[发明专利]基于迭代重加权可降维的二维平面DOA估计方法

权利要求书

1.基于迭代重加权可降维的二维平面DOA估计方法，其特征在于，包括以下步骤：

步骤1、首先通过均匀矩形平面阵列获得信号接收数据矩阵Y；

步骤2、引入辅助变量对二维平面阵接收数据模型进行变形，其中，表示复数域，K表示入射到均匀矩形面阵上的远场信号数，N为均匀矩形平面阵列的列数，T表示快拍数，将该模型分为两个一维阵列数据接收模型：

其中，Y′为变形后的接收数据，E′表示变形后的接收数据模型中的白噪声矩阵，是与俯仰角有关的方向矩阵，是与方位角有关的方向矩阵，包含着方位角和信号源的信息矩阵,为信号源矩阵，(·)^Τ表示矩阵转置；

步骤3、对信号接收数据矩阵Y进行奇异值分解，利用特征向量得到信号子空间的数据接收矩阵Y_s,再进行重排后变成降维矩阵Y_SS；

步骤4、一维阵列数据接收模型Y′＝(ψX′+E′)使用迭代重加权实现稀疏信号重构即和联合字典参数的估计值为迭代过程中如果成立，则迭代终止，迭代结束后可得包含方位角和信号源信息的信号矩阵估计值其中ε是一个预设的控制参数，X^(t+1)是X在第t+1次迭代时的估计，X为根据Y_SS构造的优化问题中的参数，优化问题如下：

s.t.‖Y_SS-Φ(f_(υ))X‖_F≤ξ

其中，Φ(f_(υ))为超完备基字典矩阵，参数X中只有K行是非零元素，其余行是零元素，且PK，满足稀疏性，P为对观测区域的俯仰角范围进行离散化等间隔划分得到P个划分单元，f_(υ)为对观测区域的俯仰角范围进行离散化后的映射；u是一个关于矩阵X每一行求向量2范数后的列向量，其对应的元素定义为u_p＝||x_p.||₂,p＝1,…,P，x_p.为X的第p行，ξ为可能的噪声水平；

再由字典参数与俯仰角的映射关系可得各入射信号的俯仰角的估计值

其中，字典参数是z轴上阵元间距，λ是入射信号波长；

步骤5：针对一维阵列数据接收模型X′^Τ＝θ^ΤS^Τ使用迭代重加权实现稀疏信号重构和联合字典参数的估计值为从而得到与俯仰角的估计值一一对应的方位角θ_k的估计值第k个入射信号的波达方向估计完成；

其中，字典参数

2.如权利要求1所述方法，其特征在于，步骤5中针对一维阵列数据接收模型X′^Τ＝θ^ΤS^Τ使用迭代重加权实现稀疏信号重构和联合字典参数的估计值为具体是将信息矩阵的估计值的第k行向量重排成一个矩阵对第k个信号与方位角有关的接收信号模型分别建立稀疏重构优化问题，分别使用迭代重加权算法得到联合字典参数的估计值为其中，为第k个入射信号的方位角为θ_k俯仰角的角度为时在y轴上均匀线阵导向矢量。