[發(fā)明專利]一種使用互質(zhì)陣列的概率假設(shè)密度DOA跟蹤的方法

有效

• 申請?zhí)枺?/td>: 202110291695.3
• 申請日: 2021-03-18
• 公開（公告）號: CN113093097B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計）人: 董續(xù)東;張小飛;孫萌;趙君;錢洋
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號: G01S3/74
• 分類號: G01S3/74
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 曹蕓

本發(fā)明公開了使用互質(zhì)陣列的概率假設(shè)密度DOA跟蹤的方法，屬于波達(dá)方向跟蹤領(lǐng)域。該方法包括如下步驟：首先，使用增廣互質(zhì)陣列天線接受信號，得到量測信息。其次，利用隨機有限集（random finite set,RFS）框架來描述信號運動狀態(tài)和數(shù)目的隨機性以及信號的接收過程，從而建立觀測方程。最后，采用PHD濾波器對信號采樣粒子進行預(yù)測和更新。在PHD算法的更新步驟中，我們先將互質(zhì)陣列接收信號協(xié)方差矩陣向量化，然后對其去除重復(fù)項，再截取虛擬陣列中的連續(xù)均勻線陣對應(yīng)的元素，構(gòu)造Toeplitz矩陣。最后采用MUSIC算法的空間譜函數(shù)作為采樣粒子的似然函數(shù)。本發(fā)明方法具有更高的跟蹤精度和信號數(shù)目的辨識力。

技術(shù)領(lǐng)域

本發(fā)明涉及一種使用互質(zhì)陣列的概率假設(shè)密度(Probability hypothesisdensity，PHD)DOA跟蹤的方法，屬于波達(dá)方向(direction of arrival,DOA)跟蹤領(lǐng)域。

背景技術(shù)

當(dāng)前，互質(zhì)陣列已經(jīng)廣泛應(yīng)用于陣列信號處理中。互質(zhì)陣列結(jié)構(gòu)大大提高了陣列可探測源的數(shù)量。該陣列結(jié)構(gòu)突破了傳統(tǒng)天線陣陣元間距半波長的限制，使得天線孔徑得到極大的擴展，能夠獲得角度估計性能的提升。同時有效地減弱了單元間的相互耦合效應(yīng)。

互質(zhì)陣列的DOA估計作為當(dāng)前研究熱點，已經(jīng)得到了很好的研究。但現(xiàn)有的DOA估計方案都假設(shè)信號在一定觀測時間內(nèi)是不動的，并且數(shù)目保持不變。然而，在現(xiàn)實中，這些信號通常是動態(tài)的、移動平穩(wěn)的，并且這些DOA與相鄰的時間步長高度相關(guān)。

此外，對于多信號DOA估計，通常假定信號的數(shù)量是已知和固定的。但這些假設(shè)在實際應(yīng)用中經(jīng)常被違背，因為這些信號(例如水下潛艇)實際上是動態(tài)的，而且信號的數(shù)量可能是未知的和時變的。對于動態(tài)信號DOA，需要對信號運動和陣列觀測進行建模，并開發(fā)一種DOA跟蹤方法來檢測信源的數(shù)量和同時跟蹤每個信號的DOA。

另外，互質(zhì)陣列觀測是所有信號疊加信息，如何將觀測信息和信號DOA進行匹配也是一個難點。

發(fā)明內(nèi)容

本發(fā)明提出了一種使用互質(zhì)陣列的概率假設(shè)密度DOA跟蹤的方法，該方法采用序貫蒙特卡洛(sequential monte carlo,SMC)實現(xiàn)形式，將互質(zhì)陣列虛擬化差分陣列后，再通過構(gòu)造Toeplitz(托普利茲)矩陣，將其對應(yīng)的MUSIC(多重信號分類，Multiple SignalClassification)空間譜函數(shù)作為粒子濾波的似然函數(shù)，并進行指數(shù)加權(quán)，從而使得重采樣更有效，實現(xiàn)了對信號的精準(zhǔn)跟蹤。可以應(yīng)用于聲吶、雷達(dá)定位等領(lǐng)域中。

本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：

一種使用互質(zhì)陣列的概率假設(shè)密度DOA跟蹤的方法，包括如下步驟：

S1：使用增廣互質(zhì)陣列接收信號，得到量測信息Z；

S2：設(shè)定初始時刻信號粒子的狀態(tài)參數(shù)，并用設(shè)定的狀態(tài)參數(shù)作為信號源的初始分布；

S3：預(yù)測信號狀態(tài)：對于前一時刻信號采樣粒子，采用狀態(tài)方程來預(yù)測，得到當(dāng)前時刻持續(xù)存活的信號采樣粒子，然后合并新生信號采樣粒子，得到預(yù)測的信號采樣粒子；

S4：利用當(dāng)前時刻的量測信息Z，計算接收信號的協(xié)方差矩陣R；

S5：將所述估計協(xié)方差矩陣R進行向量化處理，得到向量z，去掉z中重復(fù)項，得到虛擬陣列接收信號

S6：截取所述虛擬陣列接收信號，得到陣元間距為半波長的虛擬均勻線陣的接收信號信息

S7：對所述新的接收信號信息構(gòu)造Toeplitz矩陣，得到了重構(gòu)后的協(xié)方差矩陣并進行特征分解，得到信號子空間；

S8：對所述信號子空間進行分離重構(gòu)，重構(gòu)后的協(xié)方差矩陣為N(k)為大的特征值個數(shù)，并作為當(dāng)前時刻新量測的個數(shù)；