本发明专利技术公开了一种抗阵列系统误差的稳健波束形成方法。首先对阵列天线接收的采样数据协方差矩阵特征分解，根据期望信号导向矢量与期望信号对应特征向量的相关性，估计出期望信号对应的特征向量，进而去掉协方差矩阵中期望信号对应的特征向量，将剩下的特征向量张成的子空间，与Capon谱估计的干扰加噪声协方差矩阵加权组合，作为本发明专利技术波束形成方法中的干扰加噪声的协方差矩阵；再利用二次约束二次优化算法得到校正的期望信号导向矢量。本发明专利技术能有效避免阵列系统误差引起的性能降低，极大的提高了波束形成器的稳健性，与目前的多数稳健波束形成算法相比，能够更加接近理论输出信干噪比，有更好的输出性能。
【技术实现步骤摘要】
本专利技术属于自适应阵列天线控制领域，尤其涉及一种抗阵列系统误差的稳健波束 形成方法。
技术介绍
自适应波束形成技术能够在空间干扰方向自适应地形成零陷，有效抑制空间干扰 和噪声，提高输出信干噪比（SINR)，被广泛应用于雷达，声纳，移动通信，射电天文等领域。 常用的波束形成器如Capon波束形成器，是建立在阵列对期望信号导向矢量准确已知的情 况下，在实际的应用中，当存在信号波前扰动失真，局部相干散射，阵列流形误差等造成阵 列对期望信号导向矢量估计失配时，自适应波束形成器会将实际期望信号误认为干扰，在 期望信号实际方向形成零陷，导致出现信号"自消"的现象，阵列输出性能急剧下降。 针对阵列系统误差引起期望信号导向矢量失配导致阵列输出性能急剧下降的 问题，近年来出现了很多提高阵列波束形成器稳健性的算法。对角加载（LSMI)是一 种常用的方法（B.D.Carlson,Covariancematrixestimationerrorsanddiagonal loadinginadaptivearrays,IEEETransactionsonAerospaceandElectronic systems,vol. 24,pp. 397-401，July1988)，在一定程度上提高了阵列对期望信号矢 量失配的稳健性，其性能的改善程度依赖于加载量的选择，但没有一种可靠的方法 选择对角加载量。Vorobyov等人提出了 一种最坏情况性能最优稳健波束形成算法 (S.A.Vorobyov,A.B.Gershman,andZ.-Q.Luo.Robustadaptivebeamformingusing worst-caseperformanceoptimization:Asolutiontothesignalmismatchproblem. IEEETransactionsonSignalProcessing,vol. 51,pp. 313-324,Feb. 2003.worst-case performanceoptimization，WCP0)，通过建立导向矢量的不确定集，保证在不确定集中 导向矢量最差情况下，性能最优，这种方法在本质上仍属于对角加载一类的方法，是其 对角加载量可以随约束参数进行调整，因而其稳健性较LSMI方法得到很大的提高，但 这种方法受到不确定集参数设定的影响，而不确定集约束参数在实际中又很难准确得 到。 文献(KhabbazibasmenjA. ,VorobyovS.A. ,andHassanienA.Robustadaptive beamformingbasedonsteeringvectorestimationwithaslittleaspossible priorinformation.IEEETransactionsonSignalProcessing, 2012,60(6):2974-2987， SDP-RAB)提出基于最小先验信息下导向矢量估计的稳健波束形成算法，该算法只需知道期 望信号来波的大致区域，该算法在低快拍数下对波前扰动失真，局部相干散射，阵列流形误 差等具有较强的稳健性，但由于其约束条件过于松弛，当快拍数较高时，输入信噪比（SNR) 较高时，性能反而有所下降。 以上稳健的波束形成方法都是基于采样矩阵的求逆（SMI)的改进。然而当期 望信号存在于训练信号中时，即使阵列导向矢量没有误差，LSMI算法与WCP0算法在高信 噪比情况下性能都远远低于理想情况，为了克服这个缺点，Y.Gu等提出了一种基于干扰 加噪声协方差矩阵估计的稳健波束形成方法（Gu，Y.J·，andLeshem，A.Robustadaptive beamformingbasedoninterferencecovariancematrixreconstructionand steeringvectorestimation.IEEETransactionsonSignalProcessing, 2012, 60, (7) ,pp. 3881 - 3885)，该方法利用干扰区域的Capon谱来重构干扰加噪声协方差矩阵，无需已 知干扰的数量，该方法对于期望信号D0A估计偏差，波前扰动失真，局部相散射引起的导向 矢量失配具有极强的稳健性，输出SINR能够接近理论最优值，是目前最好的稳健波束形成 方法，但缺点是在低输入信噪比出现阵列流形误差时，由于估计协方差矩阵也将存在误差， 因而输出SINR下降较快。
技术实现思路
本专利技术的目的是提供一种能够提高自适应天线波束形成抗干扰性能的，抗阵列系 统误差的稳健波束形成方法。 -种抗阵列系统误差的稳健波束形成方法，包括以下步骤， 步骤一：构建阵列天线接收数据的采样协方差矩阵： 步骤二：对协方差矩阵R进行特征分解： 其中，μ为对协方差矩阵食进行特征分解所得到的第i个特征值，兔为μ派对 应的特征向量；步骤三：将估计的期望信号导向矢量民向每个特征向量@投影，得到： / =1,2，.…N , 将p(i)从大到小依次排列，设p(i)的最大值max(p(i))所对应的特征向量为 t, #对应的特征值为.#，将?去除，剩余的特征向量为氏為，…，其分别对应的特征值 为TM，/?，…?ν-1 ] 得到不包含期望信号分量的协方差矩阵 步骤四：利用干扰区域的Capon空间谱重构干扰加噪声协方差矩阵：' _ '' ' 9 其中，a(Θ)表示Θ方向的导向矢量； 步骤五：得到干扰加噪声协方差矩阵的估计值： 其中α和β为加权因子，》= 々/(>+/^+々2+…+ 丨），A二（為+々2+…+ ; 步骤六：构建二次约束二次优化问题对估计的期望信号导向矢量进行校正： 得到校正后的期望信号导向矢量估计％: a0=a0 +e1 ； 步骤七：得到自适应加权向量：，利用w进行波束形成，得到天线阵 列输出数据。 有益效果： 本专利技术针对Y.Gu所提出方法的问题，提出一种基于协方差矩阵混合重构和导向 矢量估计相结合的稳健波束形成方法，该方法的干扰加噪声协方差矩阵来源于两部分的加 权组合。该方法不但对期望信号D0A估计偏差，波前扰动失真，局部相散射引起的导向矢量 失配具有极强的稳健性，输出SINR比Y.Gu所提方法能够更加接近理论最优值，且对阵列流 形误差也具有极强的稳健性。 针对实际阵列天线应用中，由于期望信号导向矢量估计误差导致输出信干噪比 (SINR)急剧下降的问题，本专利技术方法通过将期望信号分量从协方差矩阵中移出，利用估计 的干扰加噪声协方差矩阵替代原来的采样协方差矩阵。因而，降低了波束形成器对期望信 号导向矢量失配的敏感性，有效的提高了波束形成器抗导向矢量失配的稳健性。仿真结果 表明，本专利技术方法在期望信号导D0A估计失配，波前扰动失真，局部相干散射等系统误差情 况下，输出SINR能够接近理论最优值，且优与目前已提出的大多数方法。【附图说明】 图1是本专利技术的实现步骤示意图； 图2为导向矢量D0A估计失配时阵列输出信干噪比图； 图3为波前扰动失真时阵列输出信干噪比图； 图4为局部相干散射时阵列输出信干噪比图； 图5为出现阵列流形误差时，阵列输出信干噪比图。【具体实施方式】 下面将结合附图对本专利技术做进一步详细说明本文档来自技高网...
【技术保护点】
一种抗阵列系统误差的稳健波束形成方法，其特征在于：包括以下步骤，步骤一：构建阵列天线接收数据的采样协方差矩阵：R^=1KΣk=1KX(k)XH(k);]]>步骤二：对协方差矩阵进行特征分解：R^=Σi=1Nμiυ‾iυ‾iH,i=1,2,...,N]]>其中，μi为对协方差矩阵进行特征分解所得到的第i个特征值，为μi所对应的特征向量；步骤三：将估计的期望信号导向矢量向每个特征向量投影，得到：p(i)=|υ‾iHa‾0|2,i=1,2,...,N,]]>将p(i)从大到小依次排列，设p(i)的最大值max(p(i))所对应的特征向量为对应的特征值为将去除，剩余的特征向量为其分别对应的特征值为得到不包含期望信号分量的协方差矩阵：步骤四：利用干扰区域的Capon空间谱重构干扰加噪声协方差矩阵：R~i+n=∫Θ‾aH(θ)a(θ)aH(θ)R^-1a(θ),]]>其中，a(θ)表示θ方向的导向矢量；步骤五：得到干扰加噪声协方差矩阵的估计值：Ri+n=αR~i+n+βR‾i+n]]>其中α和β为加权因子，α=μ^/(μ^+μ^1+μ^2+...+μ^N-1),β=(μ^1+μ^2+...+μ^N-1)/N;]]>步骤六：构建二次约束二次优化问题对估计的期望信号导向矢量进行校正：mine⊥(a‾0+e⊥)HRi+n-1(a‾0+e⊥)]]>subject to|a‾0He⊥|=0,]]>(a‾0+e⊥)HRi+n(a‾0+e⊥)≤a‾0HRi+na‾0]]>得到校正后的期望信号导向矢量估计a^0=a‾0+e⊥;]]>步骤七：得到自适应加权向量：利用w进行波束形成，得到天线阵列输出数据。...
【技术特征摘要】
【专利技术属性】
技术研发人员：李文兴，毛晓军，李思，毛云龙，李迎松，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。