您现在的位置: 通信界 >> 测试仪表 >> 技术正文  
 
信号源数检测算法研究
[ 通信界 / 赵宝利 / www.cntxj.net / 2018/11/14 21:23:51 ]
 

【摘要】信号处理中波达方向估计在雷达、声呐和移动通信等领域中具有广泛的应用,其中最具代表性的高分辨子空间算法都是在基于信号源数量已知的情况下进行的,因此许多目标源数检测的算法不断被提出。以均匀线阵为例,在分析阵列接收数据协方差矩阵特征值的基础上,通过引入无监督学习中的聚类算法,完成对协方差矩阵特征值的分离,从而有效地检测信号源数。仿真结果表明,本文算法在较低的信噪比和较小的快拍数下相对传统算法具有很高的检测精度。

【关键词】波达方向;无监督学习;信噪比

doi:10.3969/j.issn.1006-1010.2018.02.000      中图分类号:TN911.7      文献标志码:A      文章编号:1006-1010(2018)02-0000-00

引用格式:赵宝利. 信号源数检测算法研究[J]. 移动通信, 2018,42(2): 00-00.

Research on Number of Signals Detection Algorithm

ZHAO Baoli

(Shaanxi Oost Vocational and Technical College, Xi’an 712000, China)

[Abstract] DOA estimation in signal processing is widely used in radar, sonar and mobile communication, one of the most representative of the high-resolution subspace algorithm is based on the signal source in the number of known cases. Many target source number detection algorithm has been put forward. In this paper, we analyze the eigenvalues of array data covariance matrix value based on the uniform linear array, then complete separation of the eigenvalues of covariance matrix by introducing the clustering algorithm in unsupervised learning, Finally, the number of signals is successfully detected. The simulation results show when compared with the traditional algorithm, it has a high detection accuracy in the condition of low SNR (signal-to-noise ratio) and small snapshots.

[Key words] DOA; unsupervised learning; signal to noise ratio

1   引言

DOA估计(Direction of Arrival Estimation)[1-5]是空间谱估计[6-9]以及雷达信号处理[10-12]中的关键技术,研究人员在对DOA估计的研究中提出了许多算法,最具代表性的高分辨子空间算法,如MUSIC(Multiple Signal Classification)[13]算法和ESPRIT(Estimation Signal Parameter Via Rotational Invariance Techniques)[14]算法一直备受青睐,很多与之相关的改进算法不断被研究。但这些算法都是在信号源数已知的前提下进行的[11],在没有准确对信号源数目检测的前提下,这些算法大多会失效。而在已知信号源数目的情况下大多数的超分辨DOA估计算法都具有很好的性能[15]。

在对信号源检测时,基于统计信息的信号源数目估计的MDL(Minimum Description Length)准则[16]、AIC(Akaike Information Theoretic Criteria)准则[17]被提出,将信息论思想引入到信号源数目估计来降低主观判断的影响。其中,AIC准则不是一致性估计,在小样本和低信噪比情况下具有过估计问题,MDL准则虽然满足一致性估计,但仍存在欠估计现象[18]。针对色噪声条件下信号源数目估计,文献[19]与文献[20]基于盖氏圆定理提出了盖氏圆方法。针对高阶谱理论消除高斯噪声方法的研究,又有学者提出了四阶累积量Pisarenko[21]。该方法可以解决高斯有色噪声情况下信号源数确定问题,但随着快拍数的降低,该方法的性能会急剧下降。

本文以均匀线列为例,通过对阵列接收数据的协方差矩阵的特征值进行分析,构造样本数据空间,进而引入无监督学习领域的K-means聚类算法[22-24],设定聚类中心,通过迭代不断优化代价函数,从而完成协方差矩阵的特征值的分类,进而精确检测数信号源数。仿真表明:本文算法在较低的信噪比和较小的快拍数下相对传统算法具有很高的检测精度。

2   系统模型

如图1所示,M个阵元的均匀线阵,相邻阵元间间距为d,d小于等于信号源半波长,接收P个入射方向为[β1, β2, …, βp, …, βP]的远场窄带信号[25-26]入射波长为λ。

3   算法原理

阵列接收信号矩阵X的协方差矩阵为:

RXX=E[XXH]=ARSAH+RN                             (6)

对协方差矩阵RXX进行特征分解,分离出P个较大的特征值所对应的特征矢量构成信号子空间US,和其余M-P个特征值所对应的特征矢量构成噪声空间UN[27]。 

其中,Dm(m=1, 2, …, M)为上述协方差矩阵的第m个特征值。因为构成信号子空间的特征向量对应特征值[27]相对构成噪声子空间的特征向量对应的特征值较大,而构造的新样本空间的特征值大小得到进一步分离,这样使用聚类算法对其进行聚类时能更容易得到精确的分离界线,从而得到精确的构成信号空间向量对应的特征值个数,也即完成对信号源数的精确检测。

4   仿真分析

对几种不同情况做计算机仿真和比较,实验环境为MATLAB 9.0,本文算法与MDL、AIC以及盖氏圆等算法进行信号源数检测成功率对比。定义:每次检测到的信号源数等于真实的信号源数目时视为成功,否则视为失败,成功次数与总的试验次数的比值为成功概率。

考虑12个间距为半波长的等距线阵组成的阵列,接收远场窄带P=3个信号源(β1, β2, β3)=(15°, 30°, 45°)。

实验1:成功率随信噪比变化对比

快拍数120次,信噪比取-25~0 dB,各阵元噪声为零均值白复高斯噪声,图2为三种独立算法1 000次的实验对比仿真结果:

 

由图3成功率随快拍次数变化曲线可以看出,4种算法的信号源数检测成功率曲线均随快拍数的增加而上升,依然是ACI算法存在偏差,本文算法在同样实验条件下相对最优。

5   结束语

本文通过分析信号源数检测传统算法,结合无监督学习聚类方法,通过对阵列接收数据的协方差矩阵特征分解的特征值进行变换,构造理想的样本空间,对样本空间进行聚类划分,成功检测出信号源数,最后通过计算机仿真实验验证了本文所提算法的性能。

参考文献:

[1] Qin S, Zhang Y D, Amin M G, et al. DOA Estimation Exploiting A Uniform Linear Array with Multiple Co-prime Frequencies[J]. Signal Processing, 2017,130: 37-46.

[2] Guo M, Chen T, Wang B. An Improved DOA Estimation Approach Using Coarray Interpolation and Matrix Denoising[J]. Sensors, 2017,17(5): 1140.

[3] 宋雪松. 一种利用阵元结构信息ULA波达方向估计方法的研究[D]. 长春: 吉林大学, 2014.

[4] Nie W, Xu K, Feng D, et al. A Fast Algorithm for 2D DOA Estimation Using an Omnidirectional Sensor Array[J]. Sensors, 2017,17(3): 515.

[5] Liao B, Chan S C, Huang L, et al. Iterative Methods for Subspace and DOA Estimation in Nonuniform Noise[J]. IEEE Transactions on Signal Processing, 2016,64(12): 3008-3020.

[6] Petar M, Djuri?. Handbook on Array Processing and Sensor Networks[M]. Wiley-IEEE Press, 2010: 29-58.

[7] 郭拓,王英民,张立琛. 采用随机矩阵理论的水声阵列SMI-MVDR空间谱估计技术[J]. 火力与指挥控制, 2017,42(3): 45-48.

[8] 闫楷男. 基于空间阵列协方差Hankel矩阵奇异值分解的信号源估计算法研究[D]. 长春:吉林大学, 2016.

[9] 陈旭彬,任培明,戴慧玲. 一种基于空间谱估计测向算法的仿真与实现[J]. 移动通信, 2017(14): 74-81.

[10] 潘婷. 现代雷达信号处理的技术和发展趋势[J]. 科学中国人, 2016(18).

[11] 邱潇潇. R&S FSW50处理信号频率提高至50 GHz[J]. 移动通信, 2013(9): 29.

[12] 赵玉祥,赵果. 应用信号源对双偏振多普勒天气雷达探测性能的研究[J]. 自动化与仪器仪表, 2015(4): 171-173.

[13] Li G, Zhang B. A Novel Weak Signal Detection Method via Chaotic Synchronization Using Chua's Circuit[J]. IEEE Transactions on Industrial Electronics, 2017,64(3): 2255-2265.

[14] Trachi Y, Elbouchikhi E, Choqueuse V, et al. Induction Machines Fault Detection Based on Subspace Spectral Estimation[J]. IEEE Transactions on Industrial Electronics, 2016,63(9): 5641-5651.

[15] 罗斌,雷宏. 基于旋转变换矩阵和广义共轭剩余法的信号源数检测方法[J]. 科学技术与工程, 2009,9(12): 3266-3271.

[16] 李海,刘新龙,蒋婷,等. 基于随机矩阵理论和最小描述长度的机载前视阵雷达杂波自由度估计[J]. 电子与信息学报, 2016,38(12): 3224-3229.

[17] Mangan N M, Kutz J N, Brunton S L, et al. Model selection for dynamical systems via sparse regression and information criteria[J]. Proceedings Mathematical Physical & Engineering Sciences, 2017,473(2204).

[18] 姜畔. 低信噪比下阵列信号源数目估计算法研究[D]. 长春: 吉林大学, 2016.

[19] Wu H T, Yang J F, Chen F K. Source number estimator using Gerschgorin disks[C]//IEEE International Conference on Acoustics, 1994.

[20] Wu H T, Yang J F, Chen F K. Source number estimators using transformed Gerschgorin radii[J]. IEEE Transactions on Signal Processing, 1995,43(6): 1325-1333.

[21] Swami A, Mendel J M. Cumulant-based approach to the harmonic retrieval problem[C]//IEEE International Conference on Acoustics, Speech & Signal Processing, 1988(4): 2264-2267.

[22] 钟庆. 基于喜好标签的移动互联网用户行为分类研究[J]. 移动通信, 2016,40(9): 93-96.

[23] Shi P, Zhong J, Huang R, et al. Automated Quantitative Image Analysis of Hematoxylin-Eosin Staining Slides in Lymphoma Based on Hierarchical Kmeans Clustering[C]//International Conference on Information Technology in Medicine and Education. IEEE, 2017.

[24] 黄星辉. 基于基站流量数据的用户上网时间分析研究[J]. 移动通信, 2016,40(12): 29-32.

[25] Xu K J, Nie W K, Feng D Z, et al. A multi-direction virtual array transformation algorithm for 2D DOA estimation[J]. Signal Processing, 2016,125(C): 122-133.

[26] 张义元. 基于布谷鸟搜索算法的DOA估计方法研究[D]. 长春: 吉林大学, 2015.

[27] 徐楷杰. 基于阵列虚拟变换的测向算法研究[D]. 西安: 西北大学, 2015.

[28] 季宇. 均匀圆阵列测向技术研究[D]. 西安: 西安电子科技大学, 2009.

作者简介

赵宝利:讲师,硕士毕业于西安交通大学电子与通信工程专业,现任职于陕西邮电职业技术学院,主要从事通信技术专业的教学和研究工作。

 

作者:赵宝利 合作媒体:移动通信技术 编辑:顾北

 

 

 
 热点技术
普通技术 “5G”,真的来了!牛在哪里?
普通技术 5G,是伪命题吗?
普通技术 云视频会议关键技术浅析
普通技术 运营商语音能力开放集中管理方案分析
普通技术 5G网络商用需要“无忧”心
普通技术 面向5G应运而生的边缘计算
普通技术 简析5G时代四大关键趋势
普通技术 国家网信办就《数据安全管理办法》公开征求意见
普通技术 《车联网(智能网联汽车)直连通信使用5905-5925MHz频段管理规定(
普通技术 中兴通讯混合云解决方案,满足5G多元业务需求
普通技术 大规模MIMO将带来更多无线信道,但也使无线信道易受攻击
普通技术 蜂窝车联网的标准及关键技术及网络架构的研究
普通技术 4G与5G融合组网及互操作技术研究
普通技术 5G中CU-DU架构、设备实现及应用探讨
普通技术 无源光网络承载5G前传信号可行性的研究概述
普通技术 面向5G中传和回传网络承载解决方案
普通技术 数据中心布线系统可靠性探讨
普通技术 家庭互联网终端价值研究
普通技术 鎏信科技CEO刘舟:从连接层构建IoT云生态,聚焦CMP是关键
普通技术 SCEF引入需求分析及部署应用
  版权与免责声明: ① 凡本网注明“合作媒体:通信界”的所有作品,版权均属于通信界,未经本网授权不得转载、摘编或利用其它方式使用。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:通信界”。违反上述声明者,本网将追究其相关法律责任。 ② 凡本网注明“合作媒体:XXX(非通信界)”的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。 ③ 如因作品内容、版权和其它问题需要同本网联系的,请在一月内进行。
通信视界
华为余承东:Mate30总体销量将会超过两千万部
赵随意:媒体融合需积极求变
普通对话 苗圩:建设新一代信息基础设施 加快制造业数字
普通对话 华为余承东:Mate30总体销量将会超过两千万部
普通对话 赵随意:媒体融合需积极求变
普通对话 韦乐平:5G给光纤、光模块、WDM光器件带来新机
普通对话 安筱鹏:工业互联网——通向知识分工2.0之路
普通对话 库克:苹果不是垄断者
普通对话 华为何刚:挑战越大,成就越大
普通对话 华为董事长梁华:尽管遇到外部压力,5G在商业
普通对话 网易董事局主席丁磊:中国正在引领全球消费趋
普通对话 李彦宏:无人乘用车时代即将到来 智能交通前景
普通对话 中国联通研究院院长张云勇:双轮驱动下,工业
普通对话 “段子手”杨元庆:人工智能金句频出,他能否
普通对话 高通任命克里斯蒂安诺·阿蒙为公司总裁
普通对话 保利威视谢晓昉:深耕视频技术 助力在线教育
普通对话 九州云副总裁李开:帮助客户构建自己的云平台
通信前瞻
杨元庆:中国制造高质量发展的未来是智能制造
对话亚信科技CTO欧阳晔博士:甘为桥梁,携"电
普通对话 杨元庆:中国制造高质量发展的未来是智能制造
普通对话 对话亚信科技CTO欧阳晔博士:甘为桥梁,携"电
普通对话 对话倪光南:“中国芯”突围要发挥综合优势
普通对话 黄宇红:5G给运营商带来新价值
普通对话 雷军:小米所有OLED屏幕手机均已支持息屏显示
普通对话 马云:我挑战失败心服口服,他们才是双11背后
普通对话 2018年大数据产业发展试点示范项目名单出炉 2
普通对话 陈志刚:提速又降费,中国移动的两面精彩
普通对话 专访华为终端何刚:第三代nova已成为争夺全球
普通对话 中国普天陶雄强:物联网等新经济是最大机遇
普通对话 人人车李健:今年发力金融 拓展汽车后市场
普通对话 华为万飚:三代出贵族,PC产品已走在正确道路
普通对话 共享退潮单车入冬 智享单车却走向盈利
普通对话 Achronix发布新品单元块 推动eFPGA升级
普通对话 金柚网COO邱燕:天吴系统2.0真正形成了社保管