[发明专利]基于低复杂度不确定集积分的稳健波束形成方法及系统

说明书

本发明公开一种基于低复杂度不确定集积分的稳健波束形成方法及系统，涉及相控阵雷达技术领域。所述方法包括根据相控阵雷达阵列在各时刻接收的观测数据计算相控阵雷达阵列的采样协方差矩阵；基于估计噪声功率采用高斯‑勒让德方法对采样协方差矩阵进行重构得到重构后的干扰加噪声协方差矩阵；根据相控阵雷达的阵元数量和相控阵雷达阵列对应的期望信号子空间计算相控阵雷达阵列对应的期望信号的导向矢量；根据重构后的干扰加噪声协方差矩阵以及导向矢量计算相控阵雷达阵列的权重矢量；根据相控阵雷达阵列的权重矢量形成相控阵雷达阵列对应的波束。本发明使得形成的波束具有更好的稳健性。

技术领域

本发明涉及相控阵雷达技术领域，特别是涉及一种基于低复杂度不确定集积分的稳健波束形成方法及系统。

背景技术

波束形成方法能够将阵列波束的主瓣指向期望信号(signal of interest，SOI)方向，同时利用阵列的其余自由度在干扰信号方向上形成零陷，已被广泛应用于雷达、声呐、麦克风阵列语音处理、医学成像、无线通信、天文学和地震学等领域。然而，在实际的应用过程中，阵列不可避免的存在一些误差，例如信号波达方向(direction of arrival，DOA)估计误差、幅度和相位扰动误差和非相干局部散射等，尤其当SOI分量存在于数据快拍中时，这些误差将导致波束形成方法的性能严重下降。因此，为了使波束形成方法在误差条件下仍能保证良好的输出性能，许多稳健波束形成方法相继提出，如对角加载方法、特征子空间方法、不确定集约束方法和最差情况性能优化方法。传统方法对于轻度的DOA估计误差和幅度相位扰动是有效的，但对于信号模型出现严重误差时将无法发挥效能，并且这些方法主要依据采样协方差矩阵进行波束形成，无法有效去除其中的SOI分量，使方法在输入信噪比(signal to noise ratio，SNR)较高的条件下性能受到一定的限制。

为了消除SOI分量的影响，现有技术已经提出了大量基于干扰加噪声协方差矩阵(interference plus noise covariance matrix，INCM)重构的方法，这类方法使用重构的INCM代替采样协方差矩阵，从而使阵列在较高的输入SNR条件下仍具备良好的输出信干噪比(signal to interference plus noise ratio，SINR)。第一种方法基于Capon功率谱积分的INCM重构方法，利用重构的INCM构造二次优化问题模型，修正SOI的导向矢量(steering vector，SV)，该方法在SNR较高时表现性能良好，但在入射信号的DOA误差较大时性能将受限。第二种方法将3阶高斯-勒让德(Gauss-Legendre，GL)求积公式引入Capon功率谱积分中，通过3处求积节点Capon功率谱的线性组合重构了INCM，该方法具有较低的计算复杂度，但仍无法解决DOA误差较大时的性能不足问题。第三种方法提出了基于环形不确定集积分的INCM重构方法，该方法的性能优于第一种方法，但增加了方法的计算复杂度。第四种方法认为期望信号SV和采样协方差矩阵特征向量之间具备一定的相关性，从而选择最大相关系数所对应的特征向量作为估计的SV，这种方法可以在一定程度上降低方法的计算复杂度，但在DOA误差较大时，特征向量与SV之间的相关性必然会受到影响。第五种方法为了降低复杂度提出了一种基于最大熵功率谱代替Capon功率谱的INCM重构方法，虽然方法可以降低计算复杂度，但在积分区间内的采样点数需达到5倍阵元数量才能保证方法性能。第六种方法分别定义了SV空间与信号子空间的距离和SV空间与噪声子空间的正交性度量，并将两者的乘积作为遗传方法的目标函数，通过全局迭代优化SV空间从而构造INCM，方法虽然提升了波束形成的稳健程度，但在低SNR情况下信号子空间和噪声子空间出现扰动时将会性能退化。第七种方法通过特征值分解对干扰信号所在区域积分所得的正定矩阵，选择几个较大特征值所对应的特征向量构造子空间投影矩阵，将采样协方差矩阵向该子空间矩阵投影以消除SOI分量，从而达到重构INCM的目的。第八种方法针对第七种方法在计算干扰信号区域正定矩阵过程中复杂度高的问题，利用4阶GL求积公式实现了该矩阵的高效计算，但该方法在DOA误差较大和信号模型存在幅度和相位扰动误差时性能表现不足。

综上所述，现有的波束形成方法性能不足，导致得到的权重矢量稳健性差。

发明内容