[发明专利]一种基于EMaC的超分辨率稀疏阵列波达角估计方法

说明书

本发明公开了一种基于EMaC的超分辨率稀疏阵列波达角估计方法，包括以下步骤：步骤1：建立平面阵列DOA估计信号模型；步骤2：定义增广Hankel矩阵；步骤3：在无噪声情况下，运用EMaC算法恢复全数据矩阵；步骤4：在存在有界噪声情况下，调整EMaC算法以适应噪声，恢复全数据矩阵。本发明一种基于EMaC算法的稀疏阵列的二维波达角估计方法，能够解决DOA估计对各种形状的稀疏阵列的适应性，以及对样本数据噪声的鲁棒性，从而有效满足5G网络基站的实际应用要求。

技术领域

本发明涉及波达角估计方法领域，特别涉及一种基于EMaC的超分辨率稀疏阵列波达角估计方法。

背景技术

随着大规模多入多出(Massive MIMO)阵列在5G网络中的应用范围不断扩大，MIMO阵列维数由一维线性阵列变成了二维平面阵列，MIMO阵列传感器个数方面也显著增长，为了能够降低MIMO阵列的功耗、成本和阵元间的互耦等，出现了各种各样的稀疏MassiveMIMO阵列的设计。如何用稀疏Massive MIMO阵列进行来波信号的方向估计是亟待解决的一个问题。

阵列信号来波方向估计是阵列信号波达角(direction-of-arrival DOA)估计的研究领域。目前对DOA估计的研究主要集中于一维阵列、二维均匀阵列和可以转化为一维均匀阵列的特定的二维稀疏面阵，而对任意形状的稀疏二维面阵的DOA估计的研究很少。

传统的DOA估计的方法，包括Prony’s方法、ESPRIT方法、matrix pencil方法等，这些方法需要已知模型的阶，即信号源的信号个数，并且这些方法对噪声是敏感的。近年来的基于离散空间的压缩感知技术可以用于DOA估计。压缩感知技术的计算高效，对噪声鲁棒，并且不需要已知模型的阶。但是基于离散空间的压缩感知技术进行DOA估计时，信号的方向域是连续信号，DOA估计成功的概率依赖于利用有限的离散字典对信号进行稀疏表示时的近似程度。真实的信号来波方向和有限的离散网格的不匹配引入了基失配问题。最新的无格点压缩感知技术可以完美的解决基失配问题。第一个出现的无格点压缩感知算法是基于2012年提出的原理范数(atomic norm)理论。这类算法不需要对连续的波达角进行网格划分，从而能够完全解决格点失配问题。但是基于原子范数的算法对噪声的敏感性限制了这类算法的发展。增广矩阵补全(Enhanced Matrix Completion，简称EMaC)算法不需要对连续方向区域进行网格划分，能够根据局部的样本数据补全均匀平面阵列传感器的全样本数据矩阵，进而实现DOA估计，这类算法对噪声是鲁棒的，可以很好地适应5G的实际应用环境。

现有的二维波达角估计理论主要集中于均匀阵列的波达角估计，对任意形状的二维稀疏阵列的波达角估计没有研究，这很难适应于5G的massive MIMO对各种形状的稀疏阵列设计的要求。

为了适应5G的Massive MIMO基站的发展趋势要求，需要研究在存在噪声的情况下，利用以上各种形状的稀疏面阵进行DOA估计的方法。

发明内容

为了克服现有技术中的不足，本发明提供一种基于EMaC的超分辨率稀疏阵列波达角估计方法，能够解决DOA估计对各种形状的稀疏阵列的适应性，以及对样本数据噪声的鲁棒性，从而有效满足5G网络基站的实际应用要求。

为了达到上述发明目的，解决其技术问题所采用的技术方案如下：

一种基于EMaC的超分辨率稀疏阵列波达角估计方法，包括以下步骤：

步骤1：建立平面阵列DOA估计信号模型；

步骤2：定义增广Hankel矩阵；

步骤3：在无噪声情况下，运用EMaC算法恢复全数据矩阵；

步骤4：在存在有界噪声情况下，调整EMaC算法以适应噪声，恢复全数据矩阵。

进一步的，步骤1具体包括以下内容：