本发明专利技术属于阵列信号处理领域，主要涉及基于概率约束的干扰噪声协方差矩阵重构鲁棒算法对干扰信号导向矢量随机误差的稳健性。本发明专利技术提供一种基于概率约束的干扰噪声协方差矩阵重构鲁棒算法(IPNCMR‑PC)，引入预设中断概率建立基于概率约束的干扰信号导向矢量误差模型，获得基于概率约束的等效随机误差范数约束上限参数，采用RCB算法对干扰信号的功率和导向矢量进行有效的估计，进一步提高其估计精度，获得更精准的干扰噪声协方差矩阵，从而进一步提高干扰噪声协方差矩阵重构算法对干扰信号导向矢量误差的稳健性。
【技术实现步骤摘要】
本专利技术属于阵列信号处理领域，主要涉及基于概率约束的干扰噪声协方差矩阵重构鲁棒算法对干扰信号导向矢量随机误差的稳健性。
技术介绍
Capon自适应波束形成算法可以在保证对期望信号无失真输出的条件下，使阵列输出功率最小，最大限度的提高输出信干噪比(Signal-to-Interference-plus-Noise Ratio，SINR)、最大限度的提高阵列增益，具有较好的方位分辨力和较强的干扰抑制能力。但是，Capon波束形成是建立在对期望信号导向矢量和干扰噪声协方差矩阵均精确已知的假想基础上的，对期望信号导向矢量和干扰噪声协方差矩阵的误差比较敏感，且在实际应用中，干扰噪声协方差矩阵一般是难以得到的，往往以阵列接收数据样本协方差矩阵来代替。在阵列接收数据快拍数有限的情况下，Capon自适应波束形成算法的性能会不可避免的有所下降，尤其是当阵列接收数据中包含有期望信号之时，性能下降的尤为严重。对此，Gershman等人于2003年提出了基于Capon的最差性能最佳化(Worst-Case Performance Optimization，WCPO)波束形成方法，其核心思想是假设期望信号的真实导向矢量a(θ1)与预设的导向矢量之间存在估计误差，且误差范数有上限即假设真实导向矢量a(θ1)属于椭圆不确定集其设计准则是使最差情况下的波束输出SINR最高，即为阵列接收数据的样本协方差矩阵，WCPO得到的导向矢量解记为为了进一步提高基于最差性能最佳化的鲁棒自适应波束形成算法的性能，Sergiy A.等在2008年提出了基于概率约束的鲁棒最小方差波束形成算法，引入预设的中断概率p来表示随机误差达到最差情况的概率，采用一种统计方式来代替确定方式，建立基于概率约束的导向矢量误差模型，构建基于概率约束的优化问题从而进一步提高了对期望信号导向矢量随机误差的鲁棒性。然而，因为这两类算法采用样本协方差矩阵而不是干扰噪声协方差矩阵Ri+n来计算阵列加权，而样本协方差矩阵中包含有期望信号成分，即尤其是在阵列接收数据快拍数有限的情况下，误将真实期望信号当作干扰信号进行零陷(即“自零陷”)，尤其是期望信号输入信噪比SNR较大之时，从而导致阵列输出SINR逐步偏离最佳SINR。为了有效解决这一问题，Gu Yujie等在2012年提出一种干扰协方差矩阵重构算法(Interference-plus-Noise Covariance Matrix Reconstruction,IPNCMR)，该IPNCMR重构算法的核心思想是首先在不包含期望信号来波方向的角度区间上进行Capon谱积分得到干扰噪声协方差矩阵，然后基于该矩阵建立关于期望信号导向矢量误差的二次约束二次规划问题，从而得到波束形成权值，可大大提高自适应波束形成算法的性能。但是该IPNCMR算法存在一些固有的不足，该算法需要精确已知阵列的干扰噪声结构，即精确的干扰信号导向矢量，而在实际应用中，干扰信号的导向矢量是未知的，需要采用类似于期望信号导向矢量估计的方法进行估计。因此，该IPNCMR算法对干扰信号导向矢量误差比较敏感，尤其是导向矢量随机误差。为提高该类算法对干扰信号导向矢量误差的鲁棒性，Yuan Xiaolei等在2015年提出了一种基于WCPO准则的针对任意随机导向矢量的干扰协方差矩阵重构算法(IPNCMR-WCPO)，类似于期望信号导向矢量误差的建模，构建干扰信号导向矢量误差的基于最差性能最佳化准则的误差模型d＝2,3,…,D，采用鲁棒Capon波束形成(Robust Capon Beamforming,RCB)来估计第d个干扰信号的功率和导向矢量利用干扰噪声协方差矩阵的结构特性来重构考虑干扰信号导向矢量误差的干扰噪声协方差矩阵提高干扰噪声协方差矩阵重构算法对干扰信号导向矢量误差的稳健性。该算法在期望信号低输入SNR的情况下，获得比IPNCMR算法更好的输出SINR；但是，在高输入SNR之时，其输出SINR仍然距离最优输出SINR有一定的距离。因此，进一步研究针对干扰信号导向矢量误差的干扰噪声协方差矩阵稳健重构算法是非常有必要的。
技术实现思路
本专利技术的目的在于提供一种基于概率约束的干扰噪声协方差矩阵重构鲁棒算法(A Robust Algorithm for Interference-plus-Noise Covariance Matrix Reconstruction Based on Probability Constraints,IPNCMR-PC)，引入预设中断概率建立基于概率约束的干扰信号导向矢量误差模型，获得基于概率约束的等效随机误差范数约束上限参数，采用RCB算法对干扰信号的功率和导向矢量进行有效的估计，进一步提高其估计精度，获得更精准的干扰噪声协方差矩阵，从而进一步提高干扰噪声协方差矩阵重构算法对干扰信号导向矢量误差的稳健性。本专利技术的思路是：本专利技术基于理想干扰噪声协方差矩阵的结构特性是第d个干扰信号的导向矢量，d＝2,3,…,D，是其功率，σ2是阵列接收高斯白噪声功率，IN是N×N单位矩阵)，首先引入预设的中断概率pd来表示第d个干扰信号导向矢量随机误差达到最差情况的概率，建立基于概率约束的导向矢量误差模型并假设随机误差δd是一个零均值、方差为Cδ-d的复对称高斯随机变量，从而得到基于概率约束的等效随机误差范数约束上限εd-e。然后采用RCB算法来估计第d个干扰信号的功率和导向矢量同时对样本协方差矩阵进行特征值分解(EVD)估计阵列接收高斯白噪声的功率从而利用干扰噪声协方差矩阵的结构特性得到重构的干扰噪声协方差矩阵最后用代替样本协方差矩阵建立期望信号的基于概率约束的导向矢量误差模型构造概率约束的最小方差波束形成优化问题并假设随机误差δ1是一个零均值、方差为Cδ-1的复对称高斯随机变量，从而得到波束形成加权值，这样可以进一步提高干扰噪声协方差矩阵重构算法对干扰信号导向矢量误差的稳健性。一种基于概率约束的干扰噪声协方差矩阵重构鲁棒方法，具体步骤如下:S1、由M个阵元构成的均匀线阵接收到D个来自远场信源的信号，各个信号的来波方向分别为θd,d＝1,…,D，不失一般性，假设第1个信号为期望信号，其余D-1个均为干扰信号，且假设各个信号之间互不相关，且信号与噪声之间也互不相关，则第n个快拍下阵列接收数据记为 x ( n ) = a ( θ 1 ) s 1 ( n ) + Σ d = 2 D a ( θ d ) s d ( n ) + v ( n ) = 本文档来自技高网...
【技术保护点】
一种基于概率约束的干扰噪声协方差矩阵重构鲁棒算法，其特征在于，包括如下步骤：S1、由M个阵元构成的均匀线阵接收到D个来自远场信源的信号，各个信号的来波方向分别为θd,d＝1,…,D，不失一般性，假设第1个信号为期望信号，其余D‑1个均为干扰信号，且假设各个信号之间互不相关，且信号与噪声之间也互不相关，则第n个快拍下阵列接收数据记为x(n)=a(θ1)s1(n)+Σd=2Da(θd)sd(n)+v(n)=As(n)+v(n)]]>其中，A＝[a(θ1),…,a(θD)]为阵列流型矩阵，s(n)为阵列接收到的信号源矢量，v(n)表示阵列接收到的噪声矢量，假设其为零均值高斯白噪声。阵列接收到的N个快拍数据可表示为如下的矢量形式：X＝[x(1),…,x(N)]＝AS+VS＝[s(1),…,s(N)]V＝[v(1),…,v(N)]由阵列接收数据矩阵X可以得到阵列接收数据的样本协方差矩阵R^x=1NXXH=1NΣn=1Nx(n)xH(n)]]>一般情况下，期望信号和干扰信号的真实导向矢量是未知的，通过相应的DOA算法进行估计得到的，这就不可避免的引入一定的估计误差。假设信号d,d＝1,2,…,D的预估计导向矢量为真实的信号导向矢量a(θd)位于如下的椭圆不确定集合||δd||2≤εd},d＝1,…,D中，εd表示信号d预估计导向矢量与真实导向矢量a(θd)之间估计误差δd的范数上界。S2、利用阵列接收数据的样本协方差矩阵来估计阵列接收高斯白噪声功率对进行特征值分解(EVD)得到其特征值(按从大到小排列)其中D个大特征值对应于阵列接收到的D个信源信号部分，剩余的M‑D个小特征值对应于阵列接收到的噪声部分，故而噪声功率可用下式进行估计：S3、基于理想干扰噪声协方差矩阵的结构特性，建立干扰信号d,d＝2,3,…,D基于概率约束的导向矢量误差模型得到基于概率约束的等效随机误差范数约束上限εd‑e，在此基础上采用RCB算法来分别估计D‑1个干扰信号的功率和导向矢量S31、干扰信号d,d＝2,3,…,D的预估计导向矢量为真实的信号导向矢量a(θd)位于椭圆不确定集合||δd||2≤εd}中，引入中断概率pd来表示第d个干扰信号导向矢量随机误差达到最差情况的概率，建立基于概率约束的导向矢量误差模型构建基于概率约束的优化问题S32、若假设导向矢量随机误差δd服从零均值、协方差矩阵为Cδ‑d的高斯随机分布，则随机变量wHδd服从零均值、协方差矩阵为的高斯分布，假设随机变量wHδd的实部和虚部是相互统计独立的，则其幅度|wHδd|服从瑞利分布，由此可以得到通过一定的变换即可得到则基于概率约束的优化问题可以转换为类比原始的WCPO波束形成优化问题可知，当协方差矩阵为时，等效的随机误差范数约束上限值为S33、利用样本协方差矩阵来构建干扰信号d的RCB波束形成优化问题：maxa(θd),σd2σd2s.t.R^x≥σd2a(θd)aH(θd),||a(θd)-a^(θd)||2≤ϵd-e]]>将其进行一定整理之后转换为如下的半定规划问题：mina(θd),σd21/σd2]]>s.t.R^xa(θd)aH(θd)1/σd2≥0]]>ϵd-eIa(θd)-a^(θd)(a(θd)-a^(θd))H1>0]]>采用已有的SeDuMi软件或CVX软件进行求解，可以得到干扰信号d的功率和导向矢量S32、分别取d＝2,…,D，重复步骤S31即可得到干扰噪声协方差矩阵中的干扰信号项同时结合步骤S2中估计的阵列接收高斯白噪声功率可以得到考虑干扰信号导向矢量误差的干扰噪声协方差矩阵重构S4、期望信号的预估计导向矢量为其真实导向矢量a(θ1)位于椭圆不确定集合引入中断概率p1来表示期望信号导向矢量随机误差达到最差情况的概率，建立基于概率约束的导向矢量误差模型同时利用步骤S3中估计的干扰噪声协方差矩阵来代替样本协方差矩阵构造概率约束的最小方差波束形成优化问题：minwwHR^i+nw,s.t.Pr{|wHδ1|≤|wHa^(θ1)|-1}≥p1]]>将其进行一定整理之后转换为如下的二阶锥规划问题：minw||Vw||s.t.wHa^(θ1)≥1+-ln(1-p1)||Cδ-11/2w||2,R^i+n=VHV]]>采用已有的SeDuM...
【技术特征摘要】
1.一种基于概率约束的干扰噪声协方差矩阵重构鲁棒算法，其特征在于，包括如下步骤：S1、由M个阵元构成的均匀线阵接收到D个来自远场信源的信号，各个信号的来波方向分别为θd,d＝1,…,D，不失一般性，假设第1个信号为期望信号，其余D-1个均为干扰信号，且假设各个信号之间互不相关，且信号与噪声之间也互不相关，则第n个快拍下阵列接收数据记为 x ( n ) = a ( θ 1 ) s 1 ( n ) + Σ d = 2 D a ( θ d ) s d ( n ) + v ( n ) = A s ( n ) + v ...
【专利技术属性】
技术研发人员：袁晓垒，黄文龙，甘露，廖红舒，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
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。