[发明专利]数据缺失时基于时频分析窄带调频信号的到达角估计

摘要

本发明公开了一种数据缺失时基于时频分析窄带调频信号的到达角估计方法，解决了由于数据缺失造成的到达角估计不准确的技术难题。其实现过程包括：得到数据缺失时窄带调频信号的时频分布；多传感器自适应最优核函数减小交叉项和抑制类噪声；得到瞬时自相关函数的另一种表达式；压缩感知模型构建得到基于改进核函数的时频分布；用STF‑MUSIC算法得到数据缺失时基于时频分析窄带调频信号的到达角估计值。本发明减小交叉项、抑制类噪声，时频分布的平均值更加稳固，从而得到更高分辨率的到达角估计。为处理数据缺失时基于时频分析窄带调频信号的到达角估计提供了一种更准确的方法，可广泛用于雷达、声纳、通信和生物医学等众多领域。

主权项

1.一种数据缺失时基于时频分析窄带调频信号的到达角估计方法，其特征在于,包括有如下步骤：(1)得到数据缺失时窄带调频信号的时频分布：在数据缺失时,用来自传感器上的缺失信号瞬时自相关函数Cbb和未考虑数据缺失时窄带调频信号瞬时自相关函数Cyy的乘积表达数据缺失时窄带调频信号的瞬时自相关函数Cxx,对其进行离散傅里叶转换，即WVD变换，得到数据缺失时窄带调频信号的时频特征，即时频分布，WVD可达到与傅里叶变换相同的分辨率，但存在交叉项，同时该时频特征含有数据缺失引起的随机分布在整个时频域的扩展类噪声；(2)减小交叉项和抑制类噪声效应：数据缺失时窄带调频信号的时频分布和模糊函数之间具有二维傅里叶转换关系，用多传感器上的平均模糊函数替换单传感器上的模糊函数，得到一种改进的基于多传感器的自适应最优核函数，简称改进核函数，用于减小数据缺失时窄带调频信号时频特征中的交叉项和抑制类噪声效应，获得更加清晰的时频分布信息；(3)得到数据缺失时瞬时自相关函数的另一种表达式：分析已有压缩感知模型，对基于时频分析窄带调频信号压缩感知模型中的基于改进核函数的模糊函数进行一维傅里叶转换得到相应的数据缺失时瞬时自相关函数Cxx，利用数据缺失时瞬时自相关函数Cxx和时频离散分布之间的傅里叶关系给出数据缺失时瞬时自相关函数的另一种表达式C[t]＝ΦW[t]+∈[t]，t∈[1,...,T],其中Φ是一个关于频率f的一维傅里叶转换矩阵，其中Φ的非零支撑对应了信号存在的列向量，C[t]是多传感器瞬时自相关函数，具体是时间为t,时间间隔为τ的所有瞬时自相关函数Cxx组成的矢量，W[t]是关于同一时间t的频率项的所有时频离散分布组成的矢量，∈[t]是添加的噪音矢量；(4)得到数据缺失时窄带调频信号基于改进核函数的时频分布：先对数据缺失时瞬时自相关函数矢量表达式的各项分别求平均值，利用数据缺失时瞬时自相关函数平均值矢量和时频离散分布平均值矢量之间的傅里叶关系，得到数据缺失时瞬时自相关函数、时频离散分布和噪音三者平均值矢量之间的关系，然后用OMP算法恢复时频信号和一维傅里叶转换矩阵非零支撑，最后利用一维傅里叶转换矩阵非零支撑将每一个数据缺失时瞬时自相关函数通过最小二乘法投射到相应的时频分布上,获得窄带调频信号所有时频点，得到数据缺失时窄带调频信号基于改进核函数的时频分布；(5)得到数据缺失时基于时频分析窄带调频信号的到达角估计值：用所有的时频分布重建空时频分布矩阵通过离散时频多信号分类算法处理空时频分布矩阵，分别求出窄带调频信号子空间和噪声子空间，由此构造空间谱函数，在空间谱域求取空间谱函数最大值，其谱峰表达式中含有参数v，该参数即到达角的估计值。