[发明专利]一种改进的数据降维稳健自适应波束形成算法

权利要求书

1.一种改进的数据降维稳健自适应波束形成算法，其特征在于，所述算法包括以下步骤：

步骤1，计算各子频带样本的协方差矩阵

步骤2，利用共轭梯度算法，对协方差矩阵求解降维矩阵D；

步骤3，利用降维矩阵计算对角矩阵Λ_CG；

步骤4，求解降维后的估计期望信号导向矢量和约束矩阵M；

步骤5，对约束矩阵M进行特征值分解；

步骤6，求解拉格朗日因子；

步骤7，基于最优的拉格朗日因子求解得到估计的加权矢量。

2.如权利要求1所述的一种改进的数据降维稳健自适应波束形成算法，其特征在于，所述协方差矩阵其中，K为快拍数，x_k为第k个阵元接收到的阵列快拍数据，H表示转置。

3.如权利要求1所述的一种改进的数据降维稳健自适应波束形成算法，其特征在于，所述的求解降维矩阵D＝[d₁，...，d_N]包括以下步骤：

步骤2.1，初始化迭代计数器j＝1，初始化残量向量其中，为估计期望信号导向矢量；

步骤2.2，计算第j次迭代的学习率α_j和步长β_j，学习率步长其中，d_j为第j次迭代的残量，r_j为第j次迭代的向量，H为转置，为各子带样本的协方差矩阵；

步骤2.3，基于第j次迭代的学习率α_j和步长β_j计算第j+1次迭代的向量r_j+1和残量d_j+1，向量残量d_j+1＝-r_j+1+β_jd_j；

步骤2.4，对迭代计数器j加1，并返回步骤2.2直至j＝N-1，N为降维阶数。

4.如权利要求3所述的一种改进的数据降维稳健自适应波束形成算法，其特征在于，所述的利用降维矩阵计算对角矩阵其中，N为降维阶数，H为转置，为协方差矩阵，diag函数用于矩阵对角元素的提取和创建对角阵。

5.如权利要求4所述的一种改进的数据降维稳健自适应波束形成算法，其特征在于，所述的降维后的估计期望信号导向矢量和约束矩阵M分别表示为

其中，为估计期望信号导向矢量，E＝ε^-1I_N，ε为预设的导向矢量之间的误差，IN表示单位矩阵，Λ_CG为对角矩阵，D表示降维矩阵，H表示转置。

6.如权利要求1所述的一种改进的数据降维稳健自适应波束形成算法，其特征在于，所述对降维后的约束矩阵M进行特征值分解为U＝[u₁，...，u_n，...，u_N]，U表示降维后的约束矩阵M的特征向量矩阵，u为特征向量，n为矩阵索引，λ_n为u_n对应的特征值。