噪声下基于广义阵列流型的非相干分布源DOA估计方法

噪声下基于广义阵列流型的非相干分布源doa估计方法
技术领域
1.本发明属于阵列信号处理技术领域，尤其是涉及一种噪声下基于广义阵列流型的非相干分布源doa估计方法。

背景技术：

2.基于天线阵列的波达方向(doa)估计是阵列信号处理的一个重要方向，它在雷达、声呐、无线通信、车联网以及智能传输系统等领域均具有广泛的应用。目前，doa估计已经出现了很多方法，代表性的方法包括特征子空间类多重信号分类(music)算法、旋转不变子空间(esprit)算法以及稀疏重构(sr)算法和深度学习(dp)类算法。然而，现有的算法大多基于点源模型，假定信源信号沿视距或单一路径传播。然而在实际的应用环境中，信号反射、散射和折射等现象会实际信号往往沿多径进行传输，在此背景下，基于点源模型建立的doa估计方法会因模型失配问题而导致性能下降甚至失效。
3.近年来，随着理论研究的深入发展和实际系统性能要求的不断增加，两种基于多径传输的信号模型被相继被提出，一种信号模型对应于慢衰落信道下的多径传输，表征为相干分布(cd)源模型；另一种信号模型对应于快衰落信道下的多径传输，表征为非相干分布(id)源模型。基于cd源模型，l.wang等人于2017年在文献《doa estimation for coherently distributed sources considering circular and noncircular signals in massive mimo systems》中提出了一种基于降维music技术的doa估计方法，y.tian等人和f.liu等人分别于2020年和2022年在文献《multi-parameters estimation for coherently distributed sources under coexistence ofcircular and noncircular signals》和《lp-dspe algorithm for angular parameter estimation of coherently distributed sources》中提出了基于扰动sr技术和线性规划(lp)技术的doa估计方法；基于id源模型，a.hu等人和y.tian等人分别于2014年和2022年在文献《an esprit-based approach for 2-d localization ofincoherently distributed sources in massive mimo systems》和《2-d doa estimation of incoherently distributed sources considering gain-phase perturbations in massive mimo systems》提出了基于esprit技术的doa估计方法；z.zheng等人则于2018年在文献《efficient beamspace-based algorithm for two-dimensional doa estimation ofin coherently distributed sources in massive mimo systems》提出了一种基于波束空间压缩的doa估计算法。
4.上述算法/方案均是对基于多径传输条件下的doa估计技术的有益尝试和探索，然而分析发现：无论是现有的cd源还是id源，doa估计算法都是基于白噪声的背景条件，而在一些实际的系统中，背景噪声往往是噪声。此时，将现有分布源doa估计算法应用于背景噪声是噪声的系统中会直接导致估计性能衰退甚至失效。所以，探索适用于噪声背景下的分布源doa估计算法必须且必要。

技术实现要素：

5.为克服了现有技术不适用于噪声的不足，本发明针对hermitian toeplitz结构噪声和id源模型，提供一种噪声下基于广义阵列流型的id源doa估计方法，用于解决现有技术不适用于噪声的共性问题，并实现了快衰落信道多径传输下高效、高分辨率以及高精度的doa估计。
6.为实现上述目的。本发明的技术方案是：
7.一种噪声下基于广义阵列流型的非相干分布源doa估计方法，该方法包括如下步骤：
8.s1：建立均匀线阵下基于广义阵列流型的阵列信号接收模型，其具体过程为：
9.s1.1、设定l个窄带且不相关的id源的信号入射到由m个阵元组成的均匀线阵上，所述均匀线阵中阵元之间的间距为d；
10.s1.2、在小扩展角度下对阵列流型进行一阶泰勒近似，得到具有广义阵列流型的阵列信号接收模型，表示为：其中，y(t)＝[y1(t),...,ym(t)]
t
，x1,...,xm表示第1个阵元到第m个阵元沿x轴的坐标，且其均不等于0，ym(t)表示第m个阵元的接收信号，θk表示第k个id源对应的doa，k＝1,2,
…
,l，,l，sk(t)表示k个id源信号，nk表示k个id源对应的多径传输数量，γ
k,i
(t)表示第k个信号沿第i条路径的路径增益，表示第k个信号沿第i条路径的扩展角度偏差，i＝1,2,
…
,nk，n(t)＝[n1(t),...,nm(t)]
t
，a0＝[a(θ1),...,a(θk)]，a1＝[d(θ1),...,d(θk)]，a＝[a
0 a1]表示广义阵列流型矩阵，v0(t)＝[v
10
(t),v
20
(t),...,v
k0
(t)]
t
，v1(t)＝[v
11
(t),v
21
(t),...,v
k1
(t)]
t
，t表示时刻，上标t表示转置运算；
[0011]
s2：获取具有广义阵列流型的阵列接收信号的样本协方差矩阵r，并利用差分运算进一步得到协方差差分矩阵rd，其具体过程为：
[0012]
s2.1、获取n个时刻的阵列接收数据y，y＝[y(t1),...,y(tn)]，根据n个时刻获得的阵列接收数据y，得到其样本协方差矩阵为：
[0013]
其中，r
v0
和r
v1
分别表示id源信号经多径传输后在阵列接收端的信号向量v0(t)和v1(t)的样本协方差矩阵，q表示具有hermitian toeplitz结构的噪声协方差矩阵，上标h代表共轭转置运算；
[0014]
s2.2、由均匀线性阵列下，和q均具有hermitian toeplitz结构，并满足关系：
[0015]
利用所述关系，对样本协方差矩阵r进行协方差差分运算得到协方差差分矩阵rd，其中，j为m
×
m维置换矩阵，表示为：blkdiag{
·
}代表块对角化操作，上标*代表共轭运算；
[0016]
s3：对协方差差分矩阵rd进行特征值分解，将均匀线阵划分为两个子阵，根据协方差差分矩阵rd分解的特征值来获得两个子阵分别对应的信号子空间矩阵；
[0017]
s4：基于矩阵降秩准则，利用两个信号子空间矩阵对应的相位关系获得id源doa估计。
[0018]
进一步地，在步骤s3中，对协方差差分矩阵rd进行特征值分解，将均匀线阵划分为两个子阵，根据协方差差分矩阵rd分解的特征值来获得两个子阵对应的信号子空间矩阵的具体过程包括下列步骤：
[0019]
s3.01、对rd进行特征值分解得到其信号子空间us，所述信号子空间us为l个最大特征值对应的特征向量所组成的矩阵；所述的l个最大特征值是指对rd的特征值进行降序排序，取前l个特征值作为最大特征值；
[0020]
s3.02、将均匀线阵划分为两个子阵，其中一个子阵包含前m-1个阵元，另一个子阵包含后m-1个阵元，那么，包含前m-1个阵元的子阵所对应的信号子空间矩阵u
s1
为信号子空间us的前m-1行，包含后m-1个阵元的子阵所对应的信号子空间矩阵u
s2
为信号子空间us的后m-1行。
[0021]
进一步地，在步骤s3中，对协方差差分矩阵rd进行特征值分解，将均匀线阵划分为两个子阵，根据协方差差分矩阵rd分解的特征值来获得两个子阵对应的信号子空间矩阵的具体过程包括下列步骤：
[0022]
s3.11、对rd进行特征值分解得到其信号子空间所述信号子空间为l个最小特征值对应的特征向量组成的矩阵；所述的l个最小特征值是指对rd的特征值进行升序排序，取前l个特征值作为最小特征值；
[0023]
s3.12、将均匀线阵划分为两个子阵，其中一个子阵包含前m-1个阵元，另一个子阵包含后m-1个阵元，那么，包含前m-1个阵元的子阵所对应的信号子空间矩阵为信号子空间的前m-1行，包含后m-1个阵元的子阵所对应的信号子空间矩阵为信号子空间的后m-1行。
[0024]
进一步地，在步骤s4中，基于矩阵降秩准则，利用两个信号子空间矩阵对应的相位关系获得id源doa估计的具体过程包括下列步骤：
[0025]
s4.01、利用u
s1
和u
s2
构建一个新的矩阵ξ，表示为：ξ＝u
s2-ψ(θ)u
s1
，其中，
θ表示所有可能的doa值，diag{
·
}代表对角化操作；
[0026]
s4.02、基于矩阵降秩准则，通过一维谱搜索来获得id源的doa估计，所述一维谱搜索的表达式为：其中，det{
·
}代表矩阵行列式运算。
[0027]
进一步地，在步骤s4中，基于矩阵降秩准则，利用两个信号子空间矩阵对应的相位关系获得id源doa估计的具体过程包括下列步骤：
[0028]
s4.11、利用和构建一个新的矩阵表示为：其中，θ为所有可能的doa值，diag{
·
}代表对角化操作；
[0029]
s4.02、通过一维谱搜索来获得id源的doa估计，所述一维谱搜索的表达式为：其中，det{
·
}代表矩阵行列式运算。
[0030]
与现有技术相比，本发明的有益效果是：本发明方法具有更好的普适性，不仅适用于有hermitian toeplitz结构的噪声，而且也适用于白噪声(其为hermitian toeplitz结构噪声的特例)；与现有a.hu等人提出的esprit方法和z.zheng等人提出的波束空间压缩方法相比，本发明方法可以提供更高的分辨率和估计精度；本发明方法仅基于一维谱搜索即可完成id源的doa估计，计算效率高。
附图说明
[0031]
图1是本发明提出的一种噪声下基于广义阵列流型的id源doa估计方法的流程图；
[0032]
图2a是本发明方法在高斯白噪声下的空间谱输出图；
[0033]
图2b是本发明方法在hermitian toeplitz结构噪声下的空间谱输出图；
[0034]
图3a是本发明中采用不同doa估计方法得到的均方根误差(rmse)随阵元数变化的比较图；
[0035]
图3b是本发明中采用不同doa估计方法得到的rmse随采样样本数变化的比较图；
[0036]
图4a是本发明中采用不同doa估计方法进行doa估计的分辨成功率随阵元数变化的比较图；
[0037]
图4b是本发明中采用不同doa估计方法进行doa估计的分辨成功率随采样样本数变化比较图。
具体实施方式
[0038]
以下参照附图并结合具体实施方式来进一步描述发明，以令本领域技术人员参照说明书文字能够据以实施，本发明保护范围并不受限于该具体实施方式。
[0039]
实施例一：
[0040]
本发明实施例一提供一种噪声下基于广义阵列流型的非相干分布源doa估计方法，如图1所示，该方法包括如下步骤：
[0041]
s1：考虑具有hermitian toeplitz结构的噪声和id源入射情况，建立均匀线阵下基于广义阵列流型的阵列信号接收模型，其具体过程为：
[0042]
s1.1、设定l个窄带且不相关的id源的信号入射到由m个阵元组成的均匀线阵上，所述均匀线阵中阵元之间的间距为d；
[0043]
s1.2、在小扩展角度下对阵列流型进行一阶泰勒近似，得到具有广义阵列流型的阵列信号接收模型，表示为：
[0044]
其中，y(t)＝[y1(t),...,ym(t)]
t
，x1,...,xm表示第1到第m个阵元沿x轴的坐标，且其均不等于0，ym(t)表示第m个阵元的接收信号，θk表示第k个id源对应的doa，k＝1,2,
…
,l，,l，sk(t)表示k个id源信号，nk表示k个id源对应的多径传输数量，γ
k,i
(t)表示第k个信号沿第i条路径的路径增益，表示第k个信号沿第i条路径的扩展角度偏差，i＝1,2,
…
,nk，n(t)＝[n1(t),...,nm(t)]
t
，a0＝[a(θ1),...,a(θk)]，a1＝[d(θ1),...,d(θk)]，a＝[a
0 a1]表示广义阵列流型矩阵，v0(t)＝[v
10
(t),v
20
(t),...,v
k0
(t)]
t
，v1(t)＝[v
11
(t),v
21
(t),...,v
k1
(t)]
t
，t表示时刻，上标t表示转置运算；
[0045]
s2：获取具有广义阵列流型的阵列接收信号的样本协方差矩阵r，并利用差分运算进一步得到协方差差分矩阵rd，其具体过程为：
[0046]
s2.1、获取n个时刻的阵列接收数据y，y＝[y(t1),...,y(tn)]，根据n个时刻获得的阵列接收数据y，得到其样本协方差矩阵为：
[0047]
其中，r
v0
和r
v1
分别表示id源信号经多径传输后在阵列接收端的信号向量v0(t)和v1(t)的样本协方差矩阵，q表示具有hermitian toeplitz结构的噪声协方差矩阵，上标h代表共轭转置运算；
[0048]
s2.2、由均匀线性阵列下，和q均具有hermitian toeplitz结构，并满足关系：
[0049]
利用所述关系，对样本协方差矩阵r进行协方差差分运算得到协方差差分矩阵rd，其中，j为m
×
m维置换矩阵，表示为：
blkdiag{
·
}代表块对角化操作，上标*代表共轭运算；
[0050]
s3：对协方差差分矩阵rd进行特征值分解，将均匀线阵划分为两个子阵，根据协方差差分矩阵rd分解的特征值来获得两个子阵分别对应的信号子空间矩阵；
[0051]
s4：基于矩阵降秩准则，利用两个信号子空间矩阵对应的相位关系获得id源doa估计。
[0052]
在步骤s3中，对协方差差分矩阵rd进行特征值分解，将均匀线阵划分为两个子阵，根据协方差差分矩阵rd分解的特征值来获得两个子阵对应的信号子空间矩阵的具体过程包括下列步骤：
[0053]
s3.01、对rd进行特征值分解得到其信号子空间us，所述信号子空间us为l个最大特征值对应的特征向量所组成的矩阵；所述的l个最大特征值是指对rd的特征值进行降序排序，取前l个特征值作为最大特征值；
[0054]
rd进行特征值分解的表达式为：其中，λs为l个最大特征值组成的对角矩阵，us为对应于λs的特征向量矩阵，λq为剩余m-l个小特征值组成的对角矩阵，uq为对应于λq的特征向量矩阵；
[0055]
s3.02、将均匀线阵划分为两个子阵，其中一个子阵包含前m-1个阵元，另一个子阵包含后m-1个阵元，那么，包含前m-1个阵元的子阵所对应的信号子空间矩阵u
s1
为信号子空间us的前m-1行，包含后m-1个阵元的子阵所对应的信号子空间矩阵u
s2
为信号子空间us的后m-1行。
[0056]
在步骤s4中，基于矩阵降秩准则，利用两个信号子空间矩阵对应的相位关系获得id源doa估计的具体过程包括下列步骤：
[0057]
s4.01、利用u
s1
和u
s2
构建一个新的矩阵ξ，表示为：ξ＝u
s2-ψ(θ)u
s1
，其中，θ为所有可能的doa值，diag{
·
}代表对角化操作；
[0058]
s4.02、当ψ(θ)中θ为id源的真实doa时，ξ是非满秩矩阵(即降秩矩阵)，所以，基于矩阵降秩准则，通过一维谱搜索来获得id源的doa估计，所述一维谱搜索的表达式为：其中，det{
·
}代表矩阵行列式运算；在具体的实施过程中，通过寻使f(θ)取最小的l个θ取值完成doa估计。寻过程即为一维谱搜索过程，由于该过程为同领域专家所熟知，这里省略其赘述。
[0059]
实施例二：
[0060]
一种噪声下基于广义阵列流型的非相干分布源doa估计方法，该方法包括如下
步骤：
[0061]
s1：考虑具有hermitiantoeplitz结构的噪声和id源入射情况，建立均匀线阵下基于广义阵列流型的阵列信号接收模型，其具体过程为：
[0062]
s1.1、设定l个窄带且不相关的id源的信号入射到由m个阵元组成的均匀线阵上，所述均匀线阵中阵元之间的间距为d；
[0063]
s1.2、在小扩展角度下对阵列流型进行一阶泰勒近似，得到具有广义阵列流型的阵列信号接收模型，表示为：其中，y(t)＝[y1(t),...,ym(t)]
t
，x1,...,xm表示第1到第m个阵元沿x轴的坐标，且其均不等于0，ym(t)表示第m个阵元的接收信号，θk表示第k个id源对应的doa，k＝1,2,
…
,l，,l，sk(t)表示k个id源信号，nk表示k个id源对应的多径传输数量，γ
k,i
(t)表示第k个信号沿第i条路径的路径增益，表示第k个信号沿第i条路径的扩展角度偏差，i＝1,2,
…
,nk，n(t)＝[n1(t),...,nm(t)]
t
，a0＝[a(θ1),...,a(θk)]，a1＝[d(θ1),...,d(θk)]，a＝[a
0 a1]表示广义阵列流型矩阵，v0(t)＝[v
10
(t),v
20
(t),...,v
k0
(t)]
t
，v1(t)＝[v
11
(t),v
21
(t),...,v
k1
(t)]
t
，t表示时刻，上标t表示转置运算；
[0064]
s2：获取具有广义阵列流型的阵列接收信号的样本协方差矩阵r，并利用差分运算进一步得到协方差差分矩阵rd，其具体过程为：
[0065]
s2.1、获取n个时刻的阵列接收数据y，y＝[y(t1),...,y(tn)]，根据n个时刻获得的阵列接收数据y，得到其样本协方差矩阵为：
[0066]
其中，r
v0
和r
v1
分别表示id源信号经多径传输后在阵列接收端的信号向量v0(t)和v1(t)的样本协方差矩阵，q表示具有hermitian toeplitz结构的噪声协方差矩阵，上标h代表共轭转置运算；
[0067]
s2.2、由均匀线性阵列下，和q均具有hermitian toeplitz结构，并满足关系：
[0068]
利用所述关系，对样本协方差矩阵r进行协方差差分运算得到协方差差分矩阵rd，其中，j为m
×
m维置换矩阵，表示为：
blkdiag{
·
}代表块对角化操作，上标*代表共轭运算；
[0069]
s3：对协方差差分矩阵rd进行特征值分解，将均匀线阵划分为两个子阵，根据协方差差分矩阵rd分解的特征值来获得两个子阵分别对应的信号子空间矩阵；
[0070]
s4：基于矩阵降秩准则，利用两个信号子空间矩阵对应的相位关系获得id源doa估计。
[0071]
在步骤s3中，对协方差差分矩阵rd进行特征值分解，将均匀线阵划分为两个子阵，根据协方差差分矩阵rd分解的特征值来获得两个子阵对应的信号子空间矩阵的具体过程包括下列步骤：
[0072]
s3.11、对rd进行特征值分解得到其信号子空间所述信号子空间为l个最小特征值对应的特征向量组成的矩阵；所述的l个最小特征值是指对rd的特征值进行升序排序，取前l个特征值作为最小特征值；
[0073]
rd进行特征值分解的表达式为：其中，为l个最小特征值组成的对角矩阵，为对应于λs的特征向量矩阵，为剩余m-l个大特征值组成的对角矩阵，为对应于的特征向量矩阵。
[0074]
s3.12、将均匀线阵划分为两个子阵，其中一个子阵包含前m-1个阵元，另一个子阵包含后m-1个阵元，那么，包含前m-1个阵元的子阵所对应的信号子空间矩阵为信号子空间的前m-1行，包含后m-1个阵元的子阵所对应的信号子空间矩阵为信号子空间的后m-1行。
[0075]
在步骤s4中，基于矩阵降秩准则，利用两个信号子空间矩阵对应的相位关系获得id源doa估计的具体过程包括下列步骤：
[0076]
s4.11、利用和构建一个新的矩阵表示为：其中，θ为所有可能的doa值，diag{
·
}代表对角化操作；
[0077]
s4.02、当中θ为id源的真实doa时，是非满秩矩阵(即降秩矩阵)，基于矩阵降秩准则，通过一维谱搜索来获得id源的doa估计，所述一维谱搜索的表达式为：其中，det{
·
}代表矩阵行列式运算；在具体的实施过程中，通过
寻使f(θ)取最小的l个θ取值完成doa估计。寻过程即为一维谱搜索过程，由于该过程为同领域专家所熟知，这里省略其赘述。
[0078]
下面通过仿真实验分析本发明所提出的噪声下基于广义阵列流型的id源doa估计方法的性能，仿真过程均通过matlab软件进行。
[0079]
仿真实验一：阵元数为30，样本数为200，信噪比(snr)为10分贝(db)，两个id源的doa为-20
°
和30
°
，角度扩展偏差的标准差为1
°
，k＝1,2,i＝1,2,
…
,nk，多径数nk＝50，噪声由相关系数为0.9的ar(1)模型产生，阵元间距为载波波长的1/2，入射id源信号为bpsk调制信号。白噪声和噪声模型下的空间谱输出结果分别如图2a和图2b所示，可以看出本发明方法无论是在白噪声还是在噪声背景下均能获得准确的doa估计结果。
[0080]
仿真实验二：对本发明方法和a.hu等人提出的esprit方法、z.zheng等人提出的波束空间压缩方法的doa估计的均方根误差(rmse)进行比较，以克拉美罗界(crb)作为理论rmse参考下界。图3a中，样本数为200，snr＝0db,阵元数由10变化到40；图3b中，阵元数为30，snr＝0db,样本数由50变化到500。噪声均由相关系数为0.92的ar(1)模型产生，其他仿真条件与仿真实验一相同。从图3a和3b可以看出，本发明方法性能明显优于对比方法，且与crb更贴近。
[0081]
仿真实验三：对本发明方法和a.hu等人提出的esprit方法、z.zheng等人提出的波束空间压缩方法的doa估计的分辨成功率进行比较。图4a的仿真条件与图3a相同，图4b的仿真条件与图3b相同。仿真过程中约定，当两个doa的偏差均小于1
°
时，认为成功分辨。由图4a和图4b展示的仿真结果可以看出，本发明方法可以提供更高的分辨成功率。

技术特征：

1.噪声下基于广义阵列流型的非相干分布源doa估计方法，其特征在于：该方法包括如下步骤：s1：建立均匀线阵下基于广义阵列流型的阵列信号接收模型，其具体过程为：s1.1、设定l个窄带且不相关的id源的信号入射到由m个阵元组成的均匀线阵上，所述均匀线阵中阵元之间的间距为d；s1.2、在小扩展角度下对阵列流型进行一阶泰勒近似，得到具有广义阵列流型的阵列信号接收模型，表示为：其中，y(t)＝[y1(t),...,y
m
(t)]
t
，x1,...,x
m
表示第1到第m个阵元沿x轴的坐标，且其均不等于0，y
m
(t)表示第m个阵元的接收信号，θ
k
表示第k个id源对应的doa，k＝1,2,
…
,l，,l，s
k
(t)表示k个id源信号，n
k
表示k个id源对应的多径传输数量，γ
k,i
(t)表示第k个信号沿第i条路径的路径增益，表示第k个信号沿第i条路径的扩展角度偏差，i＝1,2,
…
,n
k
，n(t)＝[n1(t),...,n
m
(t)]
t
，a0＝[a(θ1),...,a(θ
k
)]，a1＝[d(θ1),...,d(θ
k
)]，a＝[a
0 a1]表示广义阵列流型矩阵，v0(t)＝[v
10
(t),v
20
(t),...,v
k0
(t)]
t
，v1(t)＝[v
11
(t),v
21
(t),...,v
k1
(t)]
t
，s(t)＝[v
0t
(t) v
1t
(t)]
t
，t表示时刻，上标t表示转置运算；s2：获取具有广义阵列流型的阵列接收信号的样本协方差矩阵r，并利用差分运算进一步得到协方差差分矩阵r
d
，其具体过程为：s2.1、获取n个时刻的阵列接收数据y，y＝[y(t1),...,y(t
n
)]，根据n个时刻获得的阵列接收数据y，得到其样本协方差矩阵为：其中，r
v0
和r
v1
分别表示id源信号经多径传输后在阵列接收端的信号向量v0(t)和v1(t)的样本协方差矩阵，q表示具有hermitian toeplitz结构的噪声协方差矩阵，上标h代表共轭转置运算；s2.2、由均匀线性阵列下，和q均具有hermitian toeplitz结构，并满足关系：利用所述关系，对样本协方差矩阵r进行协方差差分运算得到协方差差分矩阵r
d
，其中，j为m
×
m维置换矩阵，表示为：
blkdiag{
·
}代表块对角化操作，上标*代表共轭运算；s3：对协方差差分矩阵r
d
进行特征值分解，将均匀线阵划分为两个子阵，根据协方差差分矩阵r
d
分解的特征值来获得两个子阵分别对应的信号子空间矩阵；s4：基于矩阵降秩准则，利用两个信号子空间矩阵对应的相位关系获得id源doa估计。2.根据权利要求1所述的噪声下基于广义阵列流型的非相干分布源doa估计方法，其特征在于：在步骤s3中，对协方差差分矩阵r
d
进行特征值分解，将均匀线阵划分为两个子阵，根据协方差差分矩阵r
d
分解的特征值来获得两个子阵对应的信号子空间矩阵的具体过程包括下列步骤：s3.01、对r
d
进行特征值分解得到其信号子空间u
s
，所述信号子空间u
s
为l个最大特征值对应的特征向量所组成的矩阵；所述的l个最大特征值是指对r
d
的特征值进行降序排序，取前l个特征值作为最大特征值；s3.02、将均匀线阵划分为两个子阵，其中一个子阵包含前m-1个阵元，另一个子阵包含后m-1个阵元，那么，包含前m-1个阵元的子阵所对应的信号子空间矩阵u
s1
为信号子空间u
s
的前m-1行，包含后m-1个阵元的子阵所对应的信号子空间矩阵u
s2
为信号子空间u
s
的后m-1行。3.根据权利要求1所述的噪声下基于广义阵列流型的非相干分布源doa估计方法，其特征在于：在步骤s3中，对协方差差分矩阵r
d
进行特征值分解，将均匀线阵划分为两个子阵，根据协方差差分矩阵r
d
分解的特征值来获得两个子阵对应的信号子空间矩阵的具体过程包括下列步骤：s3.11、对r
d
进行特征值分解得到其信号子空间所述信号子空间为l个最小特征值对应的特征向量组成的矩阵；所述的l个最小特征值是指对r
d
的特征值进行升序排序，取前l个特征值作为最小特征值；s3.12、将均匀线阵划分为两个子阵，其中一个子阵包含前m-1个阵元，另一个子阵包含后m-1个阵元，那么，包含前m-1个阵元的子阵所对应的信号子空间矩阵为信号子空间的前m-1行，包含后m-1个阵元的子阵所对应的信号子空间矩阵为信号子空间的后m-1行。4.根据权利要求2所述的噪声下基于广义阵列流型的非相干分布源doa估计方法，其特征在于：在步骤s4中，基于矩阵降秩准则，利用两个信号子空间矩阵对应的相位关系获得id源doa估计的具体过程包括下列步骤：s4.01、利用u
s1
和u
s2
构建一个新的矩阵ξ，表示为：ξ＝u
s2-ψ(θ)u
s1
，其中，
θ表示所有可能的doa值,diag{
·
}代表对角化操作；s4.02、基于矩阵降秩准则，通过一维谱搜索来获得id源的doa估计，所述一维谱搜索的表达式为：其中，det{
·
}代表矩阵行列式运算。5.根据权利要求3所述的噪声下基于广义阵列流型的非相干分布源doa估计方法，其特征在于：在步骤s4中，基于矩阵降秩准则，利用两个信号子空间矩阵对应的相位关系获得id源doa估计的具体过程包括下列步骤：s4.11、利用和构建一个新的矩阵表示为：其中，θ为所有可能的doa值,diag{
·
}代表对角化操作；s4.02、基于矩阵降秩准则，通过一维谱搜索来获得id源的doa估计，所述一维谱搜索的表达式为：其中，det{
·
}代表矩阵行列式运算。

技术总结

本发明涉及噪声下基于广义阵列流型的非相干分布源DOA估计方法，该方法为：建立均匀线阵下基于广义阵列流型的阵列信号接收模型；计算阵列接收信号的样本协方差矩阵，并利用差分运算进一步得到协方差差分矩阵；对协方差差分矩阵进行特征值分解和子阵划分，得到两个子阵对应的信号子空间；利用两个信号子空间对应的相位关系基于矩阵降秩准则获得非相干分布源DOA估计；本发明方法对Toeplitz结构噪声和快衰落信道下的多径传输具有非常好的适用性，可以提供更高的分辨率和DOA估计精度，且仅需一维谱峰搜索，计算效率高。计算效率高。计算效率高。