本發(fā)明屬于通信技術領域，尤其涉及一種二維music算法估計波達方向的并行計算技術。

背景技術：

空間信號到達方向估計(directionofarrival，doa)是陣列信號處理中的一個基本問題，同時在雷達、通訊、聲納，還是地震勘探等領域有著很大的應用場景。并且，隨著移動通信技術的發(fā)展進步，智能天線研究不斷深入，doa估計也成為移動通信領域一個研究的熱點。同時doa估計是現代電子戰(zhàn)中的一個研究熱點。而隨著現代空間譜技術的發(fā)展，基于子空間的方法，如music類算法、子空間擬合類算法，具有良好的估計性能、較高的估計分辨率以及較高的算法穩(wěn)健性，在doa估計中具有重要的應用價值。

目前，常采用常規(guī)波束形成法，也稱bartlett波束形成法。這種方法是基于傳統(tǒng)時域傅里葉譜估計法的一種簡單改進型，其主要思想是以空域各陣元數據代替?zhèn)鹘y(tǒng)時域處理的數據。這種方法，繼承了時域傅里葉的缺點，即其角度分辨率同樣有“傅里葉限”，角度分辨力有限，通常稱為“瑞利限”。也就是說，在實際工程中，角度分辨力受波束寬度的限制，此時提高角度分辨率最好的方法是增加陣元數，這樣往往是不切實際的。還有一些時間信號頻率估計的算法應用在doa估計上，如ar、ma和arma等算法，但這一類的算法只能應用于信號源在空間是連續(xù)分布的，且信號是平穩(wěn)的隨機過程的情況下?；谶@些限制此類算法在大多數情況下也是不適用的。而眾多doa估計算法里，music算法是現代超分辨率doa估計的里程碑，其通過協方差矩陣進行特征分解，得到噪聲子空間，利用信號子空間與噪聲子空間正交的特性估計出波達方向，這樣得到的譜峰很尖銳從而擁有很高的角度分辨率。二維music算法是二維doa估計的經典算法，這種方法擁有很高的角度分辨率，同時還可以應用于背景噪聲為色噪聲的情況，并且可以產生漸近無偏的來波方向估計，但是要求在二維空間內進行譜峰搜索，計算量非常的大，為了提高計算速度，就需要引入相關并行計算的技術。但是傳統(tǒng)的并行方式，因為空域分割問題，存在著子空域邊界無法估計信號方位信息的問題。

技術實現要素：

本發(fā)明針對現有技術的缺陷，提出一種二維music算法估計波達方向的并行計算方法，該方法可以提高計算速度，同時可以搜索到空域交界處的目標，并估計其方位角和俯仰角信息。

一種二維music算法估計波達方向的并行計算方法，包括如下步驟：

s1、設定需要掃描空域的個數為k，俯仰角的掃描區(qū)域[θ1θ2…θn]和每個空域各自方位角的掃描區(qū)域[φk1φk2…φkm]，俯仰角與方位角共同組成k個二維空域，其中，k＝1,2,…,k，k與掃描完成需要的時間成反比；

s2、由下式同時計算s1所述k個空域的各自的music譜p(θi,φkj)，

其中，l為陣元的個數，(xl,yl,zl)為第l個陣元的坐標信息，g∈c^l×l-n為噪聲子空間,n為信號源的個數，l＝1,2,3，...，l；

s3、同時找出s1所述k個空域里，每個music譜p(θi,φkj)中的l個最大的譜峰，得到l×k個譜峰值與其對應的俯仰角、方位角，即pq(θi,φkj)，其中，q＝1～l×k；

s4、找出pq(θi,φkj)中n個最大的值，則這n個最大值所對應的俯仰角θi和方位角φkj，就是n個信號源所對應的俯仰角和方位角。

進一步地，為了保證能估計到空域交界處的目標，對空域進行分割，具體分割方法如下：如圖2所示，橫坐標是方位角，縱坐標是俯仰角，不同顏色的區(qū)域表示不同的搜索空域，s1所述k個空域的俯仰角掃描區(qū)域為[θ1θ2…θn]，則空域1的掃描區(qū)域為[φ11φ12…φ1m]，空域2的掃描區(qū)域為[φ21φ22…φ2m]，空域3的掃描區(qū)域為[φ31φ32…φ3m]，空域k的掃描區(qū)域為[φk1φk2…φkm]，且需滿足，φ1(m-1)＝φ21、φ1m＝φ22、φ2(m-1)＝φ31、φ2m＝φ32、...、φ(k-1)(m-1)＝φk1、φ(k-1)m＝φk2。

本發(fā)明的有益效果是：

本發(fā)明方法可以提高計算速度，同時可以搜索到空域交界處的目標，并估計其方位角和俯仰角信息。

附圖說明

圖1為本發(fā)明方法流程圖。

圖2為本發(fā)明空域分割方法示意圖。

圖3為本發(fā)明全空域搜索時的偽譜圖。

圖4為本發(fā)明目標在子空域邊界時的偽譜圖。

具體實施方式

下面結合附圖對本發(fā)明進行說明。

實施例1、

本發(fā)明全空域搜索時的估計性能：

如圖1所示：

考慮n＝3個載波為的bpsk調制的遠場信號s1(n)以俯仰角θ1＝54°方位角φ1＝5°入射到m＝16陣元的均勻面陣上，并且陣元間距d/λ＝0.5。

設陣列接收的信噪比snr＝15db，陣列接收噪聲是均值為0、方差為σ²＝1的復高斯白噪聲，快拍數l＝512。估計這個n＝1目標的俯仰角和方位角信息(θ,φ)。

實施例1中的信號源數估計性能俯仰角和方位角估計誤差即δθ、δφ，以及估計完成需要時間衡量t。

具體步驟如下：

仿真信號建模：

a1.產生m個陣列的接收數據x(n)∈c^m×1。

x(n)＝as(n)+n(n),n＝1～l

其中，n(n)∈c^m×1為復高斯白噪聲矢量，其均值為0，方差為σ²＝1；s(n)＝s1(n)為遠場信號矢量，其幅度由snr確定；a∈c^m×n為均勻線陣的空間陣列流型矩陣。

a2.計算相關矩陣

a3.計算噪聲子空間g。

計算相關矩陣r的特征值分解，并將特征值按單調非遞增順序排序，即λ1≥λ2≥…≥λn≥λn+1≥…≥λm,這些特征值對應的歸一化特征向量分別是u1,…,un,un+1,…,um，其中un+1,…,um張成噪聲子空間g,即g＝[un+1un+2…um]∈c^m×(m-n)。

b.應用本發(fā)明估計這個n＝1目標的俯仰角和方位角信息(θ,φ)。

b1.設定需要掃描空域的個數k＝2，同時設定俯仰角的掃描區(qū)域和方位角的掃描區(qū)域：

[θ1＝0°θ2＝1°…θn＝90°]

[φ1,1＝0°φ1,2＝1°…φ1,181＝181°]、[φ2,1＝180°φ2,2＝181°…φ2,181＝361°]

b2.由下式同時計算這k個空域的各自的music譜p(θi,φkj)，k＝1～k。

其中，l為陣元的個數；(xl,yl,zl)為第l個陣元的坐標信息；g∈c^l×l-n為噪聲子空間,n為信號源的個數。

b3.同時找出這k個空域里，每個music譜p(θi,φkj)中的l個最大的譜峰，這樣就得到了l×k個譜峰值與其對應的俯仰角、方位角，即pq(θi,φkj)，q＝1～l×k。

b4.找出pq(θi,φkj)，q＝1～l×k中n個最大的值，則這n最大值所對應的俯仰角θi和方位角φkj，就是n個信號源所對應的俯仰角和方位角。

c.計算俯仰角和相位角的估計誤差，同時統(tǒng)計完成估計需要的時間。

仿真結果的偽譜圖如圖2所示，俯仰角和方位角的估計結果為(θ,φ)＝(54°,5°)，真實目標的位置信息為(θ1,φ1)＝(54°,5°)以真實的目標位置信息一樣，估計結果很好。同時完成估計需要的時間為t＝0.1125秒，與不采用的并行技術所需要的時間0.2163秒相比，時間少了一半。也就是說本發(fā)明具有較高的估計效果，同時也有較快的計算速度。

實施例2、

本發(fā)明當目標在空域之間邊界上的估計性能：

實施例2的方法如圖1所示。將實施例1的信號俯仰角和方位角改為θ1＝34°，φ1＝180°，其他條件和實施例1一樣，更改完條件后執(zhí)行實施例1的仿真步驟，可得到附圖3，信號源位置信息的估計結果為(θ,φ)＝(34°,180°)。說明本發(fā)明，雖然將整一個大空域分成了若干個子空域，且在空間之間的邊界上也可以估計到目標。