[发明专利]一种基于相位分数低阶矩的协方差差分的传播算法

说明书

本发明提供一种基于相位分数低阶矩的协方差差分的传播算法，主要解决alpha噪声环境下阵列雷达的远‑近场混合信号源的参数估计问题。该方法首先建立了均匀对称阵列天线接收信号的模型，构造基于相位分数低阶矩的协方差矩阵来抑制alpha噪声，并通过MUSIC算法对远场源进行角度估计。然后结合协方差差分的思想，利用远场协方差阵、噪声协方差阵及近场协方差阵的结构差异，将近场协方差阵分离出来。最后引入传播算子求取此时协方差差分矩阵对应的噪声子空间，进而通过谱峰搜索估计出近场源角度参数和距离参数。本发明降低了一定计算复杂度的同时抑制了alpha噪声，不需要用主观标准区分远‑近场源类型且参数估计精度较高。

技术领域

本发明属于阵列信号处理领域，具体涉及的是一种基于相位分数低阶矩的协方差差分的传播算法。

背景技术

波达方向(Direction of Arrival,DOA)估计是阵列信号处理领域的重要研究内容之一，被广泛应用于导航、通信、声纳以及雷达等领域。DOA估计算法大体上可分为子空间类算法和统计方法类算法。子空间类算法包括多重信号分类(Multiple SignalClassification,MUSIC)算法、Capon算法以及旋转不变子空间(Estimation of SignalParameters via Rotational Invariance,ESPRIT)算法，此类算法的估计精度受接收协方差阵、信号/噪声子空间求取的影响。统计方法类算法，如最大似然估计(MaximumLikelihood,ML)算法利用理想信号模型和观测数据之间的最佳拟合获得目标角度的估计值，算法复杂度较高，且依赖于接收数据的统计特性，对噪声的分布特征十分敏感，从而导致估计精度较低。

当研究阵列雷达目标参数估计时，实际的工作环境错综复杂，传统的参数估计算法虽有较多应用，但仍存在某些制约。一方面，传统的DOA估计算法都是以高斯噪声为背景进行研究，但由于地杂波、海杂波或人为因素的影响，环境中的噪声往往具有冲击性和长拖尾特性，经研究表明，这些噪声符合α稳定分布，被称作alpha噪声(亦称脉冲噪声，简称脉噪)。其特点是无二阶和高阶积累量，因此传统的基于二阶和高阶矩的信号处理算法的性能会严重下降甚至失效。另一方面，依据目标信号源与接收阵列之间距离的远近，可把被动信源分为远场源和近场源，前者位于夫琅和费(Fraunhofer)区域，后者位于菲涅尔(Fresnel)区域。由于推导近似条件的不同，需要在不同的区域使用不同的定位手段进行目标定位。当观测信号处于Fresnel区域时，信源的位置信息是由所测信号的角度参量和距离参量给出，而位于Fraunhofer区域时，信源的位置信息仅由角度参量给出。因此若将传统的远场源定位算法直接扩展到远-近场混合源的情况，则近场源距离参数难以得到；若直接将近场源定位方法应用到混合源中，则远场目标的距离会超出近场源参数估计算法的估计范围，导致远场目标无法被精确估计的情况。在已发表文章中，Luan S Y等人对脉噪环境下混合源的定位进行研究，他们受到有界非线性协方差(bounded non-linear covariance,BNC)对脉冲的有效抑制的启发，利用BNC的子空间并通过类似求根MUSIC算法来进行距离估计和目标源的识别，降低了计算的复杂度，但其精度不高；Zhang J C等人则提出通过构造一个基于协方差域的矢量来进行稀疏重建，在代价函数中应用熵来抑制脉冲噪声从而进行混合源的角度估计，并用有界非线性协方差矩阵提取的噪声子空间进行距离搜索，用主观标准来区分目标源类型，但当广义信噪比较低或α＜1.3时算法的性能较差。因此，研究alpha噪声环境下的远-近场混合源的参数估计问题尤为重要，具有重要的理论和应用价值。

发明内容

本发明的目的为了克服上述中计算量大以及用主观标准区分信源类型导致的不能准确分类的问题的一种基于相位分数低阶矩的协方差差分的传播算法。

本发明的目的是这样实现的：

一种基于相位分数低阶矩的协方差差分的传播算法，包括以下步骤：

步骤1：根据阵列信号接收矩阵X(t)求取基于相位分数低阶矩的协方差矩阵R^PFLOM；