[发明专利]一种基于压缩平移互素阵列的DOA估计方法及装置

说明书

本发明公开了一种基于压缩平移互素阵列的DOA估计方法及装置，方法包括：构建压缩平移互素阵列，通过压缩平移互素阵列对远场的不相关窄带信号进行接收；根据压缩平移互素阵列与阵列天线的位置，抽取出原始欠采样协方差矩阵中的均匀连续阵列，接收样本意义上的自相关函数；对预设个数的自相关函数做抽取，构造出一个半正定矩阵，实现空间平滑处理，得到空间平滑矩阵；对空间平滑矩阵直接进行特征值分解分离出信号子空间，根据MUSIC算法获取到DOA的估计。装置包括：DSP经过内部处理，对信号进行协方差估计，利用独立矩阵提取连续自相关，通过MUSIC算法估计DOA；借助输出驱动及显示模块显示识别DOA情况。

技术领域

本发明涉及数字信号处理领域，尤其涉及一种基于压缩平移互素阵列的DOA估计方法及装置。

背景技术

随着信息科技的高速发展，对认知无线电(Cognitive Radio,CR)^[1]技术提出了更高的要求。信号处理的重要研究方向——阵列信号处理的理论技术也在不断完善，特别是近些年人们对通信性能的迫切需求越来越高。空间谱估计技术又是其中的热点。波达方向(DOA)估计是在波束形成的基础上发展而来的，是由天线对发射的源信号进行接收并进行一系列分析计算，处理之后得到DOA的过程，在声纳、雷达、通信、地震等方面具有十分广泛的应用。

传统的DOA估计一般都是以均匀线性阵列作为接收阵列。识别角度的分辨率取决于阵列尺寸，尺寸越大，波束宽度越窄，分辨率越好。而根据奈奎斯特采样定理阵元间隔太大会造成栅瓣效应，使DOA估计出现模糊，结果不准确，一般取波长的一半。因此，算法的分辨率主要受限于阵元数量，阵元数量太多，虽然能小幅度提高分辨率，但会带来海量的样本计算，信号处理的难度也会增大，对硬件系统的设计和实现提出非常苛刻的要求，不稳定因素也会增多，成本也会提高，在实际应用中不太现实。完全不能适应当前通信标准对超分辨率的要求。

因此，如何实现高分辨率、精确的DOA估计是学术界和工程界需要广泛又深入研究的重要课题。算法角度上来讲，传统的最大熵法(MEM)、最小方差法(MVM)等空域非线性处理方法和自回归(Auto Regressive,AR)模型之类的线性预测算法虽然提高了分辨率，但鲁棒性差，计算复杂度高，不利于实现。多重信号分类算法(MUSIC)^[2-4]的提出使DOA估计算法进入新的阶段，根据阵列接收样本的二阶统计量(协方差矩阵)进行特征值分解等数学运算，可以从特征向量中获得信号子空间和噪声子空间，由于两个子空间是相互正交的，最终可以将信号与噪声分离开。该算法简单易实现，对基于子空间结构的算法发展具有重要的指导意义。最大似然算法(ML)^[5]，采用包含未知参数的条件概率密度函数来定义观测信号的似然函数，通过优化选择最佳参数获得最大的似然函数，但计算量很大。

发明内容

本发明提供了一种基于压缩平移互素阵列的DOA估计方法及装置，本发明在相同的阵元数目条件下，获得更高的自由度，提高了DOA估计的精度，实现超分辨率源估计，详见下文描述：

一种基于压缩平移互素阵列的DOA估计方法，所述DOA估计方法包括以下步骤：

构建压缩平移互素阵列，通过压缩平移互素阵列对远场的不相关窄带信号进行接收；

根据压缩平移互素阵列与阵列天线的位置，抽取出原始欠采样协方差矩阵中的均匀连续阵列，接收样本意义上的自相关函数；

对2L+1,L＝MN个自相关函数做抽取，构造出一个半正定矩阵，实现空间平滑处理，得到空间平滑矩阵；

对空间平滑矩阵直接进行特征值分解分离出信号子空间，根据MUSIC算法获取到DOA的估计。

所述压缩平移互素阵列包括：两组分别含有M和N个阵元的均匀线性阵列，M和N为互素正整数；

平移后的互素阵列的最小阵元间隔为阵列孔径为

自相关延迟范围为：