Page 167 - 《应用声学》2025年第1期
P. 167

第 44 卷 第 1 期           王绪虎等: 平行线阵扩展协方差矩阵二维波达方向估计方法                                          163


                                                               据阵列接收数据构造扩展协方差矩阵,将扩展矩阵
             0 引言
                                                               的信号子空间重组并构造关系矩阵,对特征值进行
                 波达方向 (Direction of arrival, DOA) 估计     [1]   处理后可得到方位角估计值,同时对扩展后的阵列
             是阵列信号处理的研究热点之一,在雷达                      [2] 、声    流形矩阵进行筛选,从而利用 ESPRIT 方法得到俯
             呐  [3] 、传声器阵  [4] 、无线通信   [5]  等领域有广阔的应           仰角的估计值。与传统方法相比,该方法扩展了阵
             用前景。近年来,二维DOA估计引起了越来越多的                           列孔径,提高了二维 DOA 估计精度,并节约了计
             关注。二维 DOA 估计的阵列模型包括 L 阵                [1,6] 、双   算成本。因此,该方法在实际应用中具有重要的意
             平行线阵    [7] 、圆阵和平面阵等,元素排列包括均匀                     义,并有望在雷达、声呐和通信等领域中得到广泛
             线阵和非均匀线阵。传统二维 DOA 估计方法包括                          的应用。
             二维多重信号分类 (Multiple signal classification,
             MUSIC) 方法   [8] 、二维旋转不变技术的信号参数估                   1 阵列接收信号模型
             计 (Estimation of signal parameters via rotational
                                                                   本文采用双平行线性阵列模型,此模型由子阵
             invariance techniques, ESPRIT) 方法  [9] 、最大似
                                                               1和子阵2组成。每个子阵阵元个数为M,阵元间距
             然法  [10] 、传播算子 (Propagation method, PM) 方
                                                               和两个子阵之间的距离均为 d,其中,d = λ/2,λ 表
             法  [11]  等。本文主要研究双平行均匀线性阵列模型,
                                                               示波长。此时有K(K < M)个远场窄带信号入射到
             其结构简单且易于实现,可以提供更多的信息,使得
                                                               Y -Z 平面的平行线阵上,阵列模型如图 1 所示。φ k 、
             信号源的方向估计更加准确,因此得到了广泛应用。
                                                               θ k 分别为第 k 个入射信号的方位角和俯仰角,其中,
                 利用双平行线阵的几何结构来计算信号源的
                                                               k = 1, 2, · · · , K。
             DOA,其优势主要有:(1) 具有平移不变性;(2) 具有
             较好的阵列分辨率,可以增加信号采样的密度,从                                            Z       ηՂູ
             而获得更多信息;(3) 易于构造协方差矩阵                  [12] 。传
             统二维 MUSIC 方法需要二维谱峰搜索来实现二维                                          d
                                                                                      
             DOA 估计,从而得到方位角和俯仰角的估计值,此                                     ߕ᫼            ĀĀ     M
                                                                                 θ             M
             方法具有高分辨率特征,但是二维谱峰搜索使得计                                       ߕ᫼            ĀĀ
                                                                              ϕ     d                Y
             算复杂度更高       [8,13] 。文献 [14] 提出一种用于双平行
             线阵的二维 DOA 估计方法 (DOA-Matrix方法),利
             用部分协方差矩阵的性质构造 DOA 矩阵,对 DOA                                X
             矩阵进行特征值分解 (Eigenvalue decomposition,                          图 1  双平行线性阵列模型
             EVD)可以实现二维 DOA估计,此方法避免了谱峰                                Fig. 1 Dual parallel linear arrays model
             搜索,但是忽略了部分自相关矩阵和互协方差矩阵
                                                                   子阵 1 和子阵 2 的阵列接收数据分别为 Y (t)
             的信息,从一定程度上降低了估计精度。文献 [15]                         和Z(t):
             提出一种基于 Euler 变换传播算子方法 (Euler-PM
                                                                           Y (t) = A y s(t) + N y (t),    (1)
             方法) 的二维 DOA 估计方法,该方法利用非圆信号
             的特性,扩展了接收数据矩阵,采用 Euler 变换把                                    Z(t) = A z s(t) + N z (t),     (2)
             非圆 PM 方法中的复数运算转换为实数运算,降低                          其中,A y = [a(θ 1 , φ 1 ), · · · , a(θ K , φ K )] ∈ C M×K  为
             了计算复杂度,但是其估计精度提升效果不明显。
                                                               子阵1的阵列流形矩阵,
             文献 [16]在传统 DOA-Matrix方法        [14]  的基础上,构
                                                                              [
                                                                   a(θ k , φ k ) = 1, e −j2πd cos(θ k ) sin(φ k )/λ , · · · ,
             造了含所有自相关和互相关信息的扩展 DOA 矩阵
                                                                                                      ]
             (EDOA-Matrix 方法),通过扩展的 DOA 矩阵得到                                   e −j2π(M−1)d cos(θ k ) sin(φ k )/λ T
             特征值和特征向量,可以得到更精确的 DOA 估计,                                      ∈ C M×1 ,
             但是此方法增加了计算的复杂度。
                                                                 T
                                                               [·] 表示矩阵的转置,A z = A y Ω,
                 针对上述问题,本文提出一种基于双平行线阵
                                                                         {                                }
             的扩展协方差矩阵二维 DOA 估计方法,该方法根                           Ω = diag e  −j2πd sin(θ 1 )/λ , · · · , e −j2πd sin(θ K )/λ
   162   163   164   165   166   167   168   169   170   171   172