[发明专利]一种基于score函数的广义协方差的多信号分类算法

说明书

本发明提供了一种基于score函数的广义协方差的多信号分类算法，属于通信技术领域。该方法主要包括以下几点：1.选取适当参数，计算并获得score函数。2.获得天线阵列所输出的混合着噪声的信号，并构建该信号的向量。3.计算并获得基于score函数的广义协方差矩阵。4.计算并获得基于score函数的广义协方差矩阵的估计。5.对基于score函数的广义协方差矩阵进行特征值分解，计算并获得噪声子空间的估计。6.根据噪声子空间的估计，计算并获得空间谱的估计。7.通过谱峰位置进行无线电信号的波达方向估计。实验结果表明该算法能够在脉冲性噪声条件下准确地实现无线电信号的波达方向估计。

技术领域

本发明属于通信技术领域，涉及到无线电信号的波达方向估计，特别涉及到基于score函数的广义协方差的多信号分类(SCORE-MUSIC)算法。

背景技术

通信技术的不断发展，在日常的学习、工作和生活中，人们也越来越依赖于无线电通信，与此同时，无线电通信也面临着愈发复杂的电磁环境，此类复杂的电磁环境增加了无线电信号分析和处理的难度，而脉冲性噪声就是此类复杂电磁环境的典型代表。故而，如何提升各类信号处理方法抑制脉冲性噪声的能力就成为亟须解决的问题。

多信号分类(multiple signal classification,MUSIC)算法是无线电信号波达方向估计的典型算法，该方法通常通过对天线阵列所输出的混合着噪声的信号的协方差矩阵进行特征值分解来提取信号子空间和噪声子空间的信息，再利用子空间的正交性来估计无线电信号的波达方向，通常情况下，该方法假设噪声是服从高斯分布的，在这一假设条件下，混合着噪声的信号的协方差是有界的。但是，在某些复杂电磁环境中噪声是服从非高斯分布的，其幅度具有较强的脉冲性，其概率分布具有较重的拖尾，通常可以使用Alpha稳定分布进行表示，此时协方差是不收敛的，故而传统的多信号分类算法的性能会出现下降，甚至完全失效的现象。

为了解决该问题，本发明首先提出了一种基于柯西分布score函数的广义协方差的概念，然后提出了一种基于该广义协方差的多信号分类算法。在本发明所提出的算法中，采用score函数引入非线性映射，并借此抑制脉冲性噪声，实验结果表明该算法能够在脉冲性噪声条件下准确地实现无线电信号的波达方向估计。

发明内容

本发明提供了一种基于score函数的广义协方差的多信号分类算法。

本发明采用的技术方案是：一种基于score函数的广义协方差的多信号分类算法，其特征在于，包括以下步骤：

S1：选取适当参数，计算并获得score函数；

S2：获得天线阵列所输出的混合着噪声的信号，并构建该信号的向量；

S3：计算并获得基于score函数的广义协方差矩阵；

S4：计算并获得基于score函数的广义协方差矩阵的估计；

S5：对基于score函数的广义协方差矩阵进行特征值分解，计算并获得噪声子空间的估计；

S6：根据噪声子空间的估计，计算并获得空间谱的估计。

S7：通过谱峰位置进行无线电信号的波达方向估计。

附图说明

图1是本发明中一种基于score函数的广义协方差的多信号分类算法的总体流程图。

图2是参数取值不同时多条score函数的曲线图。

图3是广义信噪比不同时，基于score函数的广义协方差的多信号分类算法与其他算法性能的对比图。

图4是Alpha稳定分布噪声的特征指数不同时，基于score函数的广义协方差的多信号分类算法与其他算法性能的对比图。

具体实施方案