錐面共形陣列極化-DOA估計的降維MUSIC算法

劉 帥， 韓 勇， 閆鋒剛， 金 銘

(哈爾濱工業(yè)大學(威海)信息與電氣工程學院, 山東 威海 264209)

錐面共形陣列極化-DOA估計的降維MUSIC算法

劉 帥， 韓 勇， 閆鋒剛， 金 銘

(哈爾濱工業(yè)大學(威海)信息與電氣工程學院, 山東 威海 264209)

針對傳統(tǒng)MUSIC(multiple signal classification)算法在錐面共形陣列極化-DOA(direction of arrival)參數(shù)聯(lián)合估計過程中計算復雜度較高的問題，利用單極化陣元構造極化敏感錐面共形陣列，并建立陣列接收信號模型. 通過構造同極化接收子陣，將導向矢量中空域信息和極化域信息去“耦合”，在考慮陣元遮擋效應的條件下，結(jié)合秩損原理實現(xiàn)了基于降維MUSIC算法的極化-DOA多參數(shù)估計，減小了極化-DOA參數(shù)估計的計算量. 通過計算機仿真證明了方法的有效性.

錐面共形陣列；降維MUSIC；極化-DOA估計; 秩損原理；遮擋效應

based on dimension reduced MUSIC

共形陣列[1-5]是由共形載體上共形輻射單元構成的天線陣列. 作為共形陣列的典型代表，錐面共形陣列具有利用孔徑充分、節(jié)省空間、滿足空氣動力學要求、對極化信息敏感等特點，在電子偵察、電子對抗、航空航天及通信等領域有著廣泛的應用前景.

目前對共形陣列的研究主要包括：共形輻射單元設計及輻射特性研究[1-2]，共形天線陣列的分析和綜合優(yōu)化[3-5]，以及共形陣列參數(shù)估計[6-13]. 在共形陣列參數(shù)估計方面，文獻[6]考慮共形陣列天線的多極化特性，基于四階累積量和對陣列結(jié)構的設計，結(jié)合ESPRIT(estimation of signal parameters via rotational invariance techniques)算法實現(xiàn)三種(柱面、錐面、球面)共形陣列條件下的盲極化DOA估計；文獻[7]針對共形陣列流形中DOA與極化參數(shù)的“耦合”，利用偶極子陣元在錐面和柱面共形載體上合理布陣，使用ESPRIT算法實現(xiàn)了DOA和極化參數(shù)的聯(lián)合估計；文獻[8]將任意基線算法擴展到三維陣列，結(jié)合虛擬基線方法，利用子陣分割和矩陣求逆的方法實現(xiàn)了共形陣列條件下的二維DOA估計；文獻[9]利用虛擬內(nèi)插變換將共形陣列轉(zhuǎn)換為虛擬的線性陣列，并結(jié)合經(jīng)典聯(lián)合迭代自校正算法，實現(xiàn)了陣列誤差的自校正以及DOA的估計；文獻[10]利用MUSIC算法實現(xiàn)了共形陣列的極化-DOA的聯(lián)合估計；文獻[11]利用柱面共形陣列的對稱性，結(jié)合ESPRIT實現(xiàn)了DOA和極化參數(shù)的估計；文獻[12]針對陣元互耦和遮擋效應，通過模式空間變換和秩損理論，實現(xiàn)了柱面共形陣列的DOA估計. 在共形陣列參數(shù)估計性能分析方面，文獻[13]推導了MUSIC算法在共形陣列中的DOA參數(shù)估計方差和克拉美-羅界，并通過仿真對比研究了MUSIC算法在面陣和共形陣列中的DOA估計精度.

在共形陣列的參數(shù)估計方面已有算法主要分為兩類：不同背景下的DOA參數(shù)估計[6,8-9,12]以及極化和DOA參數(shù)的聯(lián)合估計[7,10-11]. 在極化和DOA聯(lián)合估計算法方面，已有文獻主要通過ESPRIT算法和MUSIC算法實現(xiàn)，其中ESPRIT算法對陣列形式有一定限制且需要進行參數(shù)配對，MUSIC算法對陣列形式限制較少，但需要進行四維參數(shù)搜索，計算復雜度較高. 針對以上問題，本文提出一種基于錐面共形陣列的降維MUSIC算法，算法通過構造同極化接收子陣，將導向矢量中的空域信息和極化信息去耦合，結(jié)合“秩損”原理實現(xiàn)了極化-DOA估計的降維MUSIC算法，與文獻[10]方法相比大大降低了極化-DOA估計算法的計算復雜度，且不需要進行參數(shù)配對.

1 錐面共形陣列信號模型

1.1 錐面共形陣列結(jié)構

錐面共形陣列的結(jié)構如圖1所示，陣列由單極化陣元構成，在圓錐頂點處存在一個陣元，其下有若干圓環(huán)陣. 定義β為1/2圓錐頂角，信號入射方向θ、φ定義如圖1所示，n為由上至下的圓環(huán)陣序號，d為圓環(huán)陣的間距，過圓錐頂點沿錐面分布的S1、S2、S3等直線定義為錐面的母線，每層圓環(huán)陣共含8個陣元，均位于相應的母線上，每層圓環(huán)陣中陣元序號m以X正軸為起點，按逆時針方向排列.

圖1 錐面共形陣列示意

圖1所示的錐面共形陣列，其陣元坐標為

xnm=nd×tanβ×cos[2π(m-1)/8],

ynm=nd×tanβ×sin[2π(m-1)/8],

znm=-nd.

1.2 錐面共形陣列信號模型

考慮如圖1所示的錐面共形陣列：圓錐頂點處有1個陣元，其他陣元分布在L條母線上，每條母線有K個陣元，陣元數(shù)為N=L×K+1. 假設有M個信號入射到錐面共形陣列上，則其接收信號模型可以表示為

(1)

ap(θi,φi,γi,ηi)=[p0,pS(1,i),…,pS(1,i),pS(2,i),…,pS(2,i),…,pS(L,i),…,pS(L,i)]T.

由陣列的建模過程可知，陣元受共形陣列曲率影響，使其具有不同的極化狀態(tài)，但同一條母線上的陣元由于在方向圖旋轉(zhuǎn)變換過程中具有相同的歐拉旋轉(zhuǎn)角，因此具有相同的極化狀態(tài)[10]，對入射信號的極化響應相同. 本文正是利用同母線陣元的同極化特性實現(xiàn)了極化-DOA估計的降維算法.

2 基于降維MUSIC的極化-DOA聯(lián)合估計

2.1 錐面共形陣列的MUSIC算法原理

定義單極化陣元共形陣列的協(xié)方差矩陣為

Rx=E{X(t)XH(t)},

對Rx進行特征值分解有

〈S〉=span{Us}=span{u1,u2,…uM},

〈N〉=span{UN)}=span{uM+1,…uN}.

進一步由子空間原理可知，信號導向矢量與噪聲空間正交，即

(2)

由式(2)可定義極化-DOA聯(lián)合譜表達式為

(3)

對式(3)進行四維搜索，得到M個極大值所對應的參數(shù)值即為對信號參數(shù)(θ,φ,γ,η)的估計. 由于在參數(shù)估計過程中需要進行四維搜索，算法的計算復雜度較高，不利于工程實現(xiàn). 針對此問題，本文從導向矢量中極化信息和DOA信息解耦合的角度出發(fā)，通過秩損原理實現(xiàn)了極化-DOA參數(shù)估計的降維算法，大大降低了算法的計算復雜度.

2.2 錐面共形陣列的降維MUSIC算法原理

由式(1)可知，導向矢量可重寫為

(4)

其中

(5)

(6)

將式(4)代入到式(6)中，整理可得

aΣ(θi,φi)×aL(θi,φi,γi,ηi)=0,

i=1,2,…,M,

(7)

其中

).

(8)

由式(8)顯然有Q(θi,φi)=QH(θi,φi)，此時式(7)的左端為矩陣Q(θi,φi)的二次型表示. 由式(5)可知，aL(θi,φi,γi,ηi)為各條母線陣元對入射信號的極化響應，由于各母線間陣元的極化形式不同，因此在L條母線中最多只有1條母線陣元的極化狀態(tài)與入射信號極化正交，即aL(θi,φi,γi,ηi)中元素不全為零，aL(θi,φi,γi,ηi)非零向量，aL(θi,φi,γi,ηi)≠0.

由以上討論可知，Q(θ,φ)為半正定矩陣，當且僅當(θ,φ)=(θi,φi),i=1,2,…,M時，Q(θ,φ)為奇異矩陣. 即Q(θ,φ)在信源的真實入射方向(θi,φi)處奇異，此時對矩陣Q(θ,φ)有

det[Q(θi,φi)]=0,i=1,2,…,M.

需要注意的是，由于共形載體對陣元的遮擋效應，使得aΣ(θi,φi)的對角線存在部分元素為0的現(xiàn)象[10]，在這種情況下，即使(θ,φ)與信號的真實入射方向不對應，也會使矩陣Q奇異. 因此需要對由陣列遮擋效應造成矩陣Q的奇異性進行處理. 由文獻[10]中討論可知，在有遮擋效應的情況下，未受遮擋陣元對應的導向矢量仍然與噪聲空間中相應的元素正交. 因此在按照式(8)構造Q后，將Q中全為0的行和列去掉得到Q′陣，此時對Q′陣有

det[Q′(θi,φi)]=0,i=1,2,…,M.

根據(jù)矩陣行列式與矩陣特征值關系，可得對入射信源的二維DOA估計為

(9)

式中，λmin{·}表示矩陣的最小特征值.

(10)

對式(10)分別作極化參數(shù)的二維估計，可得與DOA參數(shù)相對應的極化參數(shù)估計結(jié)果.

降維MUSIC算法步驟：

1)計算陣列協(xié)方差矩陣，并作特征值分解，得到噪聲子空間UN；

2)根據(jù)式(8)構造矩陣Q，并去掉其中全為零的行和列，得到Q′陣；

3)根據(jù)式(9)進行角度域的二維搜索，得到DOA參數(shù)的估計；

4)將DOA估計值代入到式(10)中，在極化域進行二維搜索，得到極化參數(shù)估計.

綜上，通過對導向矢量中極化信息和DOA信息的剝離，算法實現(xiàn)了參數(shù)估計的降維處理，先由式(9)估計信號的DOA參數(shù)，然后通過式(10)估計信號的極化參數(shù). 可以看出降維算法將傳統(tǒng)MUSIC算法所需的四維參數(shù)搜索轉(zhuǎn)化為2個二維參數(shù)搜索，大大降低了計算復雜度；同時在參數(shù)估計過程中實現(xiàn)了估計參數(shù)的自動配對，避免了ESPRIT算法所需的參數(shù)配對問題.

2.3 降維算法計算復雜度分析

在計算復雜度方面，降維MUSIC算法與傳統(tǒng)MUSIC算法的計算量均可分為陣列協(xié)方差矩陣計算、特征值分解和譜函數(shù)計算三部分. 為方便比較，假設兩種算法對應的導向矢量通過正余弦查表得到，暫不考慮其計算量；與計算量有關的參數(shù)為陣元個數(shù)N、入射的信號源個數(shù)M、母線個數(shù)L、快拍數(shù)P；不失一般性，假設極化和DOA參數(shù)的搜索范圍為各自的值域范圍，即θ為0°～90°，φ為0°～360°，γ為0°～90°，η為0°～360°，各參數(shù)的搜索步長均為1°. 2.3.1 陣列協(xié)方差矩陣計算

兩個復數(shù)相乘的計算量為(4m+2a)(m表示乘法，a表示加法，下同)，因此其單快拍自相關矩陣的計算量為N×N×(4m+2a)，對P個快拍，陣列自相關矩陣的計算量為P×N2×(4m+2a)+P×N2×2a. 兩種算法均是對N個陣元的協(xié)方差矩陣進行計算，因此本部分的計算量二者相同.

2.3.2 特征值分解

在特征子空間計算過程中，兩種算法均需要對N維陣列協(xié)方差矩陣Rxx進行特征值分解，因此在本部分二者的計算量相同. 由文獻[14]知，采用Lanczos算法計算N維矩陣的特征子空間分解時，其計算量主要為N3次的復數(shù)乘法，即文中陣列協(xié)方差矩陣特征分解的計算量為N3×(4m+2a).

2.3.3 譜函數(shù)計算

譜函數(shù)部分的計算量由需要計算的譜函數(shù)點數(shù)和每點所需的計算量確定.

傳統(tǒng)MUSIC：算法需要完成1次四維參數(shù)搜索，所需計算的譜函數(shù)點數(shù)為90×360×90×360，每個函數(shù)點涉及的計算為導向矢量與噪聲子空間相乘得到的行向量au以及計算au的模. 計算au所需的計算量為[N×(4m+2a)+N×2a]×(N-M)，計算向量au的模需要的計算量為(N-M)×(4m+2a)+(N-M)×2a，整理后得傳統(tǒng)MUSIC所需計算量為90×360×90×360×[(N-M)×(N+1)×(4m+4a)].

降維MUSIC：算法需要完成1次二維DOA搜索，以及M次二維極化參數(shù)搜索.

1)DOA搜索所需的譜函數(shù)點數(shù)為90×360，每個函數(shù)點需要的計算為：矩陣Q的構造以及矩陣Q的特征值分解，其中計算矩陣Q所需的計算量為(L+1)×(N-M)×N×(4m+4a)+(L+1)3×(4m+2a)，矩陣Q的特征值分解所需的計算量為(L+1)3×(4m+2a). 整理后可得降維算法計算二維DOA搜索需要的計算量為

90×360×{[(L+1)×(N-M)×N+(L+1)3]×(4m+4a)+(L+1)3×(4m+2a)}.

2)極化參數(shù)搜索需要進行M次二維極化參數(shù)計算，需要計算的譜函數(shù)點數(shù)為M×90×360，每個譜函數(shù)點所需的計算量與傳統(tǒng)MUSIC相同，為[(N-M)×(N+1)×(4m+4a)]，因此可得極化參數(shù)搜索需要的計算量為M×90×360×[(N-M)×(N+1)×(4m+4a)].

整理可得降維MUSIC算法所需的計算量為

90×360×{[(L+1)×(N-M)×N+(L+

1)3]×(4m+4a)+(L+1)3×(4m+2a)}+

M×90×360×[(N-M)×(N+1)×

(4m+4a)].

由于目前的數(shù)字信號處理芯片一般具有獨立的加法和乘法運算單元，可認為乘法和加法占用的指令周期相同. 若取陣元個數(shù)N=25，入射的信號源個數(shù)M=2，母線個數(shù)L=6，快拍數(shù)P=500，傳統(tǒng)MUSIC算法和降維MUSIC算法所需的計算量對比如表1所示.

表1 傳統(tǒng)MUSIC算法和降維MUSIC算法計算量比較(乘加次數(shù))
Tab.1 Compute complexity comparison between MUSIC and dimension reduced MUSIC(multiplicatio times)

算法陣列協(xié)方差矩陣特征值分解多維參數(shù)搜索傳統(tǒng)MUSIC算法2.5×1069.375×1044.6357×1012降維MUSIC算法2.5×1069.375×1041.4850×109

由表1可以看出，傳統(tǒng)算法與降維算法在陣列協(xié)方差矩陣計算和特征值分解部分的計算量相同，在多維參數(shù)搜索過程中，由于降維算法將四維的遍歷搜索過程改進為二維DOA與二維極化參數(shù)的搜索計算，因此降低了極化-DOA估計算法的計算量，二種算法在參數(shù)搜索部分的計算量之比約為3 121∶1.

3 仿真實驗

本節(jié)通過Matlab仿真研究降維MUSIC算法的有效性以及參數(shù)估計精度. 仿真中所取錐面共形陣列形式如圖1所示，具體參數(shù)為：β=20°，圓錐頂點處布有一個陣元，其下共有4個圓環(huán)陣，每個圓環(huán)陣有6個陣元，均勻分布在圓環(huán)上，圓環(huán)陣之間距離為2.75λ.

3.1 降維MUSIC算法有效性驗證

仿真條件：信噪比20 dB，快拍數(shù)500，取極化和DOA參數(shù)均不同的兩個信源，參數(shù)分別為(θ1,φ1,γ1,η1)=(25°, 200°, 45°, 90°)，(θ2,φ2,γ2,η2)=(35°, 50°, 45°, 0°)，降維MUSIC算法所得仿真結(jié)果如圖2所示.

(a)降維算法DOA參數(shù)估計結(jié)果

(b)信源1極化參數(shù)估計結(jié)果

(c)信源2極化參數(shù)估計結(jié)果

由圖2(a)可以看出，雖然兩個入射信源的極化參數(shù)不同，但降維MUSIC算法通過在二維DOA域的搜索實現(xiàn)了對2個信源DOA參數(shù)的估計，避免了傳統(tǒng)MUSIC算法所需的四維搜索，大大降低了參數(shù)估計算法的計算復雜度. 由圖2(b)、(c)可以看出，在得到信源DOA參數(shù)估計結(jié)果后，將其分別代入到式(10)給出的極化參數(shù)譜估計表達式中，即可分別得到與DOA參數(shù)相匹配的極化參數(shù)估計結(jié)果. 圖2所示的仿真結(jié)果證明了降維MUSIC算法實現(xiàn)極化-DOA參數(shù)估計的有效性.

3.2 降維MUSIC算法參數(shù)估計精度仿真

仿真條件：陣列接收快拍數(shù)500，單信源入射，參數(shù)為(θ1,φ1,γ1,η1)=(15°, 200°, 45°, 100°)，信噪比從0dB變化到20dB，蒙特卡洛實驗次數(shù)500，統(tǒng)計算法參數(shù)估計的均方根誤差，仿真結(jié)果如圖3所示.

(a) θ估計結(jié)果 (b)φ估計結(jié)果

(c)γ估計結(jié)果 (d)η估計結(jié)果

Fig.3 Parameter estimation precision of dimension reduced MUSIC

由圖3所示的仿真結(jié)果可以看出，本文方法對DOA參數(shù)和極化參數(shù)的估計精度略遜于MUSIC算法，在信噪比低于10 dB時，兩種算法的參數(shù)估計精度相差較大. 隨著信噪比的逐漸增加，本文方法與MUSIC算法的估計精度差逐漸變小.

綜合仿真實驗1和2的結(jié)果，以及2.3節(jié)計算量的討論可以看出，降維算法在犧牲部分精度的前提下，有效降低了極化-DOA聯(lián)合估計算法的計算量. MUSIC算法四維空間搜索所需計算量巨大，不利于工程實現(xiàn); 若在實際工程應用中，允許對錐面共形陣列構造同極化接收子陣，則降維算法可有效降低計算復雜度，有利于工程的實現(xiàn).

4 結(jié) 論

在建立單極化陣元錐面共形陣列信號模型的基礎上，通過構造同極化接收子陣，完成了空域信息和極化域信息的去耦合，根據(jù)秩損原理實現(xiàn)了極化-DOA估計的降維MUSIC算法，并通過仿真實驗研究了降維算法的估計精度. 仿真結(jié)果表明，本文方法可以有效實現(xiàn)極化-DOA參數(shù)的降維估計，大大降低了聯(lián)合估計算法的計算量，為共形陣列在工程上的應用提供了一個可選擇的方案. 同時，也可以看到本文方法在參數(shù)估計精度的仿真結(jié)果遜色于MUSIC算法，另外降維MUSIC算法參數(shù)估計精度的理論分析也尚未進行，相信隨著更多同行的研究，以上問題將最終得到解決.

[1] HUANG Q, ZHOU H, BAO J,et al. Accurate calibration of mutual coupling for conformal antenna arrays[J]. Electronics Letters,2013,49(23): 1418-1420.

[2] RASEKH M, SEYDNEJAD S R. Design of an adaptive wideband beamforming algorithm for conformal arrays [J]. IEEE Communications Letters, 2014, 18(11):1955 -1958.

[3] HUANG Zhijiang, ZHOU Jie, ZHANG Haiping. Full polarimetric sum and difference patterns synthesis for conformal array[J]. Electronics Letters,2015,51(8):602-604.

[4] LI Yongjiu, LI Long. Broadband microstrip beam deflector based on dual-resonance conformal loops array[J]. IEEE Transactions on Antennas and Propagation,2014,62(6):3028-3034.

[5] XU Kuiwen, YE Dexin, ZHU Zhongbo, et al. Analytical beam forming for circularly symmetric conformal apertures[J]. IEEE Transactions on Antennas and Propagation,2015,63(4): 1458-1464.

[6] QI Z S, GUO Y, WANG B H. Blind direction of arrival estimation angorithm for conformal array antenna with respect to polarization diversity[J]. IET Microwaves, Antennas & Propagation, 2011,5(4),433-442.

[7] 張樹銀, 郭英, 齊子森,等. 基于子空間原理的共形陣列多參數(shù)聯(lián)合估計算法[J]. 系統(tǒng)工程與電子技術, 2012, 34(6): 1146-1152.

ZHANG Shuyin, GUO Ying, QI Zisen, et al. Subspace-based multiple parameter estimation algorithm for incident signals with conformal array [J]. Systems Engineering and Electronic, 2012, 34(6): 1146-1152.

[8] 司偉建, 萬良田, 劉魯濤,等. 共形陣列天線超寬頻帶波達方向?qū)崟r估計[J]. 哈爾濱工程大學學報, 2014, 35(7): 913-918.

SI Weijian, WAN Liangtian, LIU Lutao, et al. Real-time ultra-wideband direction finding for the conformal array antenna [J]. Journal of Harbin Engineering University, 2014, 35(7): 913-918.

[9] 張學敬, 楊志偉, 廖桂生. 共形陣列幅相誤差校正快速算法[J]. 電子與信息學報, 2014,36(5): 1100-1105.

ZHANG Xuejing, YANG Zhiwei, LIAO Guisheng. A fast method for gain-phase error calibration in conformal array [J]. Journal of Electronics & Information Technology, 2014,36(5):1100-1105.

[10] 劉帥,周洪娟,金銘,等. 錐面共形陣列天線的極化-DOA估計[J]. 系統(tǒng)工程與電子技術,2012, 33(2):253-257.

LIU S, ZHOU H J, JIN M, et al. Polarization-DOA estimation for conical conformal array antennas[J]. Systems Engineering and Electronics, 2012,33(2):253-257.

[11]ZOU L, LASENBY J, HE Z. Direction and polarisation estimation using polarised cylindrical conformal arrays [J]. IET Signal Processing, 2012, 6(5):395-403.

[12]YANG Kai, ZHAO Zhiqin, YANG Wei, et al. Direction of arrival estimation on cylindrical conformal array using RARE [J]. Journal of Systems Engineering and Electronics, 2011, 22(5):767-772.

[13] 齊子森,郭英,王布宏,等. 共形陣列天線MUSIC算法性能分析[J].電子與信息學報,2008,30(11):2674-2677.

QI Zisen, GUO Ying, WANG Buhong, et al. Performance analysis of MUSIC for conformal array [J]. Journal of Electronics & Information Technology, 2008,30(11):2674 -2677.

[14]XU G, KAILATH T. A Fast Algorithm for Signal Subspace Decomposition and Its Performance Analysis[C]//International Conference on Acoustics, Speech,and Signal Processing.Toronto: IEEE, 1991:3069-3072.

(編輯 王小唯， 苗秀芝)

Polarization-DOA estimation for conical conformal array

LIU Shuai, HAN Yong, YAN Fenggang, JIN Ming

(School of Information and Electrical Engineering, Harbin Institute of Technology (Weihai), Weihai 264209，Shangdong, China)

Focusing on the problem of high computation complexity of MUSIC algorithm which is used for joint polarization-DOA estimation of conical conformal array, the signal model of conical conformal array is established and is built by single polarizative elements. Through the building of same polarizative sub-array, the polarization and DOA information of steering vector is de-coupled, considering the shadow effectors of conformal array, dimension reduced MUSIC is derived by rank reduction theory, which realizes polarization-DOA estimation by less computation complexity. The method has been verified by computer simulations.

conical conformal array; dimension reduced MUSIC; polarization-DOA estimation; rank reduction theory; shadow effectors

10.11918/j.issn.0367-6234.201607115

2016-07-28

中央高?；究蒲袠I(yè)務費專項資金(HIT.NSRIF.201724)

劉 帥(1980—)，男，博士，副教授; 金 銘(1968—)，男，教授，博士生導師

劉 帥, liu_shuai_boy@163.com

TN911.7

A

0367-6234(2017)05-0036-06