[发明专利]一种基于十字形声压阵列的宽带信号方位估计方法

说明书

本发明公开一种基于十字形声压阵列的宽带信号方位估计方法，首先利用信号方位角的空域稀疏特性，通过稀疏表示，建立基于宽带信号频域协方差矩阵的稀疏模型；然后基于该模型构造稀疏重建的字典矩阵，将稀疏向量重建转化为范数约束问题；最后通过求解l₂‑范数最小化约束问题来估计信号方位。该方法无需进行任何预处理或角度预估计，从而降低了算法的计算成本。本发明相较于经典的非相干宽带信号方位估计方法具有更高的信号分辨精度和较强的信号分辨能力。由于采用稀疏矢量联合稀疏表示和重构，该方法具有较窄的主波束和较深的零凹陷，保证了其良好的分辨率。

技术领域

本发明涉及一种宽带信号方位估计方法，具体的是涉及一种基于十字形声压阵列的宽带信号方位估计方法，主要是用于宽带信号检测及信号参量估计，属于信号处理技术领域。

背景技术

一般来说，由于宽带信号携带信息量大、传输距离远，有利于目标检测、参量估计和目标特征提取，因此宽带信号方位估计开始引起人们的广泛关注，其具体研究概况如图1所示。较为经典的方法包括非相干信号子空间法(ISM) 和相干信号子空间法(CSM)。ISM方法将宽带信号分解为多个子带，然后利用窄带处理方法并通过几何平均或代数平均获得信号方位估计。ISM运算简单，但由于最终的宽带信号方位估计结果是由子带估计结果简单叠加而得，因此只要任何一个子带信号方位估计结果出现较大偏差，都会对最终结果造成影响。CSM 方法首先将对应于不同频点的子带相关矩阵聚焦于同一参考频率，并通过频域平滑克服多径传播的影响，然后再利用窄带方法进行信号方位估计。与ISM方法相比，CSM方法一般具有更高的测向精度。但是，CSM方法一般需要进行信号波达方向预估计，这种估算所带来的估计误差将直接影响最终的测向质量。

其他重要的宽带信号方位估计方法包括最大似然法和信号子空间方法。其中，最大似然法需要通过多维搜索来优化最大似然函数，优化过程复杂，计算量巨大，在实际中不易实现。为此，有学者提出先对宽带信号进行三角正弦分解，然后在每个基函数，即正弦三角函数各自所映射的频点上进行多项式求根，得出各个窄带频点上对应信号的初始预估值，最后用最小二乘法对各频点的预估值进行拟合处理，从而获得信号方位估计。

之后，有学者提出基于降维处理的最大似然方法，简化了多维度下的搜索寻优计算。其本质是将宽带信号分到互不重叠窄频带，对窄带信号进行最大似然估计后根据该窄带内的信号功率大小确定权系数，该方法实时性较差。

除了以上的最大似然方法与子空间分解宽带信号方位估计方法外，21世纪初，宽带信号方位估计方法主要以信号子空间权平均法(WAVES)和子空间投影正交性检测方法(TOPS)最为典型。WAVES方法避免了信号波达方向预估计，但仍需要构造聚焦矩阵，而且协方差矩阵需要分频段获得，影响因素过多，估计精度不高；TOPS方法的空间谱很多条件下存在伪峰，在低信噪比条件下性能下降明显。

综上，提供一种目标信号估计精度高和无需进行任何预处理或角度预估计以及大大降低了算法的计算成本的基于十字形声压阵列的宽带信号方位估计方法是解决上述技术问题的关键所在。

发明内容

针对上述背景技术中存在的诸多缺陷与不足，本发明对此进行了改进和创新，目的在于提供一种能够实现具有较窄的主波束和较深的零凹陷，保证其良好的分辨率的这样一种基于十字形声压阵列的宽带信号方位估计方法。

本发明另一个发明目的是降低算法的计算成本，根据十字形声压阵的特点，利用水平线阵和垂直线阵接收到的信号信息，基于稀疏信号分解理论能够实现无需进行任何预处理或角度预估计，达到大大降低算法的计算成本。

为解决上述问题并达到上述的发明目的，本发明的一种基于十字形声压阵列的宽带信号方位估计方法是通过采用下列的技术方案来实现的：

一种基于十字形声压阵列的宽带信号方位估计方法，首先，基于信号方位角的空间稀疏性进行稀疏表示，通过稀疏表示，建立基于宽带信号频域协方差矩阵的稀疏模型；