脉冲噪声下的波束成形方法及装置制造方法及图纸

本发明专利技术公开了一种脉冲噪声下的波束成形方法及装置，该方法包括：利用波束成形方向图的稀疏性，联合阵列输出几何功率及l

Beam forming method and apparatus under impulsive noise

The invention discloses a beam forming method and a device under pulse noise, which comprises the following steps: utilizing the sparsity of a beam forming directional pattern to jointly output geometric power and l of an array

【技术实现步骤摘要】
脉冲噪声下的波束成形方法及装置
本专利技术涉及阵列信号处理
，尤其涉及一种脉冲噪声下的波束成形方法及装置。
技术介绍
无论在雷达还是通信
，阵列信号处理一直都是多天线系统的一项重要任务，而束波形成(BeamForming，BF)技术又是阵列信号处理中一项最重要的技术，该技术的基本思想是通过增强感兴趣信号，抑制来自其它方向的干扰信号，以最大化输出信号与干扰加噪声比((SignaltoInterferenceplusNoiseRatio，SINR)。传统的波束成形方法都是基于阵列输出的二阶统计量来最小化阵列输出功率，如Capon波束成形技术，该技术通过使感兴趣信号方向的阵列增益为1来最小化阵列输出功率。然而，该技术旁瓣电平较高，特别是出现未预料的干扰，或噪声功率急剧增加时，波束成形性能会严重变差。那么这就必然导致了输出SINR的下降。为解决该问题，在Capon波束形成技术中加入了稀疏约束，旁瓣电平得到了较大改善。然而，目前的波束形成技术都是假设信号服从高斯分布，而实际场景中，脉冲噪声是一种比高斯信号更常见的信号类型，可用α稳定分布来建模该类型脉冲噪声(α为其特征指数)。由于α稳定分布不存在二阶统计量，所以把脉冲噪声用高斯分布来建模，传统的波束形成算法性能严重下降。为了解决此脉冲噪声下传统波束形成算法性能下降的问题，学者们提出一些相关方法，如基于分数低阶矩(FractionalLower-orderStatistics,FLOS)的lp-Capon方法、l1正则化最小绝对无畸变响应(l1-regularizedMinimumAbsoluteDistortionlessResponse,l1-MADR)BF方法、基于零阶统计量(Zero-orderStatistics，ZOS)BF方法等等。基于分数低阶矩的lp-Capon方法利用脉冲噪声存在p(0＜p＜α＜2)阶矩来改善波束形成的性能，但其性能的好坏依赖于阶数p先验知识的准确性，而且先验知识的高效性仍需要更多的研究；而l1正则化最小绝对无畸变响应BF方法仅仅适用于1＜α＜2脉冲噪声环境；同样基于零阶统计量BF方法利用脉冲噪声的对数矩作为统计量，因此这就避免估计脉冲噪声特征指数及其分数阶数p。但是该方法旁瓣电平较高。因此，在未知脉冲噪声统计特性的基础上，如何利用波束方向图的稀疏性降低旁瓣噪声，增强目标信号，提高输出SINR是目前亟待解决的问题。
技术实现思路
本专利技术的主要目的在于提供一种脉冲噪声下的波束成形方法及装置，旨在解决在未知脉冲噪声统计特性的基础上，如何利用波束方向图的稀疏性降低旁瓣噪声及干扰，增强目标信号，提高输出SINR的技术问题。为实现上述目的，本专利技术第一方面提供一种脉冲噪声下的波束成形方法，包括：利用波束方向图的稀疏性，联合阵列输出几何功率及l1范数最小化，得到目标优化问题；利用随机梯度算法或者类似递归最小二乘法对所述目标优化问题进行求解，得到最优权矢量；根据所述最优权矢量进行波束成形。为实现上述目的，本专利技术第二方面提供一种脉冲噪声下的波束成形装置，包括：优化模块，用于利用波束方向图的稀疏性，联合阵列输出几何功率及l1范数最小化，得到目标优化问题；求解模块，用于利用随机梯度算法或者类似递归最小二乘法对所述目标优化问题进行求解，得到最优权矢量；波束成形模块，用于根据所述最优权矢量进行波束成形。本专利技术提供一种脉冲噪声下的波束成形方法，在该方法中，利用波束成形方向图的稀疏性，联合阵列输出几何功率及l1范数最小化，得到目标优化问题，并利用随机梯度算法或者类似递归最小二乘法对目标优化问题进行求解，得到最优权矢量，根据该最优权矢量进行波束成形。相对于现有技术，通过利用波束方向图的稀疏性联合阵列输出几何功率及l1范数最小化得到目标优化问题，并利用随机梯度算法或者类似递归最小二乘法求解得到最优权矢量，可以避免估计脉冲噪声的统计参数，适用于几乎所有的噪声脉冲，同时有效降低了旁瓣干扰与噪声，提高了输出SINR。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术第一实施例中脉冲噪声下的波束成形方法的流程示意图；图2为本专利技术第二实施例中脉冲噪声下的波束成形装置的功能模块的示意图；图3a为本专利技术实施例中波束方向图效果的示意图；图3b为本专利技术实施例中波束方向图效果的示意图；图4为本专利技术实施例中SINR效果示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而非全部实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。由于现有技术中在未知脉冲噪声统计特性的基础上，存在如何利用波束方向图的稀疏性降低旁瓣噪声和干扰，增强目标信号，提高输出SINR的技术问题。为了解决上述技术问题，本专利技术提出一种脉冲噪声下的波束成形方法，通过利用波束方向图的稀疏性联合阵列输出几何功率及l1范数最小化得到目标优化问题，并利用随机梯度算法或者类似递归最小二乘法求解得到最优权矢量，可以避免估计脉冲噪声的统计参数，适用于几乎所有的噪声脉冲，同时有效降低了旁瓣干扰与噪声，提高了输出SINR。请参阅图1，为本专利技术第一实施例中脉冲噪声下的波束成形方法的流程示意图，该方法包括：步骤101、利用波束方向图的稀疏性，联合阵列输出几何功率及l1范数最小化，得到目标优化问题；步骤102、利用随机梯度算法或者类似递归最小二乘法对所述目标优化问题进行求解，得到最优权矢量；步骤103、根据所述最优权矢量进行波束成形。在本专利技术实施例中，脉冲噪声下的波束成形方法是由脉冲噪声下的波束成形装置实现的，假设一均匀线阵，包含M个天线阵元，一个窄带的感兴趣信号和多个不相干干扰信号从远场入射到该天线阵元上，波束成形装置将接收到M×1维信号，且波束成形装置将利用波束方向图的稀疏性，联合阵列输出功率及l1范数最小化，得到目标优化问题。其中，该目标优化问题如下：s.t.wHa(θ0)＝1其中，为阵列输出几何功率，λ||wHA||1为稀疏约束项；表示对表达式取最小值时对应的参数w；E表示求统计均值，w为M×1维权矢量，M表示M个天线阵元，H表示共轭转置，x(n)表示为天线阵列在n时刻接收的M×1维信号，λ表示权衡稀疏度与阵列输出几何功率的正则化参数，A为旁瓣角度区域内空域采样形成的M×L维导向矢量矩阵，L为角度区域内采样个数，θ0为感兴趣信号的方向，s.t.表示约束条件；其中，A＝[a(θ1),......,a(θL)]，且其中，d为阵元间距，ξ表示波长，i的值为1至L。在本专利技术实施例中，波束成形装置还将利用随机梯度算法或者类似递归最小二乘法对目标优化问题进行求解，得到最优权矢量。且具体包括：利用目标优化问题建立该目标优化问题的代价函数，利用随机梯度算法或者类似递归最小二乘法对该代价函数进行求解，得到最本文档来自技高网...

【技术保护点】
一种脉冲噪声下的波束成形方法，其特征在于，包括：利用波束方向图的稀疏性，联合阵列输出几何功率及l

【技术特征摘要】
1.一种脉冲噪声下的波束成形方法，其特征在于，包括：利用波束方向图的稀疏性，联合阵列输出几何功率及l1范数最小化，得到目标优化问题；利用随机梯度算法或者类似递归最小二乘法对所述目标优化问题进行求解，得到最优权矢量；根据所述最优权矢量进行波束成形。2.根据权利要求1所述的方法，其特征在于，所述目标优化问题如下：s.t.wHa(θ0)＝1其中，为阵列输出几何功率，λ||wHA||1为稀疏约束项；表示对表达式取最小值时对应的参数w；E表示求统计均值，w为M×1维权矢量，M表示M个天线阵元，H表示共轭转置，x(n)表示为天线阵列在n时刻接收的M×1维信号，λ表示权衡稀疏度与阵列输出几何功率的正则化参数，A为旁瓣角度区域内空域采样形成的M×L维导向矢量矩阵，L为角度区域内采样个数，θ0为感兴趣信号的方向，s.t.表示约束条件；其中，A＝[a(θ1),......,a(θL)]，且其中，d为阵元间距，ξ表示波长，i的值为1至L。3.根据权利要求1所述的方法，其特征在于，所述利用随机梯度算法或者类似递归最小二乘法对所述目标优化问题进行求解，得到最优权矢量的步骤包括：利用所述目标优化问题建立所述目标优化问题的代价函数；利用所述随机梯度算法或者所述类似递归最小二乘法对所述代价函数进行求解，得到最优权矢量；其中，所述目标优化问题的代价函数为：其中，J(w)表示J是以w为参数的代价函数，N表示快拍个数，w为M×1维权矢量，M表示M个天线阵元，H表示共轭转置，x(n)表示为天线阵列在n时刻接收的M×1维信号，λ表示权衡稀疏度与阵列输出几何功率的正则化参数，A为旁瓣角度区域内空域采样形成的M×L维导向矢量矩阵，L为角度区域内采样个数，θ0为感兴趣信号的方向，γ为拉格朗日乘子；其中，A＝[a(θ1),......,a(θL)]，且其中，d为阵元间距，ξ表示波长，i的值为1至L。4.根据权利要求3所述的方法，其特征在于，利用所述随机梯度算法得到的最优权矢量为：其中，C＝I-μ·λAΠ(w(n))AH,Π(w(n))＝diag{|(AHw(n))1|-1,…,|(AHw(n))L|-1},y(n)＝w(n)Hx(n)其中，I为M行M列的单位矩阵，diag{·}表示以其中元素为对角元素构成的对角矩阵，*表示取共轭，H表示共轭转置，w(n+1)表示在时刻n+1时计算得到的权矢量，且在n＝N时的权矢量为最优权矢量，w为M×1维权矢量，M表示M个天线阵元，μ表示迭代步长，为一个常数，x(n)表示为天线阵列在n时刻接收的M×1维信号，θ0为感兴趣信号的方向，A为旁瓣角度区域内空域采样形成的M×L维导向矢量矩阵，L为角度区域内采样个数，λ表示权衡稀疏度与阵列输出几何功率的正则化参数；其中，A＝[a(θ1),......,a(θL)]，且其中，d为阵元间距，ξ表示波长，i的值为1至L。5.根据权利要求3所述的方法，其特征在于，所述利用所述类似递归最小二乘法得到的最优权矢量为：其中，Q＝P(n)-P(n)λA[AHP(n)λA+Π(w(n))-1]-1AHP(n)其中，w为权矢量，且在n＝N时得到的权矢量为最优权矢量，λ表示权衡稀疏度与阵列输出几何功率的正则化参数，A为旁瓣角度区域内空域采样形成的M×L维导向矢量矩阵，L为角度区域内采样个数，n属于1至N，且N为快拍个数，x(n)表示为天线阵列在n时刻接收的M×1维信号，θ0为感兴趣信号的方向，其中，A＝[a(θ1),......,a(θL)]，且其中，d为阵元间距，ξ表示波长，i的值为1至...

【专利技术属性】
技术研发人员：阳召成，汪小叶，黄建军，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44