汪 鵬, 熊 釗, 于俊鵬, 田 勇, 李萬春

(電子科技大學信息與通信工程學院, 四川 成都 611731)

0 引 言

波達方向(direction of arrival,DOA)估計是許多科研學者在陣列信號處理中關注和研究的重要領域[1],在軍用以及民用領域有著廣泛的應用,如雷達探測[2-3]、電子對抗[4]、聲納[5]、無線傳感器網絡[6-7]等。子空間類超分辨算法如多重信號分類(multiple signal classification,MUSIC)算法[8]和信號參數(shù)旋轉不變(estimating signal parameter via rotational invariance techniques,ESPRIT)算法[9]通常要求接收數(shù)據(jù)的協(xié)方差矩陣的秩等于信源個數(shù),需要較多的快拍數(shù)來求得信號子空間和噪聲子空間從而提高估計的精準度[10],是DOA估計常見的兩類算法。在軍事對抗過程中,信號出現(xiàn)的時間往往較短而且具有較快的跳變速度,使得信號難以被偵察到,以及其他要求系統(tǒng)具有很高的實時性和一些物理限制的場景,這意味著DOA估計使用的快拍數(shù)只能很少,甚至在最壞的情況下只有單快拍[11]。單快拍測向是短快拍測向的極限情況,近年來在傳統(tǒng)多快拍陣列測向的基礎上,國內外學者同樣對其進行了廣泛的研究,提出了在不同條件下的單快拍測向算法[1,10,12-14]。

在實際應用中,相比均勻線陣(uniform linear array,ULA),均勻圓陣(uniform circular array,UCA) 能夠在360°全方位進行測向,可以估計陣列平面內無鏡像模糊的方位角和俯仰角,且在不同方位有著均勻的測向精度,因此有著更廣泛的應用[15]。傳統(tǒng)的單快拍測向算法一般要求陣列流型具有Vandermonde結構,使得許多適用于ULA 的單快拍測向算法無法直接應用在不具有Vandermonde矩陣結構的UCA上[16]。為解決此問題,一般通過模式空間變換法[17]將 UCA 變換為虛擬均勻線陣(virtual ULA, VULA),間接地使其具有Vandermonde陣列結構?；谀Ｊ娇臻g變換進行UCA 的測向算法主要分為兩大類:① 空間平滑類算法,如經典的模式空間平滑(mode spatial smoothing,MODESS)算法、模式空間前后向平滑(mode forward-backward spatial smoothing,MODE-FBSS)算法等,此類算法計算復雜度高、平滑次數(shù)不易確定[18];② 基于特征矢量重構或數(shù)據(jù)矩陣重構類算法,如模式空間Toeplitz矩陣重構算法(mode Toeplitz,MODETOEP)、基于最大特征矢量的均勻圓陣解相干算法(mode and maximum eigenvector,MME)等[19]。

綜上分析,基于UCA的單快拍測向算法很多,針對以上問題,提出了一種新的偽協(xié)方差矩陣的構造方法,解決了接收數(shù)據(jù)只有單快拍所造成的協(xié)方差矩陣秩不夠的問題,同時結合模式空間變換,將UCA轉換為具有Vandermonde形式的VULA,實現(xiàn)了UCA的單快拍測向。

1 基于MODE-FBSS的單快拍測向

1.1 空間平滑法

假設一個標準的ULA,含有M個相同的全向陣元,相鄰陣元間距為d?，F(xiàn)有N個窄帶遠場信號分別以角度θi入射,則第p個陣元接收的數(shù)據(jù)為

(1)

空間平滑算法利用了ULA的平移不變性,將m個陣元作為一個子陣,從前向后將所有陣元分為彼此重疊的l個子陣。如圖1所示,為前向空間平滑算法原理圖,可以得到M=l+m-1。

圖1 前向空間平滑原理圖Fig.1 Schematic diagram of forward spatial smoothing

以第1個子陣為參考子陣,第k個子陣接收的數(shù)據(jù)可表示為

(2)

式中：

(3)

式中:βi=2πdsinθi/λ。那么,該子陣接收數(shù)據(jù)的協(xié)方差矩陣為

(4)

采用前向空間平滑算法求出每個子陣的協(xié)方差矩陣,再利用其均值來得到滿秩的協(xié)方差矩陣,則修正后的協(xié)方差矩陣為

(5)

從式(5)可知,如果每個子陣的陣元數(shù)目m≥N,那么當p≥N時,經過上述方法得到的是一個滿秩的數(shù)據(jù)協(xié)方差矩陣Rf。后向空間平滑算法對矩陣進行劃分的過程如圖2所示,類似地能夠求出協(xié)方差矩陣Rb。采用前后向空間平滑算法,將上述求得的協(xié)方差矩陣Rf和Rb取平均,計算求出雙向空間平滑協(xié)方差矩陣Rfb=(Rf+Rb)/2,然后對滿秩的協(xié)方差矩陣Rfb進行特征分解,再使用MUSIC算法來完成單快拍測向。

圖2 后向空間平滑原理圖Fig.2 Schematic diagram of backward spatial smoothing

1.2 模式空間法

UCA的陣列流型不具有Vandermonde形式,為此要進行模式空間法變換轉化為VULA。假設在xoy平面上的UCA,其半徑為R,圓周上均勻分布了M個各向同性的陣元,N個窄帶遠場信號源入射到UCA上,每個信號只接收到單快拍。圖3為UCA的結構示意圖,取圓心O為參考點,可以用(θi,φi)來描述DOA估計,方位角θ為入射信號在xoy平面上的投影與x軸在逆時針方向上的夾角,范圍為[0°,360°);俯仰角φ為入射信號與z軸的夾角范圍為[0°,90°]。同時,假設所有信號源都與UCA共面,即俯仰角φ=90°[20]。

圖3 UCA模型Fig.3 UCA model

由于在模式空間變換后噪聲功率發(fā)生改變,避免噪聲功率分布不均的問題,假設當無噪聲時,陣元p上的快拍數(shù)據(jù)為

(6)

式中：波數(shù)β=2πR/λ。對應的導向矢量為

(7)

對陣列上所有陣元接收的快拍數(shù)據(jù)作空間離散傅里葉變換有:

(8)

-K≤q≤K

(9)

(10)

即:

(11)

那么,式(8)的矩陣形式表示為

(12)

可以得到:

u=FHx

(13)

FHF=MI

(14)

F是一個正交矩陣。由式(11)和式(13)可得預處理矩陣T:

(15)

對UCA接收數(shù)據(jù)進行模式空間變換后得到了一個陣元數(shù)為M′=2K+1的VULA,其陣列接收數(shù)據(jù)為

(16)

為了補充協(xié)方差矩陣的秩可采用前文所述的空間平滑法,然后再通過MUSIC等算法進行測向。

2 基于改進的偽協(xié)方差矩陣的單快拍測向

2.1 改進的偽協(xié)方差矩陣構造原理

由式(10)可知,UCA經過模式空間變換后的VULA陣列流型為

(17)

其導向矢量為

(18)

式中：k=1,2,…,M′；i=1,2,…,N。

VULA與ULA的陣列結構均具有Vandermonde形式,若將傳統(tǒng)基于ULA的偽協(xié)方差矩陣的構造方法直接用于VULA,得到的協(xié)方差矩陣為

(19)

由式(19)可知,此時的R需要x1+M′,x2+M′,…,xK+M′等數(shù)據(jù),而VULA只有M′個陣元,對應只有M′個數(shù)據(jù),因此通過該方法無法構造偽協(xié)方差矩陣?；诖?本文只取VULA的第K+1個陣元到第M′個陣元上的數(shù)據(jù)[21],則陣元接收的數(shù)據(jù)為

(20)

令h=k-K,則式(20)可寫成:

(21)

此時導向矢量變?yōu)?/p>

ak(θi)=ej(k-1)θi,i=1,2…,N

(22)

(23)

此時構造的偽協(xié)方差矩陣為

(24)

其中,

(25)

(26)

因此構造的偽協(xié)方差矩陣為

(27)

2.2 算法步驟總結

表1 算法實現(xiàn)步驟Table 1 Algorithm implementation steps

3 仿真實驗與分析

根據(jù)上述的分析,本文分別采用MODE-FBSS算法與改進后的偽協(xié)方差矩陣算法在UCA進行DOA估計,通過多次仿真實驗分析兩種算法的方位估計均方根誤差(root mean squard error, RMSE)隨信噪比(signal to noise ratio, SNR)、陣元數(shù)量(M)的變化關系,方位估計均方根誤差定義如下:

(28)

設定UCA的陣元數(shù)M為21個,陣元間隔為半波長,圓陣半徑R為1.5λ,入射的窄帶遠場信號數(shù)為4,入射的方位角分別為75°、130°、190°、340°,俯仰角均為90°,默認SNR為20 dB,快拍數(shù)為1,蒙特卡羅實驗次數(shù)為1 000。

仿真 1兩種算法的空間譜估計結果的比較

仿真得到的最大相位模式數(shù)為9,VULA陣元數(shù)為19,采用兩種算法的仿真結果如圖4所示。從圖4中可以看出,通過本文算法和MODE-FBSS算法對4個信號源均測出了正確的到達方向,但經本文提出的算法仿真得到的空間譜的旁瓣壓制得更低點,譜峰稍尖銳,分辨信號源的能力更高。

圖4 兩種算法空間譜估計圖Fig.4 Spatial spectrum estimation of two algorithms

仿真 2SNR對兩種算法估計性能的比較

本次仿真的SNR從0 dB到40 dB以5 dB的間隔變化,其他條件保持不變。如圖5所示,為RMSE隨SNR的變化曲線。由仿真結果可知,兩種算法的RMSE均隨著SNR的增加而降低,且二者的RMSE差值隨著SNR的增加而越來越大。在相同SNR的條件下,采用本文提出的算法得到的RMSE要比采用MODE-FBSS算法的低,因此本文提出的算法總體性能要優(yōu)于MODE-FBSS。

圖5 兩種算法的估計性能隨SNR變化曲線Fig.5 Estimation performance with SNR for the two algorithms

仿真 3基于改進后與原協(xié)方差矩陣的兩種算法的估計性能比較

本次仿真SNR從0 dB到40 dB以5 dB的間隔變化,仿真得到DOA估計的RMSE隨SNR的變化曲線如圖6所示。由仿真結果可知,基于ULA構造偽協(xié)方差矩陣的方法若直接用于UCA模式空間變換后的虛擬線陣,進行單快拍測向性能較差;而改進后的偽協(xié)方差矩陣用于UCA的單快拍測向時,其RMSE隨SNR的增加而逐漸減小,并趨向于0,估計性能明顯較好。

圖6 改進的與原偽協(xié)方差矩陣法的性能比較Fig.6 Performance comparison between improved and original pseudo-covariance matrix methods

仿真 4M對兩種算法估計性能的比較

UCA陣元數(shù)量M增加到40,步長為4,圖7所示為RMSE隨陣元數(shù)M的變化曲線。由仿真結果可知,采用本文提出的算法得到的RMSE隨著陣元數(shù)的增加而減小并趨于平緩,性能明顯優(yōu)于MODE-FBSS算法。

圖7 兩種算法的估計性能隨陣元數(shù)變化曲線Fig.7 Estimation performance with number of array elements for the two algorithms

4 結 論

在諸多現(xiàn)實場景下,偵察接收到的消息常常是有限的,為了有效地進行單快拍測向,本文利用改進的偽協(xié)方差矩陣提出了一種基于UCA的單快拍測向算法。通過仿真可知,傳統(tǒng)的適用于ULA偽協(xié)方差矩陣的構造方法不能直接用在與UCA有關問題上,因此對傳統(tǒng)的偽協(xié)方差的構造方法進行改進,利用模式空間變換得到的具有Vandermonde形式的虛擬線陣,然后再對虛擬線陣的數(shù)據(jù)完成進一步地處理,實現(xiàn)了UCA的單快拍測向。通過對比仿真,分析驗證了本文提出算法的有效性。