[发明专利]一种基于子阵划分的近远场混合源被动定位方法

说明书

本发明公开了一种基于子阵划分的近远场混合源被动定位方法，属于阵列信号处理领域。奔放吗应用对称均匀线阵传感器阵列接收目标信号；通过恰当选择传感器构造子阵，对每个子阵进行协方差处理，选取合适的传感器数据，构造只包含角度信息的矩阵，对矩阵进行特征值分解，获得相应的噪声子空间，利用一维MUSIC谱峰搜素获得真实角度对应的子角度；再根据空间几何关系求出真实角度信息，从而进一步利用MUSIC谱峰搜索求出距离信息。本发明避免了四阶累积量的使用，有效减低了算法的计算复杂度，缩短算法运行时间，避免了额外的参数匹配过程。

技术领域

本发明属于阵列信号处理领域，具体涉及一种对多目标近远场混合源的被动定位方法。

背景技术

信源被动定位是阵列信号处理领域里一个重要的研究内容，根据定位目标与传感器阵列之间的距离，可以分为近场源定位和远场源定位。传统的被动定位主要为远场源定位，其信源的波前为平面波，但是当有些信源位于阵列孔径的菲涅尔(Fresnel)区(例如:近场源)时，波前的固有弯曲不能忽略，即远场平面波的假设不再成立，则需要用球面波来进行描述。在实际应用场景中，例如当使用麦克风阵列对说话人进行定位的时候，这时目标信号即可能处于阵列孔径的夫琅禾费区域，也可能处于菲涅尔区域，即观测信号由近场源和远场源共同组成。若将纯远场或者纯近场的定位方法运用到近远场混合源的情况中来，则会存在计算复杂度高，近远场难以分离及参数估计错误等问题。因此研究近远场混合源被动定位的参数估计算法，对促进麦克风，雷达，声呐等系统中的应用，具有十分重要的意义。

远场近似(Far-Field Approximation,FFA)法可认为是最早解决远近场混合源定位问题的一个途径。该算法将近场协方差矩阵作为远场协方差矩阵的有损模型，根据远场协方差矩阵的Toeplitz特性来构造FFA协方差矩阵，在此基础上利用远场MUSIC(空间频谱估计)技术进行参量估计。1995年，Lee等人探索了阵列观测数据的循环相关(二阶循环矩)特性，将该算法进一步扩展，并提出了适用于循环平稳信源的改进算法。然而，FFA算法及其改进形式均基于近场源距离远远大于阵列孔径的假设条件，这导致当近场源比较接近传感器阵列时，相应的定位性能明显下降。

2010年，梁军利等人提出了基于四阶累积量的两步MUSIC算法。该算法通过选择特定的传感器观测数据构造两个特殊的四阶累积量矩阵，使得第一个方向矩阵仅包含角度信息，而第二个方向矩阵同时包含角度和距离参量，应用一维MUSIC谱峰搜索获得远场源与近场源的方位角，并将得到的DOA信息代入二维搜索实现距离估计。分析该算法的实现过程，可知存在如下两个不足：(1)高维四阶累积量矩阵的构建导致其计算复杂度较高；(2)当远场源与近场源具有相近甚至相同的方位角时，第一个方向矩阵不再满足列满秩条件，导致信号子空间和噪声子空间难以正确区分，出现估计错误问题。

2012年，He等人提出了基于二阶统计量的斜投影算法。该算法在通过一维MUSIC谱峰搜索获得远场源方位角的基础上，将斜投影技术应用到阵列观测数据，实现了远场源和近场源的分离，避免了因角度模糊引起的估计错误问题，进一步利用均匀线阵的对称性估计出近场源方位角和距离。该算法的实施过程仅依赖于二阶统计量，具有计算复杂度较低的优势。然而，由于在估计近场源方位角时仅利用了协方差矩阵的交叉对角线信息，这导致相应的近场源定位精度较低。

2013年，王波等人探索了阵列孔径扩展技术，提出了四阶累积量与二阶统计量相结合的混合阶MUSIC算法，改进了定位参量估计的分辨率。然而与两步MUSIC算法类似，该算法依然存在计算复杂度高和估计错误两个问题。

2014年，姜佳佳等人提出了无需任何谱峰搜索的远近场混合源定位参量估计新算法，但该算法本质上是近场ESPRIT-Like算法和远场求根MUSIC算法的直接结合，且远近场混合源的分离是在定位参量估计之后实现的。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于子阵划分的近远场混合源被动定位方法。