[发明专利]互耦条件下任意阵列流形DOA估计与互耦校准方法及系统

说明书

本发明公开了一种互耦条件下任意阵列流形DOA估计与互耦校准方法及系统，属于阵列传感器测向技术领域，解决了现有技术中互耦条件下任意阵列流形DOA估计与互耦校准计算复杂性太大的问题。一种互耦条件下任意阵列流形DOA估计与互耦校准方法，包括以下步骤：获取阵列信号，根据阵列信号估计得到阵列信号对应的协方差矩阵，对协方差矩阵进行特征分解，获得噪声子空间；确定DOA的角度搜索范围，根据DOA的角度搜索范围，生成一组网格，根据噪声子空间以及阵元之间的互耦矩阵，获取每个网格对应的谱函数；根据每个网格对应的谱函数的峰值，估计得到DOA，由估计得到的DOA获取阵元之间的互耦系数。较简单的实现了互耦条件下任意阵列流形DOA估计与互耦校准。

技术领域

本发明涉及阵列传感器测向技术领域，尤其是涉及一种互耦条件下任意阵列流形DOA估计与互耦校准方法及系统。

背景技术

信号波达角(direction-of-arrival，DOA)估计有60多年的悠久历史，目前已涌现大量优秀的角度估计方法，例如多重信号分类(multiple signal classification，MUSIC)算法和通过旋转不变特性(rotational invariance technique，ESPRIT)估计信号参数的方法。然而现有方法的优异性能均是在理想的阵列条件下获得的。实际上，传感器误差始终是存在的。典型的传感器误差包括增益相位误差、位置误差和互耦效应。其中，互耦效应是一类普遍存在的阵列误差。传感器之间的互耦效应是由阵列天线阵元的耦合效应引起的，它会导致DOA估计中的模型不匹配，并且可能会导致估计性能严峻下降。为了获得最佳的DOA估计，需要在传感器阵列中建立自校准功能，利用传感器阵列采集信号的同时校准传感器误差。联合DOA估计和互耦误差校准问题已引起广泛的关注。

现有技术中由一种主动校准方法，但是其需要额外的辅助阵元，还有一种不需要辅助源或辅助阵元的DOA和互耦系数联合估计的迭代算法，但是，该迭代过程计算效率低下，为了有效降低计算量，有人推导了递归降秩方法，另外，研究者从贝叶斯学习的角度研究了DOA估计和互耦校准问题，也有人改进型贝叶斯学习算法，它能够解决离网问题，但上述解决方案适用于特殊的阵列流形，如均匀线性阵列(Uniform linear array,ULA)、均匀矩形阵列、均匀圆阵等，在这种情况下，阵列互耦被建模为有特殊的结构的矩阵，如对称的Toeplitz矩阵、对称循环或对称块的Toeplitz矩阵，

实际工程中，由于空间的限制，传感器阵列可能会以不规则的阵列流形分布。此时，互耦矩阵除了对称性以外几乎没有其他特殊的结构，现有的方法将实现合DOA估计和互耦误差校准的目的；为了减小DOA估计中的互耦效应，有人提出了一种两步迭代方法，该方法适用于任意几何形状的阵列流形，但其方法中迭代计算复杂性太大，无法用于实时系统。

发明内容

本发明的目的在于至少克服上述一种技术不足，提出一种互耦条件下任意阵列流形 DOA估计与互耦校准方法及系统。

一方面，本发明提供了一种互耦条件下任意阵列流形DOA估计与互耦校准方法，包括以下步骤：

获取阵列信号，根据所述阵列信号估计得到所述阵列信号对应的协方差矩阵，对所述协方差矩阵进行特征分解，获得噪声子空间；

确定DOA的角度搜索范围，根据所述DOA的角度搜索范围，生成一组网格，根据所述噪声子空间以及阵元之间的互耦矩阵，获取每个网格对应的谱函数；

根据每个网格对应的谱函数的峰值，估计得到DOA，由估计得到的DOA获取阵元之间的互耦系数。

进一步地，对所述协方差矩阵进行特征分解，获得噪声子空间，具体包括，