[发明专利]导向矢量和协方差矩阵联合迭代的稳健波束形成方法

说明书

本发明公开了导向矢量和协方差矩阵联合迭代的稳健波束形成方法，解决自适应波束形成技术中期望信号导向矢量和干扰加噪声协方差矩阵估计问题。实现过程为：利用阵列采集的雷达回波数据估计采样协方差矩阵；初始化期望信号导向矢量和干扰加噪声协方差矩阵；建立凸优化方程估计期望信号导向矢量误差；更新导向矢量和协方差矩阵，交替迭代，直至得到导向矢量和协方差矩阵的最优估计；计算权值实现稳健波束形成。本发明在波达角和阵列校准误差同时存在时，提高了期望信号导向矢量约束能力，从采样协方差矩阵准确剔除期望信号估计干扰加噪声协方差矩阵，避免期望信号‘自消’现象，可用于存在波达角和阵列校准误差下实现自适应波束形成。

技术领域

本发明属于阵列信号处理领域，主要涉及自适应波束形成中期望信号导向矢量和干扰加噪声协方差矩阵估计问题，具体是一种导向矢量和协方差矩阵联合迭代的稳健波束形成方法，可用于阵列校准误差下的自适应波束形成。

背景技术

自适应波束形成技术广泛应用于航空、航天、雷达和通信系统，通过在期望信号方向形成增益、干扰方向形成零陷，提高输出信干噪比(Signal to Interference andNoiseRatio,SINR)。但是，实际工作环境中存在阵元位置误差、通道幅度相位误差等，致使期望信号导向矢量约束存在偏差。理论研究表明，当期望信号导向矢量存在约束偏差，在低信噪比(Signal to Noise Ratio,SNR)情况下，可能出现主瓣偏移等问题，降低输出SINR；在高SNR情况下，若接收数据含有期望信号，甚至会出现信号‘自消’现象，导致输出SINR急剧恶化。

针对多种误差下自适应波束形成最优权求解问题，典型的解决方法有：对角加载类方法，子空间类算法，约束优化类方法，干扰噪声协方差矩阵重构类方法等，其中：

对角加载类方法：该方法通过人为地注入噪声，在采样样本数据协方差矩阵的对角元素中加载一个较小的量，从而减小采样样本数据协方差矩阵中噪声特征值的扰动程度，相应降低噪声特征向量在波束形成过程中权向量的影响，优点是提高算法对快拍数的稳健性，减缓信号‘自消’现象。但同时也具有波束方向图干扰位置零陷变浅，输出SINR下降，加载值难以控制的缺点。

子空间类算法：该方法在信源和噪声相互独立互不相干的条件下，利用信号干扰子空间与噪声子空间的正交性，将期望信号导向矢量在信号干扰子空间上作投影，从而摒弃权向量在噪声子空间中的分量，削弱噪声子空间的扰动对波束形成算法性能的影响。该算法对任意误差导致的期望信号导向矢量不确定都有着很好的稳健性，但是该算法只适用于高SNR的环境，且需要准确知道信号干扰子空间维数，否则波束形成器性能会急剧衰落。

约束优化类方法：该方法借助凸优化工具，一般以最大化输出功率或者最大化输出信干噪比为目标，通过将期望信号导向矢量约束在先验期望信号导向矢量的不确定集中、或者约束其靠近信号干扰子空间来优化期望信号导向矢量。该算法在期望信号导向矢量精确约束的情况下可以获得良好的性能，但是一旦存在误差，对期望信号导向矢量的约束能力下降，则算法最终无法优化得到最优解，同时约束优化类方法一般计算复杂度较高。

干扰噪声协方差矩阵重构类方法：该方法利用信号的空域稀疏性，在干扰信号可能出现区域利用如Capon功率谱、PI谱、SPICE谱在干扰信号可能出现区域积分，估计出不含期望信号的干扰加噪声协方差矩阵来提高波束形成器性能，然后利用重构的干扰噪声协方差矩阵在结合一些优化方法估计期望信号导向矢量，使得阵列获得良好的输出性能。但该方法需要知道准确的阵列结构信息，即只考虑了信号波达方向误差，未考虑阵元位置误差、幅度相位误差等，在实际工作环境中存在干扰加噪声协方差矩阵失配。

上述提及到的对角加载类方法能提高小快拍下的性能，但是在强期望信号下存在期望信号‘自消’现象；子空间类方法可以提高强期望信号下导向矢量的估计性能，但是在弱期望信号下存在较大误差；已有约束优化类方法由于存在期望信号导向矢量约束偏差，导致性能提升有限；干扰噪声协方差矩阵重构类方法在阵列精确校准情况下，可以显著提高自适应波束形成器性能，但是在阵列校准误差下，失去干扰抑制能力。

发明内容