色噪声环境下基于约束Kalman波束形成方法技术

本发明专利技术属于自适应阵列信号处理领域，具体涉及一种色噪声环境下基于约束Kalman波束形成方法。本发明专利技术包括：建立阵列天线接收信号模型；建立白噪声环境下阵列接收数据的状态方程和量测方程，并应用Kalman滤波五组方程，求解出白噪声环境下阵列权矢量；对色噪声进行一阶马尔科夫建模，将有色量测噪声白化，并在此基础上对阵列接收数据量测噪声进行量测扩充；将色噪声模型和扩充后的量测带入到Kalman滤波五组方程中，得到新的Kalman滤波方程，最后求解阵列天线权矢量。本发明专利技术是在色噪声环境下对波束形成算法的改进。将Kalman滤波算法应用到波束形成上，大大提高了收敛速度。

【技术实现步骤摘要】
色噪声环境下基于约束Kalman波束形成方法
本专利技术属于自适应阵列信号处理领域，具体涉及一种色噪声环境下基于约束Kalman波束形成方法。
技术介绍
近年来，波束形成器被广泛应用于无线通信、语音处理、雷达、声纳、医学成像和其它领域。常见的波束形成器是最小方差无失真响应波束形成器(MinimumVarianceDistortionlessResponse,MVDR)。MVDR算法是通过求解输入信号的协方差矩阵进而求取阵列权值，该方法受到采样快拍数的影响较大，当采样快拍数小时，所求的估计协方差和真实协方差之间误差较大，算法的性能下降甚至失效，并且MVDR的收敛速度比较慢。针对收敛速度问题，Kalman滤波算法被应用到波束形成器上，在文献(C.A.Baird,Jr.Kalman-typeprocessingforadaptiveantennaarrays.IEEEInt.Conf.Common.(Minneapolis,MN),June1974,pp.10G–1-10G-44.)中，Baird提出了将Kalman滤波器应用到平稳环境下求解自适应阵列天线的阵列权值上，但是要求输出信号大小必须近似于期望信号，并且估计的不准确性会导致在观测方向上信号的损失。为了解决这个问题，在文献(Y.H.Chen,C.T.Chiang,AdaptiveBeamformingUsingtheConstrainedKalmanFilter.IEEETrans.AntennasPropag.vol.41,no.11,pp.1576-1580,Nov.1993.)中，Yuan-Hwang等人提出了基于约束Kalman下的自适应波束形成，该方法在原有的Kalman滤波算法的基础上，添加一个沿着观测方向的阵列响应约束到Kalman滤波算法的量测方程上，该算法可以实现非常快的收敛速度，并且能够在干扰方向上形成零陷。Kalman滤波算法由于其高收敛速度和低失调量的优点，被广泛应用到波束形成上。但是以上波束形成器设计方法通常假定背景噪声为白噪声，但在应用中，实测数据表明，背景噪声并不总是白噪声而是色噪声。在色噪声环境下会导致波束形成算法波形畸变—旁瓣升高和主瓣下降或消失。文献(ZHANGLinrang,LIAOGuisheng,andBAOZheng.AdaptiveBeamforminginColoredNo-iseEnvironment.ACTAELECTRONICASINICA,1998,(12)：75-78.)提出了一种有色噪声环境下克服波形畸变的自适应波束形成方法，但是该方法须知有色噪声的特性。文献(ZHANGYi,YANGQiong,andTANGChengkai.AnAnti-jammingAlgorithmforGPSAdaptiveNullingAntennaBasedonColoredLoading[J].JournalofNorthweaternPolytechnicalUniversity,2015，33(5)：874-878.)提出了基于有色对角载入的GPS自适应调零天线抗干扰方法，先对采样协方差矩阵进行扩展，再根据滤波器权值矢量和方向矢量确定一个有色对角矩阵，对采样协方差矩阵进行修改。以上方法都是针对有色噪声下MVDR算法的改进，改进的算法只是能够消除波形畸变，并不能提高算法的收敛速度。色噪声环境下如何改进算法来消除畸变是一个需要解决的问题。
技术实现思路
本专利技术的目的在于克服上述技术的缺陷，提出一种色噪声环境下基于约束Kalman波束形成方法。本专利技术的目的是这样实现的：(1)建立阵列天线接收信号模型；(2)建立白噪声环境下阵列接收数据的状态方程和量测方程，并应用Kalman滤波五组方程，求解出白噪声环境下阵列权矢量；(3)对色噪声进行一阶马尔科夫建模，将有色量测噪声白化，并在此基础上对阵列接收数据量测噪声进行量测扩充；(4)将色噪声模型和扩充后的量测带入到Kalman滤波五组方程中，得到新的Kalman滤波方程，最后求解阵列天线权矢量；所述的步骤(3)包括以下步骤：(3.1)对量测噪声进行一阶马尔科夫建模，将有色量测噪声白化，建立模型如下Vm(k+1)＝ψ(k+1,k)Vm(k)+ζ(k).上式中，相关系数ψ(k+1,k)＝exp(-βT)，β为反相关时间，T为采样时间间隔，ζ(k)为零均值高斯白噪声，并且与vs(k)不相关；(3.2)将量测有色噪声白化，对量测矩阵进行扩充得到Y＝B(k+1)Hw(k+1)+ψ(k+1,k)Vm(k)+ζ(k).上式中，B(k)H为量测矩阵，Vm(k)为量测噪声；将原来的量测方程进行变换得到Vm(k)＝Y-B(k)Hw(k)，带入到上式中得到Y-ψ(k+1,k)Y＝[γB(k+1)H-ψ(k+1,k)B(k)H]·w(k)+B(k+1)Hvs(k)+ζ(k).若设则上式可以转化成量测方程的标准形式Z＝H(k)w(k)+n(k).由上式可知，新的量测噪声n(k)为高斯白噪声，并且其协方差矩阵为R*(k)＝E[n(k)nH(k)]。所述的步骤(4)包括以下步骤：(4.1)将扩充后的新的量测方程带入到Kalman滤波方程中可以得到新的权值更新方程w(k+1)＝K(k+1)[Z-H(k)w(k+1|k)].上式中，K(k+1)为Kalman滤波增益；(4.2)求取滤波增益K(k+1)K(k+1)＝P(k+1|k)HH(k)[H(k)P(k+1|k)HH(k)+R*(k)]-1.上式中w(k+1|k)为状态的一步预测，P(k+1|k)为一步预测方差阵；(4.3)求取w(k+1|k)和P(k+1|k)；w(k+1|k)＝γw(k).P(k+1|k)＝γ2P(k)+Q.其中P(k)为k时刻Kalman滤波方程的误差方差阵；(4.4)求取P(k+1)P(k+1)＝[I-K(k+1)H(k)]P(k+1|k).。本专利技术具有的有益效果在于：本专利技术是在色噪声环境下对波束形成算法的改进。将Kalman滤波算法应用到波束形成上，大大提高了收敛速度，同时低快拍数下波束形成算法波形畸变问题得到了一定的改善；对色噪声进行一阶马尔科夫建模，并对量测矩阵扩充，最后带入到Kalman滤波五组方程中得到新的滤波方程，最终求出阵列权矢量。本专利技术在低快拍数和色噪声环境下能够分别在期望信号和干扰方向上形成波束和零陷，并且波束图的旁瓣相比原有的算法具有较为明显的改进。附图说明图1是均匀线阵模型；图2是低快拍数下MVDR算法和Kalman滤波算法波束图对比；图3是MVDR算法和Kalman滤波算法输出SINR随快拍数变化；图4是单干扰下有色噪声下MVDR算法、Kalman滤波算法和本专利技术提出的算法的波束图对比；图5是单干扰下有色噪声下MVDR算法、Kalman滤波算法和本专利技术提出的算法的输出SINR随快拍数的变化；图6是三干扰下有色噪声下MVDR算法、Kalman滤波算法和本专利技术提出的算法的波束图对比；图7是三干扰下有色噪声下MVDR算法、Kalman滤波算法和本专利技术提出的算法的输出SINR随输入SNR的变化。具体实施方式下面结合附图对本专利技术做进一步描述。该方法首先利用约束Kalman的波束形成算法来提高收敛速度；其次对本文档来自技高网...

【技术保护点】
色噪声环境下基于约束Kalman波束形成方法，其特征在于，包括如下步骤：(1)建立阵列天线接收信号模型；(2)建立白噪声环境下阵列接收数据的状态方程和量测方程，并应用Kalman滤波五组方程，求解出白噪声环境下阵列权矢量；(3)对色噪声进行一阶马尔科夫建模，将有色量测噪声白化，并在此基础上对阵列接收数据量测噪声进行量测扩充；(4)将色噪声模型和扩充后的量测带入到Kalman滤波五组方程中，得到新的Kalman滤波方程，最后求解阵列天线权矢量。

【技术特征摘要】
1.色噪声环境下基于约束Kalman波束形成方法，其特征在于，包括如下步骤：(1)建立阵列天线接收信号模型；(2)建立白噪声环境下阵列接收数据的状态方程和量测方程，并应用Kalman滤波五组方程，求解出白噪声环境下阵列权矢量；(3)对色噪声进行一阶马尔科夫建模，将有色量测噪声白化，并在此基础上对阵列接收数据量测噪声进行量测扩充；(4)将色噪声模型和扩充后的量测带入到Kalman滤波五组方程中，得到新的Kalman滤波方程，最后求解阵列天线权矢量。2.根据权利要求1所述的色噪声环境下基于约束Kalman波束形成方法，其特征在于，所述的步骤(3)包括以下步骤：(3.1)对量测噪声进行一阶马尔科夫建模，将有色量测噪声白化，建立模型如下Vm(k+1)＝ψ(k+1,k)Vm(k)+ζ(k).上式中，相关系数ψ(k+1,k)＝exp(-βT)，β为反相关时间，T为采样时间间隔，ζ(k)为零均值高斯白噪声，并且与vs(k)不相关；(3.2)将量测有色噪声白化，对量测矩阵进行扩充得到Y＝B(k+1)Hw(k+1)+ψ(k+1,k)Vm(k)+ζ(k).上式中，B(k)H为量测矩阵，Vm(k)为量测噪声；将原来的量测方程进行变换得到Vm(k)＝Y-B(k)Hw(k)，带...

【专利技术属性】
技术研发人员：王伟，雷舒杰，李欣，孙常善，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23