[发明专利]基于均匀圆阵中心对称性的相干源方向估计方法

说明书

本发明提供的是一种基于均匀圆阵中心对称性的相干源方向估计方法。步骤一、对于UCA接收到的数据X(t)，求模式空间转换矩阵T，将数据X(t)乘以转换矩阵T得到模式空间数据Y(t)；步骤二、求共轭平均后的数据Z(t)；步骤三、求取重构的Hermitian Toeplitz矩阵R_Toe；步骤四、对R_Toe进行特征分解，利用Root‑MUSIC算法输出相干源DOA的估计结果。本发明的实现手段简单，计算量小；具有解相干能力强、DOA估计精度高和信噪比门限低的优点。仿真实验结果表明：本发明能够正确估计相干信源的DOA，分辨率高于MODEFBSS和MODETOEP；在低信噪比和小快拍数时有较强的解相干能力和较高的DOA估计精度。

技术领域

本发明涉及的是一种相干源方向估计方法。

背景技术

阵列处理技术在移动通信、雷达、声呐等领域有着广泛的应用。在实际水声环境中，存在大量的相干信号源，例如海底、海面反射等大量多途信号，主动探测中多个目标的声呐回波，以及声干扰器、声诱饵等人为干扰信号。由于相干信号子空间与噪声子空间的不完全正交会导致MUSIC、ESPRIT等经典的信号子空间类算法性能严重下降，相干源DOA估计一直是阵列信号处理领域的热点问题。

与均匀线阵(ULA)相比，均匀圆阵(UCA)可以提供360°无模糊的方位信息，在各个方向具有近似相同的估计精度和分辨力；除此之外，UCA作为平面阵列能够提供二维DOA估计所需要的俯仰角信息。然而，UCA的阵列流形不具有ULA阵列流形的Vandermonde结构，因此空间平滑算法、矩阵重构算法等众多ULA的成熟算法无法直接应用到UCA上。为此，Griffiths提出了基于相位模式激励的UCA方向图合成技术，可以通过模式空间变换算法将圆阵的阵列流型变换成具有Vandermonde结构的矩阵，给解决UCA的相干源DOA估计问题提供了新思路。在此基础上，有人将空间平滑解相干技术应用在UCA上，提出了模式空间平滑(Mode Spatial Smoothing,MODESS)和模式空间前后向空间平滑(Mode Forward-BackwardSpatial Smoothing,MODEFBSS)；但是此类算法存在计算量大、平滑次数不易确定的问题。之后，有人提出的一种无需平滑的模式空间Toeplitz矩阵重构算法(Mode Toeplitz,MODETOEP)，实现了信号协方差矩阵的对角化，具有较低的信噪比门限；但是MODETOEP没有充分利用均匀圆阵的对称性。

发明内容

本发明的目的在于提供一种解相干能力强、DOA估计精度高和信噪比门限低的基于均匀圆阵中心对称性的相干源方向估计方法。

本发明的目的是这样实现的：

步骤一、对于UCA接收到的数据X(t)，求模式空间转换矩阵T，将数据X(t)乘以转换矩阵T得到模式空间数据Y(t)；

步骤二、求共轭平均后的数据Z(t)；

步骤三、求取重构的Hermitian Toeplitz矩阵R_Toe；

步骤四、对R_Toe进行特征分解，利用Root-MUSIC算法输出相干源DOA的估计结果。

本发明中：UCA为均匀圆阵的简称，是指在高分辨阵列测向系统中广泛使用的一种阵列结构；Hermitian Toeplitz矩阵是指独立信号源的协方差矩阵任意一个对角线上的元素取相同值，且矩阵中的元素满足复共轭对称关系的Hermitian Toeplitz矩阵。

为了解决现有的UCA的相干源DOA估计方法存在的计算量大、平滑次数不易确定、以及不能充分利用均匀圆阵的对称性的问题，本发明提供了一种基于均匀圆阵中心对称性的相干源方向估计方法。