基于迭代收缩加权融合的自适应空滤滤波方法技术

本发明专利技术公开了一种基于迭代收缩加权融合的自适应空滤滤波方法，其实现过程为：由阵列天线接收数据建立信号模型，得到接收数据的采样协方差矩阵；采用自适应迭代的方式在线更新先验协方差矩阵；根据均方误差最小准则计算采样协方差矩阵与先验协方差矩阵的加权系数，并利用收缩加权融合处理方法得到估计的协方差矩阵；最后计算自适应权矢量进行空滤滤波。本发明专利技术在小样本情况下能以较高精度估计出协方差矩阵，能有效缓解先验知识与当前数据模型失配问题，避免了子空间维数的确定，同时具有输出信干噪比高和收敛速度快之优点，为自适应空滤滤波的实际应用提供了一种有效的处理方法。

【技术实现步骤摘要】
基于迭代收缩加权融合的自适应空滤滤波方法
本专利技术属于信号处理领域，涉及阵列信号处理技术，具体地说是一种采用收缩加权融合并基于迭代更新的自适应空滤滤波方法，用于在小样本条件下以较高精度估计协方差矩阵，提高天线阵列输出的信干噪比。
技术介绍
阵列信号处理是信号处理领域中的一个热点研究方向，在雷达、声纳、通信、地震监测等领域应用非常广泛，自适应空滤滤波是阵列信号处理的一个重要研究内容，其目的是在增强目标信号功率的同时抑制干扰和噪声，从而提高阵列天线输出的信干噪比。自适应空滤滤波本质是对各阵元进行自适应加权，阵列权矢量决定了阵列天线的性能，而权矢量很大程度上依赖于信号协方差矩阵，因此信号协方差矩阵估计精度直接影响自适应空滤滤波的性能，而在小样本条件下，信号协方差矩阵存在较大的估计误差，导致阵列抑制干扰的能力急剧下降，因此，研究小样本条件下空滤滤波方法，具有重要的实际应用价值。目前，计算自适应权矢量算法有多种。协方差矩阵求逆(SMI)算法是一种常用有效算法，但当阵列数据中含有期望信号时，SMI算法会导致输出的信噪比严重下降；子空间投影类算法对期望信号较强的环境，滤波效果较好，但该类算法需要准确的估计信号子空间和噪声子空间，而在小样本条件下子空间估计精度受限；对角加载算法在协方差矩阵上加一对角矩阵，可以有效克服阵列协方差矩阵的小特征值扰动而引起的阵列方向图畸变，但如何选取对角加载量不容易确定；Griffiths等人在1982年的IEEETrans.onAntennasandPropagation上发表的文章《Analternativeapproachtolinearlyconstrainedadaptivebeamforming》中，提出了广义旁瓣相消器(GSC)，它能克服SMI算法中期望信号含于协方差矩阵引起的信号相消问题，但由于天线阵列误差的存在，当信噪比较高时，也会出现信号相消问题，导致输出信干噪比下降；Goldstein等人在1998年的IEEETrans.Informationtheory上发表的文章《Amultistagerepresentationofthewienerfilterbasedonorthogonalprojections》中，提出了基于广义旁瓣相消器框架的降秩多级维纳滤波器，该方法不需要进行特征值分解，运算复杂度低，但此方法需要确定处理器的维数，而在小样本条件下，处理器维数的估计精度不高。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，提供一种采用收缩加权融合并基于迭代更新的自适应空滤滤波方法，有效缓解先验知识与当前数据模型失配问题，同时避免子空间维数确定难题，提高在小样本条件下信号协方差矩阵的估计精度及输出的信干噪比。实现本专利技术目的技术方案，包括如下步骤：(1)由阵列天线k时刻的接收数据X(k)建立信号模型，并计算接收数据的采样协方差矩阵(2)利用接收数据的采样协方差矩阵得到搜索角θ的初始化能量谱密度并初始化先验协方差矩阵(3)根据已得到的先验协方差矩阵，采用最小二乘方法，得到搜索角空间的最优权w(θ)，更新搜索角空间的能量谱密度并更新先验协方差矩阵重复步骤(3)，在线更新先验协方差矩阵，直到得到一个稳定的先验协方差矩阵R0；(4)把先验协方差矩阵R0与接收数据的采样协方差矩阵进行收缩加权融合处理，利用均方误差最小准则计算加权系数，得到估计的协方差矩阵RE；(5)计算自适应空滤滤波的最优权矢量wopt，利用得到的最优权矢量处理接收数据，从而获得高输出信干噪比的有用信号。本专利技术与现有技术相比，具有以下优点：(1)采用迭代自适应的方式在线更新先验协方差矩阵，能有效缓解先验知识与当前数据模型失配问题，获得估计精度较高的先验协方差矩阵；(2)采用收缩加权融合的方式处理采样协方差矩阵和先验协方差矩阵，并依据最小均方误差准则计算加权系数，能在小样本下能获得较高的信号协方差估计精度，提高阵列天线输出信干噪比，同时避免了子空间维数的确定。对本专利技术的目的、特征、优点可通过如下附图和实例详细描述。附图说明图1是本专利技术的流程图；图2是本专利技术自适应空滤滤波的示意图；图3是在独立非时变信源时采用不同方法仿真输出信干噪比随快拍数变化的关系曲线图；图4是在相干非时变信源时采用不同方法仿真输出信干噪比随快拍数变化的关系曲线图；图5是仿真重构先验协方差矩阵误差与迭代次数的变化关系曲线图。具体实施方式参照图1，本专利技术的实现步骤如下：步骤1.根据k时刻接收数据X(k)建立信号模型，并计算接收数据的协方差矩阵1a)设X(k)为k时刻阵列接收数据，其中k＝1,…,L，L为采样快拍数；设a0和s0(k)分别为目标信号的导向矢量和在k时刻的复包络，AJ＝[a1…aP]和sJ(k)＝[s1(k)…sP(k)]T分别为P个干扰信号的阵列流形和在k时刻的复包络矢量，其中ai,i＝1…P表示第i个干扰信号的导向矢量，si(k),i＝1…P表示第i个干扰信号在k时刻的复包络，上标T表示转置操作；设N(k)为在k时刻的加性高斯白噪声；1b)根据阵列信号处理理论，阵列接收数据的信号模型为：X(k)＝a0s0(k)+AJsJ(k)+N(k)1c)接收数据的采样协方差矩阵为：其中上标H表示共轭转置操作。步骤2.根据接收数据的采样协方差矩阵得到搜索角θ处的初始化能量谱密度并初始化先验协方差矩阵2a)设a(θ)为搜索角θ的导向矢量，利用如下公式计算搜索角θ处的初始化能量谱密度2b)利用如下公式初始化先验协方差矩阵其中搜索角步骤3.采用自适应迭代的方式在线更新先验协方差矩阵。3a)根据最小二乘方法，利用已得到的先验协方差矩阵，采用如下公式计算搜索角θ的最优权w(θ)：3b)利用搜索角的最优权和接收数据的协方差矩阵按如下公式更新对应角的能量谱密度3c)利用如下公式更新的先验协方差矩阵3d)令重复步骤3a)至步骤3c)，直到得到一个稳定的先验协方差矩阵R0。步骤4.收缩加权融合处理。4a)按如下公式计算收缩加权融合后的协方差矩阵RE：其中R0为先验协方差矩阵，α和β分别为接收数据采样协方差矩阵和先验协方差矩阵的加权系数；4b)根据均方误差最小准则，加权系数α和β分别按如下公式计算：其中τ＝β/α，a0为目标信号的导向矢量。步骤5.计算自适应空滤滤波的最优权，完成阵列数据的空滤滤波。5a)利用如下公式计算最优权：5b)k时刻阵列天线的输出信号y(k)为：y(k)＝wHoptX(k)其中上标H表示共轭转置操作。本专利技术的效果可以通过以下仿真结果进一步说明。1.仿真数据：考虑一个由10个阵元构成的均匀线阵，采用同频的窄带信号作为仿真对象。有用信号的波达角为0°，有5个干扰信号，且它们的波达角在[-50°,-15°]∪[15°,50°]区间以5°为间隔均匀随机分布；单个阵元的信噪比为10dB，干噪比为40dB；阵元间隔为信号频率对应波长的一半。2.仿真内容及结果仿真1，设信源为独立信源且信源波达角不随时间变化，分别采用采样协方差矩阵求逆方法(记为SMI)、缺乏先验信息的收缩加权融合处理方法(记为S-SMI)、子空间投影方法(记为SP)、多级维纳滤波方法(记为MSWF)和本专利技术方法对阵列输出信干噪比随阵列接收信号快拍数变化进行了仿真，仿真结果如图3本文档来自技高网...

【技术保护点】
一种基于迭代收缩加权融合的自适应空滤滤波方法，包括如下步骤： (1)由阵列天线k时刻的接收数据X(k)建立信号模型，并计算接收数据的采样协方差矩阵(2)利用接收数据的采样协方差矩阵得到搜索角θ的初始化能量谱密度并初始化先验协方差矩阵(3)根据已得到的先验协方差矩阵，采用最小二乘方法，得到搜索角空间的最优权w(θ)，并更新搜索角空间的能量谱密度和先验协方差矩阵重复步骤(3)，在线更新先验协方差矩阵，直到得到一个稳定的先验协方差矩阵R0；(4)把先验协方差矩阵R0与接收数据的采样协方差矩阵进行收缩加权融合处理，利用均方误差最小准则计算加权系数，得到收缩加权融合后的协方差矩阵RE；(5)计算自适应波束形成的最优权矢量wopt，利用得到的最优权矢量处理接收数据，从而获得高输出信干噪比的有用信号。

【技术特征摘要】
1.一种基于迭代收缩加权融合的自适应空滤滤波方法，包括如下步骤：(1)由阵列天线k时刻的接收数据X(k)建立信号模型，并计算接收数据的采样协方差矩阵(2)利用接收数据的采样协方差矩阵得到搜索角θ的初始化能量谱密度并初始化先验协方差矩阵(3)根据已得到的先验协方差矩阵，采用最小二乘方法，得到搜索角空间的最优权w(θ)，并更新搜索角空间的能量谱密度和先验协方差矩阵重复步骤(3)，在线更新先验协方差矩阵，直到得到一个稳定的先验协方差矩阵R0；(4)把先验协方差矩阵R0与接收数据的采样协方差矩阵进行收缩加权融合处理，利用均方误差最小准则计算加权系数，得到收缩加权融合后的协方差矩阵RE；(5)计算自适应波束形成的最优权矢量wopt，利用得到的最优权矢量处理接收数据，从而获得高输出信干噪比的有用信号；其中步骤(1)所述的信号模型及协方差矩阵，按如下步骤进行：1a)设X(k)为k时刻阵列接收数据，其中k＝1,…,L，L为采样快拍数；设a0和s0(k)分别为目标信号的导向矢量和在k时刻的复包络，AJ＝[a1…aP]和sJ(k)＝[s1(k)…sP(k)]T分别为P个干扰信号的阵列流形和在k时刻的复包络矢量，其中ai,i＝1…P表示第i个干扰信号的导向矢量，si(k),i＝1…P表示第i个干扰信号在k时刻的复包络，上标T表示转置操作；设N(k)为在k时刻的加性高斯白噪声；1b)根据阵列信号处理理论，接收数据的信号模型为：X(k)＝a0s0(k)+AJsJ(k)+N(k)；1c)接收数据的协方差矩阵为：其中上标H表示共轭转置操作；所述步骤(4)中的对先验协方差矩阵与接收数据的采样协方差矩阵进行收缩加权融合处理，按如下步骤进行：4a)按如下公式计算收缩加权融合后的协方差矩阵RE：其中R0为先验协方差矩阵，α和β分别为采样协方差矩阵和先验协方差矩阵的加权系数；4b)根据均...

【专利技术属性】
技术研发人员：贺顺，李国民，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西;61