第2章 空间谱估计基础
2.1引言
空间谱估计——空预处理技术,具有优越的空域参数估计性能,数与阵列信号处理分支,阵列信号处理的基本原理是通过空间阵列接收数据的相位差来确定一个或几个带估计的参数。
2.2 空间谱估计数学模型
空间谱估计:利用空间阵列实现空间信号的参数估计的一项专门技术。
空间谱估计系统:空间信号入射、空间阵列接收、参数估计;
对应三个空间:目标空间、观察空间、估计空间。
目标空间:由信号源的参数与复杂环境参数张成的空间;
观察空间:利用空间按一定方式排列的阵元,来接收目标空间的辐射信号,观察空间是一个多维空间,系统的接收数据是由多个通道组成的,通道是由空间的一个或多个阵元合成的,某特定阵元也可以包含在不同的通道内;
估计空间:利用空间谱估计技术从复杂的观察数据出提取信号的特征参数,相当于对目标空间的一个重构过程。
2.2.1 通常情况下的数学模型
考虑 N N N个远场的窄带信号入射到空间某阵列上,其中阵列天线由 M M M个阵元组成,假设阵元数等于通道数,即各阵元接收到信号后经各自的传输信道送到处理器,处理器接收来自 M M M个通道的数据。
在信号源是窄带的假设下,信号可用如下复包络形式表示:
{ s i ( t ) = u i ( t ) e j ( ω 0 t + φ ( t ) ) s i ( t − τ ) = u i ( t − τ ) e j ( ω 0 ( t − τ ) + φ ( t − τ ) ) \begin{cases} s_i(t)=u_i(t)e^{j(\omega_0t+\varphi(t))}\\ s_i(t-\tau)=u_i(t-\tau)e^{j(\omega_0(t-\tau)+\varphi(t-\tau))}\\ \end{cases} { si(t)=ui(t)ej(ω0t+φ(t))si(t−τ)=ui(t−τ)ej(ω0(t−τ)+φ(t−τ))
式中 u i ( t ) u_i(t) ui(t)是接收信号的幅度, φ ( t ) \varphi(t) φ(t)是接收信号的相位, ω 0 \omega_0 ω0 是接收信号的频率。在窄带远场信号源的假设下,有
{ u i ( t − τ ) ≈ u i ( t ) φ ( t − τ ) ≈ φ ( t ) \begin{cases} u_i(t-\tau)\approx u_i(t)\\ \varphi(t-\tau)\approx \varphi(t)\\ \end{cases} { ui(t−τ)≈ui(t)φ(t−τ)≈φ(t)
根据上式可得
s i ( t − τ ) ≈ s i ( t ) e − j ω 0 τ , i = 1 , 2 , ⋯ , N s_i(t-\tau)\approx s_i(t)e^{-j\omega_0\tau} ,i=1,2,\cdots,N si(t−τ)≈si(t)e−jω0τ,i=1,2,⋯,N
则可以得到第 l l l个阵元接收信号为
x l ( t ) = ∑ i = 1 N g l i s i ( t − τ l i ) + n l ( t ) , l = 1 , 2 , ⋯ , N x_l(t)=\sum_{i=1}^Ng_{li}s_i(t-\tau_{li})+n_l(t),l=1,2,\cdots,N xl(t)=i=1∑Nglisi(t−τli)+nl(t),l=1,2,⋯,N
式中, g l i g_{li} gli为第 l l l个阵元对第 i i i个信号的增益, n l ( t ) n_l(t) nl(t)表示第 l l l个阵元在 t t t时刻的噪声, τ l i \tau_{li} τli表示第 i i i个信号到达第 l l l个阵元时相对于参考阵元的时延。
将 M M M个阵元在特定时刻接收的信号排列成一个列矢量,可得
[ x 1 ( t ) x 2 ( t ) ⋮ x M ( t ) ] = [ g 11 e − j ω 0 τ 11 g 12 e − j ω 0 τ 12 ⋯ g 1 N e − j ω 0 τ 1 N g 21 e − j ω 0 τ 21 g 22 e − j ω 0 τ 22 ⋯ g 2 N e − j ω 0 τ 2 N ⋮ ⋮ ⋮ g M 1 e − j ω 0 τ M 1 g M 2 e − j ω 0 τ M 2 ⋯ g M N e − j ω 0 τ M N ] [ s 1 ( t ) s 2 ( t ) ⋮ s N ( t ) ] + [ n 1 ( t ) n 2 ( t ) ⋮ n M ( t ) ] \begin{bmatrix} x_1(t)\\ x_2(t)\\ \vdots\\ x_M(t)\\ \end{bmatrix}= \begin{bmatrix} g_{11}e^{-j\omega_0\tau_{11}} & g_{12}e^{-j\omega_0\tau_{12}} & \cdots & g_{1N}e^{-j\omega_0\tau_{1N}}\\ g_{21}e^{-j\omega_0\tau_{21}} & g_{22}e^{-j\omega_0\tau_{22}} & \cdots & g_{2N}e^{-j\omega_0\tau_{2N}}\\ \vdots & \vdots & & \vdots \\ g_{M1}e^{-j\omega_0\tau_{M1}} & g_{M2}e^{-j\omega_0\tau_{M2}} & \cdots & g_{MN}e^{-j\omega_0\tau_{MN}}\\ \end{bmatrix} \begin{bmatrix} s_1(t)\\ s_2(t)\\ \vdots \\ s_N(t)\\ \end{bmatrix}+ \begin{bmatrix} n_1(t)\\ n_2(t)\\ \vdots \\ n_M(t)\\ \end{bmatrix} ⎣⎢⎢⎢⎡x1(t)x2(t)⋮xM(t)⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎡g11e−jω0τ11g21e−jω0τ21⋮gM1e−jω0τM1g12e−jω0τ12g22e−jω0τ22⋮gM2e−jω0τM2⋯⋯⋯g1Ne−jω0τ1Ng2Ne−jω0τ2N⋮gMNe−jω0τMN⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡s1(t)s2(t)⋮sN(t)⎦⎥⎥⎥⎤+⎣⎢⎢⎢⎡n1(t)n2(t)⋮nM(t)⎦⎥⎥⎥⎤
在理想情况下,假设阵列中各阵元是各向同性的,且不存在通道不一致、互耦等因素的影响,上式中的增益归化为1,在此假设下上式可以简化为
[ x 1 ( t ) x 2 ( t ) ⋮ x M ( t ) ] = [ e − j ω 0 τ 11 e − j ω 0 τ 12 ⋯ e − j ω 0 τ 1 N e − j ω 0 τ 21 e − j ω 0 τ 22 ⋯ e − j ω 0 τ 2 N ⋮ ⋮ ⋮ e − j ω 0 τ M 1 e − j ω 0 τ M 2 ⋯ e − j ω 0 τ M N ] [ s 1 ( t ) s 2 ( t ) ⋮ s N ( t ) ] + [ n 1 ( t ) n 2 ( t ) ⋮ n M ( t ) ] \begin{bmatrix} x_1(t)\\ x_2(t)\\ \vdots\\ x_M(t)\\ \end{bmatrix}= \begin{bmatrix} e^{-j\omega_0\tau_{11}} & e^{-j\omega_0\tau_{12}} & \cdots & e^{-j\omega_0\tau_{1N}}\\ e^{-j\omega_0\tau_{21}} & e^{-j\omega_0\tau_{22}} & \cdots & e^{-j\omega_0\tau_{2N}}\\ \vdots & \vdots & & \vdots \\ e^{-j\omega_0\tau_{M1}} & e^{-j\omega_0\tau_{M2}} & \cdots & e^{-j\omega_0\tau_{MN}}\\ \end{bmatrix} \begin{bmatrix} s_1(t)\\ s_2(t)\\ \vdots \\ s_N(t)\\ \end{bmatrix}+ \begin{bmatrix} n_1(t)\\ n_2(t)\\ \vdots \\ n_M(t)\\ \end{bmatrix} ⎣⎢⎢⎢⎡x1(t)x2(t)⋮xM(t)