欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023112705341
申请人: 宁波大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于二阶互相关的空时近场源三维参数粗细估计方法,其特征在于:该方法包括如下步骤:S1、建立基于十字交叉阵列的近场信号模型,所述近场信号模型由两个子阵列组成,所述的阵列x为位于x轴上的均匀线阵,所述的阵列y为位于y轴上的均匀线阵,阵列x和阵列y的阵元数目相等,阵列x和阵列y的对称中心对应的传感器位置为幅度和相位的参考点;当有K个位置为的不相关的窄带近场信号源到达所述两个均匀线阵,其中,θk,和rk分别为第k个信源到参考点的俯仰角、方位角和距离;对于阵列x的第m个传感器以及阵列y的第n个传感器,分别获取第k个信号源的空间幅度相位因子,其表示为:其中,rm,k和rn,k分别表示第k个信号源到位置为(md,0)和(0,nd)的传感器的距离,其中,m=-Mx,…,0,…,Mx,n=-My,…,0,…,My,d表示每个阵列的阵元的单元间距,λ表示信号波长,和分别表示第k个信号源对应于阵列x和y的幅度衰减,αk和βk分别表示第k个信源分别与x轴和y轴的夹角;阵列x和阵列y接收的信号分别表示为:其中,A=[a(α1,r1),...,a(αk,rk),...,a(αK,rK)]表示阵列x的(2Mx+1)×K维阵列流型矩阵,表示第k个信号源的导向矢量;

B=[b(β1,r1),...,b(βk,rk),...,b(βK,rK)]表示阵列y的阵列流型矩阵,s(t)=[s1(t),…,sK(t)]T表示K×1维信号矢量,wx(t)和wy(t)表示对应的加性噪声矢量;

S2、利用第m个传感器和第n个传感器接收到的信号的互相关函数构造虚拟接收数据:其中,E{·}表示统计期望函数,表示第k个入射信号的自相关函数;

S3、基于步骤S2得到的r(m,n,τ),将其转化为包含十字阵列中所有传感器收集的信息的时延互相关矩阵R(τ):R(τ)=ARs(τ)BH,其中,(·)T表示共轭转置,(·)H表示共轭转置,Rs(τ)=diag[rs1(τ),rs2(τ),…,rsK(τ)];

S4、对步骤S3得到的时延互相关矩阵R(τ)进行矢量化操作,得到:其中,rs(τ)=vec(Rs(τ))=[rs1(τ),rs2(τ),…,rsk(τ)]T,⊙表示Khatri-Rao积,(·)*表示共轭;

S5、在时域内对所述的进行均匀抽样,抽样间隔为τl,τl=Ts,2Ts,…,LTs,产生L个伪快拍数据:由此堆叠生成基于时延的数据矩阵其表示为:其中,S6、通过对步骤S5得到的数据矩阵进行三线性分解,获得阵列流型矩阵A和B的估计值和分别从阵列流型矩阵的估计值和中提取幅度衰减:和S7、对步骤S6提取出的幅度衰减构建非线性方程:

S8、根据步骤S7得到的非线性方程,构造关于阵列x的系数矩阵:

且Dxk×Exk=Fxk,其中,使用最小二乘法,得到:

S9、根据步骤S8获得的关于阵列x的系数矩阵,直接获得第k个入射信号的和估计值:构造阵列y的系数矩阵,由得到的估计值为:的粗略估计值为阵列x和阵列y的估计值的平均值:S10、获取无模糊的粗估计相位因子:

S11、提取各个导向矢量中和的相位:以及以和为参考,去除导向矢量和的相位模糊,获得无模糊相位因子:S12、将步骤S11得到的无模糊相位因子构建为与位置参数有关的非线性方程S13、将步骤S11中的关于两个子阵列的线性方程分别用系数矩阵表示为:αk,βk和rk的信息矩阵为

S14、最后,通过最小二乘法获得角度和距离参数的精确估计: