[發明專利]一種基于矩陣濾波的稀疏近似最小方差方位估計方法

有效

• 申請號: 201810851240.0
• 申請日: 2018-07-30
• 公開（公告）號: CN109116337B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 楊益新;張亞豪
• 申請（專利權）人: 西北工業大學
• 主分類號: G01S7/539
• 分類號: G01S7/539
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 王鮮凱

本發明涉及一種基于矩陣濾波的稀疏近似最小方差方位估計方法，使用矩陣濾波器作為預處理器處理陣列接收信號，可抑制強干擾信號，避免其掩蔽弱目標或者影響后續DOA估計算法對弱目標的定位精度；使用SAMV算法進行DOA估計，可在小快拍和低信噪比的情況下保持高分辨性能，并且可以處理相干信號的方位估計問題。同時，整個算法僅需提供迭代停止的門限值η，避免了正則參數的選擇，增強了算法的實用性。除此之外，當干擾的陣列流形變化破壞了協方差矩陣的結構時，SAMV算法仍可實現弱目標信號的DOA估計。

技術領域

本發明信號處理等領域，涉及一種基于矩陣濾波的稀疏近似最小方差方位估計方法，適用于強干擾環境下弱目標信號的方位估計，涉及信號處理等領域。

背景技術

被動聲納是進行水下目標方位(Direction of Arrival,DOA)估計的有效工具。不同于主動聲納自主發射信號并通過接收反射回波進行目標探測，被動聲納是通過接收艦船輻射噪聲來進行目標探測的，因而具有更好的隱蔽性。但當目標信號周圍存在強干擾聲源如拖船噪聲時，強干擾聲源將影響DOA估計算法對弱目標信號的定位精度甚至掩蔽弱目標信號。

矩陣濾波器(Matrix Filter,MF)作為一種強干擾抑制的有效手段，被廣泛應用于被動聲納系統中。它將空間劃分為通帶區域和阻帶區域，使通帶內的信號盡可能無失真地通過，同時抑制阻帶內的信號。在現存的基于矩陣濾波器的DOA估計算法中，一般采用多重信號分類(Multiple Signal Classification,MUSIC)算法完成后續DOA估計工作。MUSIC算法通過將協方差矩陣劃分為信號子空間和噪聲子空間，利用信號子空間與噪聲子空間的正交性實現DOA估計。但考慮到在強干擾環境下弱目標信號容易被強干擾所掩蔽，弱目標信號個數的先驗信息一般難以獲取。在缺少該先驗信息的情況下，信號子空間和噪聲子空間的劃分難以實現，不正確的子空間劃分嚴重影響了MUSIC算法的性能。此外，MUSIC算法也無法處理相干信號的DOA估計問題，在實際使用時受到了較大的限制。

國內學者楊龍和楊益新等(Long Yang,Yixin Yang,and Jiannan Zhu.SourceLocalization based on Sparse Spectral Fitting and Spatial Filtering[C].Oceans2016MTS/IEEE Monterey,2016:1-4)將MF與稀疏譜擬合算法(Sparse Spectrum Fitting,SpSF)相結合，提出SpSF-MF算法。SpSF算法是一種稀疏信號處理類的DOA估計算法，它利用陣列輸出數據的二階統計量信息，通過掃描網格信號功率的l₁范數和協方差矩陣擬合誤差的l₂范數聯合最小化實現DOA估計。與MUSIC算法相比，該算法可適用于低信噪比和小快拍情況下，同時還可以處理相干信號的DOA估計問題。因此，SpSF-MF算法的性能要遠遠優于基于矩陣濾波器的MUSIC算法。但SpSF-MF算法在求解時需要提供一個正則參數，由于該參數的選取通常較為困難，使得SpSF-MF在實際信號處理中難以應用。除此之外，干擾通過矩陣濾波器后陣列流形會發生改變，當矩陣濾波器輸出的干擾功率仍強于弱目標信號時，輸出信號的協方差矩陣的結構會由于干擾陣列流形的改變而被破壞，這將導致SpSF-MF算法的失效。

發明內容

要解決的技術問題

為了避免現有技術的不足之處，本發明提出一種基于矩陣濾波的稀疏近似最小方差方位估計方法，在小快拍、低信噪比的情況下實現強干擾環境下弱目標信號的DOA估計，同時避免正則參數的選取以及減小干擾通過MF后陣列流形變化對DOA估計的影響。本發明給出一種基于MF的稀疏近似最小方差(Sparse Asymptotic Minimum Variance,SAMV)算法(SAMV-MF)，在無需提供正則參數的條件下實現弱目標信號的DOA估計，并且減小了干擾陣列流形變化對DOA估計的影響。

技術方案

一種基于矩陣濾波的稀疏近似最小方差方位估計方法，其特征在于步驟如下：