[发明专利]基于迭代重加权可降维的二维平面DOA估计方法

说明书

本发明涉及阵列信号处理领域，公开了一种基于迭代重加权可降维的二维平面DOA估计方法，本发明利用kronecker积的性质，对阵列接收数据模型进行变形，通过降维思想将二维联合角度估计分为两个一维DOA估计问题，目的是为了降低计算复杂度，然后引入对数和函数作为促稀疏的目标函数，分别建立关于俯仰角和方位角的稀疏信号重构优化问题，使用基于线性谱估计的超分辨迭代重加权算法求解该最优化问题得到俯仰角和方位角的估计。本发明方法降维处理后相对地降低了计算量，解决了格点失配问题，实现了角度自动配对的二维平面阵列的DOA估计，同时该方法还可以解相干，在较低信噪比下也能得到很好的估计效果，以及该方法具备较高分辨力和较高估计精度的优点。

技术领域

本发明涉及雷达通信技术，尤其涉及二维平面阵列的波达方向估计技术。

背景技术

空间谱估计也称波达方向(Direction of Arrival,DOA)估计，其是阵列信号处理的一个重要分支，其在雷达、声呐以及移动通信中对目标的定位跟踪等领域都有应用。目前，已有很多学者提出很多可用于DOA估计的算法，其中最经典的超分辨算法有Schmidt.R.O等人提出的基于子空间分解的多重信号分类(Mutiple SignalClassification,MUSIC)算法；但由于MUSIC算法需要进行谱峰搜索，计算量大，因此Roy.R和Kailath.T提出了不需要谱峰搜索的旋转不变子空间(Estimation of SignalParameter by Rototional Invariant Techniques,ESPRIT)算法。由于DOA估计中，目标信号相较于整个空域具有天然的稀疏性，因此很多学者将压缩感知理论应用到DOA估计中，其中Maloutov等人在压缩感知理论上提出了l1-SVD算法，该算法有很高的分辨率和重构精度，但是需要已知信源个数。Cotter等人在MP算法基础上提出基于正交匹配追踪(Orthonalmaching pursuit,OMP)算法，该算法计算复杂度低，但是重构精度较差。学者Hongyu Cui提出了一种新的离格时间稀疏贝叶斯推断(OGT-SBI，off-grid temporal sparse Bayesianinference)算法用于离格DOA估计。美国学者Tang等人定义了连续空间中的原子，以及对应的无限维度的字典矩阵。随后提出原子范数最小化(ANM)方法，该方法可直接在连续空间中对稀疏信号进行重构。2016年，方俊、王飞宇等人提出一种基于压缩采样的线性谱估计方法-迭代重加权算法(参见文献：Super-Resolution Compressed Sensing for LineSpectral Estimation:An Iterative Reweighted Approach[J],JFang,F Wang,Y Shen,et al,IEEE Transactions on Signal Processing,2016,64(18):4649-4662)。