超分辨测向中宽带信号个数的检测方法技术

超分辨测向中宽带信号个数的检测方法，涉及一种宽带信号个数的检测方法，本发明专利技术为解决现有宽带信号个数检测方法需要在每个频点上进行多次采样，否则无法正确完成测向的问题。本发明专利技术所述宽带信号个数的检测方法的具体过程为：对阵列接收信号进行离散傅里叶变换，利用窄带滤波器分离出各组窄带信号，对每个子带信号进行特征分解，利用特征值对相应的特征向量进行加权；采用Bootstrap方法对各组窄带信号进行重采样，获取信号重采样矩阵；将各个子带上的信号重采样矩阵取平均值，获得最终信号重采样矩阵；用聚类的方法判断出宽带信号的个数。本发明专利技术用于超分辨测向中。

【技术实现步骤摘要】
超分辨测向中宽带信号个数的检测方法
本专利技术涉及一种宽带信号个数的检测方法。
技术介绍
宽带信号的个数估计问题是超分辨测向中的一个重要的研究内容，随着宽带信号的广泛应用，这项技术也得到了较快的发展。一般来讲，采用超分辨测向方法之前首先要得知信号的数目，自从最小描述长度准则和赤池信息量准则被提出以来，就得到了较多的应用并取得了较好的效果，但它们却不能直接应用于宽带信号。对于宽带信号个数的判断，其中一种是WANG.H等提出的宽带聚焦方法，它首先对各个频带上的接收信号进行聚焦处理，之后根据最小描述长度准则等方法判断信号数目，因为聚焦过程常常存在一定的误差，而且运算量较大，因此这种方法存在一定的局限性。Goldstein在1998年提出了降维滤波方法，它的滤波器收敛很快，只是运算过程需要很多的快拍数。2000年，Bootstrap方法开始陆续得到了广大学者的关注，利用Bootstrap方法可以实现信号重采样和多重假设检验，从而可以在采样快拍数较少时获得较精确的参数估计。Brcich采用Bonferroni准则对Bootstrap方法的检验阈值进行了调整，使得窄带信号个数检测性能获得了提高。对于宽带信号，国内的一些学者利用一个频点下的信息来进行信号重采样完成了信号个数判断，相对于最小描述长度准则和赤池信息量准则，Bootstrap方法在小快拍数下提高了检测性能，但是他们没有充分利用宽带信号所有频点下的信息，所以在小快拍数下检测性能仍然较低。
技术实现思路
本专利技术目的是为了解决现有宽带信号个数检测方法需要在每个频点上进行多次采样，否则无法正确完成测向的问题，提供了一种超分辨测向中宽带信号个数的检测方法。本专利技术所述超分辨测向中宽带信号个数的检测方法，该方法的具体过程为：步骤1、对阵列接收信号进行离散傅里叶变换，利用窄带滤波器分离出各组窄带信号，对每个子带信号进行特征分解，利用特征值对相应的特征向量进行加权；步骤2、采用Bootstrap方法对各组窄带信号进行重采样，获取信号重采样矩阵；步骤3、将各个子带上的信号重采样矩阵取平均值，获得最终信号重采样矩阵；步骤4、用聚类的方法判断出宽带信号的个数。本专利技术的优点：本专利技术是利用Bootstrap方法实现的宽带信号个数检测方法，首先对宽带信号进行离散傅立叶变换，然后对各个频点下的接收信号进行特征分解，再利用各频点下的信号协方差矩阵特征值与相应的特征向量进行加权处理，再利用Bootstrap方法进行信号重采样构造出各个频点下的统计向量，之后将各频点下的统计向量取平均得到最终的统计向量，最后对统计向量中的元素进行聚类估计出最终的信号数目。该方法不需要宽带聚焦，并且在非高斯噪声背景下也有较高的估计成功概率，尤其是在小快拍数下有着较好的估计性能，最后利用多片数字信号处理器组成了宽带信号个数检测装置对该方法进行了实现。本专利技术所述超分辨测向中宽带信号个数的检测方法，利用Bootstrap方法在小快拍数下具有的估计精度高、分辨力强的特点，并结合了数字信号处理器具有的计算速度快、并行处理和精度高等优点，能够在较短的时间内实现宽带信号个数快速、准确的估计。本专利技术能够应用在实时性强、精度要求高的背景下，为许多工程领域提供了很好的技术手段，能够广泛的应用于雷达、声呐、弹载系统以及其它无线电探测系统中，具有很好应用前景和价值。附图说明图1是本专利技术具体实施方式二中的阵列信号模型；图2是本专利技术所述超分辨测向中宽带信号个数的检测方法的原理框图；图3是多数字信号处理器ADSP-TS201S采用共享总线方式实现的宽带信号个数检测的原理框图；图4是多数字信号处理器ADSP-TS201S采用链路口级联方式实现的宽带信号个数检测的原理框图；图5是多数字信号处理器TMS320C5X采用时分复用串行口实现的宽带信号个数检测的原理框图。具体实施方式具体实施方式一：本实施方式所述超分辨测向中宽带信号个数的检测方法，该方法的具体过程为：步骤1、对阵列接收信号进行离散傅里叶变换，利用窄带滤波器分离出各组窄带信号，对每个子带信号进行特征分解，利用特征值对相应的特征向量进行加权；步骤2、采用Bootstrap方法对各组窄带信号进行重采样，获取信号重采样矩阵；步骤3、将各个子带上的信号重采样矩阵取平均值，获得最终信号重采样矩阵；步骤4、用聚类的方法判断出宽带信号的个数。具体实施方式二：下面结合图1说明本实施方式，本实施方式对实施方式一作进一步说明，步骤1的具体过程为：设有K个远场宽带信号sk(t)(k＝1,2,…,K)入射到M个全向阵元组成的均匀线阵上，入射角度分别为θ1,θ2,…,θK，阵元间距为d，将第1个阵元作为相位参考点，则阵列的输出表示为：其中：xm(t)为第m(m＝1,2,…,M)个阵元输出的信号向量，c为电磁波的传播速度，nm(t)为第m(m＝1,2,…,M)个阵元接收到的高斯白噪声；设宽带信号的频率范围为[fL,fH]，利用离散傅里叶变换将其分成G个互不重叠的部分，经过窄带滤波器组，则第g组滤波器阵列输出信号表示为：X(fg)＝A(θ,fg)S(fg)+N(fg)g＝1,2,…,G(2)；其中：fL≤fg≤fH(g＝1,2,…,G)，A(θ,fg)为M×K维的信号导向矢量；A(θ,fg)＝[a(θ1,fg),…,a(θk,fg),…,a(θK,fg)](3)；设噪声谱N(fg)是均值为0、方差为σ2的高斯白噪声，设每个频点下的采样快拍数为KP，则频率fg下的接收信号协方差矩阵为：其中：XH(fg)表示X(fg)的共轭转置矩阵；对进行特征分解，获得：得到M个特征值λ1(fg)>…>λK(fg)>λK+1(fg)＝…＝λM(fg)＝σ2，对应的特征向量为[e1(fg),…,eK(fg),eK+1(fg),…,eM(fg)]，特征向量中由[e1(fg),…,eK(fg)]张成了信号子空间，与信号子空间正交的部分[eK+1(fg),…,eM(fg)]张成了噪声子空间；频点fg处的导向矢量a(θ,fg)可以表示为：其中：αk(fg)表示加权系数；由于信号子空间与噪声子空间正交，因此有：aH(θ,fg)ek(fg)＝0,k＝K+1,…,M(8)；设特征向量的加权表达式为μm(fg)＝|aH(θ,fg)em(fg)|,m＝1,2,…,M(9)；根据式(7)和式(8)，式(9)能够表示为：根据加权拟合的方法用一个加权值对μm(fg)加权，获得：定义ξm(fg)为加权内积，ξ(fg)＝[ξ1(fg),…,ξm(fg),…,ξM-1(fg)]为加权内积向量，选择最优加权值为：本实施方式中，本实施方式与传统的信息论则相比，传统的信息论准则只利用了采样协方差矩阵的特征值进行判断，但是当采样值较少时，会存在较大的误差。具体实施方式三：本实施方式对实施方式二作进一步说明，步骤和步骤3的具体过程为：频点fg下的阵列输出表示为：其中：x(kp,fg)＝[x1(kp,fg),…,xm(kp,fg),…,xM(kp,fg)]T，xm(kp,fg)为频点fg下第m个阵元上接收到的第kp次信号采样值；从X(fg)中随机选取一列构成向量重复选取KP次获得重采样矩阵X*(fg)＝[x*(1,fg),…,x*(kp,fg),…,x*(本文档来自技高网...

【技术保护点】
超分辨测向中宽带信号个数的检测方法，其特征在于，该方法的具体过程为：步骤1、对阵列接收信号进行离散傅里叶变换，利用窄带滤波器分离出各组窄带信号，对每个子带信号进行特征分解，利用特征值对相应的特征向量进行加权；步骤2、采用Bootstrap方法对各组窄带信号进行重采样，获取信号重采样矩阵；步骤3、将各个子带上的信号重采样矩阵取平均值，获得最终信号重采样矩阵；步骤4、用聚类的方法判断出宽带信号的个数。

【技术特征摘要】
1.超分辨测向中宽带信号个数的检测方法，其特征在于，该方法的具体过程为：步骤1、对阵列接收信号进行离散傅里叶变换，利用窄带滤波器分离出各组窄带信号，对各组窄带信号进行特征分解，利用特征值对相应的特征向量进行加权；步骤2、采用Bootstrap方法对各组窄带信号进行重采样，获取信号重采样矩阵；步骤3、将各组窄带上的信号重采样矩阵取平均值，获得最终信号重采样矩阵；步骤4、用聚类的方法判断出宽带信号的个数。2.根据权利要求1所述的超分辨测向中宽带信号个数的检测方法，其特征在于，步骤1的具体过程为：设有K个远场宽带信号sk(t)(k＝1,2,…,K)入射到M个全向阵元组成的均匀线阵上，入射角度分别为θ1,θ2,…,θK，阵元间距为d，将第1个阵元作为相位参考点，则阵列的输出表示为：其中：xm(t)为第m(m＝1,2,…,M)个阵元输出的信号向量，c为电磁波的传播速度，nm(t)为第m(m＝1,2,…,M)个阵元接收到的高斯白噪声；设宽带信号的频率范围为[fL,fH]，利用离散傅里叶变换将其分成G个互不重叠的部分，经过窄带滤波器组，则第g组滤波器阵列输出信号表示为：X(fg)＝A(θ,fg)S(fg)+N(fg)g＝1,2,…,G(2)；其中：fL≤fg≤fH(g＝1,2,…,G)，A(θ,fg)为M×K维的信号导向矢量；A(θ,fg)＝[a(θ1,fg),…,a(θk,fg),…,a(θK,fg)](3)；设噪声谱N(fg)是均值为0、方差为σ2的高斯白噪声，设每个频点下的采样快拍数为KP，则频率fg下的接收信号协方差矩阵为：其中：XH(fg)表示X(fg)的共轭转置矩阵；对进行特征分解，获得：得到M个特征值λ1(fg)>…>λK(fg)>λK+1(fg)＝…＝λM(fg)＝σ2，对应的特征向量为[e1(fg),…,eK(fg),eK+1(fg),…,eM(fg)]，特征向量中由[e1(fg),…,eK(fg)]构成了信号子空间，与信号子空间正交的部分[eK+1(fg),…,eM(fg)]构成了噪声子空间；频点fg处的导向矢量a(θ,fg)可以表示为：其中：αk(fg)表示加权系数；由于信号子空间与噪声子空间正交，因此有：aH(θ,fg)ek(fg)＝0,k＝K+1,…,...

【专利技术属性】
技术研发人员：甄佳奇，
申请(专利权)人：黑龙江大学，
类型：发明
国别省市：黑龙江;23