关于相干信号的阵列处理
相干信号源数学模型
对两个平稳信号si(t)s_i(t)si(t)和sk(t)s_k(t)sk(t),定义相关系数
信号的相关性定义如下
相干信号源间只差一个复常数,假设有nnn个相干信号源
s0(t)s_0(t)s0(t)称为生成信源,生成了入射到阵列上的nnn个相干信号源。
相干信号源模型:
平滑秩序列法
当信号源相干时,估计信号源数。
对于独立信号的分辨能力,阵元数M应大于独立源数,即M≥K+1M\geq K+1M≥K+1;对于前向/后向空间平滑法,应满足M≥K+J1M\geq K+J_1M≥K+J1,KKK是总源数,J1J_1J1是相关源数目,对于双向平滑算法,应满足M≥K+12J1M\geq K+\frac{1}{2}J_1M≥K+21J1。
设R0\bm{R}_0R0是M×MM×MM×M维矩阵,kkk是正整数,定义一个(M−k)×M(M-k)×M(M−k)×M维矩阵IM−K\bm{I}_{M-K}IM−K
将R0\bm{R}_0R0分成交叉重叠矩阵{R0(i)}i=1M−1\{\bm{R}_0^{(i)}\}_{i=1}^{M-1}{R0(i)}i=1M−1
信号源由LLL组相关源的群组成,表示为gig_igi,如i=1i=1i=1表示单个独立信号,i=3i=3i=3表示有三个相干源,LLL是最大的相关源数,g2=3g_2=3g2=3表示有三个相关群,每个群有2个相干源,相关群总数为
总信号源数为
从有限次快拍的数据中获得数据协方差矩阵,此时
而R(k)^\hat{\bm{R}^{(k)}}R(k)^的信号子空间维数就是R0(k)^\hat{\bm{R}_0^{(k)}}R0(k)^的秩,故平滑秩序列为
根据MDL准则
双向平滑秩序列
平滑秩算法
1.k=0k=0k=0
2.MDL准则求R0(k)^\hat{\bm{R}_0^{(k)}}R0(k)^维数
3.k=k+1k=k+1k=k+1
4.判断结果条件
5.根据平滑秩序列判断源数及结构
波束形成最优权
空间存在MMM个阵元组成的阵列,阵元的接收信号矢量为x(t)\bm{x}(t)x(t),各阵元的权矢量
w=[w1w2⋯wM]T\bm{w}=[w_1\ w_2\ \cdots\ w_M]^T w=[w1 w2 ⋯ wM]T
阵列输出
y(t)=wHx(t)=∑i=1Mwi∗xi(t)y(t)=\bm{w}^H\bm{x}(t)=\sum^M_{i=1}w_i^*x_i(t) y(t)=wHx(t)=i=1∑Mwi∗xi(t)
阵列输出平均功率
P(w)=1L∑t=1L∣y(t)∣2=wHEx(t)xH(t)w=wHRwP(w)=\frac{1}{L}\sum^L_{t=1}|y(t)|^2=\bm{w}^HE{\bm{x}(t)\bm{x}^H(t)}\bm{w}=\bm{w}^H\bm{R}\bm{w} P(w)=L1t=1∑L∣y(t)∣2=wHEx(t)xH(t)w=wHRw
目的:保证来自某个确定方向θd\theta_dθd的信号能正确接收,其他入射方向的信号或干扰被抑制
数学表示:在保证所需方向θd\theta_dθd的信号输出为唯一常数的条件下,使阵列的输出功率极小化
拉格朗日常数法求解,目标函数:
对w\bm{w}w求导,令其等于零,求得最优权矢量
常数
空间平滑算法
根据上述相干信号源的数学模型,当信号源完全相干,阵列接受的数据协方差矩阵的秩降为1,导致信号子空间维数小于信号源数,相当于信号子空间“扩散”到了噪声子空间,导致相干源的导向矢量与噪声子空间不完全正交,无法估计信号源方向。
核心问题:使信号协方差矩阵的秩有效恢复,从而正确估计信号源方向
方法:
1.降维:空间平滑SS算法、修正空间平滑MSS算法
2.非降维:Toeplitz法、子空间拟合算法
3.矩阵重构算法:矩阵分解MD法、奇异值分解SVD法
原理
窄带均匀线阵,第lll个阵元接收的数据为
共MMM个阵元,NNN个信号源
将阵列分成相互交错的ppp个子阵,每个子阵的阵元数为mmm,有M=p+m−1M=p+m-1M=p+m−1,取x1(t)x_1(t)x1(t)为参考子阵,则对于第kkk个子阵有数据模型
数据协方差矩阵为
前向空间平滑MUSIC方法对满秩协方差矩阵的恢复是通过求各子阵协方差的均值来实现的,取前向平滑修正的协方差矩阵为
矩阵重构类算法
Toeplitz矩阵
具有2n−12n-12n−1个元素的nnn阶矩阵
A=[a0a−1a−2⋯a−n+1a1a0a−1⋯a−n+2a2a1a0⋯a−n+3⋮⋮⋮⋱⋮an−1an−2an−3⋯a0]\bm{A}= \begin{bmatrix} {a_{0}}&{a_{-1}}&{a_{-2}}&{\cdots}&{a_{-n+1}}\\ {a_{1}}&{a_{0}}&{a_{-1}}&{\cdots}&{a_{-n+2}}\\ {a_{2}}&{a_{1}}&{a_{0}}&{\cdots}&{a_{-n+3}}\\ {\vdots}&{\vdots}&{\vdots}&{\ddots}&{\vdots}\\ {a_{n-1}}&{a_{n-2}}&{a_{n-3}}&{\cdots}&{a_{0}}\\ \end{bmatrix}A=⎣⎢⎢⎢⎢⎢⎡a0a1a2⋮an−1a−1a0a1⋮an−2a−2a−1a0⋮an−3⋯⋯⋯⋱⋯a−n+1a−n+2a−n+3⋮a0⎦⎥⎥⎥⎥⎥⎤
称为Toeplitz矩阵,简称TTT矩阵,简记为A=(a−j+i)1n\bm{A}=(a_{-j+i})_1^nA=(a−j+i)1n,其中“1”“1”“1”“n"“n"“n"表示矩阵元素的下标(i,j=1,2,⋯,n)(i,j=1,2,\cdots,n)(i,j=1,2,⋯,n)。TTT矩阵完全由第1行和第一列的2n−12n-12n−1个元素确定。
可见,Toeplitz矩阵中位于任意一条平行于主对角线的直线上的元素全都是相等的,且关于副对角线对称。
Toeplitz算法
理想情况下阵列接收数据的协方差阵R^\hat\bm{R}R^具有Toeplitz性质。但实际中,要通过Toeplitz预处理使得矩阵接近真实的数据协方差阵R\bm{R}R
ST\bm{S}_TST是Toeplitz矩阵集。
1.对阵列的数据协方差矩阵Toeplitz预处理,得到一个矢量r^\hat\bm{r}r^
2.通过矢量r^\hat\bm{r}r^重构数据协阵RT\bm{R}_TRT
3.对重构矩阵进行特征值分解,得到数据的信号子空间与噪声子空间
4.利用MUSIC算法进行DOA估计
MVDR波束形成器(Capon波束形成器)
常规波束形成器的阵增益有限,为了最大限度提高阵增益,MVDR波束形成其可以让感兴趣方位的信号无失真输出,使波束输出噪声方差最小。
波束输出噪声方差
MVDR波束形成的加权向量设计问题可以表述为
采用Lagrange算子,定义函数
对w\bm{w}w求导,并令导数为0,得到
MVDR波束输出功率为
MVDR波束形成器的阵增益为
MVDR波束形成MATLAB仿真
BMVDR=wMVDRHasB_{MVDR}=\bm{w}_{MVDR}^H\bm{a}_s BMVDR=wMVDRHas
10阵元标准线阵,假设基阵接收噪声是功率为0dB的高斯白噪声。一个信噪比SNR=30dB的单频信号从10°的方向入射。设计MVDR波束形成其加权矢量。
观察方向分别取10°和-10°,对于θ0=−10°\theta_0=-10°θ0=−10°,相当于β=0\beta=0β=0,10°方向平面波被是做干扰,对于10°方向波束,10°方向被是做期望信号,对应β=1\beta=1β=1。
对于θ0=−10°\theta_0=-10°θ0=−10°的波束图,在-10°方向的响应为1(0dB)。MVDR波束形成其在10°方向形成零点抑制干扰。对于θ0=10°\theta_0=10°θ0=10°的波束图,假想导向向量与真实基阵方向相应向量相等,且接收噪声是白噪声,Rn=IR_n=IRn=I,该MVDDR波束形成其退化为常规波束形成器。
N = 10; %阵元数
n = 0:9;
theta0 = 10; %信号入射角
p0 = exp(-1i*pi*n'*(-sin(theta0/180*pi)));
angle = -90:0.1:90; %波束扫描范围
p = exp(-1i*pi*n'*(-sin(angle/180*pi)));
Rx = 10^3*(p0*p0')+eye(N); %接收噪声是0dB高斯白噪声Rn=I
w0_MVDR = Rx^(-1)*p0/(p0'*Rx^(-1)*p0);
B = w0_MVDR'*p;
B_dB = 20*log10(abs(B));
plot(angle,B_dB,'--');
hold on;
theta1 = -10;%信号入射角
p1 = exp(-1i*pi*n'*(-sin(theta1/180*pi)));
w1_MVDR = Rx^(-1)*p1/(p1'*Rx^(-1)*p1);
B1 = w1_MVDR'*p;
B1_dB = 20*log10(abs(B1));
plot(angle,B1_dB);
title('波束图');
xlabel('\theta/(°)');
ylabel('20lg|B(\theta)|/dB');
axis([-90,90,-100,0]);
MVDR波束扫描估计方位谱MATLAB仿真
MVDR波束形成器输出功率
σMVDR2=wHRxw\sigma^2_{MVDR}=\bm{w}^H\bm{R}_x\bm{w} σMVDR2=wHRxw
MVDR波束扫描得到的方位谱峰值尖锐,分辨能力较好。
w_MVDR = zeros(N,length(angle));
for i=1:length(angle)w_MVDR(:,i) = Rx^(-1)*p(:,i)/(p(:,i)'*Rx^(-1)*p(:,i));
end
P = w_MVDR'*Rx*w_MVDR;
P_dB = 10*log10(abs(diag(P)))';
figure(2);
plot(angle,P_dB);
title('方位谱');
xlabel('\theta_0/(°)');
ylabel('10lg|P(\theta_0)|/dB');
grid on;
hold on;
plot(10,30,'r-o'); %SNR=30dB
legend('方位谱','真实信号');
分析扫描方位波束加权向量范数10log(∣∣w∣∣2)10\log{(||\bm{w}||^2)}10log(∣∣w∣∣2)
在波束观察方向距离信号方向较远时,加权向量范数很小,接近-10dB。
随着间隔的减小,加权向量范数逐渐增加,当波束方向等于信号方向,加权向量范数突然下降。
两信号源情况下MVDR
10阵元标准线阵,基阵接收噪声是功率为0dB的高斯白噪声,两个信噪比为15dB与30dB的单频信号分别从-10°和10°入射
常规
对于-10°的相对弱信号,由于“能量泄露”,被强信号湮没。
MVDR
正确显示两个信号方向和功率,信号分辨力高于常规波束形成。
接收相干信号盲多波束形成
按照上述相干信号模型,阵列接收信号相关矩阵
按照上述波束形成最优权算法,线性约束最小方差准则求权矢量
实际中Ru\bm{R}_uRu和bd\bm{b}_dbd不能直接获得。
根据独立信号和噪声对应的数据协方差矩阵为Toeplitz矩阵,而相干信号的协方差矩阵不是Toeplitz矩阵的特性,通过阵列接收信号的协方差矩阵R\bm{R}R构造出仅含相干信号的数据矩阵。
Toeplitz矩阵的定义:对于MMM维矩阵R\bm{R}R,若R=JRTJ\bm{R}=\bm{J}\bm{R}^T\bm{J}R=JRTJ,其中j\bm{j}j为MMM维反对角单位矩阵,则称R\bm{R}R为Toeplitz矩阵。相关矩阵中的RJ=ASAH\bm{R}_J=\bm{A}\bm{S}\bm{A}^HRJ=ASAH,S\bm{S}S为实对角矩阵,那么
所以,RJ\bm{R}_JRJ和RN\bm{R}_NRN是Toeplitz矩阵,而R\bm{R}R和RD\bm{R}_DRD不是Toeplitz矩阵。因此可以构造只含有相关信号的数据矩阵(不包含独立信号和噪声信息)
因此,RD1\bm{R}_{D1}RD1有一对符号相异,绝对值相等的特征值,其他特征值都为0。进行特征值分解
阵列接收数据的协方差矩阵R\bm{R}R特征值分解
其中,信号子空间
由于存在噪声,上式不为0,求解r\bm{r}r(约束防止0解)
r\bm{r}r解为上是最小特征值对应的特征向量η\bm{\eta}η
因此,相干信号合成导向矢量bd\bm{b}_dbd的估计值为
波束形成器的加权矢量
关于相干信号的阵列处理相关推荐
- 【数字信号处理】相关系数 ( 相关系数特点 | 完全相关 | 完全无关 | 部分相关 | 取值范围 | 相关信号产生 | 相干信号产生 )
文章目录 一.相关系数特点 1.相关系数取值范围 2.完全相关条件 3.完全无关条件 4.部分相关条件 二.相干 与 相关 1.相干含义 2.相干信号产生 一.相关系数特点 相关系数特点如下 : 1. ...
- 相干信号与非相干信号
相干信号: 两束满足相干条件的信号称为相干信号, 相干条件(Coherent Condition): 这两束信号在相遇区域:①振动方向相同: ②振动频率相同: ③相位相同或相位差保持恒定 相干积分: ...
- 基于空间平滑MUSIC算法的相干信号DOA估计(1)
空间平滑MUSIC算法(1) 1. 前言 在上一篇博客中有提到,当多个入射信号相干时,传统MUSIC算法的效果就会不理想.具体原因是多个入射信号相干时,有部分能量就会散发到噪声子空间,使得MUSIC算 ...
- 基于空间平滑MUSIC算法的相干信号DOA估计(2)
空间平滑MUSIC算法(2) 继续上一篇博客,继续讲后向空间平滑和前/后向空间平滑MUSIC算法. 基于空间平滑MUSIC算法的相干信号DOA估计(1) 2.3 后向空间平滑算法 后向空间平滑更准确的 ...
- 基于matlab的相干信号的doa 估计,基于空间平滑MUSIC算法的相干信号DOA估计(1)
基于空间平滑MUSIC算法的相干信号DOA估计(1) 基于空间平滑MUSIC算法的相干信号DOA估计(1) 空间平滑MUSIC算法(1) 在上一篇博客中有提到,当多个入射信号相干时,传统MUSIC算法 ...
- 【通信】基于非相干信号子空间测向算法实现宽带信号的测向附matlab代码
1 简介 基于非相干信号子空间测向算法实现宽带信号的测向 2 完整代码 %[1]宫兵, 徐以涛, 李佳. 改进的非相干信号子空间宽带测向算法[J]. 无线电工程, 2011, 41(3):3.clc ...
- 空间谱估计matlab实现,相干信号空间谱估计测向Matlab仿真研究
相干信号空间谱估计测向Matlab 仿真研究 1. 引言 由于多径传播.电磁干扰等因素的影响,相干信源存在的电磁环境是经常碰到的.当空间存在相干源时,经典的超分辨DOA 估计方法:MUSIC 算法和E ...
- 【通信】基于非相干信号子空间(ISM)的宽带源DOA估计方法
1 简介 智能天线技术作为未来移动通信系统的关键技术之一,是当前通信领域的研究重点.智能天线系统通过天线阵列扩展了空间域,充分利用了空间扩展所提供的资源,能有效提高系统容量.能提供更大带宽和降低多径效 ...
- 相位相干切换超低相噪多通道信号源解决方案
仿真和测试诸如相控阵或波束成形天线之类的多天线系统,需要测试系统能够提供多路具有确定性频率和幅度的信号,并且这些信号之间具有稳定的.用户可调的相位关系.AnaPico的APMS多通道信号发生器为这些应 ...
最新文章
- 唠唠面试常问的:面向对象六大原则
- 152.信道划分及其典型应用
- 开发和使用自定义服务器控件
- Qt在Windows下的三种编程环境搭建
- php校园开源,基于 Laravel 5.5 开发的开源校园管理系统 —— Unifiedtransform
- java 某个字符在字符串中出现的所有位置_Java面试常考核心概念
- 一大波程序员血赚到腰疼...
- 使用pkg打包编译nodejs程序,手动设置缓存内容
- jquery实现app开发闹钟功能_一款让你真正摆脱懒觉的“闹钟APP软件”
- 【微信服务号开发】01.接入指南
- 零基础学习嵌入式:嵌入式linux视频教程免费分享
- 0929【非常好】 库仑计计算电量 Fuel Gauge 锂离子电池及电池电量计介绍
- win10系统 开启蓝牙服务器,Win10打开蓝牙的方法步骤详解
- CCProxy网络共享代理服务端配置使用
- android摄氏度转为华氏温度
- 小程序使用 企业微信客户服务插件(联系我) contactPlugin
- 测试底妆的软件,底妆日记 | 我用半个月的时间,测试了我所遇过最贵的底妆
- 电子学会2023年3月青少年软件编程python等级考试试卷(三级)真题,含答案解析
- nhibernate mysql配置_(转)NHibernate各种数据库配置写法
- layui动态添加的表单元素显示异常