[发明专利]基于压缩感知理论下的RSS算法的宽带DOA估计算法

说明书

基于压缩感知理论下的RSS算法的宽带DOA估计算法属于阵列信号处理、雷达探测等相关领域。本发明在保证信息不损失的情况下，用远低于Nyquist采样定理要求的速率采样信号，同时又可以完全恢复信号。本发明将各频点处数据与参考频点处数据实现“共享”，从而避免了方位预估计，提高了估计的精度。本发明将压缩感知理论与DOA估计相结合，利用聚焦的思想将宽带信号等划为窄带信号，从而利用窄带的思想进行求解，大大降低了原有宽带估计的巨大计算量。在相同采样的前提下提高了估计的精度。

技术领域

本发明是一种波达方向(DOA)估计算法，应用在无线通信、医学成像、电子对抗等任务，可以自动完成一维波达方向角度的估计。该发明属于阵列信号处理、雷达探测等相关领域。

背景技术

阵列信号处理又称为空域信号处理，是现代信号处理的一个重要分支，在移动卫星通讯、地震监测和射电天文学以及国民经济等领域普遍使用，并得到了广泛的研究和发展。阵列信号处理主要是通过将一组传感器按照固定的方式放置在空间不同的位置，对这些传感器所接收的信号进行相应的数据处理和理论分析，提取电磁信号中的有用信号并抑制噪声和干扰信号。

阵列信号处理领域中最基本的问题是空间信号波达方向(DOA)的估计，信号源在空间内所有方向上的能量分布可以用其空间谱来表示，即空间谱表示信号的波达方向。DOA估计是在复杂的电磁环境中根据阵列天线接收信号，利用阵列信号处理方法确定空间内多个感兴趣的信号的空间位置，进而获得信号到达阵列的方向角。DOA估计具有十分重要的研究价值和应用价值，被广泛用于雷达和通信系统中，已成为阵列信号处理领域研究的热点。

DOA估计理论经过了数十年的研究和发展，形成较为完善的理论体系以及经典的算法。目前，高分辨的DOA估计算法主要分为三种：第一种是以Capon自适应波束形成方法为代表的线性预测类算法，通过提高信号的利用信息组成期望的波束形状获得信号的空域谱；第二种是以多重信号分类(multiple signal classification,MUSIC)为代表的子空间分解类算法，依照子空间分解构造出高分辨的空间谱峰，跨越到DOA估计的新领域；第三种是以最大似然算法(maximum likelihood，ML)为代表的子空间拟合算法，这种算法需要搜索多维谱峰，统计性能优良，但是运算复杂需要合适的初始值。这些经典的DOA估计算法在应用时有一定的局限性，无法突破子空间类算法的限制，在低信噪比、小快拍以及信源空间间距很小的时候通常不能准确的估计出波达方向，实用性受到一定的限制。

近年来，随着压缩感知理论体系的出现和不断完善，其核心理论稀疏信号重构引起国内外学者的关注。稀疏理论和压缩感知的出现，引领了空间谱估计问题的新方向，即利用信号的空域稀疏特性建立DOA估计稀疏模型，利用稀疏重构算法来恢复接收信号，克服传统DOA估计算法的不足。压缩感知实际是就是将待重构信号稀疏表示，在一定条件下，可以以低于信号带宽的频率进行采样，只需要少量的观测数据，就能够实现对信号高概率的重构或近似，极大节省了系统资源。基于稀疏表示的DOA估计方法不再受相干信号以及阵列结构的影响，降低信号的采样数、数据传输、存储及处理的成本，提高参数的估计性能。利用稀疏信号重构算法进行空间谱估计，结合阵列信号在空域的稀疏性，探索稀疏重构阵列信号参数估计方法，提高了算法的实用性，具有重要的理论价值和发展前景。

发明内容

目前现有的DOA估计算法主要存在计算量过大，求解精度不够高等弊端，为解决上述技术的缺陷，我们提出了一种本发明基于压缩感知理论的RSS算法，从而减少了算法计算量，提高了抗噪声干扰能力。

为达到上述目地，本发明包括以下步骤：

1)利用常规的低分辨算法对信号的来波方向进行估计，得到DOA初始估计集合θ，同时确定参考频点f₀。

2)根据DOA初始值θ构建所有子频带的阵列流型矩阵A(f_j,θ)，得到所有子频带的聚焦变换阵T(f_j)；