基于变换矩阵的特征值差分信源数估计方法技术

本发明专利技术公开了基于变换矩阵的特征值差分信源数估计方法，包括以下几个步骤：利用阵列接收空间中的窄带远场平面波信号，获得接收数据；根据接收到的数据计算协方差矩阵；构造L组阵列协方差矩阵的变换矩阵C；求每组变换矩阵的特征值，并将特征值的绝对值从大到小降序排列，间隔选取降序排列后的M/2个或(M-1)/2个特征值的绝对值；令向量ln＝[λ1n′,λ2n′,…,λ5n′]，得到向量ln的方差σln；设定检测门限γ，选出大于检测门限γ值的方差σln的个数，即为信源数。本发明专利技术具有在非均匀噪声环境下估计性能优良并且易于实现的优点。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括以下几个步骤：利用阵列接收空间中的窄带远场平面波信号，获得接收数据；根据接收到的数据计算协方差矩阵；构造L组阵列协方差矩阵的变换矩阵C；求每组变换矩阵的特征值，并将特征值的绝对值从大到小降序排列，间隔选取降序排列后的M/2个或(M-1)/2个特征值的绝对值；令向量ln＝，得到向量ln的方差σln；设定检测门限γ，选出大于检测门限γ值的方差σln的个数，即为信源数。本专利技术具有在非均匀噪声环境下估计性能优良并且易于实现的优点。【专利说明】
本专利技术属于阵列信号处理
，尤其设及一种针对窄带远场信号的基于变换 矩阵的特征值差分信源数估计方法。
技术介绍
波达方向估计作为阵列信号处理的一个重要研究方向，近年来已得到了极大的 应用与发展。基于空间谱估计的超分辨测向算法，因其具有优良的性能而得到了广大 专家学者们的广泛关注，其中比较有代表性的算法有多重信号分类（multiple signal classification,MUSIC)算法和旋转不变子空间（estimation of signal parameters via rotational techniques,ESPRIT)算法。空间谱估计的大多数算法都需要知道准确的信号 源数目，当信号源数目的估计值与真实的信号源数目不一致时，空间谱估计结果将会产生 较大误差甚至失效。因此，信号源数目的准确估计是各种超分辨算法发挥优良性能的必要 前提。 常用的信源数估计方法主要有信息论方法和盖氏圆方法等。基于信息论准则的信 源数估计方法利用阵列协方差矩阵的特征值，根据信号特征值和噪声特征值的差别来进 行信源数估计。信息论准则算法的计算复杂度小，但仅能适用于白噪声背景，无法直接应用 于非均匀噪声背景下。盖氏圆算法虽然能应用于色噪声背景，但是在信噪比较低的条件下 性能较差。 在实际环境中，由于阵元之间的空间相关性、阵元互禪或者各通道增益的不一致 性W及通道内部噪声的不一致性等条件的制约，导致各个阵元接收到的噪声功率不等，常 表现为非均匀噪声。非均匀噪声的存在使得一些只能应用于白噪声条件下的信源数估计方 法无法得到准确的估计结果，算法性能受到严重影响。
技术实现思路
本专利技术的目的是提供一种非均匀噪声环境下估计性能优良并且易于实现的，基于 变换矩阵的特征值差分信源数估计方法。 本专利技术是通过W下技术方案实现的： ，包括W下几个步骤： [000引步骤一：利用阵列接收空间中的窄带远场平面波信号，获得接收数据x(t); 步骤二：根据阵列接收到的数据计算协方差矩阵 【权利要求】1. ，其特征在于，包括以下几个步骤： 步骤一：利用阵列接收空间中的窄带远场平面波信号，获得接收数据X(t);步骤三：构造L组阵列协方差矩阵的变换矩阵C; 步骤四：求每组变换矩阵的特征值Xn,Xi2,…，XMi= 1，2,…，L，并将特征值的绝 对值从大到小降序排列，间隔选取降序排列后的M/2个或（M-I) /2个特征值的绝对值，得到 当M为偶数时的特征值的绝对值Ail'，Ai2'，…，AiM/2'，当M为奇数的特征值的绝对值 入il，入i2 ，…，入i (M-1)/2 '，M为阵元数目，i = 1，2,…，L; 步骤五：令向量111=，当^//[/2，当M为奇数时n= 1，2,…，（M-I)/2,得到向量In的方差〇 ln; 步骤六：设定检测门限y，选出大于检测门限y值的方差〇ln的个数，即为信源数。2. 根据权利要求1所述的，其特征在于： 所述的变换矩阵C为其中，接收数据x(t) =A(0)s(t)+n(t)，A(0)为M维的阵列流型矩阵，s(t)为信号 矢量，n(t)为噪声矢量，< 为噪声n(t)的方差，Rs=E为信号协方差矩阵，Rn =E为噪声协方差矩阵，矩阵B为： 当M为偶数时： B=diag( 3，n" 8，n2, --?，8，nJ172) rI1= rI2='"'= (M-l)/2= rI ^ S ^〇 当M为奇数时： B=diag( 8 ,H1, 8 ,n2, - , 8 ,q(M_1)/2, 8 ) rI1= 1I2='"'= (M-l)/2= 1I ^ S ^〇 选取L组S值和n值，得到L组变换矩阵Cii= 1，2,…L。3. 根据权利要求1所述的，其特征在于： 所述的间隔选取的方法为：对正负成对的非零特征值取绝对值后得到两个大小相等的绝对 值，两个大小相等的绝对值中选择一个。【文档编号】G01S3/00GK104502885SQ201510001257【公开日】2015年4月8日 申请日期:2015年1月4日 优先权日:2015年1月4日 【专利技术者】司伟建, 程晨, 曲志昱 申请人:哈尔滨工程大学本文档来自技高网...

【技术保护点】
基于变换矩阵的特征值差分信源数估计方法，其特征在于，包括以下几个步骤：步骤一：利用阵列接收空间中的窄带远场平面波信号，获得接收数据x(t)；步骤二：根据阵列接收到的数据计算协方差矩阵步骤三：构造L组阵列协方差矩阵的变换矩阵C；步骤四：求每组变换矩阵的特征值λi1,λi2,…,λiM i＝1,2,…,L，并将特征值的绝对值从大到小降序排列，间隔选取降序排列后的M/2个或(M‑1)/2个特征值的绝对值，得到当M为偶数时的特征值的绝对值λi1′,λi2′,…,λiM/2′，当M为奇数的特征值的绝对值λi1′,λi2′,…,λi(M‑1)/2′，M为阵元数目，i＝1,2,…,L；步骤五：令向量ln＝[λ1n′,λ2n′,…,λ5n′]，当M为偶数时，n＝1,2,…,M/2，当M为奇数时n＝1,2,…,(M‑1)/2，得到向量ln的方差σln；步骤六：设定检测门限γ，选出大于检测门限γ值的方差σln的个数，即为信源数。

【技术特征摘要】

【专利技术属性】
技术研发人员：司伟建，程晨，曲志昱，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23