(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211200998.0 (22)申请日 2022.09.28 (71)申请人 中国电子科技 集团公司第五十四研 究所 地址 050081 河北省石家庄市中山西路589 号第五十四所电子战 (72)发明人 苗峻　窦修全　杜宇峰　王玉林　 刘宝蕊　李蕊　耿梦婕　陈建宇　 朱兴生　胡孟凯　刘启凡　王汉　 付帅　王建　 (74)专利代理 机构 河北东尚律师事务所 13124 专利代理师 王文庆 (51)Int.Cl. G06F 17/16(2006.01) G06F 30/20(2020.01) (54)发明名称 一种基于局部优化搜索的阵列自校正测向 方法 (57)摘要 本发明提供了一种基于局部优化搜索的阵 列自校正测向方法， 属于阵列信号处理技术领 域。 本发明通过将阵列数据 协方差矩阵的特征向 量分解为信号子空间和噪声子空间， 利用导向矢 量矩阵与误差矩 阵之积与噪声子空间的正交性 进行循环迭代， 并通过引入局部优化搜索， 提高 了收敛速度及测向稳定性， 从而实现更优的角度 估计结果。 权利要求书1页 说明书5页 附图2页 CN 115470453 A 2022.12.13 CN 115470453 A 1.一种基于局部优化搜索的阵列自校正测向方法， 其特 征在于， 包括以下步骤： 步骤1： 初 始化设置， 令k＝0， Γ(k)＝Γ0， 其中， k为迭代次数， Γ(k)表示第k次迭代的幅度 及相位误差修正矩阵， Γ0为幅度及相位 误差修正矩阵初始值； 步骤2： 利用阵列接收数据计算信源协方差矩阵的估计值， 经特征分解后得到噪声子空 间矩阵 步骤3： 构建空间谱 上标H表示共轭转置， 搜索其中N个最大 的空域峰值 点 N为信源个数， 这些峰值 点对应于N个导向矢量 步骤4： 构造代价 函数 式中， δ(k)＝[Γ(k) 11,Γ(k) 22,..., Γ(k) MM]T； diag表示对角矩阵， 下标 11,22,...,MM表示矩阵中的相应元素， 上标T表示矩阵转 置； 步骤5： 在约束条件δ(k)Hw＝1下， 对δ(k)求代价函数 的最小值 同时得到δ在 时的最优解 δ(k+1)： 式中， w＝[1,0,. ..,0]T； 步骤6： 进行局部优化搜索： 对任一 在 的一个区间范围 内， δ为邻域半径， 按照一 定间隔进行搜索， 对各个角度θi(k)分别计算搜索范围内的代价值 并选择代价 值最小时对应的角度作为第k+1次迭代的角度输入： 步骤7： 设定收敛判定值 ε， 判断 收敛性， 收敛 条件为： 若不收敛， 则跳转到步骤3继续迭代， 否则终止迭代， 得到最终的信源方位角估计值 2.根据权利要求1所述的一种基于局部优化搜索的阵列自校正测向方法， 其特征在于， 步骤1中的幅度及相位 误差修正矩阵初始值Γ0由经验值给 出， 或通过已知信源测试获得。权　利　要　求　书 1/1 页 2 CN 115470453 A 2一种基于局部优化 搜索的阵列自校正测向方 法 技术领域 [0001]本发明涉及阵列信号处理技术领域， 特别是指一种基于局部优化搜索的阵列自校 正测向方法。 背景技术 [0002]阵列信号处理是现代信号处理领域内的一个极其重要的分支， 而信源参数估计则 一直被视为阵列信号处理领域中的一个重要研究内容。 信源参数估计的主要目的是估计信 源辐射信号的波达方向和距离等参数。 对于实际阵列， 往往存在阵元位置误差， 严重影响 DOA(波达方向)性能。 传统的阵列误差自校正算法， 存在 迭代次数多、 收敛速度 慢、 测向精度 低等问题， 使得传统阵列误差自校正 算法在工程应用上受到局限。 发明内容 [0003]本发明所要解决的技术问题在于， 为阵列非理想因素自校正DOA估计提供一种高 精度估计方法。 [0004]本发明所要解决的技 术问题是由以下技 术方案实现的： [0005]一种基于局部优化搜索的阵列自校正测向方法， 包括以下步骤： [0006]步骤1： 初始化设置， 令k＝0， Γ(k)＝Γ0， 其中， k为迭代次数， Γ(k)表示第k次迭代 的幅度及相位 误差修正矩阵， Γ0为幅度及相位 误差修正矩阵初始值； [0007]步骤2： 利用阵列接收数据计算信源协方差矩阵的估计值， 经特征分解后得到噪声 子空间矩阵 [0008]步骤3： 构建空间谱 上标H表示共轭转置， 搜索其中N个 最大的空域峰值 点 N为信源个数， 这些峰值 点对应于N个导向矢量 [0009]步骤4： 构造代价 函数 [0010] [0011]式中， δ(k)＝[Γ(k) 11,Γ(k) 22,..., Γ(k) MM]T； diag表示对角矩阵， 下标 11,22,...,MM表示矩阵中的相应元素， 上标T表示矩阵转 置； [0012]步骤5： 在约束条件δ(k)Hw＝1下， 对δ(k)求代价函数 的最小值 同时得到δ在 时的最优解 δ(k+1)： [0013] 说　明　书 1/5 页 3 CN 115470453 A 3