一种波束赋形鲁棒性的自适应方法、系统及设备技术方案

本申请公开了一种波束赋形鲁棒性的自适应方法、系统及设备，该方法包括：根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题；对所述目标优化问题进行求解，得到最优导向矢量；将所述最优导向矢量代入所述预设的优化问题模型的权重向量解，得到目标权重向量；利用所述目标权重向量构建关于采样协方差矩阵误差的优化问题，以确定出优化后采样协方差矩阵；将所述优化后采样协方差矩阵代入所述目标优化问题，以得到最优权重向量。本发明专利技术公开的方法只需利用较少的先验知识，实现根据接收端实际情况，提高接收端的信干躁比，并且对采样协方差矩阵本身的误差进行分析，进而提高算法的合理性和精确性。

【技术实现步骤摘要】
一种波束赋形鲁棒性的自适应方法、系统及设备
本专利技术涉及智能天线数字信号处理
，特别涉及一种波束赋形鲁棒性的自适应方法、系统及设备。
技术介绍
自适应波束赋形是自适应阵列信号处理领域的一个重要研究领域。所谓波束赋形就是根据一些最优准则来自动调节天线阵元的权值，产生所需的空间波束，让阵列天线的主波束对准目标信号方向，旁辦或零陷对准干扰信号方向，从而提高接收端信号的信干噪比，进而提高系统功率的有效利用性。虽然波束赋形算法理论上取得了较好的效果，但是在波束赋形的优化问题上还有很多值得改进的地方，比如采样协方差求逆等波束赋形算法，没有对采样矩阵本身实际上存在的误差进行分析，这直接关系到最终信干躁比的最优值。当然，如果加入足够多的苛刻的先验知识，对重塑的优化问题进行二次优化的话上述问题不难被解决，但实际情况中，要具备足够的苛刻的先验知识并不容易，因此，既要用少的先验知识又要考虑采样协方差矩阵本身的误差，还要根据实际情况对优化问题进行求解，这就成了一个很严峻的挑战。由此可见，如何用较少的先验知识，实现根据接收端实际情况，提高接收端的信干躁比，并且对采样协方差矩阵本身的误差进行分析，进而提高算法的合理性和精确性，是本领域技术人员亟待解决的技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种波束赋形鲁棒性的自适应方法、系统及设备，以实现利用较少的先验知识，实现根据接收端实际情况，提高接收端的信干躁比，并且对采样协方差矩阵本身的误差进行分析，进而提高算法的合理性和精确性。其具体方案如下：一种波束赋形鲁棒性的自适应方法，包括：根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题；对所述目标优化问题进行求解，得到最优导向矢量；将所述最优导向矢量代入所述预设的优化问题模型的权重向量解，得到目标权重向量；利用所述目标权重向量构建关于采样协方差矩阵误差的优化问题，以确定出优化后采样协方差矩阵；将所述优化后采样协方差矩阵代入所述目标优化问题，以得到最优权重向量。优选的，所述根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题模型的步骤之前，进一步包括：将Θ∈[p,q]确定为目标信号在接收端的区域角范围；其中，p和q为预先获得的目标区域角。优选的，所述根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件的步骤，包括：根据目标信号在接收端的区域角范围，确定出相应的约束条件；其中所述约束条件为：式中，a表示目标信号的导向矢量，aH表示a的共轭转置，C表示目标区域的特征矩阵，表示所述区域角范围内任一导向矢量，(θ)H表示的共轭转置；将作为所述预设的优化问题模型的约束条件。优选的，所述对所述目标优化问题进行求解，得到最优导向矢量的步骤，包括：将所述目标优化问题进行相应变换，得到变换后目标优化问题；通过相应方法对所述变换后目标优化问题进行求解，得到最优导向矢量。优选的，所述将所述目标优化问题进行相应变换，得到变换后目标优化问题的步骤，包括：将所述目标优化问题进行相应变换，得到非凸的优化问题；通过凸优化方法对所述非凸的优化问题进行求解，得到最优导向矢量。优选的，所述将所述目标优化问题进行相应变换，得到非凸的优化问题的步骤，包括：将最大化加权后的输出功率进行相应变换，得到非凸的优化问题，其中所述非凸的优化问题为：式中，R-1表示采样协方差矩阵的逆，Δ1表示预先定义的目标区域角范围内的线性子空间与C的最大相关值，M表示天线的个数，a0表示时的导向矢量，ε1表示由于天线阵列误差引起||a||2变化的误差因子，ε表示最优导向矢量在以a0为中心的范数球半径。优选的，所述通过凸优化方法对所述非凸的优化问题进行求解，得到最优导向矢量的步骤，包括：对所述非凸的优化问题进行转换以及变形处理，以将所述非凸的优化问题转化为SDP问题；利用matlab中的cvx工具包对所述SDP问题进行求解，以得到最优导向矢量。优选的，所述利用所述目标权重向量构建关于采样协方差矩阵误差的优化问题为：式中，R0表示接收端实际接收到的采样协方差矩阵，和分别表示R误差范围的参数，N＝M2。相应的，本专利技术还提供了一种波束赋形鲁棒性的自适应系统，包括：目标优化问题确定模块，用于根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题；最优导向矢量确定模块，用于对所述目标优化问题进行求解，得到最优导向矢量；权重向量确定模块，用于将所述最优导向矢量代入所述预设的优化问题模型的权重向量解，得到目标权重向量；优化后采样协方差矩阵确定模块，用于利用所述目标权重向量构建关于采样协方差矩阵误差的优化问题，以确定出优化后采样协方差矩阵；最优权重向量确定模块，用于将所述优化后采样协方差矩阵代入所述目标优化问题，以得到最优权重向量。相应的，本专利技术还提供了一种设备，包括存储器和处理器，其中，所述处理器用于执行所述存储器中存储的计算机程序以实现如前述波束赋形鲁棒性的自适应方法的步骤。本专利技术公开的波束赋形鲁棒性的自适应方法，根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题；对所述目标优化问题进行求解，得到最优导向矢量；将所述最优导向矢量代入所述预设的优化问题模型的权重向量解，得到目标权重向量；利用所述目标权重向量构建关于采样协方差矩阵误差的优化问题，以确定出优化后采样协方差矩阵；将所述优化后采样协方差矩阵代入所述目标优化问题，以得到最优权重向量。在本专利技术公开的方法中，利用较少的先知经验，即目标信号在接收端的区域角范围，即可确定出相应的约束条件，并利用该约束条件对预设的优化问题模型进行约束，进而得到更为贴切的优化问题，即目标优化问题；然后对目标优化问题模型进行求解，用求解后得到的最优导向矢量代入预设的优化问题模型的权重向量解，以得到相应的当前最优的权重向量，即目标权重向量，到此为本专利技术对权重向量的第一次优化；本专利技术进一步的对采样协方差进行校正，具体的，利用目标权重向量构建关于采样协方差矩阵误差的优化问题，然后将确定出的优化后采样协方差矩阵代入目标优化问题，以得到最优权重向量，由此对权重向量进行二次优化，实现对采样协方差进行误差分析。由此可见，本专利技术公开的波束赋形鲁棒性的自适应方法只需利用较少的先验知识，实现根据接收端实际情况，提高接收端的信干躁比，并且对采样协方差矩阵本身的误差进行分析，进而提高算法的合理性和精确性。需要说明的是，本专利技术公开的一种波束赋形鲁棒性的自适应系统及设备所具有的有益效果与上述有益效果相似或相同，在此不再赘述。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实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例公开的一种波束赋形鲁棒性的自适应方法流程图；图2为本专利技术实施例公开的一种具体的波束赋形鲁棒性的自适应方法流程图；图3为本专利技术实施例公开的一种波束赋形鲁棒性的自适应系统结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本发本文档来自技高网...

【技术保护点】
1.一种波束赋形鲁棒性的自适应方法，其特征在于，包括：根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题；对所述目标优化问题进行求解，得到最优导向矢量；将所述最优导向矢量代入所述预设的优化问题模型的权重向量解，得到目标权重向量；利用所述目标权重向量构建关于采样协方差矩阵误差的优化问题，以确定出优化后采样协方差矩阵；将所述优化后采样协方差矩阵代入所述目标优化问题，以得到最优权重向量。

【技术特征摘要】
1.一种波束赋形鲁棒性的自适应方法，其特征在于，包括：根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题；对所述目标优化问题进行求解，得到最优导向矢量；将所述最优导向矢量代入所述预设的优化问题模型的权重向量解，得到目标权重向量；利用所述目标权重向量构建关于采样协方差矩阵误差的优化问题，以确定出优化后采样协方差矩阵；将所述优化后采样协方差矩阵代入所述目标优化问题，以得到最优权重向量。2.根据权利要求1所述的波束赋形鲁棒性的自适应方法，其特征在于，所述根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题模型的步骤之前，进一步包括：将Θ∈[p,q]确定为目标信号在接收端的区域角范围；其中，p和q为预先获得的目标区域角。3.根据权利要求1所述的波束赋形鲁棒性的自适应方法，其特征在于，所述根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件的步骤，包括：根据目标信号在接收端的区域角范围，确定出相应的约束条件；其中所述约束条件为：式中，a表示目标信号的导向矢量，aH表示a的共轭转置，C表示目标区域的特征矩阵，表示所述区域角范围内任一导向矢量，(θ)H表示的共轭转置；将作为所述预设的优化问题模型的约束条件。4.根据权利要求1所述的波束赋形鲁棒性的自适应方法，其特征在于，所述对所述目标优化问题进行求解，得到最优导向矢量的步骤，包括：将所述目标优化问题进行相应变换，得到变换后目标优化问题；通过相应方法对所述变换后目标优化问题进行求解，得到最优导向矢量。5.根据权利要求4所述的波束赋形鲁棒性的自适应方法，其特征在于，所述将所述目标优化问题进行相应变换，得到变换后目标优化问题的步骤，包括：将所述目标优化问题进行相应变换，得到非凸的优化问题；通过凸优化方法对所述非凸的优化问题进行求解，得到最优导向矢量。6.根据权利要求5所述的波束赋形鲁棒性的自适应方法，其...

【专利技术属性】
技术研发人员：周明康，黄永伟，周龙涛，陈帆，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44