基于归一化循环谱模板学习的多类型信号识别与跟踪方法与流程

摘要: 本发明属于阵列信号处理,具体涉及基于归一化循环谱模板学习的多类型信号识别与跟踪方法。特别是指一种利用信号循环谱特征、基于归一化循环谱实现多类型无线信号识别和跟踪...
基于归一化循环谱模板学习的多类型信号识别与跟踪方法与流程

本发明属于阵列信号处理,具体涉及基于归一化循环谱模板学习的多类型信号识别与跟踪方法。特别是指一种利用信号循环谱特征、基于归一化循环谱实现多类型无线信号识别和跟踪的技术,可用于卫星通信地面接收机跟踪和辨识目标信号与干扰,以便针对性地消除干扰,提升信号接收质量,并定位信源来向与运动速度。

背景技术:

1、阵列天线能够借助其多通道接收能力区分不同来向的无线电信号与干扰,在卫星通信、导航定位等领域应用广泛。在卫星通信等高动态场景中,信源与干扰源位置快速变化,为持续高质量接收目标信号并抑制干扰,接收机需要依据信号的频谱、周期平稳等特征,实时识别不同信号并跟踪其波达方向与频偏变化。

2、目前,常利用循环谱展现信号的频谱结构和周期平稳特性,以提取调制速率等参数并进行信号识别。然而,循环谱作为一种二维谱图,计算过程复杂度较高,尤其在算力资源有限的嵌入式系统中计算耗时较长,难以实时输出结果,限制了其在信号跟踪场景中的落地应用。

3、现有基于循环平稳特性的多信号波达方向跟踪算法,以美国辛辛那提大学huiqinyan和h.howard fan提出的方案为代表,可借助循环平稳特性跟踪多信号波达方向变化。该方法在首个周期求取多通道信号的循环互相关矩阵,通过奇异值分解得到初始波达方向;后续周期通过计算循环自相关函数的变化量,结合最小二乘或卡尔曼滤波算法更新波达方向估计值。该类方案存在以下两方面缺陷:

4、第一,计算复杂度高。其需要在每个跟踪周期重复计算阵列多通道输入信号的多维循环自相关函数,设分析循环频率为nα,时域采样点数n,计算复杂度达到o(nαn2),难以在计算资源受限的系统中实现实时跟踪;

5、第二,无法同步跟踪信号频偏。该类方案仅能跟踪波达方向参数,而在卫星通信、车联网等场景中,目标信号的频偏常随收发双方的相对运动大幅变化,需额外部署频偏跟踪算法,增加了系统实现的复杂度与部署成本。

技术实现思路

1、针对现有技术存在的缺陷和不足,本发明提供基于归一化循环谱模板学习的多类型信号识别与跟踪方法。该方法划分为模板学习与信号跟踪两个阶段。在模板学习阶段,对阵列接收信号进行波达方向估计并据此进行空域波束成形滤波,以提取高信干噪比的单路信号,进而计算并归一化得到各信源的循环谱模板,同时筛选出各信源所独有的峰值循环频率作为标记循环频率。在信号跟踪阶段,不再进行全循环频率维度的循环谱计算,仅针对上述标记循环频率计算当前周期的阵列循环谱矩阵;利用上一周期的波达方向提取当前周期的单信号循环谱估计,并将其与归一化循环谱模板沿谱频率轴进行滑动相关以确定当前周期的信号频偏;随后利用该频偏对模板进行谱频率轴偏移补偿,并将补偿后的模板与阵列循环谱矩阵进行空域匹配,搜索得到当前的波达方向,逐周期迭代实现频偏与波达方向的联合跟踪。本发明大幅降低了循环谱跟踪的计算复杂度,并能同时盲估计与跟踪动态信号的频偏与波达方向变化。

2、为解决现有基于循环平稳特性的多信号跟踪方案计算复杂度高、难以实时落地,且无法同步跟踪信号频偏的技术问题,本发明采用分阶段的稀疏化处理与联合跟踪机制,在保障跟踪精度的同时降低运算开销,并实现频偏与波达方向的同步跟踪。

3、本发明提供的一种基于归一化循环谱模板学习的多类型信号识别与跟踪方法,包括模板学习阶段和信号跟踪阶段。

4、所述模板学习阶段包括:

5、对阵列接收信号进行波达方向估计,获取各信源的波达方向。通过空域参数估计,为后续信号的空域分离提供方位先验信息。

6、根据所述波达方向进行空域波束成形滤波,提取各信源对应的单路信号。利用空域滤波抑制其他方向的干扰,提取出高信干噪比的单信源信号,避免多信号在循环谱域的混叠。

7、计算各单路信号的循环谱并进行归一化处理,得到各信源的归一化循环谱模板。归一化处理消除了不同信号绝对接收功率的差异,使模板仅反映信号的内在频谱与周期平稳结构特征。

8、筛选出各信源所独有的峰值循环频率,作为该信源的标记循环频率。利用信号在循环频率域的稀疏特性,提取出能够区分不同信源的特征锚点,为后续跟踪阶段的降维计算提供依据。

9、所述信号跟踪阶段包括:

10、逐周期接收阵列信号,仅针对所述标记循环频率计算当前周期的阵列循环谱矩阵。该设计避免了传统方法中全循环频率维度循环谱的冗余计算,大幅降低了计算量。

11、基于上一周期估计的波达方向对应的导向向量,从所述阵列循环谱矩阵中提取当前周期的单信号循环谱估计。利用相邻周期间波达方向变化平缓的特性,以历史估计值作为空域基准,将多通道矩阵降维提取为单信号特征。

12、将所述单信号循环谱估计与对应的归一化循环谱模板沿谱频率轴进行滑动相关,根据最大相关峰对应的频率位移量确定当前周期的信号频偏。载波频偏会导致信号循环谱在谱频率轴上发生整体平移,通过滑动相关匹配可测量该平移量,进而确定频偏。

13、利用所述信号频偏对归一化循环谱模板进行谱频率轴偏移补偿,将补偿后的模板与所述阵列循环谱矩阵进行空域匹配,搜索匹配度最大的波达方向作为当前周期的波达方向估计值。先进行频偏补偿抵消了频偏对空域流形的影响,再进行空域匹配,实现了频偏与波达方向的解耦与联合估计。

14、将当前周期的信号频偏与波达方向估计值作为下一周期的输入,逐周期迭代执行,实现信号频偏与波达方向的联合跟踪。

15、进一步地,对阵列接收信号进行波达方向估计的步骤具体包括:计算阵列接收信号的自相关矩阵,对自相关矩阵进行特征分解得到特征值与特征向量;采用最小描述长度准则估计空间内独立信源的总数量;采用多信号分类算法或旋转不变子空间算法估计各信源的波达方向。通过特征分解与信息论准则,能够适应未知噪声环境,获取空间信源分布状态及入射角度。

16、进一步地,所述空域波束成形滤波采用最小方差无失真响应波束成形;根据所述自相关矩阵与对应波达方向的阵列导向向量计算波束成形权值向量,通过波束成形权值向量对阵列接收信号进行加权求和,得到对应信源的单路信号。该波束成形机制在保持期望方向信号无失真的同时,最小化其他方向干扰与噪声的输出功率,从而提升单路信号的信干噪比。

17、进一步地,循环谱采用频域快速计算方式得到:对单路信号进行快速傅里叶变换得到离散频谱;将离散频谱沿频率轴分别向正负方向偏移半循环频率对应的频移量后进行共轭相乘,得到对应循环频率下的循环谱。相较于时域直接积分运算,利用快速傅里叶变换的频域相乘方式可显著提升运算效率。

18、进一步地,当偏移后的频谱索引超出离散频谱的有效索引范围时,通过取模运算将索引映射至有效范围内,再进行共轭相乘计算。该取模映射操作利用了离散傅里叶变换的周期延拓特性,保证了边界处频谱偏移计算的连续性与准确性。

19、进一步地,筛选标记循环频率的步骤具体包括:对归一化循环谱模板在循环频率维度进行幅度累加,得到各信源的累加循环谱;选取累加循环谱中存在局部峰值,且其余信源的累加循环谱在对应循环频率处无峰值的循环频率,作为该信源的标记循环频率。此处所述的无峰值是指其余信源在该频点未表现出显著的周期平稳特征,其幅度远低于该信源自身峰值或处于噪声基底水平,以此确保筛选出的标记频率对特定信源具有强唯一标识性。

20、进一步地,确定信号频偏的步骤具体包括:将单信号循环谱估计与归一化循环谱模板沿谱频率轴进行滑动互相关运算;取互相关结果幅度最大值对应的频率偏移量,转换为对应信源的信号频偏。该最大值代表了当前接收信号与模板信号在循环谱形态上达到最佳重合的位移点,通过该位移量可反推得到物理频偏值,且整个过程无需依赖导频序列。

21、进一步地,搜索波达方向的步骤具体包括:以频偏补偿后的归一化循环谱模板为频率域匹配权重,对阵列循环谱矩阵进行空域匹配滤波;遍历入射方向搜索匹配度最大的方向,作为当前周期的波达方向估计值。通过模板加权能够有效抑制非标记频率处的噪声干扰,提升空域搜索谱峰的锐化程度与估计精度。

22、进一步地,所述方法应用于卫星通信地面接收场景,用于同时跟踪目标通信信号与干扰信号的频偏与波达方向。该场景下信源高动态运动导致频偏与角度快速变化,本方案的联合跟踪与降维机制能够适应此类高动态环境的实时处理需求。

23、本发明还提供一种基于归一化循环谱模板学习的多类型信号识别与跟踪系统,包括阵列接收模块、模板学习模块和信号跟踪模块:

24、所述阵列接收模块,用于采集多路阵列天线接收的无线信号;

25、所述模板学习模块,用于执行上述模板学习阶段的步骤,生成各信源的归一化循环谱模板与标记循环频率;

26、所述信号跟踪模块,用于执行上述信号跟踪阶段的步骤,逐周期输出各信源的频偏与波达方向跟踪结果。各模块协同工作,构成完整的闭环跟踪处理架构。

27、相比于现有技术,本发明及其优选方案至少包括以下有益效果:

28、第一,显著降低跟踪阶段运算开销。通过在模板学习阶段筛选出信源特有的标记循环频率,在信号跟踪阶段仅针对该标记循环频率计算阵列循环谱矩阵,利用信号在循环频率域的稀疏特性,大幅缩减传统全循环频率维度多维循环自相关计算的运算量,避免了全维度计算的资源消耗,使得在算力受限的嵌入式系统上实现实时跟踪成为可能。

29、第二,实现频偏与波达方向的联合盲跟踪。揭示了信号频偏在循环谱上表现为谱频率轴整体平移的物理机理,通过将实时提取的循环谱与归一化模板进行滑动相关匹配,实现了信号频偏的盲估计;进一步将频偏代入模板进行频率轴补偿,再进行空域匹配搜索波达方向,从而在同一流程中完成了频偏与波达方向的解耦与联合更新,克服了现有技术无法同时跟踪频偏变化的缺陷,提升了高动态场景下的信号跟踪能力。

30、第三,模板质量与跟踪稳定性更优。在模板学习阶段引入波达方向估计与空域波束成形滤波,有效提取了高信干噪比的单路信号后再构建归一化循环谱模板,避免了多信号循环谱混叠,为后续的滑动相关匹配与空域搜索提供了可靠的基准数据。