[发明专利]一种基于改进型传播算子的卫星通信抗干扰方法

权利要求书

1.一种基于改进型传播算子的卫星通信抗干扰方法，其特征在于，包括：

S1.利用传感器组建均匀圆形阵列，利用均匀圆形阵列对入射信号进行接收采样，得到输出信号；

利用均匀圆形阵列对入射信号进行T次接收采样，获取均匀圆形阵列的输出信号X，计算公式如下：

X＝AS+N

X＝[x(1),x(2),…,x(T)]

S＝[s(1),s(2),…,s(T)]

其中，K表示远场窄带信号的数量，分别表示每个远场窄带信号入射到接收阵列的角度，X表示M×T的接收信号矩阵，A表示M×K的方向响应矩阵，S表示K×T的入射信号矩阵，N表示M×T的噪声矩阵，M表示构建均匀圆形阵列的传感器数量；

S2.基于输出信号，对均匀圆形阵列进行模式空间转换，得到模式空间的波束空间数据矩阵和波束空间流形矩阵；

定义波束空间转换矩阵F_r，波束空间转换矩阵F_r的定义式如下：

其中，W、C_V和V通过波束空间转换技术获取，W为具有中心赫米特的矩阵，C_V和V为波束空间转换算子；

通过采用转换，得到波束空间数据矩阵Y和波束空间流形矩阵B，计算公式如下：

S3.基于波束空间数据矩阵和波束空间流形矩阵，获得对应的四阶累积量矩阵；

基于Y和B，得到输出信号X的四阶累积量矩阵C_Y，计算公式如下：

其中，E代表数学期望，代表克罗内克积，(·)^H表示矩阵的共轭转置；

S4.采集P组干扰信号的信噪比q、定位角度θ和合理阈值即超参数γ、另一超参数μ构造为标记数据集，将标记数据集分为训练集和测试集，将训练集中的信噪比q作为预测量，定位角度θ和作为标签；

S5.构建弹性网络回归模型，利用训练集对弹性网络回归模型进行训练，利用测试集测试弹性网络回归模型的有效性，通过训练好的弹性网络回归模型预测更新后的超参数μ，具体步骤如下：

构建弹性网络回归模型ω：

其中，cost(ω)为弹性网络回归算法的代价函数，y为选择的超参数μ，λ和ρ为惩罚项系数；

利用训练集对弹性网络回归模型ω进行训练，利用坐标下降法来求解获得使得代价函数最小时的ω，利用测试集测试弹性网络回归模型ω的有效性；通过训练好的弹性网络回归模型ω预测获得更新后的超参数μ；

构建深度卷积神经网络，所述深度卷积神经网络由卷积层和池化层的叠加组成；利用训练集对深度卷积神经网络进行训练，在训练过程中，通过特征矩阵相同位置上的数字进行相加进行降维，并使用批量归一化加速训练；利用测试集测试深度卷积神经网络的有效性，得到训练好的深度卷积神经网络，通过训练好的深度卷积神经网络预测得到更新后的超参数γ；

S6.基于四阶累积量矩阵C_Y和超参数μ，构建传播算子U^′_N，构建公式如下：

其中，I为单位矩阵；

S7.将超参数γ作为到达角度对应的波峰阈值，将搜索角度θ＝[0^°,180^°]和代入空间谱估计公式，得到空间谱图，空间谱估计公式如下：

在空间谱图中，超过波峰阈值γ的波峰所对应的角度θ和即为干扰信号的到达角度信息。