一種對稱α穩(wěn)定分布噪聲環(huán)境下DOA估計新算法*

**

(信息工程大學(xué) 信息系統(tǒng)工程學(xué)院，鄭州 450002)

?

一種對稱α穩(wěn)定分布噪聲環(huán)境下DOA估計新算法*

馬金全**，葛臨東，童 莉

(信息工程大學(xué) 信息系統(tǒng)工程學(xué)院，鄭州 450002)

脈沖噪聲環(huán)境下波達(dá)方向(DOA)估計是陣列信號處理領(lǐng)域一個新興研究方向。針對α穩(wěn)定分布噪聲環(huán)境下經(jīng)典MUSIC算法性能退化的問題，提出了一種新的基于非線性壓縮核函數(shù)(NCCF)的DOA估計算法。該算法利用基于NCCF的有界矩陣代替了MUSIC的協(xié)方差矩陣，通過對有界矩陣進(jìn)行特征分解確定信號子空間和噪聲子空間，借用MUSIC譜估計公式進(jìn)行譜峰搜索，得到DOA的估計值。仿真結(jié)果表明，NCCF-MUSIC算法運(yùn)算復(fù)雜度較低，相比于基于分?jǐn)?shù)低階統(tǒng)計量(FLOS)的MUSIC方法和基于廣義類相關(guān)熵(GCAS)的MUSIC算法，該方法具有更好的準(zhǔn)確度和穩(wěn)定性。

波達(dá)方向估計; α穩(wěn)定分布; 非線性壓縮核函數(shù); MUSIC 算法; 非高斯信號處理

1 引 言

波達(dá)方向(Direction Of Arrival,DOA)估計是陣列信號處理的重要研究內(nèi)容之一，在雷達(dá)、聲納、通信等領(lǐng)域具有重要的應(yīng)用價值。多重信號分類(MUSIC)算法在特定條件下具有較好的分辨力、估計精度和穩(wěn)定性，現(xiàn)已成為一種DOA估計的經(jīng)典方法[1]。近年來，隨著α穩(wěn)定分布理論的研究進(jìn)展，許多結(jié)果表明用α穩(wěn)定分布來描述大氣噪聲和人為脈沖干擾優(yōu)于采用高斯分布的模型[2]。為了提高脈沖噪聲環(huán)境下MUSIC算法的估計性能，多種新算法被提出，例如FLOM-MUSIC[3]、TF-FLOM-MUSIC[4]、GCAS-MUSIC[5]等。然而，上述算法要么依賴于對穩(wěn)定分布噪聲特性參數(shù)的先驗知識，要么算法實現(xiàn)復(fù)雜度較高，從而影響了算法的實際應(yīng)用。

在對稱α穩(wěn)定分布噪聲條件下，本文提出了一種新的基于壓縮核函數(shù)的MUSIC算法(簡稱為NCCF-MUSIC)，該算法不依賴于對噪聲先驗知識的了解，并且算法復(fù)雜度低，具有良好的估計穩(wěn)定性。

2 信號處理模型

2.1均勻圓陣MUSIC算法

均勻圓陣陣列結(jié)構(gòu)圖如圖1所示，圓陣半徑為r，陣元個數(shù)為M。假設(shè)信號個數(shù)為D，sk(t)為波長λ的遠(yuǎn)場信號源(k=1,2,…,D)，入射方向分別為(θk,βk)，其中θk為信號方位角(0≤θk≤2π)，βk為信號俯仰角(0≤βk≤π/2)；假定信號互不相關(guān)，各陣元噪聲ni(t)為相互獨(dú)立(i=1,2,…,M)的高斯噪聲，并與信號不相關(guān)，則陣列輸出為

x(t)=As(t)+n(t)

(1)

其中：

x(t)=[x1(t)x2(t) …xM(t)]T
s(t)=[s1(t)s2(t) …sD(t)]T
n(t)=[n1(t)n2(t) …nM(t)]T
A=[a(θ1,β1)a(θ2,β2) …a(θD,βD)]

且a(θi,βi) (i=1,2,…,D)定義為

(2)

其中，μi=sinβi(2πr/λ),γn=2π(n-1)/M,(n=1,2,…,M)。此時接收信號的協(xié)方差矩陣為

R=E[xxT]=ASAT+σ2I

(3)

式中，σ2為噪聲方差，S=E[ssT]，I為單位矩陣。

圖1 均勻圓陣陣列結(jié)構(gòu)圖Fig.1 Structure of uniform circular array

對R作特征分解，可得特征值λ1≥λ2≥…≥λD≥λD+1=…=λM。其中，小特征值是由噪聲貢獻(xiàn)的，由其對應(yīng)的特征向量張成了噪聲子空間EN；由前D個大特征值對應(yīng)的特征向量張成了信號子空間ES。

由于信號子空間ES與噪聲子空間EN正交，可得標(biāo)準(zhǔn)MUSIC算法譜函數(shù)公式為

(4)

P(θ,β)的峰值對應(yīng)的方向即為信號源方向。

2.2穩(wěn)定分布與幾何信噪比(GeometricSNR)

穩(wěn)定分布一般由其特征函數(shù)E[eiθX]給出[6]：

E[eiθX]=exp{iμθ-γ|θ|α[1-iβsgn(θ)ω(t,α)]}

(5)

式中，α為特性參數(shù)(0<α≤2)，決定分布的拖尾程度，α=1時ω(t,α)=(2ln|θ|)/π，α≠1時ω(t,α)=tan(απ/2)；μ為位置參數(shù)(-<μ<)，表示分布的中值或均值；γ為尺度參數(shù)(γ>0)，描述分布的分散程度；β為對稱參數(shù)(-1≤β≤1)，確定分布的斜度，當(dāng)β=0時稱為對稱α穩(wěn)定分布(簡記為SαS)。

對于任意服從α穩(wěn)定分布的隨機(jī)變量X，當(dāng)0<α<2時，滿足

E[|X|p]<, 0≤p<α

(6)

E[|X|p]=,α≤p

(7)

當(dāng)α=2時，SαS分布為高斯分布，此時有

E[|X|p]<, 0≤p

(8)

由于α穩(wěn)定分布噪聲不存在有限的二階矩，因此通常采用幾何信噪比(GSNR)設(shè)定信號與噪聲的功率比[7]：

(9)

2.3穩(wěn)定分布噪聲環(huán)境下的DOA估計

對于服從α穩(wěn)定分布的隨機(jī)變量(0<α<2)，一般不具有有限方差，因而不能用基于方差或二階統(tǒng)計量有限的假設(shè)進(jìn)行信號處理，故而基于二階統(tǒng)計量的MUSIC算法不再適用，通常利用分?jǐn)?shù)低階矩(FLOM)進(jìn)行分析處理。

定義：對于聯(lián)合SαS分布的隨機(jī)變量X和Y，其特征指數(shù)(0<α≤2)，則定義X和Y的分?jǐn)?shù)低階協(xié)方差(FLOC)為[8]

(10)

式中運(yùn)算<·>的含義為

=|z|p-1z*

(11)

文獻(xiàn)[3]提出的FLOM-MUSIC算法用FLOM矩陣代替MUSIC算法的協(xié)方差矩陣進(jìn)行DOA估計，取得了較好的效果。在此基礎(chǔ)上，其他學(xué)者又提出了PFLOM- MUSIC[9]、數(shù)據(jù)加權(quán)分?jǐn)?shù)低階DOA[10]等算法，有效改善了經(jīng)典MUSIC算法的性能。但由于這些算法必須先估計出特性參數(shù)α，故而影響了其應(yīng)用。

文獻(xiàn)[4]提出了一種空間時頻多重信號分類TF- FLOM-MUSIC算法，該算法在Wigner-Ville分布(WVD)的基礎(chǔ)上，定義了x(t)的分?jǐn)?shù)低階矩空間時頻分布矩陣(FLOM-STFDM)Z(t,f)={Zij(t,f)}(i,j=1,2,…,M)，其中,

(12)

式中,xi(t)和xj(t)表示第i個和第j個接收信號，N為數(shù)據(jù)矩形窗的長度，0

為了克服特性參數(shù)估計帶來的不利影響，文獻(xiàn)[5]提出了一種基于廣義類相關(guān)熵的MUSIC算法，該算法定義了SαS分布隨機(jī)變量X和Y的廣義類相關(guān)熵(GCAS)

(13)

式中,σ為核長，a、b為正常數(shù)。

GCAS-MUSIC算法用基于GCAS的矩陣代替協(xié)方差矩陣進(jìn)行DOA估計，在較低信噪比條件下得到高精度的DOA估計，但是該算法仍然存在計算復(fù)雜度較高的問題。

3 基于非線性壓縮核函數(shù)的DOA估計

3.1非線性壓縮核函數(shù)及其性質(zhì)

隨機(jī)變量X和Y同服從參數(shù)為α的SαS分布(1<α≤2)且μ=0，定義其非線性壓縮核(Nonlinear Compress Core，NCC)函數(shù)

(14)

式中，Y*為Y的共軛，實常數(shù)σ≥1為尺度因子。

命題1：基于NCCF的二階統(tǒng)計量是有界的，且

(15)

=|X|p-1X*。

證明：假設(shè)隨機(jī)變量X和Y的聯(lián)合概率密度函數(shù)為p(x,y)，則

(16)

(17)

由于聯(lián)合概率密度函數(shù)p(x,y)≥0，若在定義域-

(18)不難發(fā)現(xiàn)，函數(shù)w(x,y)和v(x,y)具有如下對稱特性：

w(-x,y)=w(x,-y)=-w(x,y)
v(-x,y)=v(x,-y)=-v(x,y)

(19)

w(x,y)=w(-x,-y),v(x,y)=v(-x,-y)

(20)

又由于

(21)

根據(jù)函數(shù)w(x,y)和v(x,y)的對稱特性，若要式(18)成立，僅需證明0≤x,y<時下式成立：

(22)

顯然，x=y=0時等號成立；0

(23)

又由于

(24)

故而命題得證。

3.2基于NCCF的DOA估計：NCCF-MUSIC算法

根據(jù)式(14)的定義，對于均勻圓陣輸出信號x(t)，本文構(gòu)建了類似于協(xié)方差矩陣的基于NCCF的有界矩陣CM×M，其第i行第j列元素Cij可表示為

(25)

式中xi(t)和xj(t)分別表示接收信號矢量的第i個和第j個信號,則其估計值為

(26)

其中，xi(k)和xj(k)分別為xi(t)和xj(t)的采樣數(shù)據(jù)，L為快拍數(shù)。

根據(jù)命題1的證明可知，CM×M是有界的。因此，類似于MUSIC算法中的協(xié)方差矩陣，基于NCCF的矩陣CM×M同樣可進(jìn)行特征值分解(EVD)，形成信號子空間和噪聲子空間，從而可以應(yīng)用于DOA估計。NCCF-MUSIC波達(dá)方向估計算法流程如下：

式中,0≤θ≤2π，0≤β≤π/2;

4 仿真實驗與結(jié)果對比

設(shè)定接收陣列為陣元個數(shù)M=8的均勻圓陣，陣元半徑為r=λ/2(λ=c/fc)。利用MATLAB，設(shè)定幾何信噪比GSNR=20 dB，快拍數(shù)L=2 048，尺度因子σ2=64，SαS噪聲的特性參數(shù)α=1.5；產(chǎn)生4路發(fā)送信號si(t)=cos(ωct+sinωit)，其中載波頻率為fc=7 MHz，f1=100 kHz，f2=200 kHz，f3=300 kHz和f4=500 kHz。將4路信號分別從不同的方向(θ1,β1)=(50°,15°)，(θ2,β2)=(130°,40°)，(θ3,β3)=(200°,55°)和(θ4,β4)=(315°,70°)進(jìn)入陣列，圖2給出了NCCF-MUSIC算法的仿真結(jié)果。

圖2 基于NCCF-MUSIC算法的譜估計Fig.2 Spectrum estimation based on NCCF-MUSIC method

4.1不同噪聲特性對算法的影響

定義DOA估計的準(zhǔn)確匹配率為

(27)

在發(fā)射信號和陣列結(jié)構(gòu)不變的情況下，設(shè)定L=2 048，σ2=64，改變SαS脈沖噪聲的特性參數(shù)(α=1.0～2.0)，在GSNR=10 dB和20 dB條件下，利用MATLAB對NCCF-MUSIC、GCAS-MUSIC、FLOM-MUSIC和TF- FLOM-MUSIC算法獨(dú)立進(jìn)行400次蒙特卡羅仿真實驗，各種算法的匹配分值結(jié)果如圖3所示。

圖3 不同噪聲特性與幾何信噪比下各種DOA估計匹配率比較Fig.3 Comparison of the matching scores among different DOA methods under different noises and GSNR

定義多個信號DOA估計的混合均方誤差為

(28)

(29)

(30)

圖4 不同噪聲特性下DOA估計誤差的性能比較Fig.4 Comparison of the standard deviation among different DOA methods under different noises and GSNR

從仿真結(jié)果可以看出，在不同信噪比和噪聲環(huán)境下，NCCF-MUSIC算法的DOA估計在準(zhǔn)確率和穩(wěn)定性方面都明顯優(yōu)于其他算法。

4.2快拍數(shù)對算法的影響

設(shè)定SαS脈沖噪聲的特性參數(shù)α=1.6，GSNR=20 dB，在不同的快拍數(shù)下對各種DOA算法性能進(jìn)行了比較。其中，各種算法的匹配分值結(jié)果如圖 5所示，估計值的標(biāo)準(zhǔn)方差如圖 6所示。結(jié)果顯示，隨著快拍數(shù)的增加，NCCF-MUSIC算法具有更好的穩(wěn)定性。

圖5 不同快拍數(shù)下各算法的估計準(zhǔn)確率Fig.5 Comparison of the matching scores among different DOA methods with different number of snapshots

圖6 不同快拍數(shù)下各算法估計值的標(biāo)準(zhǔn)方差Fig.6 Comparison of the standard deviation among different DOA methods with different number of snapshots

5 總 結(jié)

針對脈沖噪聲環(huán)境下GCAS-MUSIC、FLOM- MUSIC和TF-FLOM-MUSIC算法中存在的問題，本文提出了一種基于非線性壓縮核函數(shù)MUSIC(NCCF-MUSIC)算法。該算法所采用的非線性壓縮核函數(shù)表達(dá)形式簡單，易于實現(xiàn)，非常適合實際應(yīng)用。計算機(jī)仿真實驗結(jié)果表明，NCCF-MUSIC算法的DOA估計準(zhǔn)確率優(yōu)于上述算法，并且具有更好的穩(wěn)定性，具有進(jìn)一步實用化的潛力。

[1] Schmidt R O. Multiple emitter location and signal parameter estimation[J]. IEEE Transactions on Antennas and Propagation,1986,34(3): 276-280.

[2] Song A,Tong Z,Qiu T. A new correntropy based TDE method under α-stable distribution noise environment[J]. Journal of Electronics (China),2011,28(3): 284-288.

[3] LIU T H,Mendel J M. A subspace-based direction finding algorithm using fractional lower order statistics[J]. IEEE Transactions on Signal Processing,2001,49(8): 1605-1613.

[4] 汪海濱,查代奉,龍俊波.α穩(wěn)定分布噪聲下的空間時頻DOA估計[J].計算機(jī)工程,2012,38(2):284-287. WANG Hai-bing,ZHA Dai-feng,LONG Jun-bo.Spatial Time-frequency DOA Estimation Under α Stable Distribution Noise[J].Computer Engineering,2012,38(2):284-287. (in Chinese)

[5] 邱天爽,張金鳳,宋愛民,等. 脈沖噪聲下基于廣義類相關(guān)熵的DOA估計新方法[J].信號處理,2012,28(4): 463-466. QIU Tian-sang,ZHANG Jin-feng,SONG Ai-min,et al.The Generalized Correntropy-Analogous Statistics Based Direction of Arrival Estimation in Impulsive Noise Environments[J]. Journal of Signal Processing,2012,28(4):463-466. (in Chinese)

[6] 李旭濤,朱光喜,王首勇,等.Alpha穩(wěn)定分布的參數(shù)表征及仿真[J].信號處理,2007,23(6):814-817. LI Xu-tao,ZHU Guang-xi,WANG Shou-yong,et al. Parameterizations and simulation of Alpha stable distribution[J].Journal of Signal Processing,2007,23(6):814-817. (in Chinese)

[7] Gonzalez J G, Paredes J L, Arce G R. Zero-order statistics:a mathematical framework for the processing and characterization of very impulsive signals[J].IEEE Transaction on Signal Processing, 2006,54(10):3839-3851.

[8] 邱天爽,張旭秀,李小兵,等.統(tǒng)計信號處理—非高斯信號處理及其應(yīng)用[M].北京: 電子工業(yè)出版社,2004:144-145. QIU Tian-sang,ZHANG Xu-xiu,LI Xiao-bing,et al.Statistics signal processing:non-gaussian signal processing and its application[M].Beijing:Publishing House of Electronics Industry,2004:144-145. (in Chinese)

[9] Liu Tsung-Hsien,Jerry M M.A Subspace-based Direction Finding Algorithm Using Fractional Lower Order Statistics[J]. IEEE Transactions on Signal Processing,2001,49(8): 1605-1613.

[10] 周祎,馮大政,劉建強(qiáng),等. 一種對稱α穩(wěn)定噪聲中的DOA估計新方法[J].信號處理,2007,23 (2) :200-203. ZHOU Yi,FENG Da-zheng,LIU Jian-qiang,et al.A New Method of DOA Estimation in Symmetric α-Stable Noise Environment [J].Journal of Signal Processing,2007,23(2):200-203.(in Chinese)

MA Jin-quan was born in Zhangye,Gansu Province,in 1975. He received the M.S. degree from Xidian University in 2005. He is now an

associate professor. His research concerns signal analysis and software defined radio.

Email: ma7q@163.com

葛臨東(1946—)，男，山東臨沂人，教授、博士生導(dǎo)師，主要研究方向為通信信號處理、軟件無線電等；

GE Lin-dong was born in Linyi,Shandong Province,in 1946.He is now a professor and also the Ph.D. supervisor.His research concerns communication signal processing and software defined radio.

Email: ge_lindong@163.com.

童莉(1978—)，女，湖北荊州人，博士，講師，主要研究方向為信號分析與信息處理。

TONG Li was born in Jingzhou,Hubei Province,in 1978.She is now a lecturer with the Ph.D. degree. Her research interests signal analysis and information processing.

Email: tttocean@163.com.

本刊2013年度下載量前10位論文

(數(shù)據(jù)來源：www.teleonline.cn，統(tǒng)計截止日期：2013年12月25日)

本刊編輯部

The Basis and Advanced Program of Henan Province(No.132300410049)

ANewDOAAlgorithmBasedonNonlinearCompressCoreFunctioninSymmetricα-stableDistributionNoiseEnvironment

MA Jin-quan,GE Lin-dong,TONG Li

(School of Information System Engineering,Information Engineering University,Zhengzhou 450002,China)

Direction of arrival (DOA) estimation in the impulse noise environment is a new research direction in the array signal processing field. To solve the problem of performance degradation when applying classic MUSIC algorithm for DOA estimation in the α-stable distribution noise environment,a novel DOA estimation algorithm based on a nonlinear compress core function(NCCF) is provided and named as the NCCF-MUSIC. To obtain a DOA estimation,the NCCF-MUSIC method replaces the covariance matrix in MUSIC by a bounded matrix based on the NCCF,and then determines the signal subspace and the noise subspace by feature decomposition,and finally,introduces the MUSIC spectrum estimation algorithm to make a spectral peak searching. Simulation results show that the new NCCF-MUSIC method with a lower computation cost has the higher performance in accuracy and validity than the MUSIC methods based on fractional lower order statistics (FLOS) or based on generalized correntropy-analogous statistics (GCAS).

DOA; α-stable distribution; nonlinear compress core function;MUSIC algorithm; non-Gauss signal processing

10.3969/j.issn.1001-893x.2014.01.007

馬金全，葛臨東，童莉.一種對稱α穩(wěn)定分布噪聲環(huán)境下DOA估計新算法[J].電訊技術(shù)，2014,54(1):34-39.[MA Jin-quan,GE Lin-dong,TONG Li. A New DOA Algorithm Based on Nonlinear Compress Core Function in Symmetric α-stable Distribution Noise Environment[J].Telecommunication Engineering,2014,54(1):34-39.]

2013-10-10；

：2014-01-15 Received date:2013-10-10；Revised date：2014-01-15

河南省基礎(chǔ)與前沿計劃項目(132300410049)

ma7q@163.com Corresponding author：ma7q@163.com

TN911.23

：A

：1001-893X(2014)01-0034-06

馬金全(1975—)，男，甘肅張掖人，2005年于西安電子科技大學(xué)獲碩士學(xué)位，現(xiàn)為副教授，主要研究方向為信號分析、軟件無線電；

**< class="emphasis_bold">通訊作者：ma7q@163.comCorrespondingauthor：ma7q@163.com