[发明专利]一种基于空时数据的高分辨目标方位估计方法

摘要

本发明公开了一种基于空时数据的高分辨目标方位估计方法，属于雷达技术领域。本发明通过采样记录天线各传感器通道接收的数据，将采样数据排成列向量的形式，在时间域、空间域和延迟域形成相关矩阵，对相关矩阵进行去噪处理，利用循环特征分解方法计算信号子空间，从信号和噪声子空间的关系求解噪声子空间，得到噪声子空间的投影矩阵，基于投影矩阵反解目标方位和俯仰信息，避免了经典MUSIC方法在区分信号子空间和噪声子空间时性能出现急剧下降的问题，提高了确定信源的方位角时的准确性。

主权项

一种基于空时数据的高分辨目标方位估计方法，其特征在于，所述估计方法包括：步骤一，通过传感器阵列对信号进行采样，获取到第一信号矢量x1(t)、第二信号矢量x2(t)，其中x1(t)＝A1s(t)+n1(t)，x2(t)＝A1Φs(t)+n2(t)；其中，A1为s(t)的系数矩阵；s(t)为第t次采样下所有P个信源复包络；n1(t)为第t次采样下第1个振元上的噪声；n2(t)为第t次采样下第2个振元上的噪声；Φ为对角矩阵；步骤二，在开始采样后的第一个时刻，构造与所述第一信号矢量、所述第二信号矢量的对应的矩阵R11(1)=A1Rs(1)A1H+σ12(1)I,]]>R22(1)=A1ΦRs(1)ΦHA1H+σ22(1)I,]]>其中Rs为自相关矩阵，Rs(1)为第一信号矢量的自相关矩阵，为所述采样过程中的噪声，在开始采样后的第二个时刻，构造与所述第一信号矢量、所述第二信号矢量对应的矩阵R11(2)=A1Rs(2)A1H+σ12(2)I,]]>R22(2)=A1ΦRs(2)ΦHA1H+σ22(2)I,]]>依次在每个时刻均构造两个相关矩阵，并根据时间顺序，将全部相关矩阵组合为相关矩阵组其中k代表时刻数，Λm＝Φm‑1，Rs(2)是第二信号矢量的自相关矩阵；Am为第m个阵元上s(t)的系数矩阵；步骤三，将所述全部相关矩阵进行特征分解，对所述全部相关矩阵中的噪声进行估计，得到每个噪声的估计值对全部相关矩阵进行去噪，得到去噪相关矩阵组步骤四，构造初始矩阵U(0)，建立第一代价函数C~=Σk=1KΣm=12{[Rmm(k)]HU(l-1)UH(l-1)Rmm(k)},]]>其中，l代表循环次数，对所述第一代价函数进行特征值分解，得到第一分解式C~eig=V‾(l-1)D‾(l-1)V‾H(l-1),]]>其中，为特征值矩阵,为特征向量矩阵,令矩阵V(l‑1)为矩阵的前P个大特征值对应的特征向量形成的矩阵,建立第二代价函数其中，l代表循环次数，对所述第二代价函数进行特征值分解，得到第二分解式其中，为特征值矩阵,为特征向量矩阵，所述第一代价函数、第二代价函数为U(l‑1)到U(l)的一次循环，对所述U(l)循环计算，直至满足||U(l)UH(l)‑U(l‑1)UH(l‑1)||F＜ε时停止循环，获取停止循环时的l；ε为循环计算后停止的阈值；步骤五，根据所述停止循环时的l，确定信号子空间U(l)，令得到投影矩阵根据所述投影矩阵得到角度估计P(θ^)=1|aH(θ^)[I-U~sU~sH]a(θ^)|]]>其中，表示矩阵A1中的向量。