[发明专利]基于平滑矩阵集的低角目标二维DOA估计方法

说明书

本发明公开了基于平滑矩阵集的低角目标二维DOA估计方法，涉及雷达信号与信息处理技术领域，前后向平滑矩阵集(Forward Backward SMS,FB‑SMS)方法通过重新排列各个行行子面阵的自协方差阵构建新的平滑矩阵，算法能够通过提高样本协方差矩阵的信息利用率优化估计性能；空间差异平滑矩阵集(Spatial Differencing SMS,SD‑SMS)方法通过对行行子面阵的噪声和非噪声部分分别进行空间差异和前后向平滑处理降低了数据损失，相比传统差异算法其色噪声抑制性能更好。

技术领域

本发明涉及雷达信号与信息处理技术领域，特别是涉及基于平滑矩阵集的低角目标二维DOA估计方法。

背景技术

多目标二维DOA(俯仰角、方位角)估计已广泛应用于雷达、声呐及无线通信等领域。利用L型阵、平行线阵和均匀面阵等阵列流型进行二维DOA估计也因此取得了巨大进展。其中，子空间类算法得到巨大发展，如MUSIC、ESPRIT等。但在低空环境下，直射信号与反射信号的相干特性使传统的子空间类算法失效。前后向空间平滑(FBSS)算法能够通过前后向子阵协方差阵空间求和解相干，但会损失一定的自由度。为此，利用均匀面阵空间平滑处理形成虚拟子阵以克服孔径损失取得了较大进展，如二维MUSIC、二维实值ESPRIT算法等。且该类算法已用于MIMO雷达DOA估计、联合DOD和DOA估计等。在二维空间平滑算法基础上，利用前后向子阵进行差运算的空间差异算法也形成了新的理论体系，如初始子阵与后向子阵差运算、相邻前后向子阵差运算、前后向子阵与后向子阵的Hermition差运算、非对称前后向差运算等。但现有的空间平滑和空间差异算法的主要缺点有：

1.二维空间平滑算法只能利用有限的数据信息，特别是对于均匀面阵，未利用的数据信息量更大。且在色噪声条件下，估计性能较弱。

2.二维空间差异算法在进行差运算中产生很大的数据损失，且随着阵列孔径的增大而增大。因此，在大阵列孔径条件下，对于白噪声和色噪声空间差异算法性能均弱于空间平滑算法。

发明内容

本发明实施例提供了基于平滑矩阵集的低角目标二维DOA估计方法，可以解决现有技术中存在的问题。

一种基于平滑矩阵集的低角目标二维DOA估计方法，包括：

建立均匀面阵条件下的低角目标回波信号模型；

将所述低角目标回波信号模型中的均匀面阵用滑动方式划分为多个行行子面阵；

在白噪声下，以第一个所述行子面阵的协方差矩阵的对角线为界，从上到下提取数据信息，根据提取的数据信息构建下行平滑矩阵集；

对所述下行平滑矩阵集进行后向平滑处理，得到下行后向平滑矩阵集；

以第一个所述行子面阵的协方差矩阵的对角线为界，从下到上提取数据信息，根据提取的数据信息构建上行平滑矩阵集；

对所述上行平滑矩阵集进行后向平滑处理，得到上行后向平滑矩阵集；

利用所述下行平滑矩阵集和下行后向平滑矩阵集提取各个所述行子面阵的下行前后向提取数据，同时利用所述上行平滑矩阵集和上行后向平滑矩阵集提取各个所述行子面阵的上行前后向提取数据；

根据各个所述行子面阵的下行前后向提取数据和上行前后向提取数据计算最终的前后向空间平滑集，对所述前后向空间平滑集进行奇异值分解后，采用二维ESPRIT算法求解DOA估计值；

在色噪声下，在以第一个所述行子面阵的协方差矩阵的对角线为界，从上到下提取数据信息后，对提取的数据信息的噪声部分进行差异运算，同时对非噪声部分进行前后向平滑处理，得到下行差异子阵；

在以第一个所述行子面阵的协方差矩阵的对角线为界，从下到上提取数据信息后，对提取的数据信息的噪声部分进行差异运算，同时对非噪声部分进行前后向平滑处理，，得到上行差异子阵；