I-MMUSIC算法可以由以下運(yùn)算來實(shí)現(xiàn)：

　　1)陣元均勻分布的線性天線陣列(M個(gè)陣元)接收信源信號(hào)，如得到式(12)中的數(shù)據(jù)矢量X，接收的快拍數(shù)為N。

　　并且對(duì)N次快拍的矩陣求平均值，則可得到：

　　進(jìn)行空間譜估計(jì)，可得到波達(dá)方向角。

5 I-MMUSIC算法應(yīng)用于車載防撞雷達(dá)系統(tǒng)研究

5.1 系統(tǒng)實(shí)現(xiàn)算法分析及流程設(shè)計(jì)

　　如圖2所示，給出了防撞雷達(dá)系統(tǒng)實(shí)現(xiàn)流程。該流程主要由天線陣列接收模塊、A/D采樣及濾波模塊、相位校正模塊、距離估計(jì)模塊和角度估計(jì)模塊組成。

5.2 距離估計(jì)模塊分析

　　1)系統(tǒng)測(cè)距原理分析及實(shí)現(xiàn)

　　首先從線性調(diào)頻波雷達(dá)的測(cè)距原理進(jìn)行說明。圖3給出了雷達(dá)發(fā)射信號(hào)與回波信號(hào)的示意圖。

　　在該雷達(dá)的設(shè)計(jì)中所采用的信號(hào)為線性調(diào)頻連續(xù)波(LFM-CW)，雷達(dá)發(fā)射機(jī)端發(fā)射出線性頻率連續(xù)波信號(hào)，該信號(hào)的特性參數(shù)可以設(shè)置成發(fā)射周期為T_m，頻率初始值為f₀，掃頻帶寬為Δf。在理想情況下，電磁波經(jīng)過障礙物反射回雷達(dá)接收機(jī)后，接收機(jī)接收的回波信號(hào)與發(fā)射機(jī)發(fā)出的信號(hào)具有相同的特性，二者的相異之處僅僅在于時(shí)間上的延遲。如圖3所示，回波信號(hào)與發(fā)射信號(hào)的在時(shí)間上的延遲為，存在如下關(guān)系式:

(22)

　　式(22)中，R表示雷達(dá)與障礙物的距離差，c為空氣中電磁波的傳播速度。

　　如果發(fā)射機(jī)、目標(biāo)物體和接收機(jī)三者之間相對(duì)靜止，那么發(fā)射信號(hào)與回波信號(hào)之間的頻差將為一個(gè)固定常量f_Δ，該頻率差值與目標(biāo)物體之間的距離成正比的關(guān)系，關(guān)系式如式(23)所示：

　　2)FFT變換

　　在該模塊中，主要目的是獲得A/D采樣信號(hào)的頻率值，將信號(hào)從時(shí)域到頻域進(jìn)行變換。目標(biāo)物體與障礙物之間的距離與獲得信號(hào)的頻率存在線性關(guān)系，所以在信號(hào)處理過程中，如何獲得成為需要解決的重要問題。為了得到明顯的需要用傅里葉變換對(duì)A/D采樣后的信號(hào)進(jìn)行算法處理。

　　FFT對(duì)A/D采樣后的數(shù)字信號(hào)數(shù)據(jù)進(jìn)行處理，如果在FFT變換中使用的數(shù)據(jù)為復(fù)數(shù)，則對(duì)應(yīng)的每個(gè)頻點(diǎn)上包含了信號(hào)的距離和方位信息，可以對(duì)復(fù)數(shù)取模來獲得信號(hào)的幅值。在此需要注意到，每個(gè)頻點(diǎn)的相位就是該點(diǎn)的復(fù)數(shù)表示的相位，雖然經(jīng)過了FFT變換，但是不影響這個(gè)頻點(diǎn)的相位，對(duì)后續(xù)的信號(hào)處理無影響。

5.3 角度估計(jì)模塊實(shí)現(xiàn)分解

　　角度估計(jì)模塊的算法使用I-MMUSIC算法，該模塊涉及到了大量復(fù)雜的數(shù)學(xué)運(yùn)算，計(jì)算過程中的詳細(xì)分解步驟如圖4。

　　該模塊是在進(jìn)行完FFT運(yùn)算后開始的。經(jīng)過FFT運(yùn)算后，目標(biāo)信號(hào)的距離信息已知，再對(duì)每個(gè)頻點(diǎn)在空域上進(jìn)行數(shù)據(jù)采樣，然后同時(shí)進(jìn)行前向和后向的空間平滑運(yùn)算，得到變換后的矢量矩陣，接著對(duì)它們分別同時(shí)進(jìn)行協(xié)方差矢量運(yùn)算。為了與后面的算法結(jié)合，需要將得到的前向和后向的空間平滑的協(xié)方差矢量矩陣按照式(24)進(jìn)行計(jì)算得到融合后的矢量矩陣。并對(duì)它做特征值運(yùn)算分解，獲得該矩陣的特征值以及特征向量，此矢量中包含噪聲和信號(hào)特征子空間。我們可以根據(jù)特征值等信息，然后使用MDL準(zhǔn)則對(duì)信號(hào)源的數(shù)目進(jìn)行判斷，得到在單一頻率上信源個(gè)數(shù)。在得到該頻點(diǎn)上信號(hào)源個(gè)數(shù)的前提下，對(duì)上述得到信號(hào)矢量進(jìn)行分解，分別得信號(hào)特征矢量和噪聲的特征矢量，最后利用噪聲信號(hào)矢量進(jìn)行譜峰值搜索得到信源信號(hào)的能量信息，進(jìn)而實(shí)現(xiàn)信號(hào)的波達(dá)方向角的估計(jì)。

6 算法實(shí)現(xiàn)仿真

　　在仿真過程中，設(shè)置天線陣列為均勻等間距的線陣，陣元個(gè)數(shù)為14，兩個(gè)陣元之間的間距為1.56cm，入射信號(hào)的波長(zhǎng)設(shè)置為1.25cm。同時(shí)設(shè)定天線采樣的快拍數(shù)為64，每次采樣的點(diǎn)數(shù)為720點(diǎn)。在信號(hào)端加載的噪聲為高斯白噪聲，信噪比為20dB，噪聲與信號(hào)源之間完全獨(dú)立。

　　(1) 設(shè)定有信源數(shù)為3的獨(dú)立窄帶遠(yuǎn)場(chǎng)信號(hào)入射到天線陣列上，信源方向分別為0°、4°和10°，對(duì)應(yīng)的天線與信源的距離為100m、150m、100m，此時(shí)，三個(gè)信源信號(hào)為相干信號(hào)。圖5給出了目標(biāo)物體的距離的二維仿真圖像和最后生成的空間譜的仿真圖像。

　　(2) 設(shè)定有信源數(shù)為5的獨(dú)立窄帶遠(yuǎn)場(chǎng)信號(hào)入射到天線陣列上，信源方向分別為0°、2°、 4°、8°和-8°，對(duì)應(yīng)的天線與信源的距離均為100m，此時(shí)，這五個(gè)信源信號(hào)為相干信號(hào)。圖6給出了目標(biāo)物體的距離的二維仿真圖像和最后生成的空間譜的仿真圖像。

　　對(duì)以上仿真結(jié)果進(jìn)行分析：在這兩次仿真結(jié)果中，信源信號(hào)均為相干信號(hào)，其中第一次實(shí)驗(yàn)仿真的信源數(shù)為3，第二次的信源數(shù)為5，兩次均能得到的針狀空間譜圖像的坐標(biāo)均與預(yù)先設(shè)定參數(shù)相同，說明了該算法對(duì)于多信源相干信號(hào)的有效性。

參考文獻(xiàn)：

　　[1]高琦.基于陣列信號(hào)處理的交通監(jiān)測(cè)雷達(dá)實(shí)現(xiàn)[D].西安：西安電子科技大學(xué),2015.

　　[2]張賢達(dá),保錚.通信信號(hào)處理[M].北京:國(guó)防工業(yè)出版社, 2000.

　　[3]陳華.窄帶陣列信號(hào)處理算法研究[D].天津:天津大學(xué), 2012.

　　[4]張琦.基于時(shí)空二維MUSIC算法的DOA估計(jì)及其硬件實(shí)現(xiàn)方法研究[D].西安電子科技大學(xué),2014.

　　[5]張小飛,汪飛,徐大專.陣列信號(hào)處理的理論和應(yīng)用[M].北京:國(guó)防工業(yè)出版社, 2010.

　　[6]陳昊.空間譜估計(jì)算法的高速實(shí)現(xiàn)[D]. 成都: 電子科技大學(xué), 2003.

　　[7]周丹鳳.MUSIC算法及其并行實(shí)現(xiàn)[D].西安電子科技大學(xué),2014.

　　[8]王永良,陳輝,彭應(yīng)寧,等.空間譜估計(jì)理論與算法[M].北京:清華大學(xué)出版社, 2004.

　　[9]白玉.陣列信號(hào)處理中的DOA估計(jì)技術(shù)研究[D].哈爾濱:哈爾濱工程大學(xué), 2006.

　　[10]I Reed, CL Nikias, VK Prasanna. Multidisciplinary Research on Advanced, High-Speed, Adaptive Signal Processing for Radar Sensors[J]. Final technical rept. 1996, 1: 155-159.

　　[11]Roman, J.R. Parametric adaptive matched filter for airborne radar applications[J].Aerospace and Electronic Systems, 2002, 36(22): 677 - 692.

　　[12]Frost, Victor S. A Model for Radar Images and Its Application to Adaptive Digital Filtering of Multiplicative Noise[J]. Pattern Analysis and Machine Intelligence,1982, 03:157-166.

　　[13]葉中付,沈鳳麟.DOA估計(jì)中自相關(guān)矩陣的時(shí)空二維估計(jì)方法[J].信號(hào)處理,1995,11(3): 206-212.

　　[14]卞立軍. 空間譜估計(jì)側(cè)向系統(tǒng)設(shè)計(jì)[J]. 電子設(shè)計(jì)工程, 2009, 17(4): 91-94

　　[3]唐孝國(guó),張建云,洪振清.一種改進(jìn)的MVDR相干信源DOA估計(jì)算法[J].電子信息對(duì)抗技術(shù), 2012,27(6):6-10.

　　[15]Panayirci, E. Multiple jamming suppression with minimum redundant antenna arrays for radar systems[C]. Edinburgh: Radar 97 (Conf. Publ. No. 449), 1997.

　　[16]吳娟.寬帶信號(hào)的DOA估計(jì)超分辨算法研究[D].哈爾濱:哈爾濱工業(yè)大學(xué), 2007.

　　[17]趙學(xué)偉.陣列誤差對(duì)DOA估計(jì)的影響及校正[D].成都:電子科技大學(xué), 2008.

　　[18]Krim H，Viberg M. Two decades of array signal processing research.IEEE Signal Process Magazine,1996,13(4):67-94

　　[19]Jao, J.K. Amplitude distribution of composite terrain radar clutter and the K-Distribution. Antennas and Propagation. IEEE Transactions on,1984, 3(10):1049-1062

　　[20]Capon J. High-resolution frequency-wavenumber spectrum analysis[J].Proc. Of IEEE, 1969,57(8): 1408-1418.

　　本文來源于《電子產(chǎn)品世界》2017年第5期第71頁，歡迎您寫論文時(shí)引用，并注明出處。