[发明专利]一种M-UCA估计M-1个信源的建模方法

说明书

本发明公开了一种M阵元均匀圆阵估计M‑1个信源的建模方法，将M‑UCA在色噪声环境的远场中任意放置，对获得的较低信噪比下任意入射角的阵列信号作希尔伯特黄变换得到瞬时相位，构造瞬时相位协方差矩阵求其特征值；然后，将这些特征值放入支持向量机中训练，获得数学模型。实验表明，利用该建模方法得到的数学模型能够改善空间色噪声背景下，M‑UCA估计M‑1个信源估计精度差问题，且估计精度受信源入射角度、信噪比、节拍数的影响较小，具有一定的普适性。本发明应用于阵列信号处理技术领域中信源数目估计技术。

技术领域

本发明涉及应用于阵列信号处理技术领域中的色噪声背景下信源个数估计技术。

背景技术

信源数目精确已知一直是信号来波方向(Direction of arrival,DOA)得以准确估计的前提，如果估计的信源数与实际信源数不一致，测向性能会严重下降。目前常规信源数估计算法分别基于背景噪声为白噪声和背景噪声为色噪声下提出。基于白噪声背景下的方法一般是利用原始数据协方差矩阵的特征值和特征向量，然而这类算法不适用于背景噪声为色噪声的情况。

对角加载法和盖尔圆盘法(Gerschgorin Disk Estimation,GDE)及H.T.Wu等人的文章“A New Gerschgorin Radii based Method for Source Number Detection[C]//Proc 10th IEEE Work Shop on Statistical Signal and Array Processing，2000:104-107”提出了一种改进盖尔圆盘法可以估计背景噪声为色噪声的信源数，但前者的合适加载量不易确定，后者当信源数接近阵元数时，盖尔圆盘构造中损失最后一行一列(损失一个自由度)，导致系统的自由度不够，估计性能下降。P.Pal等人的文章“Nested arrays:A novelapproach to array processing with enhanced degrees of freedom,[J].IEEE Transon Signal Processing，2010,58(8)：4167-4181.”提出理论上用M个阵元至多可以估计M-1个信源。然而据调研知现有大多数算法假设信源数至少少于阵元数一半，当信源数接近阵元数，尤其是信源个数仅比阵元数少1个时，性能将会受到很大影响。赵汇强等人的文章“基于虚拟阵列的信号源数估计算法[J].火力与指挥控制,2010,35(12)：156-158.”在Kullback准则基础上提出了一种虚拟阵列的盖尔圆改进方法,对信源数接近阵元数时的估计效果不理想有一定改善，只是在白噪声背景下得到验证，通过实验表明，在色噪声背景下估计效果不理想。韩克勇等人的文章“Improved Source Number Detection andDirection Estimation With Nestd Arrays and ULAs Jackknifing[J].IEEE Trans onSignal Processing，2013,61(23):6118-6128.”提出了一种内嵌阵列的思想，用于提高系统在自由度，解决了实际信源数接近或大于阵元数估计效果差的问题，但该方法是在白噪声背景下提出的。

发明内容

为了克服上述不足，本发明以“提升了在空间色噪声背景下，用含M个阵元的均匀圆阵(M-Uniform Circular Array,M-UCA)估计M-1个信源的估计性能”为依据，提出了一种M-UCA估计M-1个信源的建模方法。

一种M-UCA估计M-1个信源的建模方法，其特征在于，具体步骤如下：

1、将M-UCA在色噪声环境的远场中任意放置，采集固定采样点数、较低信噪比下任意入射角的信号源数目为N(N＝1,2,…,M-1)的阵列信号X(t)；

2、对阵列信号X(t)作希尔伯特黄变换(Hilbert Huang Transform,HHT)分解，得到瞬时相位分量；

3、对瞬时相位分量构造协方差矩阵,并求特征值，作归一化获得描述信源数目的特征值向量