[发明专利]一种协方差矩阵重构自适应波束形成方法及系统

说明书

本发明公开一种基于虚拟线列阵的协方差矩阵重构自适应波束形成方法及系统，首先利用均匀线列阵接收时域数据，分别计算前向和后向的线性预测系数，并按照递推的方式依次对虚拟阵元位置出所接收到的数据进行拟合，从而预测出各个虚拟阵元的快拍数据；然后，利用包含实际阵元和虚拟阵元的数据计算更高维度的干扰加噪声协方差矩阵，并采用特征分解和提取大特征值的方式剔除重构误差，最终添加入理想的噪声协方差矩阵，得到虚拟阵列对应的改善干扰加噪声协方差矩阵；最后，通过同样的方式重构虚拟阵列对应的期望信号协方差矩阵，并提取出最大特征值对应的特征向量作为导向矢量，从而计算得到虚拟阵列对应的波束形成器加权向量和波束输出。

技术领域

本发明涉及阵列信号处理领域，涉及一种协方差矩阵重构自适应波束形成方法及系统。

背景技术

在传感器阵列的自适应波束形成技术在过去的几十年里，得到了迅速的发展，相关成果已经广泛应用于各个领域。作为最著名的自适应波束形成器，Capon波束形成器能够在训练数据不含期望信号时，可以达到其理论性能的最优。然而，在实际的应用环境下，阵列的接收数据中往往存在期望信号，尤其是在信噪比较高时，会导致经典的自适应波束形成方法对期望信号导向矢量的失配更加敏感。

为了提高自适应波束形成器的稳健性，近年来国内外学者提出了许多稳健波束形成器，根据使用的协方差矩阵归纳起来有以下两类：

1)文献1“Robust Adaptive Beamforming,”IEEE Transactions on AcousticsSpeech and Signal Processing,vol.35,no.10,pp.1365-1376,Oct,1987.”和文献2“Robust Capon beamforming,”IEEE Signal Processing Letters,vol.10,no.6,pp.172-175,Jun,2003.”中公开的对角加载方法和不确定集约束方法能够较好的改善稳健性，但对角加载量和不确定集大小难以根据实际情况确定，难以实际使用。

2)文献3“Robust Adaptive Beamforming Based on Interference CovarianceMatrix Reconstruction and Steering Vector Estimation,IEEE Trans.SignalProcess.,vol.60,no.7,pp.3881-3885,Jul.2012.”中公开的重构干扰加噪声协方差矩阵(interference-plus-noise covariance matrix,INCM)算法能够有效地去除协方差矩阵中的期望信号分量，从而降低波束形成器对期望信号导向矢量误差的敏感性，但同时重构的INCM中可能存在干扰的导向矢量误差，从而降低了干扰抑制能力。

综上所述，第1)类方法直接利用接收数据协方差矩阵(Sample covariancematrix,SCM)，为了保证稳健性，对干扰抑制能力有极大地牺牲；第2)类方法能够有效保证稳健性，但当存在模型失配时，其干扰抑制能力会下降。这两类算法都基于阵元接收数据，其输出信干噪比与输入信噪比的差值，不会超过阵增益。

发明内容

为了避免现有自适应波束形成的不足之处，本发明提出一种基于虚拟线列阵的协方差矩阵重构自适应波束形成方法，在所有入射信号方向未知的前提下，利用阵列接收数据和线性预测技术，拟合得到虚拟阵元的接收数据，从而提高自适应波束形成的自由度，最终提高自适应波束形成器对干扰和噪声的抑制能力。

为达到上述目的，本发明采用的技术方案为：一种协方差矩阵重构自适应波束形成方法，具体过程如下：

获取均匀线列阵接收时域数据，分别计算前向拟合系数和后向拟合系数，并采用递推的方式依次对虚拟阵元所接收到的数据进行拟合，从而预测出各个虚拟阵元的快拍数据；