一种抗主瓣干扰算法制造技术

本发明专利技术提供一种抗主瓣干扰算法，涉及信号处理技术领域。该算法是基于特征投影预处理与L2范数约束相结合的主瓣干扰抑制算法。该算法利用特征投影矩阵对接收数据进行预处理，抑制主瓣干扰信号，利用全空域导向矢量集构建L2范数约束，并利用拉格朗日乘子法解得的自适应波束形成权矢量。仿真结果表明，该算法抑制了主瓣干扰信号，实现方向图保形，保持了较高的输出信干噪比。在采样快拍数较低的情况下能够保持较高的输出信干噪比，且收敛速度较快。

An anti-interference algorithm for main lobe

The invention provides an anti - main valve interference algorithm, which relates to the field of signal processing technology. The algorithm is based on the combination of the feature projection preprocessing and the L2 norm constraint, which is the main lobe interference suppression algorithm. The algorithm preprocessing the received data by using the feature projection matrix, suppressing the main lobe interference signal, constructing the L2 norm constraint by the all spatial steering vector set, and using the Lagrange multiplier method to get the adaptive beamforming weight vector. The simulation results show that the algorithm restrains the main lobe jamming signal, realizes the shape preserving pattern and keeps the high output signal to noise ratio. To maintain high output signal to interference and noise ratio in sampling size is relatively low, and faster convergence speed.

【技术实现步骤摘要】
一种抗主瓣干扰算法
本专利技术涉及信号处理
，具体而言，涉及一种抗主瓣干扰算法。
技术介绍
在相控阵雷达中，阵列信号处理起到至关重要的作用。随着空间电磁环境的日益复杂，为了提高雷达在作战中的生存能力，雷达电子干扰对抗技术的重要性不断凸显，而各类干扰方式的发展也让雷达防不胜防。对于雷达而言，干扰方式无外乎主瓣干扰和旁瓣干扰，干扰类型则为压制式干扰或欺骗式干扰等。对雷达的旁瓣干扰抑制，我们已经进行了比较深入的研究，如旁瓣对消技术、旁瓣消隐技术和低旁瓣天线抑制技术等。相控雷达也将面对主瓣干扰，但针对主瓣的干扰抑制，起步较晚。近年来，随着雷达体制的改进和各类软、硬件性能的提升，各种抗主瓣干扰算法研究也都有所进展。主瓣干扰就是干扰信号从雷达的主瓣区域进入，它较之于旁瓣干扰最大不同点是在于干扰信号能获得和目标信号相同的天线增益，从而使干扰信号的能量大幅增加，导致信干比的急剧下降，对后续信号处理造成困难。另外，由于干扰信号也是从主瓣进入，使得雷达无法从空域上对其进行滤。传统的矩阵求逆算法(SampleMatrixInverse，SMI)，在只有旁瓣干扰存在的环境下，能够在干扰方形成具有一定深度的零陷，可以有效的抑制干扰。当存在主瓣干扰时，自适应波束形成为了达到抑制主瓣干扰的目的，会在主瓣内形成零陷引起的，进而导致方向图畸形、波峰偏移、旁瓣电平升高、期望信号方向零陷等问题，这将严重影响自适应波束形成算法的性能。如何同时抑制主瓣与旁瓣干扰信号，又可以提升自适应波束形成的稳健性，是一个亟待解决的问题。在主瓣干扰的前提条件下，李荣锋等提出特征投影矩阵预处理算法，此算法是利用预处理矩阵先处理主波束内的干扰，将接收信号投影到噪声子空间来抑制干扰信号，扣除主瓣干扰后再结合自适应波束形成算法，从而消除了由3dB波束宽度内进入的干扰引发的主波束畸变等现象。特征投影矩阵法从空间谱估计的角度对强干扰信号进行滤除，又不损失阵列自由度，但是还会存在一定的波束期望指向偏移，需要进行方向图保形。文献(MainlobeInterferenceSuppressionBasedonEigen-ProjectionProcessingandCovarianceMatrixReconstruction.IEEEAntennas&WirelessPropagationLetters,2014,13:1369-1372.)提出了基于特征投影矩阵及协方差矩阵重构[8]的抗主瓣干扰算法，该算法通过协方差矩阵特征值缩放，改善了主波束平移等问题，但是其输出信干噪比仍然有待提高。文献(Mainlobeinterferencesuppressionwitheigenprojectionalgorithmandsimilarityconstraints.ElectronicsLetters,2015.)提出了基于特征投影矩阵与相似性约束的抗主瓣干扰算法，该算法收敛速度较快，保持了较高的输出信干噪比，但是需要进行干扰信号方向进行估计，构造导向矢量，若估计出现偏差将会使该算法性能急剧恶化。
技术实现思路
有鉴于此，本专利技术实施例针对干扰信号落入方向图主瓣区域时，传统的自适应波束形成算法(如矩阵求逆(SMI))为了对干扰信号进行抑制，会在主波束内形成零陷，导致算法性能严重下降的技术问题，提供一种基于特征投影矩阵预处理与L2范数约束的抗主瓣干扰算法。本专利技术是这样实施的：一种抗主瓣干扰算法，包括以下步骤:步骤1，建立阵列天线接收信号模型；步骤2，通过训练快拍数据得到采样协方差矩阵，并进行特征值分解；步骤3，利用相关系数法确定特征向量空间集中主瓣干扰的特征矢量，构造特征投影矩阵，然后利用所述特征投影矩阵对回波数据进行预处理；步骤4，利用利用全空域导向矢量集合构造L2范数约束，利用拉格朗日乘子法对L2范数约束进行求解，得到阵列天线的权矢量。在步骤1中：构建具有N个阵元的均匀线阵，在空间中的远场窄带，存在一个方向为θ0的期望信号和P个方向为θp(P＜N)的干扰信号，则在时域上t时刻的输出信号为：其中，X(t)表示t时刻的采样数据，a(θ0)表示目标期望信号的导向矢量，a(θp)表示第P个干扰信号的导向矢量，s0(t)表示期望信号复包络，sp(t)表示第p个干扰信号复包络，n(t)表示阵列噪声，设定阵列中各阵元的噪声为相互独立的高斯白噪声，方差为σn，且与干扰不相关；且均匀线阵的导向矢量为：式中，λ表示信号波长，T代表转置。在步骤2中：S21，接收回波信号的协方差矩阵为：R＝E[X(t)X(t)H]，其中，X(t)表示采样数据，E[·]表示求矩阵期望，上标H表示共轭转置；在实际应用中，协方差矩阵R利用最大似然估计值得到：其中，X(k)表示K次采样数据协方差矩阵，上标H表示共轭转置；S22，为得到准确的干扰对应特征向量，首先对X(k)的协方差矩阵进行特征值分解：其中，特征值按照大小顺序可以表示为：λ1≥λ2≥…≥λP≥λP+1≥…≥λN，λi为协方差矩阵的第i个特征值，ui为第i个特征值对应的特征向量，i＝1,2,…N，N为阵元数，1≤i≤N；u1,u2,…,uP张成干扰信号子空间，由Us＝[u1,u2,…,uP]表示，Λs＝diag[λ1,λ2,…,λP]为其对应的特征值矩阵；uP+1,uP+2,…,uN张成噪声信号子空间，由Us＝[uP+1,uP+2,…,uN]表示，对应的特征值矩阵为Λn＝diag[λP+1,λP+2,…,λN]。在步骤3中，特征投影矩阵的求取步骤如下：S31，得到准确的主瓣干扰对应的特征矢量：定义相关系数ρ的计算公式为：其中，v1,v2为两个任意向量；利用特征向量与期望信号导向矢量的相关性确定主瓣干扰对应的特征向量，公式如下：其中，a(θ0)为目标期望信号的导向矢量，i＝1,2,…N(N为阵元数)，um为主瓣干扰对应的特征矢量；S32，得到干扰信号子空间和噪声信号子空间后，构造特征投影矩阵为：其中，Β为特征投影矩阵，um为主瓣干扰对应的特征矢量，I为单位矩阵。S33，按照以下公式利用特征投影矩阵对回波数据进行预处理，压制主瓣干扰：Xb＝BX，其中，Xb为对回波数据进行预处理后的得到的阵列信号，Β为特征投影矩阵，X为回波数据信号；按照以下公式得到阵列信号Xb的样本的协方差矩阵其中，Xb表示对回波数据进行预处理后的得到的阵列信号，E[·]表示求矩阵期望，上标H表示共轭转置。在步骤4中：S41，构造改进算法目标函数，求解阵列天线的权矢量：其中，wL2为阵列天线的权矢量，为特征投影矩阵对回波数据预处理后得到的新协方差矩阵，γ为惩罚因子，A为约束导向矢量矩阵；特征投影矩阵预处理算法不需要进行空间谱估计，干扰信号的方向未知的，约束导向矢量矩阵包含整个空间角度的导向矢量，表示如下：A＝[a(-90°)a(-89°)…a(89°)a(90°)]；S42，对改进算法目标函数目标函数采用拉格朗日乘子法求解，转化为：其中，ζ为拉格朗日乘子。对于向量E＝[e1,e2,…,eM]T，其L2范数可以表示为：S43，将目标函数可以转化为：其中，al为矩阵A中的第l列向量；对wL2求梯度并令其等于零：▽wL2J(wL2)＝0，可得：得到wL2的表达式：把wL2的表达式带入约束条件求本文档来自技高网...

【技术保护点】
一种抗主瓣干扰算法，其特征在于，包括以下步骤:步骤1，建立阵列天线接收信号模型；步骤2，通过训练快拍数据得到采样协方差矩阵，并进行特征值分解；步骤3，利用相关系数法确定特征向量空间集中主瓣干扰的特征矢量，构造特征投影矩阵，然后利用所述特征投影矩阵对回波数据进行预处理；步骤4，利用利用全空域导向矢量集合构造L2范数约束，利用拉格朗日乘子法对L2范数约束进行求解，得到阵列天线的权矢量。

【技术特征摘要】
1.一种抗主瓣干扰算法，其特征在于，包括以下步骤:步骤1，建立阵列天线接收信号模型；步骤2，通过训练快拍数据得到采样协方差矩阵，并进行特征值分解；步骤3，利用相关系数法确定特征向量空间集中主瓣干扰的特征矢量，构造特征投影矩阵，然后利用所述特征投影矩阵对回波数据进行预处理；步骤4，利用利用全空域导向矢量集合构造L2范数约束，利用拉格朗日乘子法对L2范数约束进行求解，得到阵列天线的权矢量。2.根据权利要求1所述的抗主瓣干扰算法，其特征在于，步骤1中，构建具有N个阵元的均匀线阵，在空间中的远场窄带，存在一个方向为θ0的期望信号和P个方向为θp(P＜N)的干扰信号，则在时域上t时刻的输出信号为：其中，X(t)表示t时刻的采样数据，a(θ0)表示目标期望信号的导向矢量，a(θp)表示第P个干扰信号的导向矢量，s0(t)表示期望信号复包络，sp(t)表示第p个干扰信号复包络，n(t)表示阵列噪声，设定阵列中各阵元的噪声为相互独立的高斯白噪声，方差为σn，且与干扰不相关；且均匀线阵的导向矢量为：式中，λ表示信号波长，T代表转置。3.根据权利要求1所述的抗主瓣干扰算法，其特征在于，步骤2中，S21，接收回波信号的协方差矩阵为：R＝E[X(t)X(t)H]，其中，X(t)表示采样数据，E[·]表示求矩阵期望，上标H表示共轭转置；在实际应用中，协方差矩阵R利用最大似然估计值得到：其中，X(k)表示K次采样数据协方差矩阵，上标H表示共轭转置；S22，为得到准确的干扰对应特征向量，首先对X(k)的协方差矩阵进行特征值分解：其中，ui为第i个特征值λi所对应的特征向量，i＝1,2,…N，N为阵元数。4.根据权利要求3所述的抗主瓣干扰算法，其特征在于，步骤3中，所述特征投影矩阵的求取步骤如下：S31，得到准确的主瓣干扰对应的特征矢量：定义相关系数ρ的计算公式为：1其中，v1,v2为两个任意向量；利用特征向量与期望信号导向矢量的相关性确定主瓣干扰对应的特征向量，公式如下：其中，a(θ0)为目标期望信号的导向矢量，um为主瓣干扰对应的特征矢量；S32，得到干扰信号子空间和噪声信号子空间后，构造特征投影矩阵为：其中，Β为特征投影矩阵，I...

【专利技术属性】
技术研发人员：蔡绍滨，王伟，
申请(专利权)人：蔡绍滨，
类型：发明
国别省市：福建,35