本發(fā)明涉及陣列信號(hào)處理，特別是涉及一種面向脈沖噪聲環(huán)境的陣列信號(hào)魯棒定位方法。

背景技術(shù)：

1、無線定位是陣列信號(hào)處理中的一個(gè)重要研究分支，被廣泛地應(yīng)用于雷達(dá)、無線通信和聲納等諸多領(lǐng)域。在近幾年的無線定位研究領(lǐng)域，稀疏重構(gòu)算法和互質(zhì)陣列逐漸成為學(xué)者們的研究熱點(diǎn)，傳統(tǒng)均勻規(guī)則陣列中，自由度的大小是和陣元數(shù)目密切相關(guān)的，即當(dāng)信源數(shù)目大于陣元數(shù)目時(shí)，無線定位估計(jì)算法會(huì)失效，相比于傳統(tǒng)的均勻陣列，互質(zhì)陣列(coprime?array，ca)因其突破了陣元間距小于半倍波長(zhǎng)的局限、結(jié)構(gòu)簡(jiǎn)單、系統(tǒng)化配置、高自由度在國(guó)內(nèi)外引起了廣泛的關(guān)注，如vaidyanathan?p?p等人(2011)所述?；谥行臉O限定理的原因，在信號(hào)處理理論發(fā)展的幾十年里，大多數(shù)稀疏重構(gòu)算法基于高斯白噪聲模型分析，基于高斯分布假設(shè)的信號(hào)處理方法和理論日益成熟。但是研究人員觀察發(fā)現(xiàn)，在許多現(xiàn)實(shí)環(huán)境中，移動(dòng)無線通信信道中的電磁噪聲、地雜波、海雜波等往往偏離高斯分布，在概率密度函數(shù)(probability?density?function，pdf)上表現(xiàn)厚拖尾特征，在時(shí)域呈現(xiàn)出短時(shí)脈沖特性，這種與高斯分布噪聲有明顯偏差的噪聲被稱為沖擊噪聲或者脈沖噪聲，alpha穩(wěn)定分布可以較好的描述脈沖噪聲，如nikias?c?l等人(1995)所述。盡管稀疏重構(gòu)算法相對(duì)于傳統(tǒng)的高分辨率定位算法性能顯著，但是在脈沖噪聲環(huán)境下算法性能勢(shì)必有所退化甚至失效。

2、綜上所述，為了克服現(xiàn)有技術(shù)存在的問題及缺陷，本發(fā)明公開了一種脈沖噪聲環(huán)境下基于相關(guān)熵的高自由度稀疏表示目標(biāo)魯棒定位方法。具體來說，針對(duì)傳統(tǒng)的稀疏表示定位算法在脈沖噪聲環(huán)境下性能退化，受最大相關(guān)熵準(zhǔn)則(maximum?correntropycriterion，mcc)近似0范數(shù)的特征啟發(fā)，liu?w等人(2007)所述，本發(fā)明提出了一種基于稀疏表示的韌性定位新方法。將多測(cè)量矢量欠定系統(tǒng)聚焦求解算法(mfocuss)(cotter?s?f等人(2005)所述)與最大相關(guān)熵準(zhǔn)測(cè)mcc結(jié)合，提出mcc-mfocuss算法，其次，將互質(zhì)陣列引入到mcc-mfocuss算法中，利用互質(zhì)陣列可以獲得更高的分辨率和自由度，實(shí)現(xiàn)了全脈沖噪聲環(huán)境下信源的定位、信源數(shù)量、信源功率的聯(lián)合估計(jì)，具有比已有算法更高分辨率和估計(jì)精度。且基于互質(zhì)陣的信號(hào)處理算法也能夠減小軟硬件成本和復(fù)雜度，在實(shí)際應(yīng)用中具有重要的研究?jī)r(jià)值和意義。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)中存在的技術(shù)缺陷，而提供一種面向脈沖噪聲環(huán)境的陣列信號(hào)魯棒定位方法。

2、為實(shí)現(xiàn)本發(fā)明的目的所采用的技術(shù)方案是：

3、一種面向脈沖噪聲環(huán)境的陣列信號(hào)魯棒定位方法，包括以下步驟：

4、步驟1，互質(zhì)陣列接收p個(gè)信源獲得遠(yuǎn)場(chǎng)窄帶信號(hào)x(n)并初始化相關(guān)參數(shù)；

5、步驟2，用步驟1獲得的遠(yuǎn)場(chǎng)窄帶信號(hào)x(n)估算協(xié)方差矩陣rx；

6、步驟3，向量化協(xié)方差矩陣rx得到互質(zhì)陣列的等價(jià)虛擬陣列信號(hào)y，通過空間平滑對(duì)等價(jià)虛擬陣列信號(hào)y進(jìn)行重構(gòu)，得到新的協(xié)方差矩陣rss；

7、步驟4，構(gòu)建信號(hào)稀疏表示字典a，輸入?yún)f(xié)方差矩陣rss，對(duì)信號(hào)進(jìn)行重構(gòu)，實(shí)現(xiàn)多信源定位。

8、在上述技術(shù)方案中，所述步驟1中，所述遠(yuǎn)場(chǎng)窄帶信號(hào)x(n)為：

9、

10、其中，是m1+2m2個(gè)互質(zhì)陣列獲得數(shù)據(jù)向量，n∈n表示第n次采樣，n是快拍數(shù)，m1和m2均為互質(zhì)陣列的陣元數(shù)量，是陣列方向向量，且以第一個(gè)陣元為參考陣元，fp是第p個(gè)信號(hào)載波頻率，j是復(fù)數(shù)算子，d是陣元間距為半倍載波波長(zhǎng)0.5λmax，c是介質(zhì)傳播速度，θp表示第p個(gè)信號(hào)入射角度，[·]t表示轉(zhuǎn)置，c是復(fù)數(shù)域，s[n]＝[s1,s2,···,sp]∈cp×1是信源向量，sp[·]是第p個(gè)信源向量，v[n]表示脈沖噪聲。

11、在上述技術(shù)方案中，所述步驟2中，協(xié)方差矩陣rx：

12、

13、其中，n是快拍數(shù)(采樣數(shù)量)，[·]h表示共軛轉(zhuǎn)置。

14、在上述技術(shù)方案中，所述步驟3中，向量化協(xié)方差矩陣：將rx按列排列形成一個(gè)向量以獲取互質(zhì)陣列的等價(jià)虛擬陣列信號(hào)：

15、

16、其中，等價(jià)于擴(kuò)展后的陣列方向向量，表示克羅內(nèi)克積，[·]*表示共軛，p＝diag(σ12，σ22，…，σp2)表示p個(gè)入射信號(hào)的功率，σp2是第p個(gè)信號(hào)的功率，diag(·)表示對(duì)角矩陣，i＝vec(i)，vec(·)表示將矩陣中元素按列依次排列成一個(gè)矢量，i是單位矩陣，σn2表示噪聲的功率；

17、經(jīng)過向量化之后的矢量y與步驟1得到的遠(yuǎn)場(chǎng)窄帶信號(hào)x(n)結(jié)構(gòu)類似，因此，矢量y可以被視為對(duì)應(yīng)于虛擬域陣列的二階等價(jià)虛擬接收信號(hào)，相當(dāng)于2m1m2+1個(gè)虛擬陣元接收的信號(hào)，使得自由度能夠得到較大提升，而不僅局限于物理陣元數(shù)目，m1+2m2個(gè)陣元可以有效識(shí)別2m1m2+1個(gè)信號(hào)。

18、在上述技術(shù)方案中，所述步驟3中，重構(gòu)協(xié)方差矩陣rss：y相當(dāng)一個(gè)單快拍的接收信號(hào)，對(duì)其進(jìn)行重復(fù)性消除然后按距離進(jìn)行排列：

19、

20、其中，是y中相應(yīng)位置的元素向量，ii＝1，2，…，m1m2+1，rss是m1m2+1個(gè)子陣列的協(xié)方差矩陣平均值得到空間平滑矩陣，通過空間平滑操作，恢復(fù)了協(xié)方差矩陣rss的秩。

21、在上述技術(shù)方案中，所述步驟4中，多目標(biāo)方位定位：對(duì)整個(gè)空間方位進(jìn)行柵格劃分，構(gòu)建信號(hào)稀疏表示字典a，a＝b，設(shè)定迭代次數(shù)mits、誤差閾值ε、正則化參數(shù)λ，輸入?yún)f(xié)方差矩陣rss，初始化迭代次數(shù)mits＝0、重構(gòu)信號(hào)s0為零矩陣、權(quán)重矩陣w＝ι，重構(gòu)信號(hào)s為：

22、s＝wah(awah+λι)-1rss?(7)

23、更新權(quán)重矩陣：

24、

25、重復(fù)公式(7)和(8)直至迭代次數(shù)為mits或者∥s-s0∥f<ε，更新s0＝s，最終輸出s，κδ(0)是核函數(shù)，δ表示核長(zhǎng)，∥·∥f表示frobenius范數(shù)，最終輸出s，其中非零項(xiàng)的位置代表入射信號(hào)的位置，且非零項(xiàng)表示信號(hào)的功率。

26、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

27、1、本發(fā)明的定位方法包括以下步驟：互質(zhì)陣列接收遠(yuǎn)場(chǎng)窄帶信源信號(hào)，初始化相關(guān)參數(shù)；利用有限的數(shù)據(jù)采樣快拍數(shù)估算協(xié)方差矩陣rx；向量化協(xié)方差矩陣rx，通過空間平滑重構(gòu)協(xié)方差矩陣rss；構(gòu)建信源方位字典，基于稀疏表示信號(hào)重構(gòu)，實(shí)現(xiàn)多信源定位。

28、2、本發(fā)明實(shí)現(xiàn)了全脈沖噪聲環(huán)境下信源的定位、信源數(shù)量、信源功率的有效估計(jì)，具有比已有算法更高分辨率和估計(jì)精度。且基于互質(zhì)陣的信號(hào)處理算法也能夠減小軟硬件成本和復(fù)雜度，在實(shí)際應(yīng)用中具有重要的研究?jī)r(jià)值和意義。

29、3、針對(duì)傳統(tǒng)的稀疏表示定位算法在脈沖噪聲環(huán)境下性能退化，受最大相關(guān)熵準(zhǔn)則(maximum?correntropy?criterion，mcc)近似0范數(shù)的特征啟發(fā)，本發(fā)明提出了一種基于稀疏表示的韌性定位方法。將多測(cè)量矢量欠定系統(tǒng)聚焦求解(mfocuss)算法與最大相關(guān)熵準(zhǔn)測(cè)mcc結(jié)合，提出mcc-mfocuss算法，其次，將互質(zhì)陣列引入到mcc-mfocuss算法中，利用互質(zhì)陣列可以獲得更高的分辨率和自由度，實(shí)現(xiàn)了全脈沖噪聲環(huán)境下信源的定位、信源數(shù)量、信源功率的有效估計(jì)，具有比已有算法更高分辨率和估計(jì)精度。且基于互質(zhì)陣的信號(hào)處理算法也能夠減小軟硬件成本和復(fù)雜度，在實(shí)際應(yīng)用中具有重要的研究?jī)r(jià)值和意義。