本发明涉及阵列信号处理领域，尤其是一种空间谱估计方法。
背景技术：
传统的参数估计算法大多都是针对远场信号模型提出的，近几年随着近场通信的兴起，阵列信号处理技术被广泛应用到近场信号模型上，然而采用基于远场信号的空间谱估计算法无法直接去处理近场信号问题，因此，研究针对近场信号模型的参数估计算法具有很高的实用价值。
目前的近场参数估计算法大多基于均匀线阵模型提出，必须保证阵元间距不超过信号波长的四分之一才能避免相位模糊问题，导致天线阵列孔径比较小，参数估计分辨率十分有限。采用稀疏阵列模型不仅能扩展阵列有效孔径，还可以提高算法的可识别信源数，有效解决参数估计欠定问题。
此外，近年来近场参数估计领域关于准平稳信号的研究逐渐引起关注，诸如：语音、视频、脑电波等信号。传统的近场算法在处理准平稳信号时算法性能会下降，寻找合适的基于准平稳信号的近场算法具有实际应用价值。
技术实现要素：
为了克服现有技术的不足，本发明提供一种基于近场稀疏阵列的准平稳信号参数估计方法及装置，利用高阶累积量将角度和距离的二维联合谱峰搜算转换为两次一维谱峰搜索，从而实现降维计算。此外，利用准平信号特性以及近场稀疏阵列特性，大大提高了参数估计分辨率以及可识别信源数。
本发明解决其技术问题所采用的技术方案包括以下步骤：
(a)阵列排布：阵列模型由3个子阵组成总阵元数为2n1 2n2-1的稀疏线阵，其中n1和n2是正整数，子阵1居中，是阵元数为2n1-1的均匀线阵，阵元间距为d，子阵2和子阵3是分别位于子阵1两侧，阵元数均为n2的均匀线阵，阵元间距为(2n1-1)d，而子阵1与子阵2和子阵3的间距均为2n1d，以子阵1中心阵元的位置为坐标原点，三个子阵各阵元位置如下：
(b)数据采集：将所有天线阵列从左到右依次编号为{-m,-m 1,,m}，对2m 1个天线阵列接收数据同时进行深度为t的采样，得到多路数字信号，其中每路采样数据分为k帧，每帧数据长度为l，即t＝kl，将每一帧接收信号记为xm,k(t)，其中m代表编号为m的阵元，k代表第k帧信号，所有阵元接收数据的每一帧信号单独处理，利用各阵元的第k帧采样信号求四阶累积量矩阵中的元素：
公式(2)中ck(m,q)代表四阶累积量矩阵ck第m行q列的元素，m,q∈[-m,m]；
公式(3)中e代表求期望；
将近场信号模型公式(4)代入公式(2)中得到公式(5)：
公式(4)中n为信源个数，
(c)矩阵去冗余：通过步骤(b)中按照公式(2)计算，得到所有的四阶累积量元素ck(m,q)，从而组成一个四阶累积量矩阵c4,k∈c(2m 1)×(2m 1)：
将ck(m,q)写成ck(sm-sq)，其中sm代表第m个阵元的位置，其值参照公式(1)得到；
利用music算法只需要c4,k矩阵中的部分元素，根据近场稀疏阵的排布，计算得到nv＝2n1 2n1n2-n2，nv为近场稀疏阵阵元位置作差集后其中连续集合的上限，对c4,k矩阵进行去冗余降维，组成一个新的矩阵
按照步骤(c)处理最终实现原始阵列数据等效成虚拟均匀线阵的处理；
(d)矩阵向量化：对由第k帧信号得到的四阶累积量矩阵c4,k,new进行向量化，得到
yk＝vec(c4,k,new)(8)
同样的，对每一帧信号都按上述步骤(a)(b)(c)(d)处理，从而得到一个新的矩阵
yqs＝[y1,y2,…,yk](9)
(e)一维角度解算：利用步骤(d)中得到的yqs矩阵作奇异值分解得到：
其中，us是包含所有大特征值对应的特征向量张成的信号子空间，un是剩下所有小特征值对应的特征向量张成的噪声子空间，大特征值个数由入射信源数n决定，两者数值保持一致；
经过步骤(e)的svd奇异值分解求得噪声子空间un后，利用music谱峰搜索找到波峰对应的角度即为入射信号的来波方向，如式(11)所示：
其中，
其中
(f)一维距离解算：将估计出的角度
公式(12)中近场导向矢量
本发明的有益效果在于通过将角度、距离参数分离，实现降维处理，减少了算法计算量，并且有效的解决了近场参数估计中的欠定问题，在有限的阵元数条件下，可识别信源的个数远远大于阵元数，而且具备一定的参数估计精度以及分辨率。
附图说明
图1是本发明近场稀疏阵阵列模型示意图。
图2是本发明基于近场稀疏阵列的准平稳信号参数估计方法的装置结构框图。
图3是本发明测向软硬件模块结构框图。
图4是本发明近场稀疏阵列的准平稳信号参数估计方法流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
本发明的技术方案的步骤如下：
(a)阵列排布：阵列模型由3个子阵组成总阵元数为2n1 2n2-1的稀疏线阵，其中n1和n2是正整数，子阵1居中，是阵元数为2n1-1的均匀线阵，阵元间距为d，子阵2和子阵3是分别位于子阵1两侧，阵元数均为n2的均匀线阵，阵元间距为(2n1-1)d，而子阵1与子阵2和子阵3的间距均为2n1d，以子阵1中心阵元的位置为坐标原点，三个子阵各阵元位置如下：
(b)数据采集：将所有天线阵列从左到右依次编号为{-m,-m 1,,m}(左右可颠倒)，对2m 1个天线阵列接收数据同时进行深度为t的采样，得到多路数字信号，其中每路采样数据分为k帧，每帧数据长度为l，即t＝kl，将每一帧接收信号记为xm,k(t)，其中m代表编号为m的阵元，k代表第k帧信号，所有阵元接收数据的每一帧信号单独处理，利用各阵元的第k帧采样信号求四阶累积量矩阵中的元素：
公式(2)中ck(m,q)代表四阶累积量矩阵ck第m行q列的元素，m,q∈[-m,m]；
公式(3)中e代表求期望；
如果将近场信号模型公式(4)代入公式(2)中得到公式(5)：
公式(4)中n为信源个数，
(c)矩阵去冗余：通过步骤(b)中按照公式(2)计算，得到所有的四阶累积量元素ck(m,q)，从而组成一个四阶累积量矩阵c4,k∈c(2m 1)×(2m 1)：
将ck(m,q)写成ck(sm-sq)，其中sm代表第m个阵元的位置，其值参照公式(1)得到，比如公式(6)中ck(-m,-m)＝ck(s-m-s-m)＝ck(0)；
利用music算法只需要c4,k矩阵中的部分元素，根据近场稀疏阵的排布，计算得到nv＝2n1 2n1n2-n2这个常值，nv为近场稀疏阵阵元位置作差集后其中连续集合的上限，对c4,k矩阵进行去冗余降维，组成一个新的矩阵
按照步骤(c)处理最终实现原始阵列数据等效成虚拟均匀线阵的处理；
(d)矩阵向量化：对由第k帧信号得到的四阶累积量矩阵c4,k,new进行向量化，得到
yk＝vec(c4,k,new)(8)
同样的，对每一帧信号都按上述步骤(a)(b)(c)(d)处理，从而得到一个新的矩阵
yqs＝[y1,y2,…,yk](9)
(e)一维角度解算：利用步骤(d)中得到的yqs矩阵作奇异值分解得到：
其中，us是包含所有大特征值对应的特征向量张成的信号子空间，un是剩下所有小特征值对应的特征向量张成的噪声子空间，大特征值个数由入射信源数n决定，两者数值保持一致；
经过步骤(e)的svd奇异值分解求得噪声子空间un后，利用music谱峰搜索找到波峰对应的角度即为入射信号的来波方向，如式(11)所示：
其中，
其中
(f)一维距离解算：将估计出的角度
公式(12)中近场导向矢量
本发明提出了一种基于近场稀疏阵列的参数估计方法，突破了传统均匀线阵的阵元间距限制，大大扩展了阵列孔径，并且可以扩展阵列自由度，本发明采用的7阵元近场稀疏阵型示意图，如图1所示。
图2是基于近场稀疏阵列的准平稳信号参数估计方法的装置结构框图，图3是本发明测向软硬件模块结构框图，该系统软硬件所涉及的最核心的芯片。
本发明实施例的相应流程如图4所示：
步骤一：模拟下变频：对7路天线阵列接收到的射频模拟信号进行低噪声放大，然后经下变频为中频信号后，得到7路中频模拟信号。
步骤二：a/d采样：对7路中频模拟信号进行a/d采样，得到7路中频数字信号，采样深度为4000。
步骤三：将步骤二中的数据进行正交下变频，然后通过fir数字滤波，得到7路滤除带外噪声信号的数字复信号。
步骤四：将步骤三中的复信号进行fft变换，得到校正系数，各路信号通过校正系数进行补偿，消除误差，从而得到7路幅度相位一致性信号。
步骤五：计算幅相误差校正后的每帧信号的四阶累积量矩阵c4,k∈c7×7，具体按照式(3)计算。其中每帧长度定义为400，共10帧，正好对应总采样深度4000。其中关于矩阵的计算可以只计算上三角矩阵，矩阵另一半可根据共轭性直接得出。
步骤六：按照公式(8)进行数据处理得到新的矩阵c4,k,new∈c10×10并向量化。
步骤七：按照公式(10)得到新的矩阵yqs∈c10×10，假设来波信源为5个，利用svd分解得出噪声子空间un∈c10×5，并计算
步骤八：按照公式(12)，对角度进行谱峰搜索，得到准确方位角θ信息；再将刚解算出的角度信息代入，按照公式(14)，求解出距离信息，完成目标信号的doa信息估计。
1.一种基于近场稀疏阵列的准平稳信号参数估计方法，其特征在于包括下述步骤：
(a)阵列排布：阵列模型由3个子阵组成总阵元数为2n1 2n2-1的稀疏线阵，其中n1和n2是正整数，子阵1居中，是阵元数为2n1-1的均匀线阵，阵元间距为d，子阵2和子阵3是分别位于子阵1两侧，阵元数均为n2的均匀线阵，阵元间距为(2n1-1)d，而子阵1与子阵2和子阵3的间距均为2n1d，以子阵1中心阵元的位置为坐标原点，三个子阵各阵元位置如下：
(b)数据采集：将所有天线阵列从左到右依次编号为{-m,-m 1,...,m}，对2m 1个天线阵列接收数据同时进行深度为t的采样，得到多路数字信号，其中每路采样数据分为k帧，每帧数据长度为l，即t＝kl，将每一帧接收信号记为xm,k(t)，其中m代表编号为m的阵元，k代表第k帧信号，所有阵元接收数据的每一帧信号单独处理，利用各阵元的第k帧采样信号求四阶累积量矩阵中的元素：
公式(2)中ck(m,q)代表四阶累积量矩阵ck第m行q列的元素，m,q∈[-m,m]；
公式(3)中e代表求期望；
将近场信号模型公式(4)代入公式(2)中得到公式(5)：
公式(4)中n为信源个数，
(c)矩阵去冗余：通过步骤(b)中按照公式(2)计算，得到所有的四阶累积量元素ck(m,q)，从而组成一个四阶累积量矩阵c4,k∈c(2m 1)×(2m 1)：
将ck(m,q)写成ck(sm-sq)，其中sm代表第m个阵元的位置，其值参照公式(1)得到；
利用music算法只需要c4,k矩阵中的部分元素，根据近场稀疏阵的排布，计算得到nv＝2n1 2n1n2-n2，nv为近场稀疏阵阵元位置作差集后其中连续集合的上限，对c4,k矩阵进行去冗余降维，组成一个新的矩阵
按照步骤(c)处理最终实现原始阵列数据等效成虚拟均匀线阵的处理；
(d)矩阵向量化：对由第k帧信号得到的四阶累积量矩阵c4,k,new进行向量化，得到
yk＝vec(c4,k,new)(8)
同样的，对每一帧信号都按上述步骤(a)(b)(c)(d)处理，从而得到一个新的矩阵
yqs＝[y1,y2,…,yk](9)
(e)一维角度解算：利用步骤(d)中得到的yqs矩阵作奇异值分解得到：
其中，us是包含所有大特征值对应的特征向量张成的信号子空间，un是剩下所有小特征值对应的特征向量张成的噪声子空间，大特征值个数由入射信源数n决定，两者数值保持一致；
经过步骤(e)的svd奇异值分解求得噪声子空间un后，利用music谱峰搜索找到波峰对应的角度即为入射信号的来波方向，如式(11)所示：
其中，
其中
(f)一维距离解算：将估计出的角度
公式(12)中近场导向矢量
