[发明专利]一种基于阵列信号相位差矢量的信号检测方法与系统

说明书

本发明提供一种基于阵列信号相位差矢量的信号检测方法与系统，方法通过求解接收阵列不同阵元间接收信号的相位差来构造相位差矢量，将时间前后多段数据的相位差矢量相关系数均值作为检测参数，减少环境干扰的影响，与现有算法相比，本发明提出的方案计算复杂度基本不变，检测效果更优，即没有增加计算复杂度的前提下，保证且提高了阵列信号处理的优势，在低信噪比的情况下检测性能好。

技术领域

本发明涉及通信技术领域，更具体地，涉及一种基于阵列信号相位差矢量的信号检测方法与系统。

背景技术

信号检测技术是电子侦察、电子对抗等非合作通信中必不可少的首要步骤。信号检测技术通过检测目标信号是否存在来避免分析无效数据，以减少系统工作量，被广泛应用于通信、雷达、地震学、语音处理、生物医学及图像处理等方向。根据接收设备的数量和位置分布，检测技术可分为单天线检测算法和多天线检测算法。

较为经典的单天线检测算法包括似然比检测法(Likelihood ratio test,LRT)、匹配滤波法(Matched Filter,MF)、能量检测法(Energy Detection,ED)和循环平稳法(Cyclostationary detection,CSD)。LRT算法通过构造接收信号的似然比统计量作为检测特征，将其与检验门限比较后判决目标信号的有无；MF算法通过构建合适的滤波器来过滤干扰信号，以突出目标信号，因此检测前需得知目标信号的频率、波形等先验信息；ED算法无需目标信号的先验信息，将确定频段上接收信号的总能量与判决门限比较，获得检测结果，该法的判决门限随环境噪声变化，需要精确估计周围环境噪声的方差；CSD算法利用目标信号的循环平稳性来检测，计算复杂度较高，难以满足实时性的要求。

随着科技和检测设备的发展，阵列信号处理成为统计信号处理领域中主流的研究方向，多天线检测算法应运而生。协方差矩阵可度量信号和噪声的差异，因此提出了特征根检测算法。根据不同的协方差矩阵特征根函数，特征根检测算法可分为归一化最大特征根检测(Scaled Largest Eigenvalue,SLE)和算术-几何平均比检测(Arithmetic-to-Geometric Mean,AGM)和John检测。现有的多天线信号检测算法主要以分析噪声特性为基础，但对于信号协方差结构特性的理论推导和算法实现上还具有较大难度。

公开日为2019年10月18日，公开号为CN110348402A的中国专利公开一种结合特征频率的期望似然的信号检测方法，属于信号检测技术领域。本发明首先由信号的采样数据建立数据协方差矩阵，并得到该数据协方差矩阵的特征向量的傅立叶变换Wm(θk)；然后将所得Wm(θk)的频谱的峰值点所在频率定义为特征频率，计算结合特征频率的期望似然统计量，计算特征向量检测门限；再利用数值方法计算结合特征频率的期望似然统计量门限；最后由得到的新的二元假设检验公式得到检测结果。该专利需要分析接收阵列信号的协方差矩阵，低信噪比的情况检测性能不佳。

发明内容

本发明的首要目的是提供一种基于阵列信号相位差矢量的信号检测方法，无需分析接收阵列信号的协方差矩阵，在低信噪比的情况下检测性能更好。

本发明的进一步目的是提供一种基于阵列信号相位差矢量的信号检测系统。

为解决上述技术问题，本发明的技术方案如下：

一种基于阵列信号相位差矢量的信号检测方法，包括以下步骤：

S1：生成多个阵元的高斯白噪声信号；

S2：根据所述高斯白噪声信号构造多个连续时间下的噪声信号相位差矢量，根据所述多个连续时间下的噪声信号相位差矢量求解噪声信号相位差矢量相关系数均值；

S3：重复步骤S2计算多个噪声信号相位差矢量相关系数均值，所述噪声信号相位差矢量相关系数均值服从正态分布，获取所述噪声信号相位差矢量相关系数均值的均值和标准差；