[發(fā)明專利]基于特征值對(duì)角加載和構(gòu)造二階統(tǒng)計(jì)量的信源數(shù)估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911149019.1
• 申請(qǐng)日: 2019-11-21
• 公開（公告）號(hào): CN111596285B
• 公開（公告）日: 2023-08-25
• 發(fā)明（設(shè)計(jì)）人: 王川川;曾勇虎;董曉博;汪連棟;王華兵;朱寧
• 申請(qǐng)（專利權(quán)）人: 中國(guó)人民解放軍63892部隊(duì)
• 主分類號(hào): G01S13/02
• 分類號(hào): G01S13/02;G01S7/486;G06F17/16
• 代理公司: 洛陽(yáng)華和知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 41203
• 代理人: 李征

一種基于特征值對(duì)角加載和構(gòu)造二階統(tǒng)計(jì)量的信源數(shù)估計(jì)方法，針對(duì)天線陣列觀測(cè)信號(hào)，計(jì)算其樣本協(xié)方差矩陣，并對(duì)樣本協(xié)方差矩陣進(jìn)行特征值分解得到特征值序列，然后對(duì)特征值序列進(jìn)行對(duì)角加載，再針對(duì)加載后的相鄰特征值計(jì)算其差分值，并計(jì)算差分值的統(tǒng)計(jì)方差，然后再構(gòu)造差分值的二階統(tǒng)計(jì)量，根據(jù)二階統(tǒng)計(jì)量的分布規(guī)律即可得到信源數(shù)的估計(jì)值。本發(fā)明提出的信源數(shù)估計(jì)方法具有較為廣泛的適用性，既適用于經(jīng)典漸近體系下的信源數(shù)估計(jì)，也適用于一般漸近體系下的信源數(shù)估計(jì)；既適用于高斯白噪聲環(huán)境下的信源數(shù)估計(jì)，也適用于色噪聲環(huán)境下的信源數(shù)估計(jì)；為電磁環(huán)境中輻射源的數(shù)量估計(jì)、信號(hào)波達(dá)方向估計(jì)等要求信源數(shù)作為條件的技術(shù)提供重要支撐。

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)、通信偵察技術(shù)領(lǐng)域，更進(jìn)一步涉及雷達(dá)、通信偵察信號(hào)處理技術(shù)領(lǐng)域中的基于特征值對(duì)角加載和構(gòu)造二階統(tǒng)計(jì)量的信源數(shù)估計(jì)方法。

背景技術(shù)

在許多信號(hào)處理研究和應(yīng)用中，觀測(cè)信號(hào)可以被建模為有限數(shù)量的源信號(hào)與噪聲的混合。確定其中的信號(hào)源數(shù)量，對(duì)于信號(hào)參數(shù)估計(jì)算法而言是一個(gè)必須的前提，因而在許多領(lǐng)域引起了廣泛的重視和研究，如生物醫(yī)學(xué)，無(wú)線通信，地球物理，雷達(dá)，聲納及金融等。

信源數(shù)估計(jì)方法本質(zhì)上以觀測(cè)數(shù)據(jù)及其矩函數(shù)的統(tǒng)計(jì)分析理論為基礎(chǔ)，如信源數(shù)估計(jì)中常用的假設(shè)檢驗(yàn)類方法和信息論準(zhǔn)則類方法，主要利用觀測(cè)數(shù)據(jù)的統(tǒng)計(jì)分布和樣本特征值的統(tǒng)計(jì)量。目前，信源數(shù)估計(jì)方法主要以建立在經(jīng)典漸近體系，即觀測(cè)數(shù)據(jù)矩陣的維數(shù)固定而樣本數(shù)趨于無(wú)窮的經(jīng)典統(tǒng)計(jì)信號(hào)分析理論為基礎(chǔ)，適用于樣本數(shù)遠(yuǎn)遠(yuǎn)大于陣元數(shù)的小規(guī)模陣列信號(hào)。

但是，在相控陣?yán)走_(dá)、多輸入多輸出(Multiple?Input?Multiple?Output,MIMO)系統(tǒng)等大規(guī)模傳感器陣列中，由于數(shù)據(jù)存儲(chǔ)空間的限制和信號(hào)處理實(shí)時(shí)性的需求，實(shí)際中觀測(cè)數(shù)據(jù)往往很難滿足信號(hào)采樣數(shù)遠(yuǎn)遠(yuǎn)大于陣元數(shù)的條件，通常屬于高維有限采樣數(shù)據(jù)甚至小采樣數(shù)據(jù)，即信號(hào)采樣數(shù)與陣元數(shù)在同一數(shù)量級(jí)甚至信號(hào)采樣數(shù)小于陣元數(shù)的情況。大規(guī)模陣列觀測(cè)數(shù)據(jù)的信號(hào)采樣數(shù)與陣元數(shù)的比例關(guān)系往往不滿足經(jīng)典統(tǒng)計(jì)信號(hào)分析理論的要求，因此大規(guī)模陣列的出現(xiàn)給經(jīng)典信源數(shù)估計(jì)技術(shù)帶來(lái)了新的挑戰(zhàn)。

現(xiàn)階段，經(jīng)典漸近體系下的信源數(shù)估計(jì)方法中，假設(shè)檢驗(yàn)類方法有球形檢驗(yàn)和特征值檢測(cè)等，主要利用樣本特征值的統(tǒng)計(jì)分布規(guī)律構(gòu)造用于假設(shè)檢驗(yàn)的觀測(cè)統(tǒng)計(jì)量并設(shè)置判決門限。信息論準(zhǔn)則類方法包括Akaike信息準(zhǔn)則(Akaike?Information?Criterion,AIC)、貝葉斯信息準(zhǔn)則(Bayesian?Information?Criterion,BIC)、最小化描述長(zhǎng)度(Minimum?Description?Length,MDL)和預(yù)期描述長(zhǎng)度(Predictive?Description?Length,PDL)等，通常將觀測(cè)數(shù)據(jù)假設(shè)為高斯分布，根據(jù)觀測(cè)數(shù)據(jù)聯(lián)合概率分布的似然函數(shù)建立信源數(shù)估計(jì)的準(zhǔn)則，其信源數(shù)估計(jì)的表達(dá)式則是樣本特征值的函數(shù)。這些方法適用于高斯白噪聲環(huán)境下。在經(jīng)典漸近體系下，適用于色噪聲環(huán)境下源數(shù)估計(jì)的方法主要有蓋爾圓法和基于對(duì)角加載的信息論準(zhǔn)則類方法，但這兩類方法都不適用于大規(guī)模陣列之下。

一般漸近體系下的信源數(shù)估計(jì)主要為基于隨機(jī)矩陣?yán)碚摰墓烙?jì)方法，包括適用于陣元數(shù)少于信號(hào)采樣數(shù)的RMT-AIC方法、BN-AIC方法、BIC-variant方法、LS-MDL方法和基于spike模型的估計(jì)方法，適用于陣元數(shù)多于、少于或等于信號(hào)采樣數(shù)的基于球形檢驗(yàn)的估計(jì)方法和基于修正Rao得分檢驗(yàn)的估計(jì)方法。這些方法不僅適用于一般漸近體系下的信源數(shù)估計(jì)，在經(jīng)典漸近體系下也同樣適用，但是，這些方法只適用于白噪聲環(huán)境下，在色噪聲環(huán)境下信源數(shù)估計(jì)失敗。

綜合分析國(guó)內(nèi)外文獻(xiàn)可知，現(xiàn)階段還缺乏既適用于經(jīng)典漸近體系又適用于一般漸近體系，且無(wú)論在白噪聲還是色噪聲環(huán)境下的信源數(shù)估計(jì)方法。考慮到實(shí)際的陣列接收信號(hào)環(huán)境中，天線陣列數(shù)與信號(hào)采樣數(shù)的比例關(guān)系，以及觀測(cè)信號(hào)混疊的噪聲是白噪聲還是色噪聲都是不可知的，因此為提高信號(hào)源數(shù)估計(jì)的可靠性，必須發(fā)展適用于經(jīng)典漸近體系又適用于一般漸近體系，且無(wú)論在白噪聲還是色噪聲環(huán)境下都適用的信源數(shù)估計(jì)方法，本發(fā)明正是為滿足這一需求而提出的一個(gè)有效技術(shù)方案。

發(fā)明內(nèi)容