本發(fā)明涉及的是一種能夠?qū)崿F(xiàn)準(zhǔn)確動態(tài)跟蹤的相干信源動態(tài)波達(dá)角度(DOA)追蹤方法。

背景技術(shù)：

目前針對信源波達(dá)角度的估計主要研究方向是基于高斯噪聲的假設(shè)條件，并在該假設(shè)的基礎(chǔ)上通過處理接收信號的二階或者高階統(tǒng)計量得到對波達(dá)角度的估計信息。而在真實環(huán)境中可以發(fā)現(xiàn)，環(huán)境的噪聲往往不服從高斯分布，而是表現(xiàn)為具有一定沖擊性的沖擊噪聲。沖擊噪聲的分布函數(shù)適合用α穩(wěn)定分布建模，且其函數(shù)模型不具有二階或者高階統(tǒng)計量，無法用基于高斯噪聲假設(shè)條件下的求解方法進行DOA估計，因此需要研究沖擊噪聲條件下的DOA估計方案，適合更多更復(fù)雜的環(huán)境需求。

現(xiàn)階段的DOA估計方法主要研究對象是固定位置的信源，以此展開多種DOA估計算法的研究。而實際情況下，信源位置不是固定的，波達(dá)角度一般隨時間發(fā)生變化，在這種情況下，傳統(tǒng)的DOA估計方法不再適用，無法得到對移動信源的DOA的準(zhǔn)確估計。因此，需要研究對波達(dá)角度時變的信號適用的動態(tài)DOA估計方案，對實際應(yīng)用有重要意義。

經(jīng)過對現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，傳統(tǒng)的沖擊噪聲條件下的動態(tài)DOA估計方案主要采取對子空間數(shù)據(jù)更新后進行譜分解進一步估計波達(dá)角度的實時值或者通過建立極大似然估計方程進行搜索范圍內(nèi)最優(yōu)角度的搜索。如趙大勇等在《山東大學(xué)學(xué)報(工學(xué)版)》上發(fā)表的“沖擊噪聲背景下的動態(tài)DOA估計”提出了一種鎖定跟蹤思想并對粒子群算法進行改進，研究了基于最大似然算法的動態(tài)DOA估計方法，在避免分?jǐn)?shù)低階矩重復(fù)分解的同時達(dá)到良好的跟蹤性能。但是該類動態(tài)DOA估計方案計算量較大，涉及到的極大似然算法的動態(tài)更新方程計算復(fù)雜度較高，即使采用相應(yīng)智能算法，也不能避免復(fù)雜的計算過程，同時，該類算法處理相干信號源必須采取針對的解相干算法，導(dǎo)致現(xiàn)有沖擊噪聲條件下的動態(tài)DOA追蹤算法實時性差且估計精度較低。

數(shù)字通信領(lǐng)域的采樣過程一直以奈奎斯特采樣定律為指導(dǎo)，但是隨著信息需求量的不斷增加，奈奎斯特采樣定律所規(guī)定的采樣頻率已經(jīng)不適應(yīng)于實際需求，表現(xiàn)出數(shù)據(jù)獲取和處理方面、數(shù)據(jù)存儲和傳輸方面的瓶頸，壓縮感知理論就是在這種情況下提出的。這種新的信息采樣理論是由D.Donoho、E.C andes、T.Tao等人提出，其主要內(nèi)容是指稀疏信號可以通過遠(yuǎn)低于奈奎斯特采樣率的頻率進行采樣并實現(xiàn)信息的精確還原。該理論自提出后被廣泛應(yīng)用于信號/圖像處理、雷達(dá)/光學(xué)成像、無線通信等領(lǐng)域，被美國科技評論評為2007年度十大科技進展。壓縮感知理論通過建立信號在某個變換域下的稀疏表示，設(shè)計測量矩陣使得在降低信號維數(shù)的前提下保證原信號的損失達(dá)到最小，并最終通過非線性優(yōu)化算法對原始信號進行精確重建，真正實現(xiàn)了從少量非相關(guān)的觀測值重建原始稀疏信號，有廣泛的實際應(yīng)用價值。

壓縮感知理論的應(yīng)用前提是稀疏化的原始信號，而在進行波達(dá)角度估計時入射信號相對于整個信號空間來說顯然滿足這一條件。通過對整個信號空間進行劃分，使每個可能存在的信號和角度一一對應(yīng)，就建立了壓縮感知理論和DOA估計的結(jié)合模型。在沖擊噪聲條件下的動態(tài)DOA估計模型中，運動目標(biāo)在空間域中的采樣率較低，普通方法對運動目標(biāo)的DOA檢測性能較差。而通過使用非相關(guān)測量矩陣對原始信號進行稀疏重構(gòu)的思想可以高效地壓縮采集稀疏信號或者說可稀疏表示的信號，從而得到足夠的數(shù)據(jù)構(gòu)建目標(biāo)模型并得到DOA估計數(shù)據(jù)。仿真結(jié)果表明這種沖擊噪聲條件下的動態(tài)DOA估計方案能夠在較低的快拍數(shù)條件下具備較好的跟蹤精度并且能夠直接處理相干信號的動態(tài)DOA估計問題，適用于強弱沖擊噪聲條件，動態(tài)跟蹤性能良好。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種在低快拍采樣條件下能夠?qū)崿F(xiàn)準(zhǔn)確動態(tài)跟蹤的沖擊噪聲條件的基于正交匹配稀疏重構(gòu)的相干信源動態(tài)DOA追蹤方法。

本發(fā)明的目的是這樣實現(xiàn)的：

步驟一，建立沖擊噪聲條件下的接收數(shù)據(jù)模型，

相干信號源的DOA動態(tài)跟蹤模型由M個中心頻率相同的遠(yuǎn)場窄帶信源信號、N個陣元組成的均勻無模糊線陣構(gòu)成，空間內(nèi)M個信源信號從方向{θ₁,θ₂,…,θ_M}入射到所述均勻無模糊線陣上，對陣元接收數(shù)據(jù)進行快拍采樣和加權(quán)處理，第k次快拍采樣數(shù)據(jù)是X(k)＝AS(k)+N(k)，其中X(k)＝[x₁(k),x₂(k),…,x_N(k)]^T表示接收數(shù)據(jù)矢量，S(k)＝[s₁(k),s₂(k),…,s_M(k)]^T表示窄帶信號矢量，N(k)＝[n₁(k),n₂(k),…,n_N(k)]^T表示獨立同分布的滿足SαS分布的加性沖擊噪聲矢量，信號導(dǎo)向矢量矩陣是A(θ)＝[a(θ₁),a(θ₂),…,a(θ_M)]，其中θ＝(θ₁,θ₂,…,θ_M)是信源信號的入射角度，隨時間變化的函數(shù)關(guān)系已知，α(θ_m)＝[exp(-jω₀τ_1m),exp(-jω₀τ_2m),…,exp(-jω₀τ_Nm)]^T表示第m個入射信號的導(dǎo)向矢量，m＝1,2,…,M，其中，c為光速，f為遠(yuǎn)場入射信號的頻率，λ為入射信號的波長，表示第m個入射信號到達(dá)第n個陣元時相對于參考陣元的延時，l表示均勻線陣兩陣元間距離，定義陣元接收數(shù)據(jù)協(xié)方差矩陣為C(k)，C(k)的初始值為0，即C(0)＝0；

步驟二，對快拍采樣的數(shù)據(jù)做去沖擊預(yù)處理，

以每一次采樣數(shù)據(jù)為單位，估計接收數(shù)據(jù)的幅值上限max{x₁(k)|,|x₂(k)|,…,|x_N(k)|}，其中max{}為取最大值函數(shù)，對各陣元接收數(shù)據(jù)以為標(biāo)準(zhǔn)進行歸一化處理，其中p的值根據(jù)沖擊噪聲SαS分布的特征指數(shù)決定；

步驟三，更新采樣數(shù)據(jù)協(xié)方差矩陣，

第k次得到的更新數(shù)據(jù)為C(k)＝βC(k-1)+(1-β)R_z，其中β是數(shù)據(jù)更新的遺忘系數(shù)，β∈(0,1)，R_z是去沖擊預(yù)處理后得到的數(shù)據(jù)協(xié)方差矩陣，R_z＝Z(k)Z^H(k)；

步驟四，對更新后的數(shù)據(jù)進行奇異值分解，提取信號空間分量，

奇異值分解后得到的是低維數(shù)據(jù)量，利于基于壓縮感知理論進行信號的稀疏重構(gòu)；

步驟五，利用正交匹配稀疏重構(gòu)處理動態(tài)更新數(shù)據(jù)，得到該采樣時刻的動態(tài)目標(biāo)波達(dá)角度估計；

步驟六，如果達(dá)到最大跟蹤次數(shù)，執(zhí)行步驟七，否則返回步驟二繼續(xù)估計動態(tài)目標(biāo)的下一時刻波達(dá)方向值；

步驟七，得到所有快拍采樣下的動態(tài)目標(biāo)波達(dá)方向值后，輸出沖擊噪聲條件的動態(tài)目標(biāo)DOA跟蹤結(jié)果。

通過正交匹配稀疏重構(gòu)對動態(tài)波達(dá)方向進行估計，達(dá)到以少量觀測值精確重建原始信號的應(yīng)用目的，具體方案可以表示為：

a.對快拍采樣條件下每次采樣數(shù)據(jù)，將波達(dá)角度可能存在的范圍等間隔的劃分，構(gòu)造字典集A(θ)＝[a(θ₁),a(θ₂),…,a(θ_D)]，其中θ＝(θ₁,θ₂,…,θ_D)表示空間所有可能存在的信號入射角度，對于整個空間來說，D的取值大于遠(yuǎn)場窄帶信源信號個數(shù)M，相當(dāng)于構(gòu)造了稀疏重構(gòu)模型，式中a(θ_d)＝[exp(-jω₀τ_1d),exp(-jω₀τ_2d),…,exp(-jω₀τ_Nd)]^T(d＝1,2,…,D)表示字典集的一個原子，式中，c為光速，f為遠(yuǎn)場入射信號的頻率，λ為入射信號的波長，表示第d個入射信號到達(dá)第n個陣元時相對于參考陣元的延時，l表示均勻線陣兩陣元間距離；

b.陣元接收數(shù)據(jù)矢量定義為正交匹配稀疏重構(gòu)的初始?xì)埐顁₀，循環(huán)次數(shù)設(shè)定為遠(yuǎn)場窄帶相干信號信源個數(shù)M，初始索引集U為空，初始循環(huán)次數(shù)i＝1；

c.第i次循環(huán)時，分別計算殘差r_i-1在每個字典原子a(θ_d)(d＝1,2,…,D)上的投影值；

d.記錄第i次循環(huán)時最大投影系數(shù)對應(yīng)的原子將其加入索引集U；

e.利用索引集U重構(gòu)原始信號，原始信號的近似解s_i＝U₊r_i-1＝(U^TU)^-1U^Tr_i-1；

f.利用索引集U更新殘差

g.如果達(dá)到最大循環(huán)次數(shù)，則得到原始信號的稀疏重構(gòu)結(jié)果s_i，反之則令迭代次數(shù)i加1并返回步驟c。

本發(fā)明提供了一種考慮沖擊噪聲環(huán)境下對于相干動態(tài)目標(biāo)的波達(dá)方向通過去沖擊預(yù)處理和秩-1更新共同實現(xiàn)數(shù)據(jù)動態(tài)接收并結(jié)合壓縮感知技術(shù)的正交匹配稀疏重構(gòu)思想進行天然解相干在低快拍采樣條件下能夠?qū)崿F(xiàn)準(zhǔn)確動態(tài)跟蹤的沖擊噪聲條件的基于正交匹配稀疏重構(gòu)的相干信源動態(tài)波達(dá)角度(DOA)追蹤方法。

本發(fā)明采取的沖擊噪聲條件下的DOA估計方案基于對接收信號進行去沖擊預(yù)處理操作，而后再利用DOA動態(tài)估計方法對其進行波達(dá)角度的估計，避免了惡劣噪聲環(huán)境下DOA動態(tài)估計方案性能下降，所提方案能夠適用于強弱噪聲背景。

本發(fā)明采取的DOA動態(tài)估計方案基礎(chǔ)依賴于基于秩-1的子空間更新算法，主要原理是通過一段時間內(nèi)的信源波達(dá)角度平均值代替該段時間內(nèi)的瞬時值，當(dāng)時間間隔取得較小且信源變化速度較慢時，該等效方法得到的估計準(zhǔn)確度較高。

本發(fā)明的有益效果在于：

(1)解決了沖擊噪聲環(huán)境下的相干信號的動態(tài)目標(biāo)波達(dá)角度估計問題，通過使用正交匹配稀疏重構(gòu)方法作為數(shù)據(jù)處理方案，使測向方法不受陣列結(jié)構(gòu)和信號形式的限制，相較于傳統(tǒng)解相干后的DOA估計方法，在低信噪比和相干信號存在的情況下具有更高的角度分辨力和DOA估計精度。

(2)相對于現(xiàn)有的沖擊噪聲環(huán)境下的動態(tài)DOA估計方法，本發(fā)明在對數(shù)據(jù)進行去沖擊預(yù)處理的基礎(chǔ)上，基于秩-1更新矩陣，采用正交匹配思想對動態(tài)更新數(shù)據(jù)進行信號的稀疏重構(gòu)。利用正交匹配方案所需快拍采樣數(shù)低、運算復(fù)雜度低、稀疏重構(gòu)準(zhǔn)確性高的優(yōu)勢，顯著提高了動態(tài)目標(biāo)的跟蹤速度和跟蹤精度。

(3)避免了現(xiàn)有的強沖擊噪聲條件下測向方案性能下降問題，尤其是取代了現(xiàn)有分?jǐn)?shù)低階統(tǒng)計量的方法，采用的基于稀疏重構(gòu)思想的動態(tài)DOA跟蹤方案能夠適用于惡劣噪聲環(huán)境，在強、弱沖擊噪聲環(huán)境下均估計性能良好。

(4)實驗結(jié)果表明，本發(fā)明提出的沖擊噪聲環(huán)境下的基于正交匹配稀疏重構(gòu)的動態(tài)DOA跟蹤方案，能夠快速得到波達(dá)角度的最優(yōu)估計，且成功概率高于已有的基于分?jǐn)?shù)低階協(xié)方差矩陣的多重信號分類(FLOC-MUSIC)動態(tài)DOA估計方法，說明了所提方案的有效性。

附圖說明

圖1為沖擊噪聲條件的基于正交匹配稀疏重構(gòu)的相干信源動態(tài)DOA追蹤方案示意圖，其中具體求解動態(tài)波達(dá)角度過程如圖2。

圖2為沖擊噪聲條件下利用正交匹配進行信號稀疏重構(gòu)的方法示意圖。

圖3為特征指數(shù)α＝1.5時，兩個相干信號源在沖擊噪聲條件下基于正交匹配稀疏重構(gòu)的動態(tài)DOA追蹤方案和沖擊噪聲條件下基于分?jǐn)?shù)低階協(xié)方差矩陣的多重信號分類動態(tài)DOA估計方案跟蹤情況，圖中比較了二者的跟蹤成功概率以及成功概率隨信噪比的變化情況。

圖4為特征指數(shù)α＝0.8時，兩個相干信號源在沖擊噪聲條件下基于正交匹配稀疏重構(gòu)的動態(tài)DOA追蹤方案和沖擊噪聲條件下基于分?jǐn)?shù)低階協(xié)方差矩陣的多重信號分類動態(tài)DOA估計方案跟蹤情況，圖中比較了二者的跟蹤成功概率以及成功概率隨信噪比的變化情況。

圖5為特征指數(shù)α＝1.5時，兩個相干信號源在沖擊噪聲條件下基于正交匹配稀疏重構(gòu)的動態(tài)DOA追蹤方案跟蹤情況。

圖6為特征指數(shù)α＝0.8時，兩個相干信號源在沖擊噪聲條件下基于正交匹配稀疏重構(gòu)的動態(tài)DOA追蹤方案跟蹤情況。

具體實施方式

下面結(jié)合附圖對本發(fā)明做進一步描述。

本發(fā)明針對現(xiàn)有沖擊噪聲條件下的動態(tài)DOA估計方法存在的不足，提出了一種以沖擊噪聲為背景環(huán)境，可在低快拍采樣條件下達(dá)到實時性好、運算復(fù)雜度低、準(zhǔn)確率高的動態(tài)DOA跟蹤方法。該方法在去沖擊預(yù)處理的基礎(chǔ)上，基于秩-1矩陣對接收數(shù)據(jù)進行動態(tài)更新，并提出通過正交匹配稀疏重構(gòu)思想求解相干信源的動態(tài)波達(dá)角度。

本發(fā)明是通過如下技術(shù)方案實現(xiàn)的，主要包括以下步驟：

步驟一，建立沖擊噪聲條件下的接收數(shù)據(jù)模型。相干信號源的DOA動態(tài)跟蹤模型由M個中心頻率相同的遠(yuǎn)場窄帶信源信號、N個陣元組成的均勻無模糊線陣構(gòu)成?？臻g內(nèi)M個信源信號從方向{θ₁,θ₂,…,θ_M}入射到該均勻無模糊線陣上，對陣元接收數(shù)據(jù)進行快拍采樣和加權(quán)處理，第k次快拍采樣數(shù)據(jù)是X(k)＝AS(k)+N(k)，式中X(k)＝[x₁(k),x₂(k),…,x_N(k)]^T表示接收數(shù)據(jù)矢量，S(k)＝[s₁(k),s₂(k),…,s_M(k)]^T表示窄帶信號矢量，N(k)＝[n₁(k),n₂(k),…,n_N(k)]^T表示獨立同分布的滿足SαS分布的加性沖擊噪聲矢量。信號導(dǎo)向矢量矩陣是A(θ)＝[a(θ₁),a(θ₂),…,a(θ_M)]，式中θ＝(θ₁,θ₂,…,θ_M)是信源信號的入射角度，隨時間變化的函數(shù)關(guān)系已知，α(θ_m)＝[exp(-jω₀τ_1m),exp(-jω₀τ_2m),…,exp(-jω₀τ_Nm)]^T表示第m個入射信號的導(dǎo)向矢量，m＝1,2,…,M，式中，c為光速，f為遠(yuǎn)場入射信號的頻率，λ為入射信號的波長，表示第m個入射信號到達(dá)第n個陣元時相對于參考陣元的延時，l表示均勻線陣兩陣元間距離，定義陣元接收數(shù)據(jù)協(xié)方差矩陣為C(k)，C(k)的初始值為0，即C(0)＝0；

步驟二，對快拍采樣的數(shù)據(jù)做去沖擊預(yù)處理。以每一次采樣數(shù)據(jù)為單位，估計接收數(shù)據(jù)的幅值上限max{|x₁(k)|,|x₂(k)|,…,|x_N(k)|}，其中max{}為取最大值函數(shù)，對各陣元接收數(shù)據(jù)以為標(biāo)準(zhǔn)進行歸一化處理，式中p的值根據(jù)沖擊噪聲SαS分布的特征指數(shù)決定；

步驟三，更新采樣數(shù)據(jù)協(xié)方差矩陣。第k次得到的更新數(shù)據(jù)為C(k)＝βC(k-1)+(1-β)R_z，式中β是數(shù)據(jù)更新的遺忘系數(shù)，β∈(0,1)，R_z是去沖擊預(yù)處理后得到的數(shù)據(jù)協(xié)方差矩陣，R_z＝Z(k)Z^H(k)；

步驟四，對更新后的數(shù)據(jù)進行奇異值分解，提取信號空間分量。奇異值分解后得到的是低維數(shù)據(jù)量，利于基于壓縮感知理論進行信號的稀疏重構(gòu)；

步驟五，利用正交匹配稀疏重構(gòu)思想處理動態(tài)更新數(shù)據(jù)，得到該采樣時刻的動態(tài)目標(biāo)波達(dá)角度估計。

通過正交匹配稀疏重構(gòu)思想對動態(tài)波達(dá)方向進行估計，達(dá)到以少量觀測值精確重建原始信號的應(yīng)用目的，具體方案可以表示為：

a.對快拍采樣條件下每次采樣數(shù)據(jù)而言，將波達(dá)角度可能存在的范圍等間隔的劃分，構(gòu)造字典集A(θ)＝[a(θ₁),a(θ₂),…,a(θ_D)]，式中θ＝(θ₁,θ₂,…,θ_D)表示空間所有可能存在的信號入射角度，對于整個空間來說，D的取值遠(yuǎn)大于遠(yuǎn)場窄帶信源信號個數(shù)M，相當(dāng)于構(gòu)造了稀疏重構(gòu)模型，式中a(θ_d)＝[exp(-jω₀τ_1d),exp(-jω₀τ_2d),…,exp(-jω₀τ_Nd)]^T(d＝1,2,…,D)表示字典集的一個原子，式中，c為光速，f為遠(yuǎn)場入射信號的頻率，λ為入射信號的波長，表示第d個入射信號到達(dá)第n個陣元時相對于參考陣元的延時，l表示均勻線陣兩陣元間距離；

b.陣元接收數(shù)據(jù)矢量定義為正交匹配稀疏重構(gòu)的初始?xì)埐顁₀，循環(huán)次數(shù)設(shè)定為遠(yuǎn)場窄帶相干信號信源個數(shù)M，初始索引集U為空，初始循環(huán)次數(shù)i＝1；

c.第i次循環(huán)時，分別計算殘差r_i-1在每個字典原子a(θ_d)(d＝1,2,…,D)上的投影值；

d.記錄第i次循環(huán)時最大投影系數(shù)對應(yīng)的原子將其加入索引集U；

e.利用索引集U重構(gòu)原始信號，原始信號的近似解s_i＝U⁺r_i-1＝(U^TU)-¹U^Tr_i-1；

f.利用索引集U更新殘差

g.如果達(dá)到最大循環(huán)次數(shù)，則得到原始信號的稀疏重構(gòu)結(jié)果s_i，反之則令迭代次數(shù)i加1并返回步驟c。

步驟六，如果達(dá)到最大跟蹤次數(shù)，執(zhí)行步驟七，否則返回步驟二繼續(xù)估計動態(tài)目標(biāo)的下一時刻波達(dá)方向值；

步驟七，得到所有快拍采樣下的動態(tài)目標(biāo)波達(dá)方向值后，輸出沖擊噪聲條件的動態(tài)目標(biāo)DOA跟蹤結(jié)果。

本發(fā)明考慮到在沖擊噪聲環(huán)境下完成DOA動態(tài)估計的過程中需要同時達(dá)到估計精度和估計速度的要求，因而提出使用正交匹配稀疏重構(gòu)思想去求解去沖擊預(yù)處理后秩-1更新的動態(tài)數(shù)據(jù)中所包含的動態(tài)波達(dá)角度。所設(shè)計的動態(tài)DOA估計方案可以在運動目標(biāo)低快拍采樣的條件下實現(xiàn)高成功概率的目標(biāo)波達(dá)角度估計，并且能夠在不進行解相干預(yù)處理的前提下完成相干信號源的動態(tài)DOA估計，結(jié)果表明所提方案適用于強、弱沖擊噪聲條件，從而本發(fā)明能夠滿足更高性能要求。

實驗中均使用陣元間隔為0.5倍波長的等距均勻線陣，陣元數(shù)N＝9，正交匹配稀疏重構(gòu)的搜索區(qū)間為[-90°，90°]。所使用的沖擊噪聲條件下基于正交匹配稀疏重構(gòu)的動態(tài)DOA估計方法中的參數(shù)設(shè)定為：數(shù)據(jù)更新方程遺忘系數(shù)β＝0.85。在實驗仿真過程中使用的用于與之比較的是基于分?jǐn)?shù)低階協(xié)方差矩陣的多重信號分類動態(tài)DOA估計方案。為了考察兩種動態(tài)DOA估計方法在沖擊噪聲條件下的估計成功概率與信噪比的關(guān)系，實驗中兩種方法采取的其他參數(shù)設(shè)定一致。假定實驗中沖擊噪聲環(huán)境下的廣義信噪比取值范圍GSNR:[-10dB,10dB]，兩相干信源在不同沖擊噪聲環(huán)境中取不同的廣義信噪比條件下，基于正交匹配稀疏重構(gòu)的動態(tài)DOA估計方案和基于分?jǐn)?shù)低階協(xié)方差矩陣的多重信號分類動態(tài)DOA估計方案跟蹤情況如圖3至圖4。圖5至圖6給出了所提的沖擊噪聲條件下基于正交匹配稀疏重構(gòu)的動態(tài)DOA估計方法在弱沖擊噪聲環(huán)境(α＝1.5)、強沖擊噪聲環(huán)境(α＝0.8)條件下的跟蹤曲線。

從圖3中可以看出，所提的沖擊噪聲條件的基于正交匹配稀疏重構(gòu)的相干信源動態(tài)DOA追蹤方法在特征指數(shù)一定(α＝1.5)的條件下，估計成功概率高于基于分?jǐn)?shù)低階協(xié)方差矩陣的多重信號分類動態(tài)DOA估計方案，并且成功概率隨著廣義信噪比的提高而提高。

從圖3和圖4中可以看出，所提的沖擊噪聲條件的基于正交匹配稀疏重構(gòu)的相干信源動態(tài)DOA追蹤方法在強沖擊噪聲(α＝0.8)的條件下，仍能夠快速準(zhǔn)確地進行動態(tài)目標(biāo)的波達(dá)角度估計，并且估計成功概率高于基于分?jǐn)?shù)低階協(xié)方差矩陣的多重信號分類動態(tài)DOA估計方案，成功概率隨著廣義信噪比的提高而提高。

從圖5和圖6中可以看出，所提的沖擊噪聲條件的基于正交匹配稀疏重構(gòu)的相干信源動態(tài)DOA追蹤方法在弱沖擊噪聲(α＝1.5)、強沖擊噪聲(α＝0.8)的條件下，均能夠在低快拍采樣條件下準(zhǔn)確進行動態(tài)DOA跟蹤，且跟蹤性能良好。

沖擊噪聲條件的基于正交匹配稀疏重構(gòu)的相干信源動態(tài)DOA追蹤方法，其綜合特征是：(1)沖擊噪聲環(huán)境下對于陣元接收數(shù)據(jù)進行去沖擊預(yù)處理；(2)基于秩-1更新獲取信源動態(tài)數(shù)據(jù)；(3)利用正交匹配稀疏重構(gòu)思想處理相干信號源波達(dá)角度估計問題，并且能夠在強沖擊噪聲、低快拍采樣的條件下得到動態(tài)DOA跟蹤結(jié)果。沖擊噪聲環(huán)境下對于陣元接收數(shù)據(jù)的去沖擊預(yù)處理，通過設(shè)定一個特定門限將因沖擊噪聲影響而有特殊值的采樣數(shù)據(jù)歸一化，減小沖擊性對動態(tài)目標(biāo)波達(dá)角度估計的影響，提高了動態(tài)DOA估計的性能?；谥?1更新獲取信源動態(tài)數(shù)據(jù)，在平衡歷史數(shù)據(jù)和接收數(shù)據(jù)的加權(quán)系數(shù)后，通過更新方程得到實時協(xié)方差矩陣，提高了動態(tài)DOA估計的實時性和估計精度。利用正交匹配稀疏重構(gòu)思想處理數(shù)據(jù)，獲取動態(tài)目標(biāo)的波達(dá)角度估計值，通過設(shè)計非相關(guān)測量矩陣和稀疏字典集，其稀疏重構(gòu)不受信號形式限制的特點能夠很好的用于相干信號源測向，并且同時提高了動態(tài)DOA在低快拍采樣條件下的估計成功概率，可解決現(xiàn)有動態(tài)追蹤方法由于運動目標(biāo)的空間采樣率低而導(dǎo)致的估計成功概率低的問題，保證所提方案在強、弱沖擊噪聲條件下的適用性，具有快速跟蹤、精確重構(gòu)的優(yōu)點。