一種在多徑幹擾環境下單偶極子極化敏感陣列降維DOA估計方法與流程
2023-09-27 06:45:10
本發明涉及一種在多徑幹擾環境下單偶極子極化敏感陣列降維doa估計方法，屬於高分辨陣列測向算法研究領域。
背景技術：
面向複雜電磁環境下實戰背景，充分挖掘和利用蘊含在雷達天線和電磁波中的極化信息，最大限度的利用雷達系統所獲得的電磁信息，提高被動雷達系統在惡劣電磁環境下的生存和對抗能力，使之能夠適應複雜多變的戰場環境。基於單偶極子天線構成的極化敏感陣列降維doa估計是陣列信號處理的一個重要研究方向，其能夠根據極化敏感陣列接收到的電磁波估計信號源的doa和極化信息。與標量陣相比，極化敏感陣列對入射電磁波的極化信息敏感，能夠同時獲取和利用入射電磁波信號的空域信息與極化域信息，該陣列以矢量的形式對入射電磁波進行觀測，獲得的信息更為詳細，可以有效提高測向系統的測向精度和分辨性能，具有較強的抗幹擾能力。同時與傳統的極化敏感陣列doa與極化參數聯合估計方法相比，該方法實現在二維空間估計信號的角度信息，速度較快，在實際環境中的具有很重要的應用意義。
在實際電磁環境中，存在各種形式的幹擾，特別是當存在一個與信號源同頻的幹擾源時，使用傳統標量陣列算法不能對信號源角度信息進行有效估計，使用極化敏感陣列doa與極化參數聯合估計方法由於耗時較大而難以推廣。因此根據幹擾源與目標的電磁信號極化信息的不同，使用基於單偶極子的極化敏感陣列同時接收電磁波的角度域信息和極化域信息，可以有效分辨出目標和幹擾，在二維空間快速對目標doa進行估計。同時使用由單偶極子天線構成的均勻圓陣可以對入射信號的二維doa信息進行估計，並且具有與方位角無關的波束寬度，是實際工程中應用常見的典型陣列之一。基於以上問題，本發明提出一種適用於多徑幹擾條件下基於單偶極子天線構成的極化敏感陣列降維doa估計方法。實現在幹擾條件下對目標和幹擾源的有效分辨，並正確估計目標doa參數。
技術實現要素：
本發明針對現有標量陣列信號處理算法不能有效分辨目標與幹擾，以及基於極化敏感陣列doa與極化參數聯合估計方法耗時較大問題，提出一種在多徑幹擾條件下單偶極子極化敏感陣列降維doa估計方法。在實際環境中，通過利用極化敏感陣列同時接收信號源和幹擾的電磁波極化信息，可以輕易分辨出信號源和幹擾。首先，利用單偶極子組成的極化敏感陣列接收信號並計算其協方差矩陣；其次，根據協方差矩陣特徵值分解得到的特徵值和特徵向量進行信源數估計；最後，利用矩陣秩虧損原理構造空間譜函數，獲取譜峰對應的角度值。
本發明的目的是這樣實現的：包括由m個單偶極子陣元組成的均勻圓陣極化敏感陣列和d個遠場入射窄帶信號，單偶極子天線與天線圓盤邊緣共行，步驟如下：
步驟一：利用單偶極子陣元組成的均勻圓陣極化敏感陣列接收空間中的遠場入射窄帶信號，獲得接收數據矢量x(t)：
x(t)＝as(t)+n(t)
其中：x(t)為均勻圓陣極化敏感陣列的m×1數據矢量，s(t)為空間信號的d×1維矢量，n(t)為陣列的m×1維噪聲數據矢量，為空間陣列的m×d維陣列流型矩陣，其中為第m個信號的導向矢量，
第m個信號的導向矢量可分解為：
其中：為第m個入射信號在陣列各陣元處的空域相位因子構成的對角陣，其為遠場入射窄帶信號波達方向角的函數，un為第m個信號於第n個陣元處的空域相位因子，b是由各陣元的極化敏感矢量構成的極化敏感矩陣，為第m個信號的角度域矢量；為第m個信號的極化矢量；
步驟二：根據接收數據矢量x(t)計算協方差矩陣rx＝e{xxh}，e{·}表示求期望；
實際接收中利用陣列輸出矢量x(t)的k次獨立快拍最大似然估計計算協方差矩陣為：
步驟三：對進行特徵值分解得到：
其中：σs為信號子空間對應的特徵值矩陣，σn為噪聲子空間對應的特徵值矩陣，us是m×d維信號子空間，un是m×(m-d)維的噪聲子空間；
步驟四：構造二維doa的譜函數其中
步驟五：改變譜函數中θ和的取值，對構造的譜函數進行譜峰搜索，找出d個極大值點對應的doa取值。
與現有技術相比，本發明的有益效果是：本發明所述的採用單偶極子天線構造極化敏感陣列進行降維doa估計的方法，通過採用單偶極子天線接收空間的電磁波信號，構造接收信號數據矢量，並根據擺放的均勻圓陣陣列進行數學建模，構造陣列導向矢量，並在傳統信號doa與極化參數聯合估計music算法的基礎上，根據矩陣秩虧損原理合理推導並構造新的只包含信號doa的二維譜函數。所述基於單偶極子極化敏感陣列降維doa估計方法，採用單偶極子天線敏感接收電磁波信號，與傳統標量music算法相比，充分接收並利用目標和幹擾源的空間相位信息和極化信息，提高對幹擾的解析度。與doa和極化參數聯合估計msuic算法相比，本算法根據矩陣秩虧損原理，構造僅包含doa的譜函數，進行譜峰搜索，提取出感興趣的目標角度信息，算法執行速度較快，實現成本低，測向精度高，對幹擾源解析度高。
本發明的優點如下：
(1)首次提出在多徑幹擾環境下利用單偶極子的均勻圓陣極化敏感陣列，推導基於該陣列形式的降維doa估計算法，降低算法計算量；
(2)首次提出利用單偶極子極化敏感陣列降維doa估計算法抗多徑幹擾，根據目標和幹擾信號共存條件建立數學模型，利用該方法構造譜函數，從而分辨目標和幹擾源。
附圖說明
圖1是利用所述單偶極子極化敏感陣列降維doa估計方法流程圖；
圖2是單偶極子極化敏感陣列結構圖；
圖3為降維doa估計空間譜圖，圖中譜峰分別對應為信號源和幹擾源的方位角和仰角角度；
圖4為降維doa估計等高線圖。
具體實施方式
下面結合附圖與具體實施方式對本發明作進一步詳細描述。
本發明通過對doa與極化信息聯合估計的四維譜函數進行降維處理，構造出只包含有信號空間域角度信息的二維譜函數，可有效分辨目標和幹擾並提高算法的執行速度。
同時，本發明還公開了一種利用所述單偶極子極化敏感陣列進行降維doa估計方法的方法，本發明包括一種由m個單偶極子天線構成的極化敏感陣列，其中單偶極子天線與天線圓盤邊緣共行；所述的均勻圓陣陣列，天線盤位於xoy平面內，且天線盤所在平面與z軸垂直，天線與x軸正方向的夾角分別為ζ1,ζ2,...,ζm，極化敏感矩陣為b＝[g1,g2,g3,g4,g5,g6,g7,g8]t，其中gi＝[cos(ζi),sin(ζi),0,0,0,0],i＝1,...,m。
具體步驟如下：
步驟(1)：根據單偶極子極化敏感陣列擺放形式構造信號模型。
設由m個單偶極子陣元組成的均勻圓陣極化敏感陣列和d個遠場入射窄帶信號，信號入射方向與xoy面的夾角為仰角信號入射方向在xoy投影與x軸正方向夾角為方位角θ。入射信號互不相關，並與噪聲統計獨立，則陣列輸出m維信號矢量可表示為x(t)＝as(t)+n(t)；
式中，x(t)為陣列的m×1維快拍數據矢量，s(t)為空間信號的d×1維矢量，n(t)為陣列的m×1維噪聲數據矢量，為空間陣列的m×d維陣列流型矩陣，其中為第m個信號的導向矢量。將導向矢量分解可得其中為第m個入射信號在陣列各陣元處的空域相位因子構成的對角陣，其為入射信號波達方向角的函數，為第m個信號於第n個陣元處的空域相位因子，xn和yn為第n個陣元的坐標。b稱為極化敏感矩陣，由各陣元的極化敏感矢量構成，當天線陣列的陣元擺放位置確定時，該陣列為一個常數矩陣。為第m個信號的角度域矢量；為第m個信號的極化矢量，它與信號的極化狀態有關，但與陣列響應特性及空間結構無關。因此導向矢量可表示成其中至此，完整構造出信號的導向矢量，用於後續構造降維空域譜函數。
步驟(2)：根據接收數據矢量x(t)計算協方差矩陣rx＝e{xxh}，e{·}表示求期望；實際接收中利用陣列輸出矢量x(t)的k次獨立快拍最大似然估計計算協方差矩陣
步驟(3)：對進行特徵分解可得其中σs為信號子空間對應的特徵值矩陣，σn為噪聲子空間對應的特徵值矩陣，us是m×d維信號子空間，un是m×(m-d)維噪聲子空間(其中d已知，或者已準確預估)。
步驟(4)：利用式構造二維doa的譜函數。其中
步驟(5)：改變譜函數中θ和的取值，對構造的譜函數進行譜峰搜索，找出d個極大值點對應的doa取值。
參照圖1，是利用所述單偶極子極化敏感陣列降維doa估計方法流程圖；
參照圖2，是本發明中單偶極子極化敏感陣列空間布置結構圖，單偶極子天線採用均勻圓陣布置方式，陣元與圓周邊緣共行，陣元半徑為r，陣元1到陣元m與x軸正方向的夾角分別為ζ1,ζ2,...,ζm，與z軸正方向夾角均為90°。則定義極化敏感矩陣為b＝[g1,g2,g3,g4,g5,g6,g7,g8]t，其中gi＝[cos(ζi),sin(ζi),0,0,0,0],i＝1,...,m。
參照圖3和圖4，是本發明中所述方法的估計譜圖。其中圖3為降維doa估計空間譜圖，譜峰分別對應為信號源和幹擾源的方位角和仰角角度；圖4為降維doa估計等高線圖。
上述為本發明特舉之實施例，並非用以限定本發明。本發明提供的在多徑幹擾環境下單偶極子天線構成極化敏感陣列降維doa估計方法同樣適用於陣元天線為其他天線的情況。在不脫離本發明的實質和範圍內，可做些許的調整和優化，以本發明的保護範圍以權利要求為準。
綜上，本發明公開了一種在多徑幹擾環境下單偶極子極化敏感陣列及其對應的降維doa估計方法。該陣列採用與圓周邊緣共行的單偶極子組成均勻圓陣結構，可同時執行方位角和仰角的二維估計，並有效對抗多徑幹擾。該發明所述的單偶極子極化敏感陣列降維doa估計方法首先對均勻圓陣共行陣列接收的窄帶信號進行數學建模，之後根據矩陣秩虧損原理，對極化music算法四維譜函數進行降維處理，構造空域譜函數，從而實現空域二維角度的快速搜索。同極化敏感陣列doa與極化參數聯合估計方法，本發明所述降維doa估計方法能夠實現在不增加硬體需求的條件下對信號源角度的快速估計，接收並利用信號源與幹擾源的極化特性有效分辨目標和幹擾，實現在複雜環境下對目標的估計，具有一定的工程應用價值。