法律状态公告日
法律状态信息
法律状态
2017-07-14
授权
授权
2015-10-21
实质审查的生效 IPC(主分类):G01S3/00 申请日:20150506
实质审查的生效
2015-09-23
公开
公开
技术领域
本发明涉及一种交通运输领域,特别是涉及一种基于复数盲源分离的船舶 DOA方位估计方法。
背景技术
船舶DOA方位估计的问题描述。如图1所示,在等距线阵中,m和d分别表示阵 元数和阵元间距,接收阵列位于n艘船舶位置的远场区,且m≥n。假设n艘目 标船舶发送的源信号s(t)=[s1(t),s2(t),…,sn(t)]T为彼此互相独立且零均值的窄带 信号,并记它们到达第1个阵元直射线与阵列法线方向之间的夹角为 θi(i=1,2,…,n),称这个夹角为波到方位(角),即船舶的DOA方位。若将第1个阵 元视为参考阵列,则目标源到达非参考阵元都会存在延迟,即非参考阵元接收到 的信号与目标源信号存在一个相位差,记第i个目标源到达第2个阵元引起的相 位差为ωi,ωi与θi之间的关系为:
式(1)中,λs为信号波长,要保证ωi≤π,阵元间距必须满足2d≤λs。 那么第i个目标源到达m个阵元引起的相位差组成的向量记为:
式中,为虚数。同理可得其它目标源信号到达m个阵元引起相位差的向 量,将所有相位差的向量组成一个矩阵,记为A,它与所有向量ai的关系为:
式(3)中的阵列响应矩阵A为一个m×n维的Vandermonde矩阵,Rank(A)=n。若 将m个阵元接收到的信号记为x(t)=[x1(t),x2(t),…,xm(t)]T,那么x(t)与s(t)之间的关 系为:
x(t)=As(t) (4)
船舶DOA方位估计所要解决的问题就是在源信号s(t)和接收阵列的混叠参数A 未知的情况下,仅仅根据源信号的独立统计特性从观测到的混叠信号x(t)中估算 出各艘目标船舶所处相对于参考阵列的DOA方位,即θi(i=1,2,…,n)。
现有的DOA估计方法主要可分为三类:多重信号分类(multiple signal classification,MUSIC)法、旋转不变技术(estimating signal parameter via rotational invariance techniques,ESPRIT)和最大似然估计法。MUSIC方法对噪声具有很好 的鲁棒性,但它需要接收信号的快拍数足够多,并且它的估计精度和待定位目标 源之间的方位差互相制约;ESPRIT技术能适用于方位差较大的情况下,但它不 仅对噪声抑制能力差外,并且像MUSIC估计方法一样要求信号的快拍数足够多。 最大似然估计的似然函数是一个非线性的多模函数,要优化这个目标函数是一个 很困难和复杂的问题。
发明内容
本发明的目的在于提供一种计算更加简单、优化的基于复数盲源分离的船舶 DOA方位估计方法,本方法只通过接收信号而不发射任何信号被动地对于天线阵 列可检测区域内的船舶数量以及船舶的DOA方位进行估计。
为实现上述目的,本发明的技术解决方案是:
1、一种基于复数盲源分离的船舶DOA方位估计方法,其特征在于:包括以 下步骤:
步骤1:基于交叉验证的可检测区域船舶数量估计
将阵列接收数据分成两部分,其中一部分用于提取数据的特征,其它部分用 于验证这些特征,提出式(5)和式(6)为估计可检测区域船舶数量的准则,
式中,i=1,2,…,m,trace(·)为矩阵求迹运算,C为阵列接收数据x的协方差 矩阵C=xxT,Λi为对角元素为C前i个特征值的对角矩阵,Ui的列向 量为与其相应的特征向量;而计算的对角矩阵的对角线与 Λm是交叉的且两个矩阵在对角线上的元素排序是相反的;
步骤2:基于复数盲源分离的阵列响应伪逆矩阵估计
在不知道源信号和不对未知的混叠系统(阵列接收系统)的参数做任何先验信 息假设的情况下,寻找一个最优的阵列响应伪逆矩阵W,使得W与阵列响应矩 阵A满足WA=I,I为m×m维单位矩阵,上标“H”符为Hermitian转置运算; 记wi(i=1,2,…,n)为W的一个列向量,则
yi(t)=wix(t) (7b)
式中,E[·]为求均值运算,[αi,1,αi,2,…,αi,2m-1]∈[02π](2m-1);另外,为了避 免产生两个相同的wi,利用式(8)来去相关处理;
步骤3:目标船舶DOA方位估计
阵列响应矩阵相邻的两个行向量之间都相差一个相位,设L1=[I(m-1)×(m-1)0(m-1)×1] 和L2=[0(m-1)×1I(m-1)×(m-1)],可得
由此得
ωi=jln[(L1ai)#L2ai] (10)
式中i=1,2,…,n。
2、根据权利要求1所述的基于复数盲源分离的船舶DOA方位估计方法,其 特征在于:步骤2基于复数盲源分离的阵列响应伪逆矩阵估计包括以下步骤:
步骤2.1设定收敛误差值Δ;在0~2π之间随机产生FS个n×2m-1维的数据集,分 别记为θ(l,d),l=1,2,…,FS,d=1,2,…,n×2m-1;
步骤2.2
for l=1to Fs
将第l个数据集θ(l,d)的值赋给n个[αi,1,αi,2,…,αi,2m-1];
for i=1to n
由
由
计算yi(t)=wix(t);
计算
end
计算
end
t=1;
步骤2.3迭代寻优运算
步骤2.3.1
for l=1to Fs
for d=1to n×2m-1
由θnew(l,d)=θ(l,d)+rand[θ(l,d)-θ(r,d)]计算,rand为在[01] 之间的随机数,r为在[1FS]之间产生的不为l的随机整数;
end
将第l个数据集θnew(l,d)的值赋给n个[αi,1,αi,2,…,αi,2m-1];
for i=1to n
由
由
计算yi(t)=wix(t);
计算
end
计算
if Jnew(l)>J(l)
J(l)=Jnew(l);
将θnew(l,d)的值赋给θ(l,d);
end
end
步骤2.3.2
Jglobal(t)=J(1);
将第1个数据集θ的值赋给θglobal;
for l=2to Fs
if Jglobal(t)<J(l)
Jglobal(t)=J(l);
将第l个数据集θ的值赋给θglobal;
end
end
步骤2.3.3
if t=1
t=t+1;
回到步骤2.3.1;
else
计算ε=Jglobal(t)-Jglobal(t-1);
ifε<Δ
跳至步骤2.4;
else
t=t+1;
回到步骤2.3.1;
end
end
步骤2.4
步骤2.4.1将θglobal的值赋给n个[αi,1,αi,2,…,αi,2m-1];
步骤2.4.2
for i=1to n
由
由
end
步骤2.4.3将n个wi构造W=[w1,w2,…,wn],通过计算W的广义逆矩阵得 到阵列响应矩阵。
采用上述方案后,本发明具有以下优点:
(1)本发明方法只接收信号而不发射任何信号就可以探测目标船舶DOA方 位,而传统的DOA估计方法均属于主动探测目标技术;
(2)本发明方法能估计天线阵列可检测区域内的船舶数量,而传统的DOA 估计方法需要目标数已知;
(3)本发明方法的估计精度不受快拍数限制,而传统的DOA估计方法的估 计质量严重受到快拍数的制约。
下面结合附图和具体实施例对本发明作进一步的说明。
附图说明
图1是本发明等距线阵与波达方位图;
图2是本发明基于复数盲源分离的船舶DOA方位估计方法实现流程图;
图3是本发明基于交叉验证的可检测区域船舶数量估计方法实现流程图;
图4是本发明目标船舶DOA方位估计实现流程图。
具体实施方式
如图2所示,本发明是一种基于复数盲源分离的船舶DOA方位估计方法,包 括以下步骤:
步骤1:基于交叉验证的可检测区域船舶数量估计
交叉验证的思想是将数据分成两部分,其中一部分用于提取数据的特征,其 它部分用于验证这些特征。利用这一思想,提出式(5)和式(6)为估计可检测区域 船舶数量的准则,这种方法的实现流程如图3所示。
式中,i=1,2,…,m,trace(·)为矩阵求迹运算,C为x的协方差矩阵C=xxT, Λi为对角元素为C前i个特征值的对角矩阵,Ui的列向量为与其相 应的特征向量;而计算的对角矩阵的对角线与Λm是交叉的, 且两个矩阵在对角线上的元素排序是相反的。
如图3所示,步骤2:基于复数盲源分离的阵列响应伪逆矩阵估计
复数盲源分离的目的就是要在不知道源信号和不对未知的混叠系统(接收系 统)的参数做任何先验信息假设的情况下,寻找一个最优的W,使得WH=A,即 WA=I,I为m×m维单位矩阵,上标“H”符为Hermitian转置运算。记wi(i=1,2,…,n)为W的一个列向量,则
yi(t)=wix(t) (7b)
式中,E[·]为求均值运算,[αi,1,αi,2,…,αi,2m-1]∈[02π](2m-1)。另外,为了避 免产生两个相同的wi,利用式(8)来去相关处理。
步骤2基于复数盲源分离的阵列响应伪逆矩阵估计包括以下步骤:
步骤2.1设定收敛误差值Δ;在0~2π之间随机产生FS个n×2m-1维的数据集,分 别记为θ(l,d),l=1,2,…,FS,d=1,2,…,n×2m-1;
步骤2.2
for l=1to Fs
将第l个数据集θ(l,d)的值赋给n个[αi,1,αi,2,…,αi,2m-1];
for i=1to n
由
由
计算yi(t)=wix(t);
计算
end
计算
end
t=1;
步骤2.3迭代寻优运算
步骤2.3.1
for l=1to Fs
for d=1to n×2m-1
由θnew(l,d)=θ(l,d)+rand[θ(l,d)-θ(r,d)]计算,rand为在[01] 之间的随机数,r为在[1FS]之间产生的不为l的随机整数;
end
将第l个数据集θnew(l,d)的值赋给n个[αi,1,αi,2,…,αi,2m-1];
for i=1to n
由
由
计算yi(t)=wix(t);
计算
end
计算
if Jnew(l)>J(l)
J(l)=Jnew(l);
将θnew(l,d)的值赋给θ(l,d);
end
end
步骤2.3.2
Jglobal(t)=J(1);
将第1个数据集θ的值赋给θglobal;
for l=2to Fs
if Jglobal(t)<J(l)
Jglobal(t)=J(l);
将第l个数据集θ的值赋给θglobal;
end
end
步骤2.3.3
if t=1
t=t+1;
回到步骤2.3.1;
else
计算ε=Jglobal(t)-Jglobal(t-1);
ifε<Δ
跳至步骤2.4;
else
t=t+1;
回到步骤2.3.1;
end
end
步骤2.4
步骤2.4.1将θglobal的值赋给n个[αi,1,αi,2,…,αi,2m-1];
步骤2.4.2
for i=1to n
由
由
end
步骤2.4.3将n个wi构造W=[w1,w2,…,wn],通过计算W的广义逆矩阵得到阵 列响应矩阵。
如图4所示,步骤3:目标船舶DOA方位估计
比较背景技术中式(3)中相邻的两个行向量的区别,不难发现它们之间都相 差一个相位,设L1=[I(m-1)×(m-1)0(m-1)×1]和L2=[0(m-1)×1I(m-1)×(m-1)],可得
由此易得
ωi=jln[(L1ai)#L2ai] (10)
式中i=1,2,…,n。
例:设λs=2d,如步骤2估计得到
ai为矩阵A的第i列向量。
ω1=jln[(L1a1)#L2a1]=0.0548,θ1=arcsin(0.0548·λs/2·π·d)=1°;
ω2=jln[(L1a2)#L2a2]=0.8131,θ1=arcsin(0.8131·λs/2·π·d)=15°。
以上所述,仅为本发明较佳实施例而已,故不能以此限定本发明实施的范围, 即依本发明申请专利范围及说明书内容所作的等效变化与修饰,皆应仍属本发明 专利涵盖的范围内。
机译: 威伯罗中每个方阵网络定位方法和系统的MS辅助和基于MS的TDOA和TDOA校正,以及可以为该方法记录计算机程序源的媒体
机译: 基于分离矩阵初始化频率点选择的盲源分离方法和系统
机译: 基于渐进式串行正交盲源分离算法的改进声源定位方法及实现方法