基于压缩感知和最小化处理相结合的互质面阵二维DOA估计方法

技术特征：
1.基于压缩感知和最小化处理相结合的互质面阵二维doa估计方法，包含以下步骤：s1、建立子面阵的数据模型；根据互质面阵结构，将互质面阵分解为两个阵元数分别为m1×
m1和m2×
m2的均匀稀疏面阵，子面阵1在x轴和y轴方向的阵元数分别为m1，其阵元间距为d1＝m2d，子面阵2在x轴和y轴方向的阵元数分别为m2，其阵元间距为d2＝m1d，m1和m2满足互质关系，d＝λ/2，λ为入射信号波长；两个子面阵只在原点处重合，所以，互质面阵的总阵元数可表示为建立子面阵i的接收数据模型为：其中，为子面阵i的x轴阵列流型矩阵，为阵列响应向量，为子面阵i的y轴阵列流型矩阵，阵列响应向量子面阵i的阵元数为m
i
×
m
i
，d
i
为阵元间距，分别表示第k个信号的方位角和俯仰角，θ
k
∈(-π,π)，π,π)，表示入射信号，k为远场窄带信号个数，表示克罗内克积，d
m
(
·
)是由矩阵的m行构造的一个对角矩阵，n
im
(t)是子面阵i在第m个分阵列上阵元的加性高斯白噪声；s2、引入压缩感知，分别对子面阵接收数据进行降维处理；引入压缩感知对接收信号进行处理，构造两个随机压缩感知核φ1、φ2，φ1是一个q1×
m1维矩阵，φ2是一个q2×
m2维矩阵；其中q
i
为压缩系数，满足为压缩系数，满足且q
i
＞k；φ1、φ2中的元素随机生成，且满足行正交的条件；利用压缩感知核分别对各子面阵维的接收信号x
i
(t)以随机投影的方式进行降维处理得到各子面阵q
i
×
1维轮廓信号y
i
(t)：y
i
(t)＝φ
i
x
i
(t)
ꢀꢀꢀꢀ
(2)s3、利用轮廓信号进行子面阵二维doa估计；选用一种doa估计算法处理子面阵的轮廓信号，得到每个子面阵的二维空间谱估计结果s4、利用最小处理方法联合子面阵二维doa估计结果，得到互质面阵二维doa估计结果；通过最小处理方法对两个子面阵的空间谱取最小操作，共同谱峰所在位置为互质面阵的二维doa估计结果；
其中和分别为子面阵1和子面阵2的二维空间谱估计结果。2.根据权利要求1所述的基于压缩感知和最小化处理相结合的互质面阵二维doa估计方法，其特征在于，步骤s3具体为：选用二维music算法对轮廓信号进行处理，子面阵i的轮廓信号所对应的二维music空间谱功率函数为：其中，为子面阵i的轮廓信号所对应的q
i
×
1维的导引向量，是对子面阵i的轮廓信号的协方差矩阵r
iyy
进行特征值分解得到的噪声子空间，协方差矩阵r
iyy
由下式计算遍历θ，获得每个子面阵的二维music空间谱p
2d-planararrayi
。

技术总结
基于压缩感知和最小化处理相结合的互质面阵二维DOA估计方法，首先把互质面阵分解为两个稀疏子面阵，建立每个子面阵的数据模型；然后引入压缩感知，构造压缩感知核分别对子面阵接收数据进行压缩投影，得到降维后的子面阵的轮廓信号；然后利用DOA估计算法处理子面阵的轮廓信号，得到子面阵的二维空间谱估计；最后利用最小处理方法联合两个子面阵二维DOA估计结果，消除角度模糊，得到互质面阵二维DOA估计结果。本发明在传统互质面阵二维DOA估计方法中引入压缩感知，降低了数据维度，减少了数据存储空间和运算量，同时结合了最小处理方法以消除角度模糊，无需依次比对子阵的谱峰，进一步简化了计算。一步简化了计算。一步简化了计算。


技术研发人员：张婷 张敏 梁婧瑶
受保护的技术使用者：浙江大学
技术研发日：2022.04.19
技术公布日：2022/7/15