[发明专利]一种基于均匀线性阵列的空时参数估计方法

说明书

本发明公开了一种基于均匀线性阵列的空时参数估计方法，该方法通过将天线矩阵的观测数据利用Toeplitz(托普利兹)重构算法进行矩阵重组，利用2D‑MUSIC算法对重组后的矩阵进行空间谱计算的DOA和频率联合估计方法。该方法既保留了高精度的频率和DOA估计性能，同时还兼具Toeplitz重构算法处理相干信号源分离的能力，从而可以利用一种算法实现对相干信号成分的频率和DOA的高精度估计，达到了显著提高对相干信号成分的频率和DOA的估计精度的技术效果。

技术领域

本公开涉及列阵信号处理领域，二维列阵参数估计方面，尤其涉及一种基于均匀线性阵列的空时参数估计方法。

背景技术

二维阵列参数估计是阵列信号处理技术的一种主要研究方向，可广泛应用于军用和民用领域，如电子对抗、通信、雷达、声纳和医学等。其中，波达方向(direction ofarrival，DOA)与频率联合估计是其主要的研究方向之一。DOA与频率联合估计即对来波信号的频率和波达方向进行联合估计，实现对信号源的频率信息测量和角度定位能力。近30年来，针对DOA和频率联合估计课题，国内外研究学者提出了许多高分辨空时估计方法，其中较典型的估计算法有：二维多重信号分类算法、二维旋转技术不变法、二维最大似然法等。其中以2D-MUSIC算法最为典型，相比于与其它算法，具有高稳定性和高角分辨力的特点，从而被广泛研究。

2D-MUSIC法是DOA和频率联合估计中最为典型的算法，具有稳定性好、角分辨力高的特点。但该算法不能对来波信号中存在的相干信号成分的DOA和频率进行正确估计，而在2D-MUSIC算法基础上衍生出来的空间平滑方法虽然具备对相干信号的处理能力，但在频率和DOA估计精度与相干信号识别个数的之间存在矛盾，即子阵列越多，能够区分的相干信号个数越多，但阵列的有效空间越小，DOA估计精度越低；反之，子阵列越少，阵列的有效空间越大，估计精度越高，但能够正确区分来波信号中相干信号个数越少。

因此，亟需一种可以对多信号的频率和DOA进行高精度估计的方法。

发明内容

本发明所要解决的技术问题：现有的二维阵列参数估计方法在频率和DOA估计精度与相干信号识别个数的之间为反比关系。本发明提供了一种基于均匀线性阵列的空时参数估计方法，包括：

从信号源向呈一维线阵排列的天线阵列中每个阵元输入信号，并采集每个阵元的观测数据，得到观测数据向量矩阵；

利用所述观测数据向量矩阵构建满足托普利兹矩阵的天线观测数据空时参数估计矩阵，并使得该天线观测数据空时参数估计矩阵的对角元素为所述天线阵列中任一选定阵元的观测数据的自相关矩阵；

对所述天线观测数据空时参数估计矩阵进行奇异值分解，并根据奇异值分解结果确定噪声子空间；

对所述噪声子空间应用2D-MUSIC算法，得到噪声子空间谱；

根据预设的搜索步长和预设的搜索下限，从所述噪声子空间谱中搜索所述信号源个数的谱峰值，并将所有谱峰值作为空时参数估计值输出。

优选的是，将所述选定阵元的观测数据向量集合与所述天线阵列中其余阵元的观测数据向量集合的互相关矩阵，作为所述天线观测数据空时参数估计矩阵中除对角元素以外的元素。

优选的是，所述天线观测数据空时参数估计矩阵R_T满足：

其中，E{x₁(n)x₁(n)^T}为作为选定阵元的第1个阵元的观测数据向量集合的自相关矩阵，E{x₁(n)x_i(n)^T}为第1个阵元的观测数据向量集合与第i个阵元的观测数据向量集合的互相关矩阵，其中，i＝1,2…,M，M为所述天线阵列包括的阵元的数量，T为矩阵的转置，H为矩阵的共轭。