[发明专利]非均匀噪声条件下考虑互耦效应的DOA估计方法

说明书

本发明提出一种非均匀噪声条件下考虑互耦效应的DOA估计方法。首先，基于最小二乘理论，所提算法通过交替迭代方法获得互耦条件下无噪声信号协方差矩阵；而后利用信号子空间原理重构互耦系数矩阵以求解互耦补偿后无噪声信号协方差矩阵；最后基于空间平滑方法实现相干信源解相干，并利用传统MUSIC算法实现DOA参数估计。数值仿真表明，与传统MUSIC、非均匀噪声及互耦条件下DOA估计算法相比，所提算法能较好抑制非均匀噪声，明显舒缓互耦效应对空间平滑算法影响，并可显著改善相干信源条件下DOA估计性能。

技术领域

本发明属于信号处理领域，更进一步涉及一种非均匀噪声下提高DOA估计性能的方法。针对非均匀噪声场景下考虑互耦的阵列对相干信源角度估计精度差及分辨率低的问题，本发明提出一种联合优化非均匀噪声协方差矩阵及互耦系数的DOA估计方法。首先，基于最小二乘(Least Squares，LS)理论，所提算法通过交替迭代方法获得互耦条件下无噪声信号协方差矩阵；而后利用信号子空间原理重构互耦系数矩阵以求解互耦补偿后无噪声信号协方差矩阵；最后基于空间平滑方法实现相干信源解相干，并利用传统MUSIC算法实现DOA参数估计。数值仿真表明，与传统MUSIC、非均匀噪声及互耦条件下DOA估计算法相比，所提算法能较好抑制非均匀噪声，明显舒缓互耦效应对空间平滑算法影响，并可显著改善相干信源条件下DOA估计性能。

背景技术

信号波达方向(direction of arrival，DOA)估计是阵列信号处理研究的关键问题之一，广泛存在于雷达、通信等领域。高斯白噪声假设下，以多重信号分类(multiplesignal classification，MUSIC)为代表的子空间算法可实现DOA高分辨率估计。然而，实际应用中，叠加在各传感器接收回波中的噪声通常为不相关非均匀噪声。此场景下，传统子空间类算法的DOA估计性能会严重恶化。再者，由于多径效应等因素，往往会出现相干源，亦会导致传统DOA算法性能显著下降。针对相干源问题，空间平滑是一种有效的解相干方法。然而，当阵列存在互耦效应致使阵列流型无法确知时，空间平滑算法将会失效，从而导致DOA估计精度显著下降。

非均匀噪声下，Liao等人提出一种子空间迭代算法，通过最大似然(maximumlikelihood，ML)或最小二乘(least square，LS)方法求解信号子空间和噪声协方差矩阵以实现DOA估计。He等人提出一种无噪声协方差稀疏重构DOA估计算法。该算法主要通过剔除操作将非均匀噪声从矢量化信号协方差中移除，从而消除非均匀噪声影响。Wen等人提出一种基于空间平滑的DOA估计算法(Wen算法)。该算法基于相干信号模型将无噪声协方差矩阵重构转化为最优化问题以获得无噪声信号协方差矩阵，从而消除非均匀噪声影响；而后采用空间平滑方法降低信号相干性。然而，该算法未考虑互耦条件下信源参数估计问题。基于此，Liao等人提出一种互耦条件下DOA估计算法(Liao算法)，基于互耦模型，通过交替迭代获得信号及噪声子空间，并通过参数化导向矢量实现DOA估计。然而，该算法未考虑相干信源条件下DOA估计问题。相干信源条件下，若不进行相干信源解相干，则会导致算法性能严重下降。

针对上述问题，非均匀高斯噪声条件下，基于最小二乘方法，本发明提出一种联合优化非均匀噪声协方差矩阵及互耦系数的DOA估计算法以改善考虑互耦效应的阵列对相干信源的DOA估计性能。首先，所提方法通过交替迭代求得互耦条件下无噪声信号协方差矩阵以消除非均匀噪声影响；而后依据信号子空间原理，利用互耦系数矩阵的Toeplitz特性，可得互耦补偿后的无噪声信号协方差矩阵以消除互耦影响，进而克服互耦对空间平滑算法影响；最后基于空间平滑方法实现相干信源解相干以消除相干信源影响，进而改善非均匀噪声条件下考虑互耦效应的阵列对相干信源DOA的估计性能。数值仿真表明，与传统MUSIC、非均匀噪声及互耦条件下的DOA估计算法相比，所提算法能较好抑制非均匀噪声影响，明显克服互耦对空间平滑算法影响，并可显著改善相干信源条件下的DOA估计性能。

发明内容