基于降維子空間的多重信號分類快速算法

謝 鑫,李國林,程國標(biāo)

(1.海軍航空工程學(xué)院,山東煙臺 264001;2.91960部隊(duì),廣東汕頭 515073)

0 引言

近炸引信技術(shù)的發(fā)展方向之一在于探測的精細(xì)化,擁有空間精確定位能力則是其中的一個(gè)具體目標(biāo)。目前引信普遍采用的傳統(tǒng)天線體制在提高空間定位能力上已經(jīng)遇到了瓶頸,比較而言,陣列天線在這一方面則具有先天的優(yōu)勢。然而陣列天線的體積和復(fù)雜的數(shù)據(jù)處理要求一度限制著它在彈載乃至機(jī)載平臺的應(yīng)用。隨著共形天線技術(shù)的發(fā)展,在導(dǎo)彈無線電引信上應(yīng)用陣列天線正成為可能,這也加速了引信對于快速有效的目標(biāo)空間定位算法的需求。

空間定位的核心在于到達(dá)角(DOA)估計(jì),多重信號分類(MUSIC)DOA估計(jì)算法作為主流的超分辨算法之一,自出現(xiàn)以來就一直受到關(guān)注,由于其運(yùn)算量較大,關(guān)于降低其運(yùn)算量的研究也一直在進(jìn)行。MUSIC算法的運(yùn)算量主要集中在特征值分解和空間譜的搜索兩部分,目前已有的研究也主要集中在這兩方面。文獻(xiàn)[1—5]分別利用接收數(shù)據(jù)近似、陣元降維、多級維納濾波等方法研究了信號子空間或噪聲子空間的的快速估計(jì)算法,避開了特征值分解問題或簡化了運(yùn)算;文獻(xiàn)[6—8]則分別利用FFT、陣元降維和有限域搜索等方法研究了空間譜的快速搜索問題。這些方法不同程度地降低了MUSIC的運(yùn)算量,但同時(shí)多數(shù)存在估計(jì)精度降低的問題。本文從優(yōu)化MUSIC搜索過程的角度研究降低MUSIC的運(yùn)算量的方法,提出了一種基于降維子空間的快速搜索算法。

1 陣列信號模型

考慮一個(gè)由N個(gè)陣元組成的扇形陣列,扇形張角為φ0,扇形半徑為R,各陣元沿扇形均勻排列,陣元的歸一化方向圖函數(shù)均為G(θ),方向圖指向扇形陣列外部如圖1所示。

圖1 基于有向陣元的均勻扇形陣列Fig.1 Uniform arc array Composed of directional elements

假設(shè)接收到M個(gè)非相關(guān)窄帶信號,且N ＞M,設(shè)入射波信號和噪聲不相關(guān),則陣列輸出信號矢量為:

為陣列流形矩陣,其中φi為第i個(gè)信號的入射方向,a(φi)為對應(yīng)的方向向量,且有

為M個(gè)入射信號矢量。

為噪聲矩陣,其中ni(t)為第i個(gè)陣元中的零均值高斯加性白噪聲,方差為σ2。

2 降維子空間搜索算法

基于上一節(jié)中描述的陣列模型,可得陣列輸出信號的協(xié)方差矩陣。

根據(jù)式(8),依θ進(jìn)行步進(jìn)搜索,并找到譜峰所對應(yīng)的θ值即為所需的DOA。

從式(8)可以看出,每次步進(jìn)搜索中,主要為矩陣乘法運(yùn)算。A(θ)為N×M維矩陣,E N為N×(N-M)維矩陣,在實(shí)際編程計(jì)算中,一般是通過AHE N(AHE N)H來計(jì)算式(8)的,則每步搜索需進(jìn)行M×(N-M)×(N+M)次復(fù)數(shù)乘法運(yùn)算和M×(N2-M2-N)次復(fù)數(shù)加法運(yùn)算。

由于E N張成的噪聲子空間與信號子空間正交,顯然向量eM+1,…,eN都與信號子空間正交。即:

降維子空間搜索就是利用了這一特性,僅從噪聲子空間中取出R的一個(gè)特征向量進(jìn)行譜搜索。其空間譜表達(dá)式為A的列向量張成的信號子空間正交。即:

MUSIC算法正是利用這一點(diǎn)來進(jìn)行DOA估計(jì)的,其空間譜表達(dá)式為[9]:

此時(shí),在每次步進(jìn)搜索中僅需要M ×(N+M)次復(fù)數(shù)乘法運(yùn)算和M2次復(fù)數(shù)加法運(yùn)算。顯然,此時(shí)的運(yùn)算量僅約為標(biāo)準(zhǔn)MUSIC算法的1/(N-M)。由于陣元數(shù)量N是要大于入射信號數(shù)量M的,且一般情況下(N-M)＞1,在彈載引信陣列天線應(yīng)用中更是如此。因此,運(yùn)算量降低至原MUSIC搜索算法的1/(N-M)還是相當(dāng)可觀的。

下面給出降維子空間MUSIC算法的具體步驟:

1)計(jì)算接收數(shù)據(jù)的協(xié)方差矩陣R;2)進(jìn)行噪聲子空間估計(jì);3)利用式(10)進(jìn)行空間譜搜索計(jì)算;4)利用式(8)對上一步的估計(jì)結(jié)果進(jìn)行檢驗(yàn)和校正。

3 性能分析和仿真

在降低運(yùn)算量的同時(shí)同樣需要關(guān)注算法的性能,下面對算法的性能進(jìn)行分析。令

則有:U 1?U 2(當(dāng)且僅當(dāng)M=N-1時(shí)等號成立)

即可能存在某角度θ滿足θ∈U且θ?U 。這也就說明利用這種降維子空間進(jìn)行DOA搜索可能出現(xiàn)偽峰。出現(xiàn)偽峰的原因正是因?yàn)樵肼曌涌臻g維數(shù)的減少使得其正交子空間擴(kuò)大,從而使得搜索的方向向量落入其正交子空間的概率增大。

利用第2節(jié)中的陣列模型,在陣元數(shù)為15、快拍數(shù)為256、信噪比為10 dB、信號到達(dá)角為-20°的情況下,對子空間算法進(jìn)行仿真計(jì)算,其結(jié)果如圖2所示。

圖2 降維子空間算法得到的空間譜Fig.2 Spatial spectrum estimation using dimension reduced subspace algorithm

從圖2中可以看出,降維子空間搜索算法能夠準(zhǔn)確地確定入射信號的到達(dá)角,但正如前面所分析的結(jié)果,出現(xiàn)了偽峰,這給DOA估計(jì)帶來了不確定性。通過多次仿真還發(fā)現(xiàn),偽峰出現(xiàn)的位置和數(shù)量也具有隨機(jī)性。在信噪比分別為10 dB和20 d B的情況下,經(jīng)過200次Monte-Carlo仿真統(tǒng)計(jì)實(shí)驗(yàn),得到出現(xiàn)偽峰個(gè)數(shù)的統(tǒng)計(jì)如表1所示。

表1 出現(xiàn)偽峰個(gè)數(shù)統(tǒng)計(jì)表Statistic of the amount of false peak Tab.1

從表1可以看出,在10d B信噪比的情況下,出現(xiàn)1個(gè)偽峰的概率較高,而出現(xiàn)2個(gè)以上偽峰的概率是很低的;而且當(dāng)信噪比提高到20 dB時(shí),出現(xiàn)偽峰的個(gè)數(shù)和次數(shù)都明顯降低。

基于這些統(tǒng)計(jì)分析數(shù)據(jù),對DOA估計(jì)的檢驗(yàn)和校正就變得簡單了,只需在使用降維子空間算法進(jìn)行搜索后,對得到的結(jié)果再利用式(8)進(jìn)行檢驗(yàn)。根據(jù)出現(xiàn)的偽峰個(gè)數(shù),這種檢驗(yàn)運(yùn)算一般不會(huì)超過M+2次,一般應(yīng)用中,這個(gè)運(yùn)算次數(shù)相對于步進(jìn)搜索的運(yùn)算次數(shù)是很小,從而不會(huì)增加整體運(yùn)算量。

從上面的分析中可以看出:雖然采用降維子空間進(jìn)行DOA估計(jì)所帶來的運(yùn)算量降低是以引入估計(jì)結(jié)果的不確定性為代價(jià)的,但通過利用標(biāo)準(zhǔn)MUSIC算法進(jìn)行校正,可以很方便地消除這種不確定性,而且進(jìn)行這種校正后,還可以保證估計(jì)結(jié)果在精度上沒有任何損失。

4 算法運(yùn)算量分析

在第3節(jié)中已對降維子空間搜索算法和標(biāo)準(zhǔn)MUSIC算法的運(yùn)算量進(jìn)行了簡單對比。為了具體地說明問題,下面將對不同陣元數(shù)目、不同目標(biāo)數(shù)目的情況下兩種算法搜索過程的運(yùn)算量進(jìn)行比較分析。

根據(jù)表 1,假設(shè)偽峰數(shù)為 1個(gè),以每步 0.5°在-90°～+90°空域進(jìn)行搜索,分別對陣列數(shù)為 15和30的情況下,不同目標(biāo)數(shù)目時(shí)采用降維子空間算法在DOA搜索過程中運(yùn)算量減少的百分比進(jìn)行了分析,結(jié)果如圖3和圖4所示。

圖3 陣列數(shù)為15時(shí)的運(yùn)算量比較Fig.3 Comparison of computational complexity in the case of 15 elements

圖4 陣列數(shù)為30時(shí)的運(yùn)算量比較Fig.4 Comparison of computational complexity in the case of 30 elements

從圖3和圖4可以看出:盡管降維子空間搜索算法需要對初步估計(jì)結(jié)果進(jìn)行校正,總的來看該算法所能夠節(jié)省的運(yùn)算量仍然是相當(dāng)可觀的,而且算法最終的精度沒有任何損失。

5 結(jié)論

綜上所述,本文所提出的基于降維子空間搜索算法先利用降維的噪聲子空間進(jìn)行DOA粗略估計(jì),使得MUSIC搜索的運(yùn)算量大大減小,然后利用最大噪聲子空間對估計(jì)結(jié)果進(jìn)行修正,保證了MUSIC算法的精度不受損失;性能分析和數(shù)值仿真驗(yàn)證了該算法的有效,從而使MUSIC算法更具實(shí)用性。

[1]于紅旗,黃知濤,周一宇,等.一種不需要特征值分解的ESPRIT方法[J].信號處理,2008,6(24):357-360.YU Hongqi,HUANG Zhitao,ZHOU Yiyu,et al.An improved ESPRIT algorithm without eigenvalues decomposition[J].Signal Processing,2008,6(24):357-360.

[2]于紅旗,劉章孟,黃知濤,等.基于快速子空間分解的寬帶非相干DOA估計(jì)快速算法[J].電子對抗,2008(2):16-20.YU Hongqi,LIU Zhangmeng,HUANG Zhitao,et al.Fast wideband incoherent signal subspace DOA estimation method based on fast subspace decomposition[J].Electronic Warfare,2008(2):16-20.

[3]Mohammed A Hasan.Fast rational approximation algorithms of signal and noise[J].Proceedings of the ISSPA'2001(1):124-127.

[4]黃磊,吳順君,張林讓,等.快速子空間分解方法及其維數(shù)的快速估計(jì)[J].電子學(xué)報(bào),2005,6(33):977-981.HUANG Lei,WU Shunjun,ZHANG Linrang,et al.A Fast Method for Subspace Decomposition and Its Dimension Estimation[J].Acta Electronica Sinica,2005,6(33):977-981.

[5]馬洪,楊琳琳,黎英云.二維快速子空間DOA估計(jì)算法[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2008(4):20-23.MA Hong,YANG Linlin,LI Yingyun.A fast subspace algorithm for two-dimensional DOA estimation[J].Journal of Huazhong University of Science and Technology(Nature Science Edition),2008(4):20-23.

[6]Paine A S,Malvern QinetiQ.Fast MUSIC for large 2-D element digitized phased array radar[C]//Proceedings of the international radar conference2003.Adelaide Australia:IEEE,2003:200-205.

[7]CUI Weiwei,CAO Zhigang.Fast Source Location Method Using Anti-reverberant Searching Space Pre-estimation[C]//TENCON 2006,2006 IEEE Region 10 Conference.Hongkang:IEEE,2006:1-4.

[8]蔣毅,古天祥.基于有限域搜索的M USIC法快速頻率估計(jì)[J].儀器儀表學(xué)報(bào),2006,11(27):1 526-1 528.JIANG Yi,GU Tianxiang.Quick frequency estimation based on MUSIC algorithm[J].Chinese Journal of Scientific Instrument,2006,11(27):1 526-1 528.

[9]Schmidt R O.Multipleemitter location and signal parameter estimation[J].IEEE Trans on AP,1986,34(3):276-280.