[發(fā)明專利]基于主分量分析的目標(biāo)波達(dá)方向獲取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611245361.8
• 申請(qǐng)日: 2016-12-29
• 公開（公告）號(hào): CN106844886B
• 公開（公告）日: 2020-04-10
• 發(fā)明（設(shè)計(jì)）人: 王彤;夏月明;王娟;吳建新
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G01S3/02
• 代理公司: 西安睿通知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 61218
• 代理人: 惠文軒

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域，特別涉及一種基于主分量分析的目標(biāo)波達(dá)方向獲取方法，即基于主分量分析(Principal Component Analysis，PCA)的目標(biāo)波達(dá)方向獲取方法，適用于確定目標(biāo)的波達(dá)方向。

背景技術(shù)

目標(biāo)的波達(dá)方向DOA估計(jì)在陣列信號(hào)處理中具有重要的意義，MUSIC算法由于其自身的高分辨能力得到了廣泛的應(yīng)用；然而，傳統(tǒng)的頻譜搜索MUSIC算法的實(shí)現(xiàn)需要在整個(gè)角度范圍內(nèi)進(jìn)行一維或多維搜索，計(jì)算量隨著搜索點(diǎn)數(shù)以及陣元數(shù)的增加而增加，且協(xié)方差矩陣的特征分解也需要較大的計(jì)算量。

后來人們提出了一系列修正的算法致力于降低協(xié)方差矩陣特征分解和頻譜搜索過程的計(jì)算量,包括root-MUSIC,compressed MUSIC；然而，這些算法的計(jì)算量都隨著陣元數(shù)的增加增長(zhǎng)較快，且root-MUSIC算法在大陣元數(shù)情況下數(shù)值不穩(wěn)定。

發(fā)明內(nèi)容

針對(duì)傳統(tǒng)MUSIC算法在頻譜搜索階段，特別是在大陣元數(shù)情況下計(jì)算量大的問題，本發(fā)明的目的在于提出一種基于主分量分析的目標(biāo)波達(dá)方向獲取方法，該種基于主分量分析的目標(biāo)波達(dá)方向獲取方法是基于導(dǎo)向矢量矩陣的低秩特性，利用主分量分析來實(shí)現(xiàn)低復(fù)雜度頻譜搜索MUSIC算法，相比傳統(tǒng)MUSIC以及root-MUSIC算法計(jì)算量更低，特別是在大陣元數(shù)情況下，且目標(biāo)的波達(dá)方向DOA估計(jì)性能基本沒有損失。

為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案予以實(shí)現(xiàn)。

一種基于主分量分析的目標(biāo)波達(dá)方向獲取方法，包括以下步驟：

步驟1，確定雷達(dá)包含N個(gè)陣元，并確定雷達(dá)空間頻譜區(qū)域，所述雷達(dá)空間頻譜區(qū)域?yàn)槔走_(dá)能夠檢測(cè)到的整個(gè)空間頻譜區(qū)域；然后對(duì)所述雷達(dá)空間頻譜區(qū)域以等間隔ε進(jìn)行頻譜劃分，得到M個(gè)空間頻譜間隔，所述M個(gè)空間頻譜間隔中包含T個(gè)目標(biāo)信號(hào)；其中，ε＝2/M，M表示對(duì)雷達(dá)能夠檢測(cè)到的整個(gè)空間頻譜區(qū)域進(jìn)行等間隔劃分后包含的頻譜間隔總個(gè)數(shù)；N、T、ε分別為大于0的整數(shù)；

步驟2，分別計(jì)算得到M個(gè)空間頻譜間隔的基矢量矩陣和M個(gè)空間頻譜間隔的基系數(shù)矢量矩陣；

步驟3，確定雷達(dá)接收到的回波數(shù)據(jù)為X，然后計(jì)算得到雷達(dá)回波數(shù)據(jù)的采樣協(xié)方差矩陣估計(jì)對(duì)雷達(dá)回波數(shù)據(jù)的采樣協(xié)方差矩陣估計(jì)進(jìn)行特征分解，計(jì)算得到雷達(dá)回波數(shù)據(jù)的采樣協(xié)方差矩陣估計(jì)的噪聲子空間矩陣

步驟4，利用M個(gè)空間頻譜間隔的基矢量矩陣和雷達(dá)回波數(shù)據(jù)的采樣協(xié)方差矩陣估計(jì)的噪聲子空間矩陣計(jì)算得到M個(gè)空間頻譜間隔各自變換矩陣F；

步驟5，根據(jù)M個(gè)空間頻譜間隔各自變換矩陣F和M個(gè)空間頻譜間隔的基系數(shù)矢量矩陣，計(jì)算得到M個(gè)空間頻譜間隔內(nèi)每一個(gè)頻點(diǎn)對(duì)應(yīng)的譜函數(shù)值；

步驟6，在M個(gè)空間頻譜間隔內(nèi)每一個(gè)頻點(diǎn)對(duì)應(yīng)的譜函數(shù)值中尋找譜函數(shù)值最大的峰值點(diǎn)，所述譜函數(shù)值最大的峰值點(diǎn)有T'個(gè)，其中第t'個(gè)譜函數(shù)值最大的峰值點(diǎn)對(duì)應(yīng)的頻率，作為第t個(gè)目標(biāo)信號(hào)的波達(dá)方向，即第t'個(gè)譜函數(shù)值最大的峰值點(diǎn)對(duì)應(yīng)的頻率為第t個(gè)目標(biāo)信號(hào)的角度正弦值；

令t'分別取1至T'，進(jìn)而得到第1個(gè)目標(biāo)信號(hào)的波達(dá)方向至第T個(gè)目標(biāo)信號(hào)的波達(dá)方向，即M個(gè)空間頻譜間隔內(nèi)T個(gè)目標(biāo)信號(hào)各自的波達(dá)方向；其中，譜函數(shù)值最大的峰值點(diǎn)個(gè)數(shù)與M個(gè)空間頻譜間隔中包含的目標(biāo)信號(hào)個(gè)數(shù)相等且一一對(duì)應(yīng)。

本發(fā)明具有以下優(yōu)點(diǎn)：

本發(fā)明將導(dǎo)向矢量進(jìn)行主分量分解，表示成多個(gè)基矢量的線性組合，通過在低維數(shù)下實(shí)現(xiàn)頻譜搜索來降低計(jì)算復(fù)雜度，提高實(shí)時(shí)處理能力；另外，相比傳統(tǒng)的MUSIC算法以及root-MUSIC算法，使用本發(fā)明方法得到的目標(biāo)波達(dá)方向估計(jì)性能不會(huì)變差；另外，本發(fā)明方法能夠降低MUSIC計(jì)算復(fù)雜度的算法，且針對(duì)傳統(tǒng)MUSIC算法在大陣元數(shù)情況下計(jì)算量高的問題，本發(fā)明利用導(dǎo)向矢量矩陣的低秩特性將確定頻譜區(qū)域內(nèi)的導(dǎo)向矢量分解為一組基矢量的線性組合，并在低維空間執(zhí)行MUSIC算法頻譜搜索，從而降低計(jì)算復(fù)雜度，提高實(shí)時(shí)處理能力。

附圖說明

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。

圖1是本發(fā)明的一種基于主分量分析的目標(biāo)波達(dá)方向獲取方法總流程圖；

圖2a是使用本發(fā)明方法得到的不同子空間維數(shù)下導(dǎo)向矢量的近似誤差隨角度變化的曲線圖；

圖2b是使用本發(fā)明方法得到的不同子空間維數(shù)下導(dǎo)向矢量的近似誤差隨雷達(dá)天線陣元數(shù)變化的曲線圖；

圖3是本發(fā)明方法估計(jì)目標(biāo)信號(hào)角度RMSE隨子空間維數(shù)變化圖；

圖4是多種算法估計(jì)目標(biāo)信號(hào)角度RMSE隨著SNR以及目標(biāo)信號(hào)分離角變化對(duì)比圖；