[发明专利]基于噪声能量设定判决门限的盖氏圆信号源数估计方法

说明书

技术领域

本发明属于通信技术领域，尤其涉及一种基于噪声能量设定判决门限的盖氏圆信号源数估计方法。

背景技术

信号源个数估计在空间谱估计技术中是一个关键问题，因为现在大部分高分辨率的子空间分解类算法，如多信号分类(Multiple Signal Classification，MUSIC)和旋转不变子空间(Estimating signal parameters viarotational invariance techniques，ESPRIT)算法都需要预先知道信号源的个数，并且这一类算法的估计性能都取决于信号和噪声子空间，而这两个空间的划分取决于信号源个数。当信号源数的估计与实际值有偏差时，这一类算法的空间谱曲线峰值个数与实际不符，产生虚警，同时还会对真实目标的方位信息估计产生影响。因此正确估计信号源数在空间谱技术中是一个重要的环节。

目前有很多算法可以估计信号源的个数，但这些算法各有优缺点。比如，在低信噪比(signal to noise ratio，SNR)的情况下平滑秩序列法估计性能较差，但在高信噪比时估计性能相当稳定；正则相关技术和盖氏圆半径法可以在色噪声进行信号源数估计，而包括平滑秩序列估计法和信息论方法不能应用于色噪声的环境中进行信号源估计。相对于信息论方法和平滑秩系列估计法，盖氏圆盘法不需要得到矩阵或者修正矩阵的特征值来进行信号元数估计，可以直接进行酉变换得到信号与噪声对应的圆盘半径，然后根据圆盘半径设定门限进行比较估计信号源数。然而经典的盖氏圆盘法里，门限是根据所有信号圆盘半径与噪声圆盘半径的平均值乘以调整因子得到。因为信号圆盘半径远大于噪声圆盘半径，门限的大小实际是取决于信号圆盘的值，并且当信号圆盘半径大小之间也存在较大差距的情况下，门限此时主要取决于最大的那几个信号圆盘半径，这样一来就会导致门限大于其中较小的信号圆盘半径，从而导致较大的估计误差。而这样的问题在信号源之间信噪比差距较大和信号源之间的入射角比较接近时表现更严重，甚至导致估计错误。

发明内容

本发明针对现有技术的缺陷，提出一种基于噪声能量设定判决门限T的改进盖氏圆信号源数估计方法进行信号源数估计，该方法相对于经典的盖氏圆半径法具有更高的信号源能量大小差距容忍性，和更高的角度分辨率。

一种基于噪声能量设定判决门限的盖氏圆信号源数估计方法，包括如下步骤：

S1、计算矩阵的特征矩阵所述特征矩阵满足且其中，E为单位矩阵，Σ为矩阵的特征值矩阵，为数据协方差矩阵R∈C^M×M的分块矩阵，M为阵元的个数；

S2、进行酉变换求变换矩阵R_P∈C^M×M，

其中，为矩阵的特征值，ρ_i的模值为盖氏圆盘半径，i＝1,2,3,...,M-1，r为圆盘半径；

S3、计算判决门限其中，I为噪声圆盘判决累加的个数，r_M-1＝|ρ_M-1|为噪声圆盘半径；

S4、判决准则NGDE(k)＝r_k-T＞0成立的次数就是信号源的个数，其中，k＝1～M-2，T为门限，是经验值。

进一步地，S3所述I＝M/2。

本发明的有益效果是：

根据噪声圆盘半径确定判决门限，解决了经典盖氏圆方法在信号源之间信噪比差距Δ_snr比较大和信号源之间的入射角Δ_θ比较接近时，圆盘半径大小相差巨大，而门限T主要取决较大的圆盘半径，因而门限T大于较小的圆盘半径，最终导致无法进行有效的估计信号源数的问题。本发明相对于经典的盖氏圆半径法具有更高的信号源能量大小差距容忍性，和更高的角度分辨率。

附图说明

图1为本发明方法流程图。

图2为远场信号均匀线阵接收模型。

图3为估计成功概率与信噪比差值Δ_snr的关系。

图4为估计成功概率与信号入射角差值Δ_θ的关系。

具体实施方式

下面结合附图对本发明进行说明。

实施例1、

本发明的估计性能与接收信号信噪比差值Δ_snr的关系，同时与经典盖氏圆盘法进行比较。

实施例1的方法如图1所示，接收阵列如图2所示的有8个阵元组成的均匀线阵。