[发明专利]基于广义正交匹配追踪的波达方向估计方法

说明书

本发明提供的是一种基于广义正交匹配追踪的波达方向估计方法。将若干信号入射到均匀阵列接收模型上，得到均匀阵列接收信号，通过等角度空间网格划分方式将阵列流型矩阵转换为稀疏矩阵；生成一个高斯随机测量矩阵，进行SVD矩阵分解，并对得到的奇异值在合适的范围重新赋值，获得测量矩阵；使用测量矩阵对稀疏矩阵进行采样得到观测矩阵，使用测量矩阵对阵列接收信号进行采样，得到采样后的阵列接收信号；将采样后的阵列接收信号及观测矩阵作为输入，采用广义正交匹配追踪算法进行信号的重构，通过多次迭代使估计信号逐渐逼近原信号，至方差到达阈值时停止迭代，估计出来波信号的入射角度。本发明能够缩短信号重构时间，提高DOA估计的成功率。

技术领域

本发明涉及的是一种阵列信号处理方法，具体涉及一种波达方向估计方法。

背景技术

波达方向估计(direction of arrival，DOA)是阵列信号处理中的重要研究内容之一，被广泛应用于声呐、雷达、通信、射电天文、地震勘探、医学诊疗等众多经济领域中。自20世纪60年代以来，研究者们提出了大量有效的DOA估计算法，主要有Capon提出的最小方差谱估计法(minimum variance distortionless response，MVDR)和以Schimidt提出的多重信号分类法(multiple signal classification，MUSIC)为代表的子空间算法。但是这些算法受限于奈奎斯特采样定理，在处理快拍数少、信号相干等问题时性能不太好并且存在处理时间长等问题。

近年来，信号处理领域中提出压缩感知(Compressing Sensing，CS)理论，已广泛应用于图像处理和无线通信等诸多领域。压缩感知在DOA估计的应用中，学者们也是致力于信号稀疏化、测量矩阵以及稀疏重构算法的研究中。在重构算法一定时，测量矩阵的选择影响着重构的成功率，测量矩阵的列独立性、测量矩阵与稀疏基的非相干性等均会对重构信号的质量产生影响。目前，学者们也提出了众多性能优越的测量矩阵，但是这些测量矩阵存在相关性比较高等缺陷，导致重构时误差较大。常见的稀疏重构算法有正交匹配追踪算法(Orthogonal Matching Pursuit，OMP)，压缩采样匹配追踪算法(Compressive SamplingMP，CoSaMP)以及子空间追踪算法(Subspace pursuit，SP)等。这些方法虽然能够在一定程度上将数据恢复出来，但是存在恢复时间长、成功率比较低等缺陷。

发明内容

本发明的目的在于提供一种能够缩短信号重构时间，提高DOA估计的成功率的基于广义正交匹配追踪的波达方向估计方法。

本发明的目的是这样实现的：

步骤一：将若干信号入射到均匀阵列接收模型上，得到均匀阵列接收信号，通过等角度空间网格划分方式将阵列流型矩阵转换为稀疏矩阵；

步骤二：生成一个高斯随机测量矩阵，对高斯随机测量矩阵进行SVD矩阵分解，并对得到的奇异值在合适的范围重新赋值，降低高斯随机测量矩阵的相关性，获得测量矩阵；

步骤三：使用测量矩阵对稀疏矩阵进行采样得到观测矩阵，使用测量矩阵对阵列接收信号进行采样，得到采样后的阵列接收信号；

步骤四：将采样后的阵列接收信号及观测矩阵作为输入，采用广义正交匹配追踪算法进行信号的重构，通过多次迭代使估计信号逐渐逼近原信号，至方差到达阈值时停止迭代，估计出来波信号的入射角度。

针对已有技术中存在的恢复时间长、成功率比较低等缺陷，本发明提出了一种基于广义正交匹配追踪的DOA估计方法，首先利用矩阵的SVD分解来降低测量矩阵的相关性，增强测量矩阵的独立性，然后采用广义正交匹配追踪算法进行信号的重构，最终估计出来波信号的角度。本发明所提方法缩短了信号重构时间，提高了DOA估计的成功率。

与现有技术相比，本发明的优点在于：