由于非圆信号伪协方差矩阵不为零,可以扩展阵列接收数据矩阵,相当于虚拟地扩展了阵元数目、提高了测向精度,估计的信源个数也加倍[1],这些特性获得了高度的关注,且被广泛地应用于雷达与通信领域中。根据这一特性,许多学者提出了基于非圆信号的子空间类算法[2, 3],在一定程度上提高了测向精度;有学者提出在保证精度的同时,降低了扩展矩阵带来的运算量[4, 5, 6]。目前的NC-MUSIC(non-circular multiple signal classification)算法对常见的非圆信号都适用,而NC-ESPRIT(non-circular estimating signal parameters via rotational invariance techniques)算法为了构造旋转不变关系,只适用最大非圆率信号。大部分的文献中[7, 8, 9],对基于非圆信号算法的研究,列举出的非圆信号一般都是二相相移键控(binary phase shift keying,BPSK)信号,幅度调制类的信号,正交相移键控(quadrature phase shift keying,QPSK)信号及非平衡四相相移键控(unbalanced quadra-ture phase shift keying,UQPSK)信号,鲜少有人提及的雷达信号中典型的线性调频(linear frequency modulation,LFM)信号[10]。线性调频信号是一个广泛用于雷达图像与目标分辨的信号[11],频率随时间变化,所以其非圆率不再是一个恒定的值,而是随着调制时长而发生变化。利用文献[12]中波束形成的估计方法,进行改进应用到空间谱估计中。 1 数学模型
设有q个远场窄带信号入射到均匀圆阵上,阵元数为M,天线模型如图 1所示。
天线阵列接收的数据矩阵为
X(t)=A(α,β)S(t)+N(t)
式中:(α,β)分别表示的是信号入射的方位角和仰角,A(α,β)=[a(α1,β1),a(α2,β2),…,a(αq,βq)]是M×q维的导向矢量矩阵;S(t)=[s1(t),s2(t),…,sq(t)]是q×1维的信号矢量矩阵;N(t)=[n1(t),…,nM(t)]是M×1维的零均值加性高斯白噪声矩阵。对于任意的复随机信号s(t),定义[13]
式中:|ρ|是入射非圆信号的非圆率,φ是非圆相位。由柯西-许瓦兹不等式可以得到0≤|ρ|≤1。|ρ|=0是圆信号,常见的有QAM信号和QPSK信号;|ρ|=1是最大非圆率信号,常见的有BPSK信号,AM等幅度调制类的信号;0<|ρ|<1是一般非圆信号,常见的有UQPSK信号。根据式(1),则可以定义非圆率为
2 非圆率的估计算法雷达信号中常见的线性调频信号,可以表示成如下形式:
式中:u(t)代表的是持续时间长度为T0的矩形脉冲,f0代表的是信号的初始频率,k代表的是信号的调频斜率。式(2)的表达形式,也就相当于窄带信号的莱斯表达式,同相分量为u(t)cos(πkt2),正交分量为u(t)sin(πkt2)。则根据同相分量与正交分量,就可以得到
式中:σI2、σQ2分别是同相分量与正交分量的平均功率。由于是在[0,T0]的矩形脉冲内观测,所以用时间平均〈·〉去近似均值,根据式(3)可以得到线性调频信号的非圆率为
从式(4)可以看出,得出的线性调频信号的非圆率随着矩形脉冲的调制时长发生变化。
而一般的BPSK信号与幅度调制类的信号通过定义式即可求得一个恒定的非圆率。BPSK调制信号的数学表达式可以表示为s(t)=[ang(t-nTs)]·cos(2πf0t),其中an=±1表示极性,g[·]表示矩形脉冲,可以看出只有同相分量,则非圆率就为1,其余信号类似。
实际工程中接收的数据一般是同相分量与正交分量,则将线性调频信号表示成复解析信号的形式:
下变频到基带后,得到 则式(5)就是数学建模中线性调频信号的数学模型。 2.1 理想条件在实际工程中,阵列接收数据是经过采样得到的,而且采样数也是有限的,所以只能通过一定的观测序列去接近实际的信号,假设各信号之间是不相关的,由最大似然原理可得协方差矩阵为
伪协方差矩阵为 则多个信号入射时,信号的非圆率可以写成下面的形式: 式中:|ρ|=diag{|ρ1|,|ρ2|,…,|ρq|}是各个信号的非圆率组成的对角阵,L代表的是快拍数。 2.2 高斯白噪声条件由于实际中无法得到理想的信号,考虑到噪声和阵元之间的相位偏移,需要进一步研究。
由于非圆信号的伪协方差矩阵不为零,利用这一维信息,则接收数据矩阵可以表示为
对有限时间观测的信号,将2个信号的内积定义为(u(t),v(t))=〈E[u(t)v*(t)]〉,利用希尔伯特空间的正交分解,可以将信号s*(t)在s(t)上的分解为[14]
式中:σs2是信号的平均功率,s′(t)与s(t)正交,满足公式〈E[s(t)s′*(t)]〉=0,同时还满足公式〈E[s′(t)2]〉=1。根据式(6),则扩展数据接收矩阵可以表示为
则定义扩展的导向矢量为 扩展接收数据矩阵的协方差矩阵为 式中:RS为信号协方差矩阵,σN2是噪声平均功率。为了下面的推导简单起见,令
同时,令扩展协方差矩阵的逆为 根据求逆公式可以得到: 由最大似然谱估计可以得到: 假设导向矢量已知,将式(9)中的a用b代替,RX用RY代替,则最大似然谱估计是一个关于非圆率的函数,相当于求似然谱估计最小值min{bH(ρ)RY-1b(ρ)}。将式(7)和式(8)代入到似然谱估计的最小值min{bH(ρ)RY-1b(ρ)}中,可得
式中:由于D与G都是Hermitian矩阵,aTD*a*可以替换为aHDa,同理E也类似。对F(ρ)函数求关于ρ的共轭梯度,并令其为零,对多个信号同时入射时,则有 式中i=1,2,…,q代表的是信源的个数。文献[12]推导出的非圆率估计方法只是针对一个信号非圆率的求解,而且是用在宽线性波束形成器上。式(10)在此基础上改进,可以对多个信号同时入射求解,先利用信源数估计方法得到信源的个数,再用空间谱估计方法,得到入射信号的方位角与仰角,构造导向矢量,最后根据信源数个数分别对式(10)计算,可以得到每个信号的非圆率,得出不同的非圆率对信号的识别能起到了很大的作用。当然对于这一种方法具体的描述,只是适用恒定非圆率信号。
对于线性调频信号而言,导向矢量是一个关于阵元个数、信源个数、观测时长(快拍数)的一个三维的矩阵,将式(10)改为
式中:i=1,2,…,q,j=1,2,…,L,使用全部阵元,根据信源个数,在时域内的一次采样,再对式(11)求平均,即线性调频信号的非圆率为从式(12)可以看出,不同的快拍数L,会得到不同的非圆率,也就是和调制的时长有关。
假设2个调频斜率不一样的线性调频信号同时入射,由于在较低快拍数及较高采样频率下,两者变化频率Δf相差不大。线性调频信号的非圆率与调频时长有关,即与偏移的频率有关,所以2个信号很难分辨开,只有在快拍数达到足够大,采样频率足够低,两者变化的频率Δf足够大,才能实现分辨。然而这明显不符合实际工程情况,有待进一步研究。 3 非圆率信号性能分析
通过仿真对文中的方法性能进行分析,验证该方法能对多个恒定非圆率的信号进行分辨,得出各个信号的非圆率,同时验证了线性调频信号的非圆率随调制时长变化而变化。对所有的仿真,均使用8阵元,直径为300 mm,均匀摆放。
定义均方根误差为
式中:R代表蒙特卡罗实验次数,q代表信源个数。 3.1 非圆率恒定信号的性能分析假设同时入射4个中心频率3 GHz的信号,2个BPSK信号,1个QPSK信号,1个UQPSK信号,方位角为25°、45°、65°、85°,对应仰角为35°、55°、65°、85°,非圆相位为10°、20°、30°、40°,UQPSK信号的非圆率为0.6。首先假设快拍数为200,信噪比为-5~25 dB,在每个信噪比下进行100次蒙特卡罗实验,统计不同信噪比下均方根误差,如图 2。
然后设置信噪比为14 dB,快拍数的范围为16~1 166,在每个快拍数下进行100次蒙特卡罗实验,统计不同快拍数下的均方根误差如图 3所示。
图 2是联合估计4个信号的非圆率均方根误差随信噪比变化的曲线,可以看出随着信噪比的增加,该算法估计精度提高,而且在低信噪比时,能达到较高的估计精度;当信噪比为5 dB时,理想与噪声情况下就基本达到一致。图 3是固定信噪比为14 dB时,联合估计4个信号的非圆率均方根误差随快拍数变化的曲线。当快拍数增加时,对非圆信号的非圆率估计精度也提高;当快拍数为66时,理想与噪声情况下的估计就基本重合。高斯白噪声条件下,在快拍数为16时,可以看出均方根误差较大,由于非圆率本身就在0≤|ρ|≤1之间,所以在这种仿真条件下,不能得到正确的估计,所以快拍数至少应该大于等于66。
3.2 非圆率变化信号的性能分析 3.2.1 线性调频信号的非圆率假设入射一个线性调频信号,调频斜率为6×1012,采样频率为100 MHz,初始频率为30 MHz,信噪比为14 dB,快拍数为16~1 166,入射信号的方位角、仰角为(45°,85°),统计每个快拍数下的非圆率,如图 4所示。
从图 4可以看出,线性调频信号的非圆率随着快拍数的增加而发生变化。理想情况下得出的非圆率和有噪声情况下得出的非圆率基本与理论值重合,可见此种方法具有较高的精度和良好的抗噪声能力。随着矩形脉冲的时长增大,偏移的频率就越大,则线性调频信号的非圆率就逐渐趋近于零,可见线性调频信号的非圆率与调制的时长有关系。
3.2.2 线性调频信号的性能分析假设入射一个线性调频信号,调频斜率为6×1012,采样频率为100 MHz,初始频率为30 MHz,快拍数固定在200,非圆率则为0.048,入射信号的方位角、仰角分别为45°、85°,信噪比的范围为-5~25 dB,在每个信噪比下进行100次蒙特卡罗实验,统计每个信噪比下的均方根误差,如图 5所示。
从图 5可以看出,在固定快拍数的条件下,非圆率的精度随着信噪比的增加而提高。理想情况下,均方根误差无限接近于零。在白噪声情况下,此时的均方根误差也接近零;可见在低信噪比情况下,测得非圆率的精度就能达到保证,所以在低信噪比情况下适用。 4 结束语
文中推导了调制信号在理想情况和高斯白噪声情况下的非圆率计算方法。第1种情况利用的是最大似然估计原理;第2种情况是利用希尔伯特空间的正交分解,重构导向矢量,借助最大似然谱估计来给出调制信号的非圆率。该方法能够对多个同时入射的恒定非圆率信号的非圆率进行估计,以及能对单个LFM信号的非圆率进行实时测量。计算机实验结果表明,此方法在低快拍数和低信噪比条件下,对非圆率的估计就能达到较高的精度,也对以后工程研究,即识别出非圆率不同的雷达与诱饵具有很大的帮助。
[1] | SI Weijian, ZHU Tong, ZHANG Mengying. A new approach for estimating the number of sources under the coexistence of circular and various noncircular sources[J]. Circuits, systems, and signal processing, 2013, 32(6):3107-3119. |
[2] | ABEIDA H, DELMAS J P. Statistical performance of MUSIC-like algorithms in resolving noncircular sources[J]. IEEE transactions on signal processing, 2008, 56(9):4317-4329. |
[3] | STEINWANDT J, ROEMER F, HAARDT M, et al. R-dimensional esprit-type algorithms for strictly second-order non-circular sources and their performance analysis[J]. IEEE transactions on signal processing, 2014, 62(18):4824-4838. |
[4] | HAARDT M, RÖMER F. Enhancements of unitary esprit for non-circular sources[C]//Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing. Montreal, Canada:IEEE, 2004, 2:101-104. |
[5] | 郑春弟, 冯大政, 周祎, 等. 基于非圆信号的实值ESPRIT算法[J]. 电子与信息学报, 2008, 30(1):130-133. |
[6] | 冯大政, 郑春弟, 周祎. 一种利用信号特点的实值MUSIC算法[J]. 电波科学学报, 2007, 22(2):331-335. |
[7] | CHEVALIER P, PIPON F. New insights into optimal widely linear array receivers for the demodulation of BPSK, MSK, and GMSK signals corrupted by noncircular interferences application to SAIC[J]. IEEE transactions on signal processing, 2006, 54(3):870-883. |
[8] | QI Xiaodong, XU Yougen, FU Sichao, et al. High-resolution DOA estimation of noncircular signals without source enumeration and eigendecomposition[C]//Proceedings of International Conference on Wireless Communications & Signal Processing. Nanjing, China:IEEE, 2009:1-4. |
[9] | 司伟建, 林晴晴. 一种稳健的非圆信号波达方向估计算法[J]. 系统工程与电子技术, 2013, 35(3):469-473. |
[10] | HU Shibing. Performance analysis of frequency sweep nonlinearities in LFM radars[C]//Proceedings of International Conference on Electrical and Control Engineering. Wuhan, China:IEEE, 2010:3977-3980. |
[11] | LI Y, ZHAO W G, BAI P, et al. Extraction of radar LFM signal parameter based on B-distribution[C]//Proceedings of IEEE International Conference on Signal Processing, Communications and Computing. Xi'an, China:IEEE, 2011:1-4. |
[12] | XU Dongyang, HUANG Lei, XU Xu, et al. Widely linear MVDR beamformers for noncircular signals based on time-averaged second-order noncircularity coefficient estimation[J]. IEEE transactions on vehicular technology, 2013, 62(7):3219-3227. |
[13] | ABEIDA H, DELMAS J P. MUSIC-like estimation of direction of arrival for noncircular sources[J]. IEEE transactions on signal processing, 2006, 54(7):2678-2690. |
[14] | CHEVALIER P, BLIN A. Widely linear MVDR beamformers for the reception of an unknown signal corrupted by noncircular interferences[J]. IEEE transactions on signal processing, 2007, 55(11):5323-5336. |