[发明专利]一种基于高斯熵准则的自适应降秩波束形成方法

说明书

本发明公开了一种基于高斯熵准则的自适应降秩波束形成方法，包括以下步骤：1、初始化宽线性降秩波束形成器的权向量和降秩矩阵,给定步长因子的值；2、获取阵列接收信号；3、对阵列接收信号进行宽线性和降秩处理，然后通过宽线性降秩波束形成器，得到输出信号；4、将降秩矩阵的初始值、权向量的初始值和输出信号代入到降秩矩阵和权向量的迭代公式中进行迭代求解，得出波束形成的最佳权向量，再根据最佳权向量进行波束形成。本发明通过将降秩理论引入到宽线性LSE算法，有效的降低了算法复杂度和增大算法的收敛速度。同时，宽线性处理和高斯熵准则的采用，充分利用了接收信号和误差信号的二阶统计特性，从而可以应用于处理非圆信号。

技术领域

本发明属于波束形成技术领域，尤其涉及一种基于高斯熵准则的自适应降秩波束形成方法。

背景技术

如今，自适应波束形成技术广泛应用于通信、雷达、声呐和卫星导航系统。与纯空域自适应处理算法相比，空时域自适应处理(Space-time adaptive processing,STAP)算法利用空域和时域的联合优化，显著提高了输出信噪比(signal-to-interference-plus-noise-ratio,SINR)。然而，空时域自适应的算法在满秩时计算量很大，需要矩阵求逆的满秩空时域自适应算法的计算复杂度高达O(L³)阶，其中L＝M×P是滤波器的维数，在阵元数M或每一个阵元的时域抽头数P比较大时，算法的复杂度就会很大。这限制了其应用于对实时性要求较高的应用。

在进行信号处理时，我们通常直接或者间接的假设待处理的信号是圆信号，但是在实际应用中更为常见的是非圆信号，如BPSK信号、AM信号等。文献《Complex-ValuedLinear and Widely Linear Filtering Using MSE and Gaussian Entropy》定义了参数圆度系数来定量描述信号z为圆的程度，并给出求解公式ρ＝E[z²]/E[|z|²]，不难发现圆度系数的取值范围为0≤|ρ|≤1，当信号z是圆信号时，有E[z²]＝0，故此时信号z的圆度系数ρ的值为0，当信号z是非圆信号时,E[z²]的值不为0，并且当信号z非圆度越大时，其与E[z²]的绝对值越接近，也就是说信号z的圆度系数ρ的绝对值越接近1。

最小均方误差(Minimum square error,MSE)准则，被广泛的应用于自适应信号处理算法，然而基于此准则的算法，并没有充分考虑误差信号的全部二阶统计特性，所以在误差信号是非圆信号时，其性能会有所下降，虽然采用宽线性处理可以在一定程度上改善算法的性能，但是又引起了新的问题——收敛速度下降。宽线性处理可以充分的利用输入信号的全部二阶统计特性，但是对于误差信号，依然不能够充分利用其二阶统计特性，且宽线性处理加倍了滤波器的维数，会使得算法的收敛速度明显减慢和计算量明显增加，尤其在阵元数或时域抽头数较大时。

发明内容

本发明的目的在于解决现有算法在信号是非圆信号时，性能下降和宽线性LSE算法存在的复杂度高和收敛性慢的问题，提供一种基于高斯熵准则的自适应降秩波束形成方法，本发明通过将降秩理论引入到宽线性LSE算法，有效的降低了算法复杂度和增大算法的收敛速度，尤其对于较大的系统，其优越性更加明显。同时，宽线性处理和高斯熵准则的采用，充分利用了接收信号和误差信号的二阶统计特性，从而可以应用于处理非圆信号。

为实现上述目的，本发明采用的技术方案如下：

一种基于高斯熵准则的自适应降秩波束形成方法，包括以下步骤：

步骤1、初始化宽线性降秩波束形成器的权向量和降秩矩阵,给定步长因子的值；

步骤2、获取阵列接收信号；

步骤3、对阵列接收信号进行宽线性和降秩处理，然后通过宽线性降秩波束形成器，得到输出信号；