对于稀疏贝叶斯学习类的方法，目标真实角度与相邻网格角度的偏移量被当成是待学习的参量，通过参数学习的方式来估计得到，但这类算法往往会大量提高稀疏贝叶斯学习方法的运算量，导致其难以在实际应用中施行。对于基于l_p,p＞0范数的稀疏恢复方法，现有的方法往往采用缩小网格粒度的方法，这种做法也会大大提高算法的复杂度，导致无法在实际系统中应用。

随着阵列设计技术的发展，互质阵列应运而生。它采用两组不同间隔的线阵(间隔分别为m和n，m和n互质)，计算其接收信号的二阶统计量，再通过矢量化二阶统计矩阵的方法可以形成远超阵元个数的虚拟线阵，从而大大提高了阵列信号处理的自由度，为目标角度估计提供了更广阔的应用空间。

而传统的联合稀疏恢复方法(Zhao Tan and Arye Nehorai,“Sparse Directionof Arrival Estimation Using Co-Prime Arrays with Off-Grid Targets,”in IEEESIGNAL PROCESSING LETTERS,vol.21,No.1,2014,pp.26–29)无法利用MIMO阵列的多组发射信号，从而导致波达方向角度估计精度存在损失，在低信噪比，小样本数和较多目标数的条件下，难以满足工程实际的估计精度需求的问题。

发明内容

本发明要解决的技术问题是传统的稀疏恢复方法无法利用MIMO阵列的多组发射信号，从而导致波达方向角度估计精度存在损失，在低信噪比，小样本数和较多目标数的条件下，难以满足工程实际的估计精度需求的问题。