[发明专利]一种多目标远近场混合源定位方法

说明书

技术领域

本发明属于阵列信号处理领域，具体涉及一种多目标远近场混合源定位方法。

背景技术

被动信源定位参量估计是阵列信号处理领域的主要研究内容，具有重要研究意义 和实际应用价值。依据定位目标与接收传感器阵列之间的距离，传统的信源定位技术 可以分为远场源定位和近场源定位。然而在一些实际应用中，如当使用麦克风阵列对 说话人进行定位时，目标信号既可能处于阵列孔径的夫琅和费(Fraunhofer)区，也 可能位于阵列孔径的菲涅尔(Fresnel)区，即阵列观测信号由远场源和近场源共同组 成。本质上，远场源定位模型和近场源定位模型均可认为是远近场混合源定位模型的 特殊形式，与二者相比，远近场混合源定位模型更具普适性。若将传统的远场源定位 方法直接扩展至远近场混合源的情况，近场源距离参量难以得到估计；若将现有近场 源定位方法直接应用到远近场混合源定位中，会出现计算复杂度高、混合源难以分离、 估计错误等问题。因此，研究基于远近场混合源模型的定位参量估计算法既是完善信 源定位理论体系的必然，同时也是解决应用麦克风阵列对说话人定位等实际问题的需 要。

远场近似法(Far-FieldApproximation,FFA)认为是最早解决远近场混合源定位 问题的一个途径。该算法将近场协方差矩阵作为远场协方差矩阵的有损模型，根据远 场协方差矩阵的Toeplitz特性来构造FFA协方差矩阵，在此基础上利用远场MUSIC 技术进行参量估计。1995年，Lee等人探索了阵列观测数据的循环相关(二阶循环矩) 特性，将该算法进一步扩展，并提出了适用于循环平稳信源的改进算法。然而，FFA 算法及其改进形式均基于近场源距离远远大于阵列孔径的假设条件，这导致当近场源 比较接近传感器阵列时，相应定位性能明显下降。

2010年，梁军利等人提出了基于四阶累积量的两步MUSIC算法。该算法通过选 择特定的传感器观测数据构造两个特殊的四阶累积量矩阵，使得第一个方向矩阵仅包 含角度信息，而第二个方向矩阵同时包含角度和距离参量，应用一维MUSIC谱峰搜 索获得远场源与近场源的方位角，并将得到的DOA信息代入二维搜索实现距离估计。 分析该算法的实现过程，可知高维四阶累积量矩阵的构建导致其计算复杂度较高。

2013年，王波等人探索了阵列孔径扩展技术，提出了四阶累积量与二阶统计量 相结合的混合阶MUSIC算法，改进了定位参量估计的分辨率。然而与两步MUSIC 算法类似，该算法依然存在计算复杂度高的问题。

与四阶累积量相比，低阶(三阶或二阶)循环统计量(循环累积量或循环矩)在 同等矩阵维数条件下将具有较低的计算复杂度，且具有更为理想的平稳噪声和循环平 稳干扰抑制性能。因此，探索应用低阶循环统计量代替四阶累积量的有效途径，可在 一定程度上降低因统计量矩阵构建及特征值分解带来的计算量，提升定位算法的实用 性。

发明内容

本发明提供一种多目标远近场混合源定位方法，用于解决现有基于高阶统计量的 远近场混合源定位技术中存在的计算复杂度高、抗干扰能力及噪声鲁棒性差等问题。

本发明采取的技术方案是，包括下列步骤：

(1)应用对称均匀线性传感器阵列接收目标信号，确定远近场混合源观测信号 形式；

(2)通过恰当选择传感器观测信号构造一个特殊的三阶循环矩矩阵；

(3)对三阶循环矩矩阵进行特征值分解，获得相应的噪声子空间；

(4)通过一维MUSIC谱峰搜索实现远近场混合源方位角的同时估计；

(5)计算整个阵列观测数据的循环自相关矩阵；

(6)对循环自相关矩阵进行特征值分解，获得相应的噪声子空间；

(7)将方位角估计值代入二维MUSIC谱峰搜索中，实现近场源距离估计。

本发明所述步骤(1)确定远近场混合源观测信号形式，其具体途径是：

假设M个不相关信源入射到由L＝2N+1个传感器组成的对称均匀线阵上，包含 M₁个近场源和M-M₁个远场源，其中，d为阵元间距且等长，以阵元0作为参考阵 元，则第l(1≤l≤L)个传感器在t时刻的接收信号可表示为：