[发明专利]一种基于干扰噪声协方差矩阵估计的稳健波束形成方法在审

专利信息
申请号: 201410525604.8 申请日: 2014-10-09
公开(公告)号: CN104408278A 公开(公告)日: 2015-03-11
发明(设计)人: 徐定杰;刘向锋;韩浩;桑静;周阳;兰晓明;迟晓彤;张金丽;李伟东 申请(专利权)人: 哈尔滨工程大学
主分类号: G06F19/00 分类号: G06F19/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 150001 黑龙江省哈尔滨市南岗区*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及阵列信号处理中自适应波束形成领域,具体涉及一种基于干扰噪声协方差矩阵估计的稳健波束形成方法。本发明包括利用天线阵列接收远场窄带入射信号,取有限快拍数进行对接收数据协方差矩阵进行估计,然后对接收数据协方差矩阵进行特征分解,入射信号源数目的先验信息可以由信号源数目估计方法获得,依据估计的期望信号导向矢量在噪声子空间的投影最优获取更为准确的期望信号导向矢量,依据干扰信号导向矢量先验信息及估计的噪声功率进行干扰噪声协方差矩阵估计得到,进行波束形成。本发明首先进行了干扰噪声协方差矩阵估计,去除了训练数据中的期望信号成分,能够避免产生信号相消。
搜索关键词: 一种 基于 干扰 噪声 协方差 矩阵 估计 稳健 波束 形成 方法
【主权项】:
一种基于干扰噪声协方差矩阵估计的稳健波束形成方法,其特征在于,包括以下步骤:(1)利用天线阵列接收远场窄带入射信号,取有限快拍数进行对接收数据协方差矩阵进行估计,然后对接收数据协方差矩阵进行特征分解,依据入射信号源数目的先验信息获取噪声子空间Un及估计噪声功率入射信号源数目的先验信息可以由信号源数目估计方法获得,传感器阵列是由N个阵元组成的理想均匀等距线阵,远场空间目标期望信号和P个干扰信号,信号与干扰、干扰与干扰之间互不相关,各通道噪声为互相独立的零均值高斯白噪声,与信号、干扰均不相关,阵列模型,N×1维的阵列接收信号x(t)为:<mfenced open='' close=''><mtable><mtr><mtd><mi>x</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>m</mi><mo>=</mo><mn>0</mn></mrow><mi>P</mi></munderover><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>m</mi></msub><mo>)</mo></mrow><msub><mi>s</mi><mi>m</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><mi>n</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mo>=</mo><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><msub><mi>s</mi><mn>0</mn></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>A</mi><mi>I</mi></msub><msub><mi>S</mi><mi>I</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><mi>n</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>;</mo></mtd></mtr></mtable></mfenced>θm,m=1,2,…,P为干扰信号波达角方向,θ0为期望信号波达角方向,a(θm),m=0,1,2,…,P表示期望信号、干扰信号的导向矢量,a(θ0)为期望信号导向矢量,s0(t)为期望信号复包络,AI=[a(θ1),a(θ2),…,a(θP)]为干扰信号导向矢量组成的阵列流型,SI(t)=[s1(t),s2(t),…,sP(t)]T为干扰信号复包络,n(t)=[n1(t),n2(t),…,nN(t)]T是高斯白噪声。(·)T表示转置运算,阵列接收信号的协方差矩阵R为:<mfenced open='' close=''><mtable><mtr><mtd><mi>R</mi><mo>=</mo><msub><mi>R</mi><mi>s</mi></msub><mo>+</mo><msub><mi>R</mi><mrow><mi>i</mi><mo>+</mo><mi>n</mi></mrow></msub><mo>=</mo><msubsup><mi>&sigma;</mi><mn>0</mn><mn>2</mn></msubsup><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><msup><mi>a</mi><mi>H</mi></msup><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>+</mo></mtd></mtr><mtr><mtd><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>P</mi></munderover><msubsup><mi>&sigma;</mi><mi>k</mi><mn>2</mn></msubsup><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>k</mi></msub><mo>)</mo></mrow><msup><mi>a</mi><mi>H</mi></msup><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>k</mi></msub><mo>)</mo></mrow><mo>+</mo><msubsup><mi>&sigma;</mi><mi>n</mi><mn>2</mn></msubsup><mi>I</mi><mo>;</mo></mtd></mtr></mtable></mfenced>Rs和Ri+n分别为期望信号协方差矩阵和干扰噪声协方差矩阵,分别表示期望信号、P个干扰信号和空间白噪声信号的功率,I表示单位矩阵,(·)H表示复共轭转置运算,通过有限的快拍数据估算接收信号数据协方差矩阵:<mrow><mover><mi>R</mi><mo>^</mo></mover><mo>=</mo><mfrac><mn>1</mn><mi>L</mi></mfrac><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>L</mi></munderover><msub><mi>x</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><msubsup><mi>x</mi><mi>k</mi><mi>H</mi></msubsup><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>;</mo></mrow>L表示快拍数,xk(t)表示第k个快拍;信号源数目P+1<N,对进行特征分解,依据入射信号源数目可知:<mrow><mover><mi>R</mi><mo>^</mo></mover><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>&lambda;</mi><mi>i</mi></msub><msub><mi>u</mi><mi>i</mi></msub><msubsup><mi>u</mi><mi>i</mi><mi>H</mi></msubsup><mo>=</mo><msub><mi>U</mi><mi>s</mi></msub><msub><mi>&lambda;</mi><mi>s</mi></msub><msubsup><mi>U</mi><mi>s</mi><mi>H</mi></msubsup><mo>+</mo><msub><mi>U</mi><mi>n</mi></msub><msub><mi>&lambda;</mi><mi>n</mi></msub><msubsup><mi>U</mi><mi>n</mi><mi>H</mi></msubsup><mo>;</mo></mrow>其中<mrow><msub><mi>&lambda;</mi><mn>1</mn></msub><mo>&GreaterEqual;</mo><msub><mi>&lambda;</mi><mn>2</mn></msub><mo>&GreaterEqual;</mo><mo>&CenterDot;</mo><mo>&CenterDot;</mo><mo>&CenterDot;</mo><mo>&GreaterEqual;</mo><msub><mi>&lambda;</mi><mi>P</mi></msub><mo>&GreaterEqual;</mo><msub><mi>&lambda;</mi><mrow><mi>P</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>&GreaterEqual;</mo><msub><mi>&lambda;</mi><mrow><mi>P</mi><mo>+</mo><mn>2</mn></mrow></msub><mo>=</mo><mo>&CenterDot;</mo><mo>&CenterDot;</mo><mo>&CenterDot;</mo><mo>=</mo><msub><mi>&lambda;</mi><mi>N</mi></msub><mo>=</mo><msubsup><mi>&sigma;</mi><mi>n</mi><mn>2</mn></msubsup></mrow>是N个特征值,ui,i=1,2,…,N是其对应的特征向量,λs=diag{λ12,…,λP+1}和λn=diag{λP+2P+3,…,λN}分别表示较大特征值、较小特征值组成对角矩阵,Us和Un则分别表示信号干扰子空间和噪声子空间;可以由接收信号协方差矩阵特征分解对应的小特征值取均值估计获得,即<mrow><msubsup><mi>&sigma;</mi><mi>n</mi><mn>2</mn></msubsup><mo>=</mo><msubsup><mover><mi>&sigma;</mi><mo>^</mo></mover><mi>n</mi><mn>2</mn></msubsup><mo>=</mo><mfrac><mn>1</mn><mrow><mi>N</mi><mo>-</mo><mi>P</mi><mo>-</mo><mn>1</mn></mrow></mfrac><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mi>P</mi><mo>+</mo><mn>2</mn></mrow><mi>N</mi></munderover><msub><mi>&lambda;</mi><mi>i</mi></msub><mo>;</mo></mrow>(2)将期望信号导向矢量误差约束于球形不确定集中,依据估计的期望信号导向矢量在噪声子空间Un的投影最优获取更为准确的期望信号导向矢量真实期望信号导向矢量与Us展成同一子空间,由于Us与Un正交,则期望信号导向矢量与噪声子空间正交:<mfenced open='' close=''><mtable><mtr><mtd><msubsup><mi>u</mi><mi>i</mi><mi>H</mi></msubsup><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>=</mo><mn>0</mn></mtd><mtd><mi>i</mi><mo>=</mo><mi>P</mi><mo>+</mo><mn>2</mn><mo>,</mo><mi>P</mi><mo>+</mo><mn>3</mn><mo>,</mo><mo>&CenterDot;</mo><mo>&CenterDot;</mo><mo>&CenterDot;</mo><mo>,</mo><mi>N</mi><mo>,</mo></mtd></mtr></mtable></mfenced><mrow><msubsup><mrow><mo>|</mo><mo>|</mo><msubsup><mi>U</mi><mi>n</mi><mi>H</mi></msubsup><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup><mo>=</mo><msup><mi>a</mi><mi>H</mi></msup><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><msub><mi>U</mi><mi>n</mi></msub><msubsup><mi>U</mi><mi>n</mi><mi>H</mi></msubsup><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>=</mo><mn>0</mn><mo>,</mo></mrow>期望信号导向矢量a(θ0)具有估计误差,估计的期望信号导向矢量在噪声子空间中留有余量:<mrow><msubsup><mrow><mo>|</mo><mo>|</mo><msubsup><mi>U</mi><mi>n</mi><mi>H</mi></msubsup><mover><mi>a</mi><mo>^</mo></mover><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup><mo>&GreaterEqual;</mo><msubsup><mrow><mo>|</mo><mo>|</mo><msubsup><mi>U</mi><mi>n</mi><mi>H</mi></msubsup><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup><mo>=</mo><mn>0</mn><mo>,</mo></mrow>与a(θ0)相等时等号成立<mrow><munder><mi>min</mi><mi>a</mi></munder><msubsup><mrow><mo>|</mo><mo>|</mo><msubsup><mi>U</mi><mi>n</mi><mi>H</mi></msubsup><mi>a</mi><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup><mo>=</mo><msubsup><mrow><mo>|</mo><mo>|</mo><msubsup><mi>U</mi><mi>n</mi><mi>H</mi></msubsup><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup><mo>=</mo><mn>0</mn><mo>,</mo></mrow>将期望信号导向矢量误差约束于球形不确定集中,可得基于球形不确定集的稳健波束:<mfenced open='' close=''><mtable><mtr><mtd><munder><mi>min</mi><mi>a</mi></munder><msubsup><mrow><mo>|</mo><mo>|</mo><msubsup><mi>U</mi><mi>n</mi><mi>H</mi></msubsup><mi>a</mi><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup></mtd><mtd><mi>s</mi><mo>.</mo><mi>t</mi><mo>.</mo></mtd><mtd><msubsup><mrow><mo>|</mo><mo>|</mo><mi>a</mi><mo>-</mo><mover><mi>a</mi><mo>^</mo></mover><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup></mtd></mtr></mtable><mrow><mo>&le;</mo><mi>&epsiv;</mi><mo>;</mo></mrow></mfenced>ε是球形不确定集的边界,进行求解得到最优的导向矢量(3)依据干扰信号导向矢量先验信息及估计的噪声功率进行干扰噪声协方差矩阵估计得到干扰信号导向矢量先验信息由谱估计方法及阵列模型获得,Capon波束形成器的功率谱为:<mrow><mi>p</mi><mo>=</mo><mfrac><mn>1</mn><mrow><msup><mi>a</mi><mi>H</mi></msup><mrow><mo>(</mo><mi>&theta;</mi><mo>)</mo></mrow><msup><mi>R</mi><mrow><mo>-</mo><mn>1</mn></mrow></msup><mi>a</mi><mrow><mo>(</mo><mi>&theta;</mi><mo>)</mo></mrow></mrow></mfrac><mo>;</mo></mrow>噪声为独立的高斯白噪声,干扰信号导向矢量先验信息已知,则干扰噪声协方差矩阵为:<mrow><msub><mover><mi>R</mi><mo>^</mo></mover><mrow><mi>i</mi><mo>+</mo><mi>n</mi></mrow></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>P</mi></munderover><mfrac><mrow><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>k</mi></msub><mo>)</mo></mrow><msup><mi>a</mi><mi>H</mi></msup><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>k</mi></msub><mo>)</mo></mrow></mrow><mrow><msup><mi>a</mi><mi>H</mi></msup><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>k</mi></msub><mo>)</mo></mrow><msup><mi>R</mi><mrow><mo>-</mo><mn>1</mn></mrow></msup><mi>a</mi><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>k</mi></msub><mo>)</mo></mrow></mrow></mfrac><mo>+</mo><msubsup><mover><mi>R</mi><mo>^</mo></mover><mi>n</mi><mn>2</mn></msubsup><mi>I</mi><mo>;</mo></mrow>(4)计算最优权矢量wopt,进行波束形成,最优权矢量:<mrow><msub><mi>w</mi><mi>opt</mi></msub><mo>=</mo><mfrac><mrow><msubsup><mover><mi>R</mi><mo>^</mo></mover><mrow><mi>i</mi><mo>+</mo><mi>n</mi></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msubsup><mover><mi>a</mi><mo>&OverBar;</mo></mover><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow></mrow><mrow><msup><mover><mi>a</mi><mo>&OverBar;</mo></mover><mi>H</mi></msup><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow><msubsup><mover><mi>R</mi><mo>^</mo></mover><mrow><mi>i</mi><mo>+</mo><mi>n</mi></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msubsup><mover><mi>a</mi><mo>&OverBar;</mo></mover><mrow><mo>(</mo><msub><mi>&theta;</mi><mn>0</mn></msub><mo>)</mo></mrow></mrow></mfrac><mo>;</mo></mrow>则天线阵列输出即波束形成为:<mrow><mi>y</mi><mo>=</mo><msubsup><mi>w</mi><mi>opt</mi><mi>H</mi></msubsup><mi>x</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>.</mo></mrow>
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学,未经哈尔滨工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201410525604.8/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top