[發明專利]一種基于協方差矩陣的數據遺失快拍數及陣元檢測方法

有效

• 申請號: 201810073143.3
• 申請日: 2018-01-25
• 公開（公告）號: CN108427095B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 毛興鵬;王亞梁;趙春雷
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F17/16
• 分類號: G06F17/16
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 孫莉莉

本發明提出了一種基于協方差矩陣的數據遺失快拍數及陣元檢測方法，包括計算各個基站的協方差矩陣、估計各個基站的噪聲系數、構造曲線方程、估計各個基站的數據遺失快拍數以及數據遺失陣元數、估計各個陣元的數據遺失快拍數和數據遺失陣元數以及比較兩個估計結果確定最終估計結果。本發明克服了現有技術的缺點與不足，較好的檢測出數據遺失時刻和數據遺失陣元。

技術領域

本發明屬于陣列信號處理技術、信息融合技術、遠場信號處理技術以及目標檢測與識別技術領域，特別是涉及一種基于協方差矩陣的數據遺失快拍數及陣元檢測方法。

背景技術

多站被動定位技術是陣列信號處理領域的一個重要分支，但在陣列接收過程中，會遇到陣列中某個或某幾個陣元在測量完成前失效的情形，即會出現數據遺失現象。如果不能很好地檢測出數據遺失時刻以及出現數據遺失的陣元，那么將會極大地影響后續的定位性能。

文獻《Direction of Arrival(DoA)Estimation Under Array Sensor FailuresUsing a Minimal Resource Allocation Neural Network》利用神經網絡訓練大量未出現數據遺失情況下的測量數據，提取相關的特征參數，對于有數據遺失情況下的測量數據，通過特征參數匹配有效估計數據遺失時刻和數據遺失陣元；文獻《Rank constrained MLestimation of structured covariance matrices with applications in radartarget detection》提出了一種基于協方差矩陣的目標檢測算法，該算法需要預先估計干擾和噪聲的協方差矩陣以及目標角度，即使推廣到數據遺失情形下，也需預知未有數據遺失情形下的協方差矩陣和參考目標角度信息形成白化矩陣。

發明內容

本發明在多站被動定位模型的基礎上，針對失效陣元數目、陣元失效時刻以及陣元失效位置的檢測問題，提出了一種基于協方差矩陣的數據遺失快拍數及陣元檢測方法，起到較好地檢測出數據遺失時刻以及數據遺失陣元。

本發明的目的通過以下技術方案實現：一種基于協方差矩陣的數據遺失快拍數及陣元檢測方法，包括以下步驟：

步驟1、利用各個基站得到的測量數據x_l(t)＝A_ls(t)+n_l(t)，其中x_l(t)表示第l個基站t時刻的測量數據，A_l＝[a_l(r₁),…,a_l(r_q)]為第l個基站的M×q維定位矩陣，M表示各個基站的陣元數，q表示信源數，a_l(r₁)是第1個信號到第l個基站的M×1維定位向量，r₁是第1個信號的2×1維的向量，s(t)＝[s₁(t),…,s_q(t)]^T為t時刻的q×1維的信號向量，n_l(t)＝[n_l,1(t),…,n_l,M(t)]^T表示第l個基站t時刻的加性噪聲向量，估計各個基站的協方差矩陣：

式中T表示快拍數，符號“T”表示矩陣的轉置符號，“H”表示矩陣的共軛轉置符號；

步驟2、利用各個基站的協方差矩陣以及已知的信源數目q通過排列組合的方式遍歷任意的q+1個陣元組合，計算各個陣元組合對應的協方差矩陣的跡，選擇跡最大的組合對應的協方差矩陣估計噪聲系數：

式中為跡最大的組合對應的協方差矩陣，eig{·}表示矩陣的特征值函數，min{·}表示向量中的最小值；

步驟3、根據數據遺失協方差矩陣跡的變化構造曲線擬合方程：