基于极大似然重采样的自适应波束形成方法技术

基于极大似然重采样的自适应波束形成方法。现有的抑制干扰信号的影响过程中，无法去除期望信号的信息对于抑制干扰效果的影响。本发明专利技术是计算接收信号的M个快拍采样数据的协方差矩阵；利用粒子滤波器及波束空间处理方法处理估计的协方差矩阵，得到估计的噪声加干扰协方差矩阵并计算矩阵对应的极大似然估计，选出h个较大的极大似然估计及对应的噪声加干扰协方差矩阵；将h个估计进行归一化，得到噪声加干扰协方差矩阵权值；将获得的估计的噪声加干扰协方差矩阵乘以噪声加干扰协方差矩阵权值进行加和，得到最终估计的结果并带入到波束形成权矢量的计算公式中，得到波束形成权矢量。本发明专利技术方法相比于常用的标准Capon波束形成，可以减小期望信号信息对于抑制干扰效果的影响。

【技术实现步骤摘要】
基于极大似然重采样的自适应波束形成方法
本专利技术涉及一种基于极大似然重采样的自适应波束形成方法。
技术介绍
自适应波束形成技术能够在期望信号方向上形成窄波束并在干扰方向上形成零陷，已经广泛应用在雷达、声纳、无线通信以及其它领域。在对信号的来波方向进行估计的时候，经常会存在干扰信号，标准的Capon波束形成算法是一种常用的抑制干扰信号的方法。理想情况下标准的Capon波束形成算法的最优权矢量为其中，Rp+ξ是干扰加噪声协方差矩阵，但在实际运用中，Rp+ξ无法直接得到，所以一般使用接收信号的N个快拍采样数据作为样本，使用接收信号样本协方差矩阵代替Rp+ξ来计算权矢量，即标准的Capon波束形成算法的权矢量为：由于中包含有期望信号信息，所以实际运用中期望信号的信息会影响到Capon波束形成算法对干扰的抑制效果。而目前抑制干扰信号的影响过程中，期望信号会对这个处理过程存在影响，但处理过程无法去除期望信号的信息对于抑制干扰效果的影响。
技术实现思路
本专利技术的目的是为了解决现有的抑制干扰信号的影响过程中，中期望信号会对这个处理过程存在影响，但处理过程无法去除期望信号的信息对于抑制干扰效果的影响本文档来自技高网...

【技术保护点】
1.一种基于极大似然重采样的自适应波束形成方法，其特征在于：所述方法通过以下步骤实现：步骤一、将接收信号的M个快拍采样数据作为样本，计算样本的协方差矩阵；步骤二、利用粒子滤波器及波束空间处理方法对这M个协方差矩阵进行处理，得到M个估计的噪声加干扰协方差矩阵；步骤三、计算M个估计的噪声加干扰协方差矩阵对应的极大似然估计，选出h个较大的极大似然估计及其对应的噪声加干扰协方差矩阵；步骤四、将步骤三得到的h个较大的极大似然估计进行归一化，得到相应的噪声加干扰协方差矩阵权值；步骤五、将获得的h个估计的噪声加干扰协方差矩阵乘以噪声加干扰协方差矩阵权值进行加和，得到最终估计的结果；步骤六、将估计的结果带入到...

【技术特征摘要】
1.一种基于极大似然重采样的自适应波束形成方法，其特征在于：所述方法通过以下步骤实现：步骤一、将接收信号的M个快拍采样数据作为样本，计算样本的协方差矩阵；步骤二、利用粒子滤波器及波束空间处理方法对这M个协方差矩阵进行处理，得到M个估计的噪声加干扰协方差矩阵；步骤三、计算M个估计的噪声加干扰协方差矩阵对应的极大似然估计，选出h个较大的极大似然估计及其对应的噪声加干扰协方差矩阵；步骤四、将步骤三得到的h个较大的极大似然估计进行归一化，得到相应的噪声加干扰协方差矩阵权值；步骤五、将获得的h个估计的噪声加干扰协方差矩阵乘以噪声加干扰协方差矩阵权值进行加和，得到最终估计的结果；步骤六、将估计的结果带入到波束形成权矢量的计算公式中，得到基于极大似然重采样的自适应波束形成方法的波束形成权矢量。2.根据权利要求1所述的基于极大似然重采样的自适应波束形成方法，其特征在于：步骤一所述的将接收信号的M个快拍采样数据作为样本，计算样本的协方差矩阵的过程为，使用天线接收信号的M个快拍采样数据作为样本进行计算，得到接收信号样本协方差矩阵为：并用代替矩阵Rp+ξ重新求解得到最优权矢量：3.根据权利要求1或2所述的基于极大似然重采样的自适应波束形成方法，其特征在于：步骤二所述的利用粒子滤波器对这M个协方差矩阵进行处理的过程是指通过估计构造的干扰协方差矩阵Rc的方法逼近于估计的实际协方差矩阵Rp+ξ，p表示噪声，ξ表示干扰，具体为：第1，将实际的干扰加噪声协方差矩阵Rp+ξ的估计过程看作时间序列的估计过程，则建立时间序列估计的状态模型和量测模型，分别为：Rp+ζ(τ)＝fτ(Rp+ζ(τ-1),uτ)和Rc(τ)＝gτ(Rp+ζ(τ),vτ)其中，fτ(·)表示状态转移函数，gτ(·)表示观测函数，Rp+ξ(τ)是τ时刻真实的干扰加噪声协方差矩阵，Rc(τ)是接收信号样本协方差矩阵，等效于一种量测数据矩阵；uτ为状态转移过程的噪声矩阵，vτ为观测过程的噪声矩阵；第2，设各噪声是相互独立的，采用近似的方法获得0到τ时刻实际干扰加噪声协方差矩阵Rp+ξ(0),Rp+ξ(1),...,Rp+ξ(τ)的联合后验概率分布p(Rp+ξ(0:τ)Rc(0:τ))，且之后，在粒子滤波中，设分布概率为p(Rp+ξ(τ))，设由式(17)的离散随机变量近似表示的分布概率，通过由分配粒子和权重定义的离散随机测量来近似表示分布函数p(Rp+ξ(τ))，其中，Rp+ξ(τ)(m)是M个快拍采样数据的协方差矩阵，w(m)是粒子相对应的权值，M是粒子的总数，使用χ近似表示分布概率p(Rp+ξ(τ))为：其中，δ(·)是狄拉克采样函数，Rp+ξ(τ,u,v)是Rp+ξ(τ)的第u行第v列的元素；通过近似表示，期望的计算简化为求和，即：E(g(Rp+ξ(τ,u,v)))＝∫g(Rp+ξ(τ,u,v))p(Rp+ξ(τ,u,v))dRp+ξ(τ,u,v)(19)近似为：第3，使用离散随机变量来近似概率为p(Rp+ξ(τ,u,v))的分布，通过重要性函数π(Rp+ξ(τ,u,v))来获得Rp+ξ(τ,u,v)(m)，并根据式(21)获得权值：式(21)参考粒子矩阵Rc(τ)(m)经过归一化得：利用粒子滤波器中重要性重采样原理构造干扰协方差矩阵，将公式(2...

【专利技术属性】
技术研发人员：侯煜冠，高荷福，陈迪，孙晓宇，毛兴鹏，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23