專利名稱：均勻線陣內(nèi)不相關(guān)和相干信號混合情況下信號個數(shù)檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信號處理技術(shù)領(lǐng)域，具體涉及ー種均勻線陣內(nèi)不相關(guān)和相干信號混合情況下信號個數(shù)檢測方法。
背景技術(shù)：
陣列信號處理是信號處理的ー個重要分支，與參數(shù)估計、系統(tǒng)辨識、自適應(yīng)濾波、統(tǒng)計信號處理以及矩陣?yán)碚摰扔忻芮械穆?lián)系，并在雷達(dá)、聲納、通信、地震數(shù)據(jù)處理和醫(yī)用成像等眾多領(lǐng)域得到廣泛的應(yīng)用。其兩個主要研究方向是信號個數(shù)估計和信號方向估計，其中信號個數(shù)估計又是方向估計的基礎(chǔ)，當(dāng)信號個數(shù)估計不準(zhǔn)確的時候，信號方向估計將會受到嚴(yán)重影響，因此研究一種高效，精確的信號個數(shù)估計算法具有重大的研究意義。
信號個數(shù)檢測算法中，最經(jīng)典的是基于信息論準(zhǔn)則的算法，包括基于AIC準(zhǔn)則和MDL準(zhǔn)則算法，這種算法的制定是通過對陣列協(xié)方差矩陣進(jìn)行特征值分解，利用噪音子空間所對應(yīng)的特征值的多樣性對信號個數(shù)進(jìn)行檢測。但是在實際中由于多徑傳輸效應(yīng)的存在，入射信號經(jīng)常是完全相關(guān)的，(例如，相干)，這時無噪聲的陣列協(xié)方差矩陣的秩將會比入射信號個數(shù)小，從而造成傳統(tǒng)的AIC/MDL方法嚴(yán)重退化。當(dāng)所有入射信號都相干，預(yù)處理技術(shù)例如空間平滑(SS)或者前后向空間平滑(FBSS)可以與AIC/MDL方法結(jié)合對相干信號進(jìn)行去相關(guān)。實際情況中當(dāng)多徑傳輸?shù)膸讉€信號相干時，入射信號是不相關(guān)信號和相干信號的組合。傳統(tǒng)的方法例如AIC/MDL結(jié)合FBSS預(yù)處理和MENSE(參見J. Xin，N. Zheng, andA. bano, “bimple and efncient nonparametric method for estimating the number oisignals without eigendecomposition,，，IEEE Trans, bignal Process. , vol. 55, no. 4, pp.1405-1420，2007.)只能估計出入射信號的總個數(shù)。盡管平滑秩輪廓(SRP)方法(參見T. -J.Shan, A. Paulraj, and T. Kailath, “On smoothed rank profile tests in eigenstructuremethods for direction-of-arrival estimation, ” IEEE Trans. Acoust. , Speech, bigna丄Process.，vol. 35，no. 10，pp. 1377-1385，1987.)可以估計不相關(guān)和相干信號個數(shù)，當(dāng)信噪比(SNR)很低或者快拍數(shù)很小時該方法的檢測效果會退化。本發(fā)明因此而來。

發(fā)明內(nèi)容
本發(fā)明目的在于提供一種均勻線陣內(nèi)不相關(guān)和相干信號混合情況下信號個數(shù)檢測方法，解決了現(xiàn)有技術(shù)中入射信號相干時檢測效果會退化、檢測結(jié)果存在較大誤差等問題。為了解決現(xiàn)有技術(shù)中的這些問題，本發(fā)明提供的技術(shù)方案是—種均勻線陣內(nèi)不相關(guān)和相干信號混合情況下信號個數(shù)檢測方法，其特征在于所述方法通過構(gòu)造差分矩陣并將差分矩陣分割成疊加子矩陣，構(gòu)造連接矩陣，通過求得連接矩陣的秩獲得入射信號中相干信號個數(shù)；通過基于奇異值分解的比率準(zhǔn)則獲得入射信號陣列協(xié)方差的秩，得到不相關(guān)信號個數(shù)估計。優(yōu)選的，所述方法包括以下步驟(I)通過線性陣列模型獲得入射信號樣本的協(xié)方差矩陣；(2)通過對樣本協(xié)方差矩陣進(jìn)行奇異值分解得到估計的奇異值；根據(jù)針對不相關(guān)信號定義的比例準(zhǔn)則獲得不相關(guān)信號個數(shù)；(3)根據(jù)構(gòu)造估計的差分矩陣，將差分矩陣分割為L個前向疊加子矩陣和L個后向疊加子矩陣；根據(jù)前向疊加矩陣和后向疊加矩陣生成ー個連接矩陣，并進(jìn)行奇異值分解；根據(jù)針對相干信號定義的比例準(zhǔn)則，獲得相干信號的個數(shù)。優(yōu)選的，所述方法步驟(I)中陣列模型為
權(quán)利要求
1.一種均勻線陣內(nèi)不相關(guān)和相干信號混合情況下信號個數(shù)檢測方法，其特征在于所述方法通過構(gòu)造差分矩陣并將差分矩陣分割成疊加子矩陣，構(gòu)造連接矩陣，通過求得連接矩陣的秩獲得入射信號中相干信號個數(shù)；通過基于奇異值分解的比率準(zhǔn)則獲得入射信號陣列協(xié)方差的秩，得到不相關(guān)信號個數(shù)估計。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于所述方法包括以下步驟 (1)通過線性陣列模型獲得入射信號樣本的協(xié)方差矩陣； (2)通過對樣本協(xié)方差矩陣進(jìn)行奇異值分解得到估計的奇異值；根據(jù)針對不相關(guān)信號定義的比例準(zhǔn)則獲得不相關(guān)信號個數(shù)； (3)根據(jù)構(gòu)造估計的差分矩陣，將差分矩陣分割為L個前向疊加子矩陣和L個后向疊加子矩陣；根據(jù)前向疊加矩陣和后向疊加矩陣生成一個連接矩陣，并進(jìn)行奇異值分解；根據(jù)針對相干信號定義的比例準(zhǔn)則，獲得相干信號的個數(shù)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于所述方法步驟(I)中陣列模型為
4.根據(jù)權(quán)利要求3所述的方法，其特征在于所述方法步驟(3)中相干信號個數(shù)按照如下步驟進(jìn)行估計1)根據(jù)式(II)與不相關(guān)信號對應(yīng)的足、與相干信號對應(yīng)的I和與加性噪聲對應(yīng)的σ 2Im,構(gòu)造差分矩陣瓦
5.根據(jù)權(quán)利要求3所述的方法，其特征在于所述方法步驟(3)中不相關(guān)信號個數(shù)按照如下步驟進(jìn)行估計 Al)對陣列協(xié)方差矩陣R進(jìn)行SVD分解，本發(fā)明得到最小的M-Ku-I個奇異值{>k}等于σ2，即
全文摘要
本發(fā)明公開了一種均勻線陣內(nèi)不相關(guān)和相干信號混合情況下信號個數(shù)檢測方法，其特征在于所述方法通過構(gòu)造差分矩陣并將差分矩陣分割成疊加子矩陣，構(gòu)造連接矩陣，通過求得連接矩陣的秩獲得入射信號中相干信號個數(shù)；通過基于奇異值分解的比率準(zhǔn)則獲得入射信號陣列協(xié)方差的秩，得到不相關(guān)信號個數(shù)估計。經(jīng)過大量仿真實驗證實，本方法在更少的快拍數(shù)和低信噪比下優(yōu)于經(jīng)過FBSS預(yù)處理的MDL/AIC方法、MENSE和SRP。
文檔編號G01D21/00GK102706385SQ201210142879
公開日2012年10月3日 申請日期2012年5月10日 優(yōu)先權(quán)日2012年5月10日
發(fā)明者劉暢農(nóng), 辛景民, 鄭南寧, 陶浩 申請人:西安交通大學(xué)蘇州研究院