一种基于结构最小二乘法的联合到达角-频率估计方法

文档序号:6549026阅读:615来源:国知局
一种基于结构最小二乘法的联合到达角-频率估计方法
【专利摘要】本发明提供了一种基于结构最小二乘法的联合DOA-频率估计方法,解决了传统ESPRIT算法联合估计DOA和频率时,对相干信号失效的问题。不同于传统ESPRIT算法中使用的抽样协方差矩阵,本发明采用前后向平均协方差矩阵将其替换,规避了ESPRIT算法在处理相干信号存有的风险,同时也克服了最优时域因子难以获取的问题。考虑信号子空间的误差,再运用SLS求解旋转不变方程,获取精度更高的信号子空间,完成对信号DOA和频率的鲁棒估计。
【专利说明】一种基于结构最小二乘法的联合到达角-频率估计方法
【技术领域】
[0001]本发明涉及阵列信号处理【技术领域】,尤其涉及一种联合到达角-频率估计方法。【背景技术】
[0002]阵列信号处理是信号处理领域中的一个重要分支,经过几十年的发展已日趋成熟并且在雷达、生物医疗、勘探及天文等多个军事和国民经济领域都有着广泛的应用。其工作原理是将多个传感器组成传感器阵列,并利用这一阵列对空间信号进行接收和处理,目的是抑制干扰和噪声,提取信号的有用信息。与一般的信号处理方式不同,阵列信号处理是通过布置在空间的传感器组接收信号,并且利用信号的空域特性来滤波及提取信息。因此,阵列信号处理也常被称为空域信号处理。此外,阵列信号处理有着灵活的波束控制、很强的抗干扰能力与极高的空间超分辨能力等优点,因而受到了众多学者的关注,其应用范围也不断地增大。
[0003]近年来,波达方向、频率联合估计在雷达、移动通信等领域有着重要的应用背景并引起了广泛的讨论。在过去几十年间,波达方向与频率参数联合估计的研究发展迅速,两者的精确估计能够在提升链接性能的情况下,更好的保证信道信息。
[0004]自频率一波数的最小方差(MV)方法问世以来,方位一频率联合估计的线性预测方法、多维MUSIC方法、最大似然方法、ESPRIT方法等算法相继问世。这些方法中,ML (最大似然估计)作为理论最优,与最小二乘法估计在高斯白噪声的情况下是等价的。虽然最大似然估计有更出色的统计性能,但其需要计算庞大的多维优化。类ESPRIT的算法虽然折中了估计精度和计算复杂度之间存在的矛盾,但它们在处理相干信号时,性能却衰减严重。为克服前述的缺点,对抽样数据做时一空预处理,进而采用ESPRIT算法对DOA和频率作联合参数估计,然而实际应用中最优时域因子Hitl难以获取,因为Hltl是关于抽样点数N的线性函数,即Hitl = (3N+2) = 5,随着抽样点数的增大,其复杂度将增至O (M3)。
[0005]在信号频率接近或相干的情况下,如何对DOA和频率进行联合估计时,最大限度的提高估计精度,正是本发明需要阐述和解决的。

【发明内容】

[0006]本发明的目的是解决传统ESPRIT算法联合估计DOA和频率时,对相干信号失效的问题。不同于传统ESPRIT算法中使用的抽样协方差矩阵,本发明采用前后向平均协方差矩阵将其替换,规避了 ESPRIT算法在处理相干信号存有的风险,同时也克服了最优时域因子难以获取的问题。考虑信号子空间的误差,再运用SLS求解旋转不变方程,获取精度更高的信号子空间,完成对信号DOA和频率的鲁棒估计。
[0007]本发明通过如下技术方案实现:
[0008]一种基于结构最小二乘法的联合到达角-频率估计方法,包括以下步骤:
[0009]I)获取M全向阵元的均匀线阵的P个窄带信号经下变频为基带信号后的MX I个观测向量X(t)的抽样数据矩阵
【权利要求】
1.一种基于结构最小二乘法的联合到达角-频率估计方法,其特征在于: 所述方法包括以下步骤: 1)获取M全向阵元的均匀线阵的P个窄带信号经下变频为基带信号后的MXI个观测向量x(t)的抽样数据矩阵
2.根据权利要求1所述的估计方法,其特征在于:所述ΛΨ^,,,ΛΨ0和AUs,k的迭代初始值是任给的一个值。
【文档编号】G06F19/00GK104021293SQ201410253498
【公开日】2014年9月3日 申请日期:2014年6月9日 优先权日:2014年6月9日
【发明者】黄磊, 钱诚, 杨云川, 蒋双 申请人:哈尔滨工业大学深圳研究生院
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1