一种基于多目标的DOA估计方法、系统、存储介质及设备

本发明涉及雷达信号处理，尤其涉及一种基于多目标的doa估计方法、系统、存储介质及设备。

背景技术：

1、在自动驾驶技术快速发展的背景下，车载雷达作为关键的环境感知传感器，其性能对系统的安全性和可靠性至关重要，调频连续波(fmcw)雷达因其高分辨率、持续收发信号的能力以及相对较低的硬件复杂度和成本，已成为车载雷达领域的优选技术；相比传统的脉冲雷达，fmcw雷达在检测多个目标时更为高效，且更适合在自动驾驶系统中持续工作，从而提高了自动驾驶系统的安全性和响应速度。

2、然而，fmcw雷达在实际应用中仍面临一些挑战，特别是在进行方向到达角(doa)估计时，在复杂的道路场景下，由于物理条件的限制(如车身设计、天线布局等)，fmcw雷达的接收天线可能只能采集到有限的快拍数据，这些有限的快拍数据不仅增加了doa估计的难度，还可能影响估计结果的准确性，传统的doa估计算法(如music算法)往往无法提供满意的性能，尤其是在信号高度相关时，其性能会急剧下降。

3、doa估计的准确性直接影响到雷达系统对周围环境中目标物体的位置判断，进而影响到自动驾驶车辆的决策和行动，因此提高doa估计性能，是当前自动驾驶技术发展中亟待解决的一个重要问题。

技术实现思路

1、基于此，有必要针对上述问题，提出了一种基于多目标的doa估计方法。

2、一种基于多目标的doa估计方法，所述方法包括下列步骤：

3、根据目标数量确定目标接受信号矩阵x；

4、根据所述目标接受信号矩阵x确定目标功率矩阵p；

5、利用似然的稀疏参数估计方法对所述功率矩阵p进行迭代，确定目标协方差矩阵r；

6、对所述协方差矩阵r进行特征值分解，获取谱函数，并根据所述谱函数的谱峰确定每个目标的doa估计。

7、上述方案中，所述获取根据目标数量确定目标接受信号矩阵x，具体包括：

8、预设所述目标数量为k，则对应的输出信号为：

9、

10、其中，s(n)为信号的幅度，a(θk)为导向矢量；

11、将目标存在的范围划分为g个网格，其中，θ＝[θ1,…,θg]；

12、获取目标接受信号矩阵x：

13、

14、其中为字典矩阵，为稀疏矩阵。

15、上述方案中，所述获取根据所述目标接受信号矩阵x确定目标功率矩阵p，具体包括：

16、根据下列公式获得功率矩阵p：

17、

18、其中，r＝ah(θg)x(n)。

19、上述方案中，所述利用似然的稀疏参数估计方法对所述功率矩阵p进行迭代，确定目标协方差矩阵r，具体包括：

20、确定功率矩阵p和协方差矩阵r的关系；

21、获取最小化协方差矩阵的负对数似然函数；

22、根据似然函数的稀疏估计对所述负对数似然函数进行优化，获取优化函数和对应的估计量

23、判断所述优化函数是否收敛，若所述优化函数收敛，则输出目标协方差矩阵r。

24、上述方案中，所述确定功率矩阵p和协方差矩阵r的关系，具体包括：

25、

26、其中，

27、上述方案中，所述根据似然函数的稀疏估计对所述负对数似然函数进行优化，获取优化函数和对应的估计量具体包括：

28、构造优化函数f＝xhr-1x+∑kwkpk，其中，是与数据相关的权值；

29、获取优化函数其中，

30、

31、通过优化函数h1(p∣pi)得到功率矩阵p的迭代公式和估计量

32、

33、上述方案中，所述对所述协方差矩阵r进行特征值分解，获取谱函数，并根据所述谱函数的谱峰确定每个目标的doa估计，具体包括：

34、对所述协方差矩阵r进行特征值分解，得到特征值{λ1,λ2,…,λm}、特征向量[v1,v2,…,vm]，其中，特征值λ1≥λ2≥…≥λm；

35、根据阵元数和实际的目标数确定特征向量数目q：q＝m-k，其中，m为阵元数，k为实际的目标数；

36、根据q个和噪声相关的特征向量确定噪声子空间：

37、eq＝[vk+1,vk+2,…,vm]；

38、根据所述噪声子空间确定谱函数：

39、其中，pmu(θ)的k个峰值对应k个目标的doa。

40、本申请还提出了一种基于多目标的doa估计系统，所述系统包括：矩阵获取单元、特征值分解单元和doa估计单元；

41、所述矩阵获取单元，用于根据目标数量确定目标接受信号矩阵x；根据所述目标接受信号矩阵x确定目标功率矩阵p；利用似然的稀疏参数估计方法对所述功率矩阵p进行迭代，确定目标协方差矩阵r；

42、所述特征值，用于对所述协方差矩阵r进行特征值分解，获取谱函数；

43、所述doa估计单元，用于根据所述谱函数的谱峰确定每个目标的doa估计。

44、本申请还提出了一种可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

45、根据目标数量确定目标接受信号矩阵x；

46、根据所述目标接受信号矩阵x确定目标功率矩阵p；

47、利用似然的稀疏参数估计方法对所述功率矩阵p进行迭代，确定目标协方差矩阵r；

48、对所述协方差矩阵r进行特征值分解，获取谱函数，并根据所述谱函数的谱峰确定每个目标的doa估计。

49、本申请还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行如下步骤：

50、根据目标数量确定目标接受信号矩阵x；

51、根据所述目标接受信号矩阵x确定目标功率矩阵p；

52、利用似然的稀疏参数估计方法对所述功率矩阵p进行迭代，确定目标协方差矩阵r；

53、对所述协方差矩阵r进行特征值分解，获取谱函数，并根据所述谱函数的谱峰确定每个目标的doa估计。

54、采用本发明实施例，具有如下有益效果：先根据目标数量确定目标接受信号矩阵x；根据所述目标接受信号矩阵x确定目标功率矩阵p；利用似然的稀疏参数估计方法对所述功率矩阵p进行迭代，确定目标协方差矩阵r；对所述协方差矩阵r进行特征值分解，获取谱函数，并根据所述谱函数的谱峰确定每个目标的doa估计，这种方法将doa估计问题转换成稀疏参数估计问题，基于输出信号引入似然的稀疏参数估计方法迭代计算协方差矩阵，减少低快拍对doa估计性能的影响并通过对协方差矩阵的特征值分解，构造出噪声子空间，利用信号子空间和噪声子空间正交的原理，最后构造谱函数，并通过寻找谱峰获得多个目标的到达角。

1.一种基于多目标的doa估计方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于多目标的doa估计方法，其特征在于，所述获取根据目标数量确定目标接受信号矩阵x，具体包括：

3.根据权利要求2所述的基于多目标的doa估计方法，其特征在于，所述获取根据所述目标接受信号矩阵x确定目标功率矩阵p，具体包括：

4.根据权利要求3所述的基于多目标的doa估计方法，其特征在于，所述利用似然的稀疏参数估计方法对所述功率矩阵p进行迭代，确定目标协方差矩阵r，具体包括：

5.根据权利要求4所述的基于多目标的doa估计方法，其特征在于，所述确定功率矩阵p和协方差矩阵r的关系，具体包括：

6.根据权利要求5所述的基于多目标的doa估计方法，其特征在于，所述根据似然函数的稀疏估计对所述负对数似然函数进行优化，获取优化函数和对应的估计量具体包括：

7.根据权利要求1所述的基于多目标的doa估计方法，其特征在于，所述对所述协方差矩阵r进行特征值分解，获取谱函数，并根据所述谱函数的谱峰确定每个目标的doa估计，具体包括：

8.一种基于多目标的doa估计系统，其特征在于，所述系统包括：矩阵获取单元、特征值分解单元和doa估计单元；

9.一种可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一一项所述方法的步骤。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一一项中所述方法的步骤。