一种针对阵列误差的Capon稳健自适应波束形成方法及系统技术方案

本发明专利技术涉及天线技术领域，具体涉及一种针对阵列误差的Capon稳健自适应波束形成方法及系统，波束形成系统包括DOA估计模块、采样模块、数据处理模块、重构模块，最后使用现有方法完成波束形成，波束形成方法包括估计导向矢量、获得采样协方差矩阵、求取特征值、重构干扰加噪声协方差矩阵。本发明专利技术通过DOA估计的导向矢量和采样协方差矩阵的最大最小特征值重构干扰加噪声协方差矩阵，提高了波束形成的稳健性，让方向图的收敛更快，而且降低了运算复杂度；重构干扰加噪声协方差矩阵，摒弃了期望信号部分，能更精确地在干扰信号方向形成零陷；提高了天线的增益比，增强期望信号，抑制干扰信号。

【技术实现步骤摘要】
一种针对阵列误差的Capon稳健自适应波束形成方法及系统
本专利技术涉及天线
，具体涉及一种针对阵列误差的Capon稳健自适应波束形成方法及系统。
技术介绍
天线是无线电设备中用来发射或接收电磁波的部件，无线电通信、广播、电视、雷达、电视、雷达、导航等都是用电磁波来传递信息，传递信息都依靠天线来进行，为了改进天线的性能，将多个相同的单个天线按一定规律排列成阵列天线系统，阵列天线的信号携带着我们关注的重要信号，对这种阵列天线的信号处理显得至关重要。从阵列信号可分析出阵列天线的方向图，方向图代表天线辐射的有效范围，为了使阵列按照一定的范围和方向进行辐射，分析处理阵列信号显得尤为重要。Capon自适应波束形成技术被广泛应用在阵列信号处理中,比如在雷达、地震勘测、声呐、移动通信、射电天文和电子医疗工程等重要的领域。现有Capon自适应波束形成技术能自适应地调整权矢量,从而波束方向图的主瓣会对准期望信号的方向,零陷对准干扰信号的方向,有效地达到增强期望信号和抑制干扰信号的目的。但是阵列误差使得Capon波束形成算法的性能会大大降低，导致稳健性差、收敛慢且复杂度高，还无法精确地在干扰信号方向形成零限，且期望信号方向与干扰信号方向的天线增益比较低，不能起到增强期望信号，抑制干扰信号的目的。
技术实现思路
本专利技术提供了一种稳健性好、收敛快和复杂度低的针对阵列误差的Capon稳健自适应波束形成方法及系统。本方案中的针对阵列误差的Capon稳健自适应波束形成系统，包括：DOA估计模块，把接收到的波达方向的角度值存储起来，并将各个角度形成导向矢量；采样模块，根据平稳信号特性和最大似然估计准则，通过对阵列信号的多次采样，让采样信号形成采样协方差矩阵；数据处理模块，对采样模块得到的采样协方差矩阵进行特征值分解，选取采样协方差矩阵的最大特征值和最小特征值；重构模块，根据DOA估计模块得到的导向矢量和数据处理模块得到的最大特征值与最小特征值，利用导向矢量、最大特征值和最小特征值重构干扰加噪声的协方差矩阵。本方案的有益效果是：1.通过DOA估计的导向矢量和采样协方差矩阵的最大最小特征值重构干扰加噪声协方差矩阵，提高了波束形成的稳健性，让滤波器性能更优，而且降低了运算复杂度；2.重构干扰加噪声协方差矩阵，摒弃了期望信号部分，能更精确地在干扰信号方向形成零陷；3.提高了天线的增益比，增强期望信号，抑制干扰信号；4.数据处理模块求得采样协方差矩阵的最大特征值和最小特征值，补偿了导向向量失配。进一步，DOA估计模块估计的导向矢量为精确度大于95%的波达方向角度。降低导向向量的误差，保证在干扰信号方向形成零陷。进一步，采样模块的采样频率为1000HZ。保证对回波信号的采样能无失真地反映原信号。进一步，数据处理模块中包括求最大值最小值模块。求取采样协方差矩阵的最大特征值和最小特征值，以补偿导向向量失配。针对阵列误差的Capon稳健自适应波束形成系统的波束形成方法，包括以下步骤：S1，估计导向矢量，通过DOA估计方法，期望信号方向矢量即为导向矢量；S2，采集数据，通过有限次的采样得到协方差矩阵的最大似然估计值，采样协方差矩阵表示为，其中P是采样快拍数，x(k)为第k次采样快拍的数据；S3，求取特征值，将采样协方差矩阵进行特征值分解，得到，选取协方差矩阵特征值中的最大特征值和最小特征值；S4，利用重构干扰加噪声协方差矩阵，根据步骤S1中的导向矢量、步骤S2中的最大特征值和步骤S2中的最小特征值重构得到，干扰加噪声协方差矩阵为，其中是采样协方差矩阵的最大特征值，是采样协方差矩阵的最小特征值。使用最小特征值乘以单位矩阵IN*N来降低噪声对协方差矩阵的绕动，可有效滤掉噪声信号；降低了计算量，提高运算速度，重构干扰加噪声协方差矩阵，优化了滤波器性能。进一步，步骤S2中，协方差矩阵特征分解后表示为，，其中是矩阵按从大到小顺序排列的特征值，是特征值对应的特征向量，是信号干扰子空间，，ΛS是信号加干扰特征向量对应的特征值的对角矩阵，，是噪声子空间，，ΛN是噪声的特征向量对应的特征值对角矩阵，。通过最优化求解方法得到采样协方差矩阵的最大特征值和最小特征值，补偿了导向向量失配。附图说明图1为本专利技术的波束形成系统的框图结构；图2为图1所示系统的方法流程图；图3为不存在阵列误差情况下的Capon波束形成方向图；图4为存在一定阵元位置扰动误差的情况下的Capon波束形成方向图；图5为基于压缩感知的DOA估计方法得到期望信号方向矢量以及协方差矩阵重构算法后存在阵元位置扰动误差的情况下的Capon波束形成方向图；图6为存在一定通道幅相误差的情况下的Capon波束形成方向图；图7为基于压缩感知的DOA估计方法得到期望信号方向矢量以及协方差矩阵重构算法后存在通道幅相误差的情况下的Capon波束形成方向图；图8为存在一定互耦误差的情况下的Capon波束形成方向图；图9为基于压缩感知的DOA估计方法得到期望信号方向矢量以及协方差矩阵重构算法后存在互耦误差的情况下的Capon波束形成方向图。具体实施方式下面通过具体实施方式对本专利技术作进一步详细的说明。如图1所示为本实施例的波束形成系统，采样模块根据最大似然准则估计得到采样协方差矩阵，然后由数据处理模块对采样模块得到的采样协方差矩阵进行特征分解，并得到采样协方差矩阵的最大特征值与最小特征值，再由重构模块根据数据处理模块得到的最大特征值和最小特征值，加上DOA估计模块得到的导向向量重构干扰加噪声协方差矩阵，最后由波束形成模块对重构模块得到的干扰加噪声协方差矩阵进行波束形成。波束形成模块采样现有的技术实现，波束形成模块包括有权矢量融合模块，权矢量融合模块包括加法器、减法器和数字信号处理器，加法器实现低频部分、高频部分权矢量的有效融合，将融合后的权矢量作用于滤波器，实现波束形成。针对上述波束形成系统的形成方法，如图2所示，包括以下步骤：S1，估计导向矢量，通过DOA估计方法得到精确的期望信号方向矢量，期望信号方向矢量即为导向矢量；S2，采集数据，通过有限次的采样得到协方差矩阵的最大似然估计值，采样协方差矩阵表示为，其中P是采样快拍数，x(k)为第k次采样快拍的数据；S3，求取特征值，将采样协方差矩阵进行特征值分解，得到，选取协方差矩阵特征值中的最大特征值和最小特征值；S4，利用重构干扰加噪声协方差矩阵，根据步骤S1中的导向矢量、步骤S2中的最大特征值和步骤S2中的最小特征值重构得到，干扰加噪声协方差矩阵为，其中是采样协方差矩阵的最大特征值，是采样协方差矩阵的最小特征值。步骤S2中，协方差矩阵特征分解后表示为，，其中是矩阵按从大到小顺序排列的特征值，是特征值对应的特征向量，是信号干扰子空间，，ΛS是信号加干扰特征向量对应的特征值的对角矩阵，，是噪声子空间，，ΛN是噪声的特征向量对应的特征值对角矩阵，。阵列误差包括阵元位置扰动误差，通道幅相误差以及阵元间互耦效应，对波束形成后的方向图进行仿真，仿真软件为MatLAB2012，阵元数设置为10，采样快拍数为1000，信号频率为100-200Hz，得到如图3至图9所示结果图，对比分析各图可以得到，通过DOA估计的导向矢量和采样协方差矩阵的最大最小特征值重构干扰加噪声协方差矩阵，提高了波束形成本文档来自技高网...

【技术保护点】
一种针对阵列误差的Capon稳健自适应波束形成系统，其特征在于，包括：DOA估计模块，把接收到的波达方向的角度值存储起来，并将各个角度形成导向矢量；采样模块，根据平稳信号特性和最大似然估计准则，通过对阵列信号的多次采样，让采样信号形成采样协方差矩阵；数据处理模块，对采样模块得到的采样协方差矩阵进行特征值分解，选取采样协方差矩阵的最大特征值和最小特征值；重构模块，根据DOA估计模块得到的导向矢量和数据处理模块得到的最大特征值与最小特征值，利用导向矢量、最大特征值和最小特征值重构干扰加噪声的协方差矩阵。

【技术特征摘要】
1.一种针对阵列误差的Capon稳健自适应波束形成系统，其特征在于，包括：DOA估计模块，把接收到的波达方向的角度值存储起来，并将各个角度形成导向矢量；采样模块，根据平稳信号特性和最大似然估计准则，通过对阵列信号的多次采样，让采样信号形成采样协方差矩阵；数据处理模块，对采样模块得到的采样协方差矩阵进行特征值分解，选取采样协方差矩阵的最大特征值和最小特征值；重构模块，根据DOA估计模块得到的导向矢量和数据处理模块得到的最大特征值与最小特征值，利用导向矢量、最大特征值和最小特征值重构干扰加噪声的协方差矩阵。2.根据权利要求1所述的针对阵列误差的Capon稳健自适应波束形成系统，其特征在于：DOA估计模块估计的导向矢量为精确度大于95％的波达方向角度。3.根据权利要求1所述的针对阵列误差的Capon稳健自适应波束形成系统，其特征在于：采样模块的采样频率为100MHZ。4.根据权利要求1所述的针对阵列误差的Capon稳健自适应波束形成系统，其特征在于：数据处理模块中包括求最大值最小值模块。5.针对阵列误差的Cap...

【专利技术属性】
技术研发人员：吴剑文，何伟潮，单小红，麻建，
申请(专利权)人：广东精点数据科技股份有限公司，
类型：发明
国别省市：广东,44