[发明专利]一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法

说明书

本发明涉及一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法，包括以下步骤：步骤S1：获取样本的观测信号和原始输入信号，根据所述观测信号和原始输入信号，获得样本的互相关函数；步骤S2：所述互相关函数根据输入信号的时频变换性质，转换为由输入信号的频域信息表示的互相关函数；步骤S3：将由输入信号的频域信息表示的互相关函数进行逆傅里叶变换，得到由输入信号的频域信息组成的时延参数模型，并构建所述时延参数模型的协方差矩阵；步骤S4：根据协方差拟合准则，对所述协方差矩阵采用稀疏迭代算法进行时延参数估计。与现有技术相比，本发明具有提高时延估计精度、提高时延估计结果在低信噪比环境下的稳定性和准确性等优点。

技术领域

本发明涉及信号处理技术领域，尤其是涉及一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法。

背景技术

随着通信技术的不断发展，精确的时延估计被广泛应用于通信网络、雷达搜寻、声纳定位、车联网等领域，基于互相关的匹配滤波方法是求解时延估计的常用算法之一，该类时延估计方法优点在于计算复杂度较低且在一定条件下能够从观测信号中准确地得到时延参数，但随着信息技术的不断前进以及对时延精度的不断提高，传统的利用信号相关性的时延估计算法在实际应用中容易受到传输环境以及快拍数的影响而无法满足高精度的估计要求，虽然在此类算法的基础上提出了大量的改进相关算法增强了算法的环境适应能力，但由于各时延之间的时间间隔较小，该类相关方法由于受到分辨率的限制，在估计过程中容易发生各处峰值重叠的现象从而无法准确地估计出时延参数，因此此类相关方法不再能满足时延估计的高精度要求。随着自适应算法的兴起，其动态跟踪时延、无需事先辨别噪声类别且高效、准确地迭代性能逐步引起研究人员的兴趣，越来越多的研究者开始将自适应思想应用到时延估计上来，并取得一定的成效，但算法本身需要源信号的先验信息作为高精度估计的先决条件并不符合实际应用的要求，同时随着估计性能的提高，滤波器的阶数及信号矩阵维度都随之增大，这不仅极大地增加了算法的计算复杂度且时延估计的精度也大大降低。

稀疏重构理论是近年来兴起的信号处理方法，稀疏表示是指利用信号在特定变换域上的稀疏性从而估计得到原始信号中的参数信息，近年来随着压缩感知理论的兴起，稀疏表示在压缩感知领域中得到了不断地发展，从而一系列的稀疏算法和理论被研究人员提出，并有效的应用到时延估计领域，其中，应用稀疏理论对信号的时延信息进行估计时由于网格划分的不同从而产生了不同的时延估计方法，传统的有网格类时延估计方法被最早的提出，该类方法使信号参数准确地落在网格上，从而利用稀疏理论重构出稀疏信号并得到时延参数的信息，这种有网格方法虽然会精确的估计到网格上的参数，但是这个假设和实际的应用场景相违背，因此会导致真实值和网格无法匹配从而造成一定的估计误差，而离格方法虽同样需要划分一定数目的网格，但不再限定信号参数严格的落在网格之上，从而使算法更加符合实际情况，同时该类算法的估计性能相比于有网格类算法也得到了显著的提升。

近年来，稀疏迭代协方差估计(SPICE)算法由于其在复杂环境下所表现出的优良性能而被研究人员应用到时延估计领域，该类方法可在离格情况下对信号参数进行精确的估计，具有较高的分辨率和较强的鲁棒性，与其他稀疏算法不同的是，SPICE算法不需要选择任何参数，且具有简单而完善的统计基础，算法通过对信号功率不断进行计算从而估计出时延信息，并且该算法具有全局的收敛能力。大量的研究表明SPICE算法虽然和子空间类方法一样利用了传输信号的协方差矩阵信息，但其在小快拍、低信噪比等复杂环境下仍具有较强的估计性能，相比于传统的时延估计算法，该算法具有明显的估计优势且环境适应能力极强，与其他基于稀疏重构算法相同，SPICE算法通常在时域内实现参数估计，然而时域内的SPICE方法在相干信号情况下且信噪比较低时会存在估计精度不足而导致估计性能下降的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的稀疏迭代协方差估计方法在相干信号情况下且信噪比较低时会存在估计精度不足而导致估计性能下降的缺陷而提供一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法。

本发明的目的可以通过以下技术方案来实现：