[发明专利]一种基于协方差矩阵重构的自适应波束形成方法

摘要

本发明公开了一种基于协方差矩阵重构的自适应波束形成方法，思路为：建立M个阵元的均匀直线阵列接收Q个不同方向信号的数学模型，其中包含1个待检测期望信号和Q‑1个干扰信号；进而得到样本矩阵的干扰加噪声采样协方差矩阵对进行特征值分解，分别得到进行特征值分解后由大到小排序的M个特征值，和M个特征值对应的M个特征向量，以及的噪声功率估计值；依次计算Q‑1个干扰信号入射角度估计值和Q‑1个干扰信号入射角度估计值的Q‑1个干扰信号导向矢量的估计值；进而得到不含入射方向为θ0的待检测期望信号分量的优化干扰加噪声采样协方差矩阵；最后计算基于协方差矩阵重构的自适应处理器权矢量。

主权项

一种基于协方差矩阵重构的自适应波束形成方法，其特征在于，包括以下步骤：步骤1，建立M个阵元的均匀直线阵列接收Q个不同方向信号的数学模型，在所述数学模型中，Q个不同方向信号分别为Q个远场窄带信号，并且任意时刻所述Q个远场窄带信号入射进M个阵元的均匀直线阵列中，所述Q个远场窄带信号包含1个待检测期望信号和Q‑1个干扰信号，该待检测期望信号的入射方向为θ0，该Q‑1个干扰信号的入射方向分别为θ1,θ2,…,θQ‑1；进而得到M个阵元的均匀直线阵列接收的Q个不同方向信号表达式t表示时间变量；对M个阵元的均匀直线阵列接收的Q个不同方向信号表达式进行采样，得到K个接收信号样本，分别记为并将所述K个接收信号样本确定为M×K维样本矩阵XK，进而得到M×K维样本矩阵XK的M×M维干扰加噪声采样协方差矩阵t1,t2,…,tK为K个不同的采样时刻；M、K和Q分别为大于0的自然数；步骤2，对M×K维样本矩阵XK的M×M维干扰加噪声采样协方差矩阵进行特征值分解，分别得到M×K维样本矩阵XK的M×M维干扰加噪声采样协方差矩阵进行特征值分解后由大到小排序的M个特征值λ1,λ2,…,λM，和M个特征值λ1,λ2,…,λM对应的M个M×1维特征向量u1,u2,…uM，以及M×K维样本矩阵XK的M×M维干扰加噪声采样协方差矩阵的噪声功率估计值步骤3，根据M×K维样本矩阵XK的M×M维干扰加噪声采样协方差矩阵进行特征值分解后由大到小排序的M个特征值λ1,λ2,…,λM，和M个特征值λ1,λ2,…,λM对应的M个M×1维特征向量u1,u2,…uM，依次计算Q‑1个干扰信号入射角度估计值和和每个干扰信号入射角度估计值对应的干扰信号导向矢量的估计值，进而得到Q‑1个干扰信号导向矢量的估计值步骤4，根据Q‑1个干扰信号入射角度估计值分别计算每个干扰信号入射角度估计值对应的干扰信号入射功率估计值，进而得到Q‑1个干扰信号入射功率估计值步骤5，根据M×K维样本矩阵XK的M×M维干扰加噪声采样协方差矩阵的噪声功率估计值Q‑1个干扰信号入射角度估计值Q‑1个干扰信号导向矢量的估计值以及Q‑1个干扰信号入射功率估计值计算得到不含入射方向为θ0的待检测期望信号X(θ0)分量的优化干扰加噪声采样协方差矩阵RRE；步骤6，根据不含入射方向为θ0的待检测期望信号X(θ0)分量的优化干扰加噪声采样协方差矩阵RRE，计算得到基于协方差矩阵重构的M×1维自适应处理器权矢量