[发明专利]一种基于量子鼠群的近场和远场源混合测向方法

说明书

本发明公开了一种基于量子鼠群的近场和远场源混合测向方法，在获得远场源角度的基础上构建出分离算子，通过该算子可以获得远场源四阶累积量矩阵，通过四阶累积量矩阵差分获得纯净的近场源四阶累积量矩阵，并通过量子鼠群机制进行参数搜索的相关过程，解决现有的混合源测向方法存在角度模糊和远近场信号源分离方法低效的技术难题。本发明可以快速的得到较精确的混合源测向结果，并且不存在量化误差，通过四阶累积量矩阵可以扩展阵列孔径，提高测向精度，相对于传统的近场和远场源混合测向方法速度更快、精度更高、突破了现有方法的应用局限。

技术领域

本发明涉及一种高斯噪声环境下的近场和远场源混合测向方法，特别是一种基于量子鼠群的近场和远场源混合测向方法，属于阵列信号处理领域。

背景技术

被动信源定位通过传感器阵列的导向矢量矩阵与观测信源矢量，使用阵列信号处理相关算法，估计出信源的目标参数，例如：到达方位角、俯仰角、距离等参数。被动信源定位属于阵列信号处理领域，在雷达、信息战、地震学、麦克风阵列中的众多军事或生活领域中都有着广泛的应用，因此受到了人们的广泛关注。

经典的测向方法针对于近场源或远场源信号，然而在实际的工程问题中，远场源信源和近场源信源可能同时存在，将这种情况称作混合源，混合源测向中需要对近场源的角度和距离进行估计，对于远场源，化简为角度参数估计，所以传统的远场源或近场源的定位方法无法直接运用在混合源测向中，所以对混合源测向的方法需要进一步深入研究。

使用传统的噪声子空间类算法进行混合源定位时，使用了谱峰搜索的过程，若选取较大的谱峰搜索间隔会存在量化误差，相反若选取较小的谱峰搜索间隔会导致搜索所需时间较长，估计精度与搜索时间之间存在矛盾性，使用智能优化算法代替谱峰搜索过程是一种具有潜力的解决方案，但现有的智能优化算法应用于近场和远场源混合测向这个复杂工程问题时有较多缺陷，如收敛速度慢、易陷入局部收敛等，因此需要针对具体的工程问题设计新的高效求解方法。

通过对现有技术文件的检索发现,梁军利等在《Signal Processing》(2010.58(1):108-120.)上发表的“Passive Localization of Mixed Near-Field and Far-FieldSources Using Two-stage MUSIC Algorithm[J]”中构建了两个的四阶累积量矩阵,第一个四阶累积量矩阵只包括混合源的角度信息，并利用MUSIC算法获得角度参量，第二个四阶累积量矩阵包括角度和距离信息，将估计出的所有远场信号源和近场信号源的角度信息代入二维MUSIC谱峰搜索函数可以将搜索函数降为一维，估计出近场源距离参量，但该方法在远场源和近场源的角度相近时性能下降严重甚至失效，存在角度模糊，并且由于构建了两个四阶累积量矩阵导致算法的计算量较大，且测向结果存在量化误差；He J等人在《SignalProcessing》(2012,60(4):2066-2070.),上发表的“Efficient application of MUSICalgorithm under the coexistence of far-field and near-field sources[J]”中提出了利用斜投影技术实现远近场信号源的分离，在降低了计算量的同时避免了因角度模糊导致的估计错误问题，但是该方法在估计近场源的参量时仅仅利用了阵列接收数据协方差矩阵的反对角线元素，这导致近场源的方位角和距离估计性能不理想。

已有文献的检索结果表明，现有的近场和远场源混合测向方法存在计算复杂度高，无法实现近场和远场信源的高效分离等缺点，因此设计出一种新的混合源分离方法进而提出一种新的近场和远场源混合测向方法，其具体是在获得远场源角度的基础上构建出分离算子，通过该算子可以获得远场源四阶累积量矩阵，通过四阶累积量矩阵差分获得纯净的近场源四阶累积量矩阵，并通过量子鼠群机制进行参数搜索的相关过程，解决现有的混合源测向方法存在角度模糊和远近场信号源分离方法低效的技术难题。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种具有更高的精度，避免了角度模糊的问题基于量子鼠群的近场和远场源混合测向方法。