[发明专利]基于MWF中运用滑窗判定的噪声子空间估计方法

说明书

本发明涉及基于MWF中运用滑窗判定的噪声子空间估计方法。本方法根据MWF的特性，结合小矩阵最大特征值运算，提出一种运用滑窗定阶的方法，可以鲁棒的估计噪声子空间，更稳定地获得最优信干噪比。运用本方法可以使得干扰子空间分解更为准确可靠从而获得更好的抗干扰效果。

技术领域

本发明主要涉及到信号处理领域，特指一种基于MWF运用滑窗判定的噪声子空间分解方法。

背景技术

地球表面接收到的导航信号功率很小，以GPS为例，比接收机热噪声低约21dB。当受到人为干扰时，接收信号难以恢复。运用天线阵，并且进行时延扩展，形成空时二维模式，可以大幅增加自由度，增强了抗干扰能力。设阵元数为M，时间延迟数为N，则接收数据X为MN×1维向量，其协方差矩阵R_x＝E{XX^H}，为MN×MN维矩阵，其最优处理的运算量约为O((MN)³)，随着空时处理维数的增加，运算量成立方倍增长，大运算量对计算资源消耗和计算时长都是不可接受的。多级维纳滤波(MWF:Multistage Weiner Filter)有避免大矩阵分解和降维处理两个优势^[1]，适用于解决空时二维抗干扰处理的问题。

多级维纳滤波是维纳滤波器的一种多级等效形式，因此运用这一方法首先需要将抗干扰处理转化为维纳滤波的问题。通过广义旁瓣对消器可以从接收信号矢量分离出期望信号，形成维纳滤波的模式，如附图1所示。接收信号矢量经过上面的支路得到期望信号d₀(n)，d₀(n)包含有用信号和干扰，阻塞矩阵B₀＝null(h)，下支路通过B₀阻塞期望信号，则x₀(n)仅含干扰。

经典的多级维纳滤波器结构如附图2所示。按照信息论的思想，从每一步观测数据矢量x_i(n)中尽量提取与d_i(n)相关的信息，用x_i(n)与d_i(n)的归一化互相关矢量可以达到这个目的。x_i(n)与d_i(n)的互相关为其归一化矢量为阻塞矩阵为与h_i正交的[(MN-i)×(MN-i-1)]维矩阵，记为B_i，可表示为B_i＝null(h_i)，其列矢量构成h_i的零空间，即

经典算法中的综合滤波器是一个反推的过程。假设预定的降维维数为P，即分解到第P级停止，由图2可知，e_P(n)＝d_P(n)，第P级实际构成了经典的维纳滤波器，根据经典维纳滤波的理论可以推出这一步标量权值其中ξ_P＝E{|d_P(n)|²}，从P级往前推，第P-1级的误差为相应的可以算得w_P，以此类推可以算得标量形式的各阶维纳滤波器权值。

由各阶标量维纳滤波器可嵌套组成多级维纳滤波器的综合滤波器部分，求得各阶标量维纳滤波器权值之后，逐级反推可得到综合滤波器的权值

最终算得的权值为

w_MWF＝Tw (2)