单次快拍波达方向矩阵矩阵法.docxVIP

单次快拍波达方向矩阵矩阵法 0 基于单次快拍doa估计的三维空间再估计 在存在的区域内，防空武器和目标是高速移动的。为了正确识别脆弱的装载物，致命受伤的目标，是防空武器识别和反击的中心问题。近几年来,各国纷纷开展定向战斗部的技术研究 同时,现代电子战中,在多径环境和复杂电磁干扰背景下,会产生大量的相干和强相关信源。相干信源会使现有的子空间类超分辨率算法失效,导致信号子空间向噪声子空间扩散,信号子空间的秩就会小于信号源数目,发生亏秩。目前对于相干信源的处理一般是采用空间平滑技术,包括前后向平滑算法及其多种变形 二维DOA估计问题作为多维空间谱估计的典型问题之一,已得到了广泛的重视。近年来,研究人员提出不少二维DOA估计方法 本文针对复杂电磁干扰背景下相干信源二维DOA的快速估计问题,提出了一种新的DOA矩阵法———单次快拍DOA矩阵法(single snapshot DOA matrix method,SS-DOAM),该方法根据阵列接收数据特点,利用一次快拍构造了等效自协方差矩阵和互协方差矩阵,利用最终得到的单次快拍DOA矩阵,同时实现了二维DOA的快速估计和相干信源的完全解相干,该算法运算量大大降低,利于工程实现。该算法避免了文献[10]中算法对信号形式的要求,将模型应用背景推广至可针对任意形式信号。由于SS-DOAM算法只使用一次快拍数据,为了提高算法估计性能,本文提出了同相位数据叠加来增强算法估计性能的对策。 1 m维阵列流形矩阵 考虑传感器阵列系统由两个相互平行的线性子阵列组成,如图1所示。这两个子阵列分别记为X 假设空间有M个已知载频为w 由此可知,DOA矢量角可以用1×2的矢量表示,即θ 式中,s 同样,可以得到子阵列Y 式中,n 两子阵列的输出信号矢量可表示为 式中 为(2 N-1)×M维阵列流形矩阵,不难发现,A矩阵仅和源信号的入射角α有关,a(α Φ(β)是M×M维对角矩阵,Φ的每一个对角元素v(β S(t)=[s 2 ss-doa法 提出一种新的方法,直接利用阵列接收的一次快拍数据构造如下形式的等效接收数据自协方差矩阵R 由式(2)、式(4)和u(α 同理可得 式中,p=0,1,…,N-1。则式(13)和式(14)可写为 式中 等效信号协方差矩阵D为对角阵,其秩等于入射信号个数M,而和入射信号之间的相关性无关。从等效信号协方差矩阵D形式可以看出,此时可以等效为M个完全独立的信号入射到阵列系统,且存在如下关系E[珓s A 对R 式中,{λ 定义由R 其中R 据此,可以证明下述定理的成立。定理的证明过程参见文献[11]。 定理1如果A 根据定理1,只需对矩阵R进行特征分解,通过得到的A 因为R的构建过程中使用了单次快拍数据矩阵R 下面给出利用本文算法进行相干信源二维DOA快速估计的算法具体步骤: 步骤1获取阵列天线系统单次快拍数据向量X(t)和Y(t); 步骤2根据式(13)和式(14)构造矩阵R 步骤3对R 步骤5对R进行特征值分解; 步骤6由非零特征值和其对应的特征向量求得二维DOAθ 3 ss-doam估计 为验证本文方法的有效性,进行下面的仿真实验。实验中,把本文算法与文献[11]中的算法进行比较,并探讨算法的制约因素和改进对策。 (1)不相关信号DOA估计 仿真1利用本文中阵列系统模型,每个子阵列取N为8,即子阵列阵元数为15。为避免估值模糊,间距D和d均取为λ/2。3个入射信源的二维DOA分别为(30°,90°,60°)、(60°,60°,45°)和(85°,75°,15.9°),且3个信源均不相关,信噪比为15dB,进行200次蒙特卡罗实验。DOA矩阵算法采用相同的阵元数、阵元间距和信噪比(signal-to-noise ratio,SNR),设置快拍数为512。图2所示就是分别采用本文算法和文献算法得到的星座图。注意到,此时本文算法只使用一次快拍,而文献[11]中算法使用的快拍数为512次。 从图2可以看出,本文算法能实现不相关信源的二维DOA估计,误差能控制在7°以内(见图5中的定量分析),但在相同条件下,本文算法估计2-D DOA在期望方向周围的密集度要低于DOA矩阵法。这是因为本文构建的矩阵R仅利用一次快拍数据,相对于DOA矩阵法中接收数据的协方差矩阵,缺少信号的累积和噪声的消除过程,对SNR要求较高。因此,角度估计的分辨率会下降。但本文算法克服了传统算法需要大量快拍累计的弊端,构造的等效协方差矩阵无需任何多余运算,因此,运算量大大降低,实时性高。 (2)相干信号DOA估计 仿真2将仿真1中3个信源改成相干源,入射方向不变,其他仿真参数与仿真1完全相同。此时DOA矩阵法已经不能估计出相干信源的二维DOA,而本文算法能准确地得到估计结果。为了说明噪声对本文算法的影响,设置SNR为15dB和