[发明专利]一种基于结构最小二乘法的联合到达角-频率估计方法

说明书

技术领域

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

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。

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。

自频率—波数的最小方差(MV)方法问世以来，方位—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—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m₀难以获取，因为m₀是关于抽样点数N的线性函数，即m₀＝(3N+2)＝5，随着抽样点数的增大，其复杂度将增至O(M³)。

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

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。

本发明通过如下技术方案实现：

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：

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M×1个观测向量x(t)的抽样数据矩阵

其中，P<M，F为抽样率，m为抽样个抽样子序列个数，N为每个序列的抽样数；

2)计算抽样协方差矩阵表示X_m的抽样协方差矩阵，然后计算前后向平均矩阵R：

R=12(R^+ΠR^*Π),]]>

其中，Π表示交换矩阵，其反对角线上元素均为1，其余为0；

3)计算信号子空间U_s，U_s由的对应于P个最大的特征值的P个特征向量构成；

4)使用最小二乘LS算法求解下列方程，得到Φ_θ，Φ_f的初始估计值该初始估计值和U_s都用于步骤6)迭代的初始化：