一種改進(jìn)的全陣空間平滑技術(shù)*

(空軍工程大學(xué) 導(dǎo)彈學(xué)院，陜西 三原 713800)

1 引 言

近二十多年來(lái)，信號(hào)波達(dá)方向(DOA)估計(jì)研究受到廣泛重視，在雷達(dá)、聲納、通信中尤為重要。基于信號(hào)子空間的MUSIC(Multiple Signal Classification)算法和ESPRIT算法是目前比較好的DOA估計(jì)算法。MUSIC算法利用陣列協(xié)方差矩陣R的噪聲子空間和信號(hào)子空間的正交性進(jìn)行DOA估計(jì)，對(duì)于非相干或相關(guān)程度較小的空間信源具有良好的分辨性能。然而，當(dāng)信號(hào)相干時(shí)，信號(hào)源的協(xié)方差矩陣就會(huì)變成奇異陣，信號(hào)子空間將向噪聲子空間擴(kuò)散，這時(shí)，MUSIC算法的分辨性能就會(huì)惡化甚至失效。

空間平滑最初是由Evans[1]提出來(lái)的，后來(lái)Shan[2]進(jìn)行了完善，其基本思想是把主陣劃分為若干相重疊的子陣列，然后對(duì)子陣的協(xié)方差矩陣求平均(各子陣列的向量以各自的第一個(gè)陣元為基準(zhǔn)，兩相干信號(hào)的相位差由于波達(dá)方向不同，使空間平滑產(chǎn)生隨機(jī)相位調(diào)制，因而可以對(duì)引起秩虧缺的信號(hào)解相關(guān))。利用這種方法，我們可以得到滿秩的協(xié)方差矩陣，然后用MUSIC算法。在這些傳統(tǒng)的方法中，能處理的相干源最大范圍是2N/3(N為陣列的陣元數(shù))[3-4]，可檢測(cè)相干源數(shù)目與子陣孔徑大小成為矛盾，隨后提出一些增強(qiáng)平滑技術(shù)方法[5]和利用互相關(guān)矩陣信息的前后向平滑[6]等在一定程度上增強(qiáng)了對(duì)空間相干源的解相關(guān)能力，但計(jì)算量比較大。Nizar在文獻(xiàn)[7]中提出C-SPRIT進(jìn)行非圓信號(hào)如二進(jìn)制相位鍵控(BPSK)和M進(jìn)制幅度鍵控(MASK)DOA估計(jì)，隨后又利用C-SPRIT思想，提出CMUSIC方法[8]來(lái)解決非圓相干信號(hào)DOA估計(jì)，利用N個(gè)陣元估計(jì)N-1個(gè)非圓相干信號(hào)DOA，但也只是使信號(hào)源有相干變?yōu)橄嚓P(guān)，并沒(méi)有徹底解相關(guān)。利用本文的算法，能處理的最大相干源數(shù)目為N-1(為全陣的自由度)，而且在處理SNR較低或波達(dá)角相鄰近時(shí)的相干源也有效。

2 算法分析

假設(shè)一個(gè)N元等距線陣(ULA),假定P個(gè)窄帶平面信號(hào)源波達(dá)方向角分別為θ1,θ2,…,θp,那么，N個(gè)陣元接收的信號(hào)矢量可以寫(xiě)為

(1)

式中，sk(t)代表第k個(gè)信號(hào)，其源波達(dá)角為θk；a(θk)表示N元陣的導(dǎo)向矢量；n(t)是N×1的均值為零、方差為σ2的加性高斯白噪聲。陣列導(dǎo)向矢量可以寫(xiě)成

(2)

式中，上標(biāo)T代表轉(zhuǎn)置，

(3)

式中，λ是波長(zhǎng)，d是相鄰陣元的間距，N×P的陣列響應(yīng)矩陣和P×1的信號(hào)矢量可以寫(xiě)為

A(θ)=(a(θ1),a(θ2),…,a(θP))

(4)

和

S(t)=(s1(t),s2(t),…,sP(t))T

(5)

接收到的信號(hào)矢量可以寫(xiě)為

X(t)=A(θ)S(t)+n(t)

(6)

圖1 陣元

本文方法用N元子陣，每個(gè)子陣的陣元數(shù)等于全陣列N，由圖1，子陣1寫(xiě)為

Y1(t)=A(θ)S(t)+n1(t)

(7)

式中，

(8)

(9)

(10)

(11)

A(θ)Φ*S(t)+n2(t)

(12)

式中，

(13)

(14)

子陣3可以寫(xiě)為

A(θ)(Φ*)2S(t)+n3(t)

(15)

A(θ)(Φ*)N-1S(t)+nN(t)

(16)

式中，

(17)

(18)

AH(θ)+σ2I

(19)

式中，上標(biāo)H表示對(duì)矩陣進(jìn)行共軛轉(zhuǎn)置操作，RS=E[s(t)s(t)H]是P×P的信號(hào)協(xié)方差矩陣，如果存在相干信號(hào)，Rs的秩小于P，那么我們可以用R1,R2,…,RN的平均得到滿秩的矩陣。

(20)

考慮一個(gè)8元ULA陣，傳統(tǒng)的方法讓每個(gè)子陣的陣元數(shù)為6，我們可以發(fā)現(xiàn)子陣4和子陣5在最后平均得到協(xié)方差矩陣時(shí)并沒(méi)有被用到，并且其它子陣的陣元數(shù)也少于8(全陣的陣元數(shù))。很明顯，本文的方法比傳統(tǒng)方法利用了更多的資源。

圖2 本文方法與前后向平滑方法在子陣陣元數(shù)上的比較(在子陣6中y1等于

3 仿真與分析

我們用幾個(gè)仿真例子來(lái)證明本文所提方法的有效性，統(tǒng)一使用8元陣，快拍數(shù)為500。

仿真1，考慮3個(gè)等能量的相干源，DOA分別為θ1=-40°、θ2=-20°、θ3=0°，信噪比(SNR)為-10 dB。仿真結(jié)果如圖3所示。其中，圖3(a)中很難精確地在-40°～-20°和0°觀察到峰值，多次實(shí)驗(yàn)結(jié)果的DOA峰值都不一樣。然而，在圖3(b)中我們可以清楚地看到3個(gè)尖峰，并且DOA估計(jì)比較準(zhǔn)確，多次實(shí)驗(yàn)的峰值位置都基本相同。這證明了本文方法在信噪比較低情況下的有效性。

(a)前后向平滑方法

(b)本文方法圖3 仿真結(jié)果

仿真2,對(duì)兩個(gè)等功率相干源，信噪比為5 dB,其波達(dá)角是θ1=10°、θ2=15°，分別作50次蒙特卡羅仿真。子陣陣元數(shù)是7，為前兩種方法條件下兩個(gè)相干源下最多的陣元數(shù)。比較前后向平滑以及加權(quán)前后向平滑，兩種方法中峰值的位置都偏離了真實(shí)值。如圖4所示，因本文所提出的方法每個(gè)子陣陣元數(shù)等于8，而其它的方法所涉及子陣陣元數(shù)小于8，所以此方法更為精確。從圖4中可以看出，本文所提出的方法估計(jì)的DOA峰值位置在真實(shí)值，而其它兩種方法則偏離較大。

圖4 波達(dá)角分別為10°、15°,信噪比為5 dB時(shí)仿真比較圖

在下面的仿真中，分別對(duì)波達(dá)角為10°、15°，信噪比是10 dB的等功率相干源求均方根誤差，在不同的相關(guān)系數(shù)條件下進(jìn)行仿真，結(jié)果如圖5所示，可以看出本文方法均方根誤差比前后向平滑以及加權(quán)前后向平滑均方根誤差都小。同樣，在不同信噪比的情況下，如圖6所示，結(jié)果均體現(xiàn)該方法的優(yōu)越性。其中圖5和6比較的是不同DOA的估計(jì)均方根誤差的結(jié)果。從圖中可以看出，本文方法估計(jì)信號(hào)DOA的方差均要比前后向平滑、加權(quán)前后向平滑方法的要低。

仿真3，用本文的方法，我們可以估計(jì)N-1個(gè)相干源，N為陣元數(shù)目，但傳統(tǒng)方法無(wú)法做到，圖7驗(yàn)證了本文方法的可行性。相干源數(shù)目為7，波達(dá)方向角(DOA)為-60°、-40°、-20°、0°、20°、40°、60°,信噪比為0 dB。

傳統(tǒng)的方法由于采用前后向平滑技術(shù)，使得陣列孔徑有所損失，估計(jì)信號(hào)DOA數(shù)目大大減少。而本文方法不采用前后向平滑技術(shù)，利用子陣之間的虛擬平滑，達(dá)到無(wú)孔徑損失的效果，使得估計(jì)的DOA數(shù)目達(dá)到最大，為陣列的最大孔徑(極限值)。

(a)波達(dá)角為10°

(b)波達(dá)角為15°圖5 SNR=10 dB時(shí)不同相關(guān)系數(shù)均方根誤差

(a)波達(dá)角為10°

(b)波達(dá)角為15°圖6 不同信噪比下均方根誤差

圖7 用本文方法10次試驗(yàn)得到的空間譜估計(jì)(陣元數(shù)為8，相干源為7，信噪比為0 dB)

4 結(jié) 論

本文提出了一種可以充分利用全陣進(jìn)行相干源估計(jì)的方法。該方法相對(duì)于傳統(tǒng)方法的優(yōu)越性是顯而易見(jiàn)的，尤其當(dāng)相干源數(shù)目較大或未知時(shí)，本文方法可以估計(jì)的相干源數(shù)等于全陣時(shí)的最大數(shù)，是全陣估計(jì)信源的上限。并且，由于本文方法沒(méi)有孔徑損失，在同樣DOA數(shù)目的估計(jì)情況下，單個(gè)信號(hào)DOA估計(jì)精度會(huì)得到大大提高，尤其是低信噪比的情況下，其優(yōu)越性更加明顯。

參考文獻(xiàn)：

[1] Evans J E, Johnson J R, Sun D F.Application of advanced signal processing techniques to angle of arrival estimation in ATC navigation and surveillance system[R]//Technical Roport 582.Lexington,MA:M I T Lincoln Lab,1982.

[2] Shan T J, Han M Wax, Kailath T.On spatial Smoothing for Direction-of-Arrival Estimation of Coherent Signals[J].IEEE Transactions on Acoustic, Speech and Signal Processing, 1985,ASSP-33(4):806-811.

[3] Yoram Bresler, Albert Macovski.On the number of signals resolvable by a uniform linear array[J]. IEEE Transaction on Acoustics, Speech and Signal Processing, 1986,ASSP-34(6):1361-1375.

[4] Ronald T Williams, Surendra Prasad, Mahalanabis A K,et al. An improved spatial smoothing technique for bearing estimation in a multipath environment[J].IEEE Transactions on Acoustics, Speech and Signal Processing,1988,36(4):425-432.

[5] Choi Y H.Subspace-based Coherent Source Localisation with Forward/Backward Covariance Matrices[J].IEE Proceedings Radar Sonar Navigation,2002,149 (3):145-151.

[6] 王布宏, 王永良, 陳輝. 相干信源波達(dá)方向估計(jì)的加權(quán)空間平滑算法[J]. 通信學(xué)報(bào),2003,24(4):31-40.

WANG Bu-hong,WANG Yong-liang, CHEN Hui.Weighted Spatial smoothing for Direction-of-Arrival Estimation of Coherent Signals[J]. Journal on Communications,2003,24(4):31-40. (in Chinese)

[7] Nizar Tayem,Kwon H M.Conjugate ESPRIT (C-SPRIT) [J].IEEE Transactions on Antennas and Propagation,2004,52(10):2618-2624.

[8] Amjad Salameh,Nizar Tayem. Conjugate MUSIC for non-circular sources[C]//Proceedings of 2006 IEEE International Conference on Acoustics, Speech and Signal Processing. Toulouse:IEEE,2006:877-880.