集成先验的低复杂度Nyström-MUSIC方法

doi:10.7527/S1000-6893.2023.29226

专栏

本期目录 | 过刊浏览 | 高级检索

前一篇 |

集成先验的低复杂度Nyström-MUSIC方法

刘秋雨¹^,², 蒋彦雯¹^,²(), 范红旗¹^,², 连红飞¹^,²

^1.国防科技大学自动目标识别全国重点实验室，长沙　410073
^2.国防科技大学电子科学学院，长沙　410073

收稿日期:2023-06-27 修回日期:2023-07-19 接受日期:2023-09-13 出版日期:2023-11-01 发布日期:2023-09-21
通讯作者: 蒋彦雯 E-mail:jiangyanwen0712@nudt.edu.cn
基金资助:
国家重点研发计划(2022YFB3902400)

Low-complexity Nyström-MUSIC method based on prior information

Qiuyu LIU¹^,², Yanwen JIANG¹^,²(), Hongqi FAN¹^,², Hongfei LIAN¹^,²

^1.National Key Laboratory of Automatic Target Recognition，National University of Defense Technology，Changsha 　410073，China
^2.College of Electronic Science and Technology，National University of Defense Technology，Changsha 　410073，China

Received:2023-06-27 Revised:2023-07-19 Accepted:2023-09-13 Online:2023-11-01 Published:2023-09-21
Contact: Yanwen JIANG E-mail:jiangyanwen0712@nudt.edu.cn
Supported by:
National Key Research and Development Program(2022YFB3902400)

摘要/Abstract

摘要：

传统多重信号分类（MUSIC）方法具有较高的角度分辨率和估计精度，但其子空间分解和谱峰搜索的计算复杂度较高、实时性较差，在阵列雷达系统的实际应用中受到了极大限制。为解决算力有限时阵列雷达角度估计性能受限的难题，提出了集成先验的Nyström-MUSIC方法，先后通过Nyström近似降低协方差矩阵维度和先验角度信息缩小谱峰搜索范围，分别减小了子空间分解的矩阵规模和谱峰搜索次数，有效降低了MUSIC方法的计算复杂度。仿真表明：集成先验的Nyström-MUSIC方法在具备与传统MUSIC方法相当的分辨性能和估计精度的条件下，将算法复杂度降低了8倍，运行时长减少80%以上，实现了对目标方位的快速高精度估计。

关键词: 角度估计, 低复杂度, 先验信息, Nystr?m近似, 多重信号分类（MUSIC）

Abstract:

The traditional Multiple Signal Classification （MUSIC） method has high angle resolution and estimation accuracy， but the high computation complexity and poor real-timeliness involved in using the method for subspace decomposition and spectral peak search greatly limit its practical application in array radar systems. To address the problem that the angle estimation performance of array radar is limited when the computing power is limited， a low-complexity Nyström-MUSIC method based on prior information is proposed. The Nyström approximation is successively exploited to decrease the dimension of the covariance matrix and the prior angle information to determine the spectral peak search in a small area. The matrix size of the subspace decomposition and the time of spectral search are reduced， and finally the computation complexity of MUSIC method is effectively reduced. Simulation results illustrate that compared with the traditional MUSIC method， the low-complexity Nyström-MUSIC method based on prior information reduces the computation complexity by 8 times and cuts the running time by more than 80% under the condition of comparable resolution performance and estimation accuracy. It is verified that the method proposed can realize fast and high-precision estimation of the target azimuth.

Key words: angle estimation, low complexity, prior information, Nystr?m approximation, multiple signal classification (MUSIC)

中图分类号:

V243.2

刘秋雨, 蒋彦雯, 范红旗, 连红飞. 集成先验的低复杂度Nyström-MUSIC方法[J]. 航空学报, 2023, 44(22): 629226-629226.

Qiuyu LIU, Yanwen JIANG, Hongqi FAN, Hongfei LIAN. Low-complexity Nyström-MUSIC method based on prior information[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(22): 629226-629226.

图/表 13

图 1

图 2

图 3

表 1

计算复杂度对比

方法	传统MUSIC方法	集成先验的Nyström-MUSIC方法
子空间分解	$O (N M 2 + M 3)$	$O (N M e 2 + M e 3 + (N + K) M M e)$
谱峰搜索	$O (J F O V (M + 1) (M - K))$	$O (K M 2 + J p r i o r M (M + 1))$
总复杂度	$O (N M 2 + M 3 + J F O V (M + 1) (M - K))$	$O (N M e 2 + M e 3 + (N + K) M M e + K M 2 + J p r i o r M (M + 1))$
定量分析	假设 $M = 64 、 M e = 16 、 N = 100 、 K = 1 、 J F O V = 1 001 、 J p r i o r = 101$
子空间分解	$671 744 ≈ 6.7 × 105$	$133 120 ≈ 1.3 × 105$
谱峰搜索	$4 099 095 ≈ 4.1 × 106$	$424 254 ≈ 4.2 × 105$
对比	$M U S I C 本文方法 ≈ 4.8 × 106 5.6 × 105 ≈ 8$

表 1

表 2

多目标DOA估计参数设置

参数	MUSIC	本文方法
阵元数	64	64
抽取阵元数		16/32/48/64
快拍数	100	100
阵元间距	半波长	半波长
信噪比/dB	10	10
信号角度/（°）	$0, 10, 11.5$	$0, 10, 11.5$
搜索范围/（°）	$- 50 ~ 50$	$- 5 ~ 20$
搜索步长/（°）	0.1	0.1

表 2

图 4

图 5

表 3

实验1参数设置

参数	MUSIC	本文方法
信噪比/dB	$- 10 ~ 15$	$- 10 ~ 15$
信号角度/（°）	随机	随机
搜索范围/（°）	$- 50 ~ 50$	$0 ~ 10$
搜索步长/（°）	1	0.1

表 3

图 6

图 7

图 8

表 4

2种方法平均运行时长和运行时间降低度

抽取阵元数	16	32	48	64
$T p r o p o s e d$ /s	0.002 6	0.002 8	0.002 9	0.003
$T F F T + p r o p o s e d$ /s	0.002 9	0.003 1	0.003 2	0.003 4
$T M U S I C$ /s	0.016	0.016	0.016	0.016
$T s + F F T$ /%	81.7	80.8	80	79
$T s$ /%	83.7	82.7	81.8	81.1

表 4

图 9

参考文献 27

1	JIANG Y W， QIN Y L， WANG H Q， et al. A side-lobe suppression method based on coherence factor for terahertz array imaging［J］. IEEE Access， 2018， 6： 5584-5588.
2	连红飞，蒋彦雯，范红旗. 汽车雷达多域联合调制波形［J/OL］. 系统工程与电子技术，（2022-11-08）［2023-06-18］..
	LIAN H F， JIANG Y W， FAN H Q. Multi domainjoint modulation waveform for automotive radar［J/OL］. Systems Engineering and Electronics，（2022-11-08）［2023-06-18］..
3	SHI J P， WEN F Q， LIU T P. Nested MIMO radar： Coarrays， tensor modeling， and angle estimation［J］. IEEE Transactions on Aerospace and Electronic Systems， 2021， 57（1）： 573-585.
4	黄倩兰，蔡飞，范红旗，等. 密集假信号存在下单脉冲雷达未分辨目标DOA估计［J］. 系统工程与电子技术， 2023， 45（9）： 2727-2734.
	HUANG Q L， CAI F， FAN H Q， et al. DOA estimation of unresolved targets in the presense of dense false signals with monopulse radar［J］. Systems Engineering and Electronics， 2023， 45（9）： 2727-2734 （in Chinese）.
5	SCHMIDT R. Multiple emitter location and signal parameter estimation［J］. IEEE Transactions on Antennas and Propagation， 1986， 34（3）： 276-280.
6	TANG B， TANG J， ZHANG Y， et al. Maximum likelihood estimation of DOD and DOA for bistatic MIMO radar［J］. Signal Processing， 2013， 93（5）： 1349-1357.
7	VIBERG M， OTTERSTEN B. Sensor array processing based on subspace fitting［J］. IEEE Transactions on Signal Processing， 1991， 39（5）： 1110-1121.
8	QIAN C. A simple modification of ESPRIT［J］. IEEE Signal Processing Letters， 2018， 25（8）： 1256-1260.
9	DAKULAGI V. A new approach to achieve a trade-off between direction-of-arrival estimation performance and computational complexity［J］. IEEE Communications Letters， 2021， 25（4）： 1183-1186.
10	KIM B S， JIN Y， LEE J， et al. Low-complexity MUSIC-based direction-of-arrival detection algorithm for frequency-modulated continuous-wave vital radar［J］. Sensors， 2020， 20（15）： 4295.
11	闫锋刚，沈毅，刘帅，等. 高效超分辨波达方向估计算法综述［J］. 系统工程与电子技术， 2015， 37（7）： 1465-1475.
	YAN F G， SHEN Y， LIU S， et al. Overview of efficient algorithms for super-resolution DOA estimates［J］. Systems Engineering and Electronics， 2015， 37（7）： 1465-1475 （in Chinese）.
12	LIN Y C， LEE T S. Max-MUSIC： A low-complexity high-resolution direction finding method for sparse MIMO radars［J］. IEEE Sensors Journal， 2020， 20（24）： 14914-14923.
13	XU G H， KAILATH T. Fast subspace decomposition［J］. IEEE Transactions on Signal Processing， 1994， 42（3）： 539-551.
14	LI B， WANG S S， ZHANG J， et al. Ultra-fast accurate AoA estimation via automotive massive-MIMO radar［J］. IEEE Transactions on Vehicular Technology， 2022， 71（2）： 1172-1186.
15	XIN J M， SANO A. Computationally efficient subspace-based method for direction-of-arrival estimation without eigendecomposition［J］. IEEE Transactions on Signal Processing， 2004， 52（4）： 876-893.
16	MENG X T， XUE J H， YAN F G， et al. Real-valued propagator method for fast DOA estimation via polynomial rooting［J］. The Journal of Engineering， 2019， 2019（21）： 7792-7795.
17	ROY R， KAILATH T. ESPRIT-estimation of signal parameters via rotational invariance techniques［J］. IEEE Transactions on Acoustics， Speech， and Signal Processing， 1989， 37（7）： 984-995.
18	佘黎煌，刘平凡，张石，等. 一种高精度低复杂度的改进Root-MUSIC算法［J］. 东北大学学报（自然科学版）， 2022， 43（4）： 457-462， 469.
	SHE L H， LIU P F， ZHANG S， et al. An improved root-MUSIC algorithm with high precision and low complexity［J］. Journal of Northeastern University （Natural Science）， 2022， 43（4）： 457-462， 469 （in Chinese）.
19	YAN F G， JIN M， QIAO X L. Low-complexity DOA estimation based on compressed MUSIC and its performance analysis［J］. IEEE Transactions on Signal Processing， 2013， 61（8）： 1915-1930.
20	WILLIAMS C K I， SEEGER M. Using the Nyström method to speed up kernel machines［C］∥ Proceedings of the 13th International Conference on Neural Information Processing Systems. New York： ACM， 2000： 661-667.
21	陈林秀，杨翔宇，张航，等. 基于主动雷达/红外信息融合的复合制导方法［J］. 航空学报， 2022， 43（S1）： 727058.
	CHEN L X， YANG X Y， ZHANG H， et al. Composite guidance technology based on active radar/infrared information fusion［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（S1）： 727058 （in Chinese）.
22	张哲璇，龙腾，徐广通，等. 重访机制驱动的多无人机协同动目标搜索方法［J］. 航空学报， 2020， 41（5）： 323314.
	ZHANG Z X， LONG T， XU G T， et al. Revisit mechanism driven multi-UAV cooperative search planning method for moving targets［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（5）： 323314 （in Chinese）.
23	GAO F， CAI Y Y， DENG F， et al. Prior area searching for energy-based sound source localization［J］. Science China Information Sciences， 2022， 65（12）： 1-12.
24	NYSTRÖM E J. Über die praktische auflösung von integralgleichungen mit anwendungen auf randwertaufgaben［J］. Acta Mathematica， 1930， 54： 185-204.
25	LIN M， WANG F， ZHANG C S. Large-scale eigenvector approximation via Hilbert space embedding nyström［J］. Pattern Recognition， 2015， 48（5）： 1904-1912.
26	XU G H， CHO Y， KAILATH T. Application of fast subspace decomposition to signal processing and communication problems［J］. IEEE Transactions on Signal Processing， 1994， 42（6）： 1453-1461.
27	ZHANG Y， NG B P. MUSIC-like DOA estimation without estimating the number of sources［J］. IEEE Transactions on Signal Processing， 2010， 58（3）： 1668-1676.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	张澄安, 李保国, 王翔, 徐强. 低复杂度雷达嵌入式通信波形设计方法[J]. 航空学报, 2023, 44(1): 326471-326471.
[2]	王康, 史贤俊, 周绍磊, 龙玉峰, 孙美美. 基于优化SPOT和D-S证据理论的测试性验证方案[J]. 航空学报, 2019, 40(11): 223064-223064.
[3]	陈璐, 毕大平, 潘继飞. 平滑重构稀疏贝叶斯学习测向算法[J]. 航空学报, 2018, 39(6): 322087-322087.
[4]	张书瑞, 马晓峰, 盛卫星, 韩玉兵. 频率不变宽带波束形成权重系数的稀疏优化[J]. 航空学报, 2017, 38(7): 320794-320794.
[5]	陈璐, 毕大平, 崔瑞, 韩佳辉. 嵌套阵列最大似然估计测向算法[J]. 航空学报, 2017, 38(11): 321212-321212.
[6]	邹鲲, 张斌, 刘自富. 先验失配条件下的知识辅助检测器稳健性分析[J]. 航空学报, 2015, 36(3): 939-948.
[7]	胡彤, 张弓, 李建峰, 张小飞, 贲德. 非圆实信号MIMO雷达中基于实值ESPRIT的角度估计[J]. 航空学报, 2013, 34(8): 1953-1959.

集成先验的低复杂度Nyström-MUSIC方法

Low-complexity Nyström-MUSIC method based on prior information

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 27

相关文章 7

编辑推荐

Metrics

本文评价