特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法制造技术

本发明专利技术公开了特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法，属于信号处理领域，包含如下步骤：步骤(1)：建立阵列天线接收信号模型；步骤(2)：通过对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在特征向量空间集中的主瓣干扰特征矢量，并求取特征投影矩阵，对回波数据进行预处理；步骤(4)：利用稀疏重构算法，重构干扰加噪声协方差矩阵，修正阵列权矢量。本发明专利技术避免整个空域积分带来的计算资源耗费过大问题，对干扰的抑制能力更强，增加了算法的稳健性，提升波束形成的稳健性，且能够保持较高的输出性干噪比，和较快的收敛速度。

Feature Projection Preprocessing and Sparse Covariance Matrix Reconstruction for Main Lobe Interference Suppression

【技术实现步骤摘要】
特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法
本专利技术属于信号处理领域，尤其涉及特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法。
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。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，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研究起步较晚。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，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，可以有效地抑制干扰。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，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，是亟待解决的问题。在主瓣干扰的前提条件下，李荣锋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主瓣干扰抑制算法，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，且在期望信号混入快拍数据以及导向矢量失配时性能较差。文献MainlobeAnti-JammingviaEigen-ProjectionProcessingandCovarianceMatrixReconstruction.IeiceTransactionsonFundamentalsofElectronicsCommunications&ComputerSciences,2017,E100.A(4):1055-1059.提出了基于特征投影矩阵及协方差矩阵积分重构主瓣干扰抑制算法，此算法使用Capon功率谱，利用积分的方式，构造干扰加噪声协方差矩阵，但是算法无法克服Capon功率谱能量泄漏的问题，且积分算法需要的积分点较多，计算复杂度较高。
技术实现思路
本专利技术的目的在于公开输出信干噪比高，收敛速度快的特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法。本专利技术的目的是这样实现的：特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法,包含如下步骤：步骤(1)：建立阵列天线接收信号模型：建立均匀线阵列模型：包含N个全向阵元，以d为间距等间距排布；假设在空间中存在期望信号θ0，P个旁瓣干扰信号以及1个主瓣干扰信号，并且信号、干扰与噪声独立不相关，则在时域上t时刻阵列的输出信号为上式中，a(θ0)代表目标期望信号的导向矢量，a(θp)代表第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)代表均值为0，方差为σn的高斯白噪声。均匀线阵列模型的导向矢量为：上式中，λ表示信号波长，[·]T代表转置运算。定义在主瓣最大辐射方向的两侧辐射强度降低3dB的两点间的夹角为主瓣宽度。均匀线阵列模型的主瓣宽度BW0表示为：主波束区间Θ表示为除了期望信号θ0，若存在θp∈Θ，则来波方向为θp的信号为主瓣干扰信号。步骤(2)：通过对训练快拍数据得到采样协方差矩阵，并进行特征值分解：接收回波信号的协方差矩阵R表示为：R＝E[X(t)X(t)H]；上式中，[·]H代表共轭转置运算。但在实际计算中协方差矩阵采用K次采样数据X(k)近似估计得到步骤(3)：利用相关系数法确定在特征向量空间集中的主瓣干扰特征矢量，并求取特征投影矩阵，对回波数据进行预处理；步骤(3.1)：得到干扰信号与噪声信号子空间，表示为上式中，i和n为正整数，i＝1,2,…N；λi为第i个特征值，ui为对应第i个特征值的特征向量；干扰信号子空间US＝[u1,u2,…,uP+1]；干扰信号子空间对应的特征值矩阵ΛS＝diag[λ1,λ2,…,λP+1]；噪声信号子空间为UN＝[uP+2,uP+3，…,uN]，噪声信号子空间对应的特征值矩阵为ΛN＝diag[λP+2,λP+3,…,λN]，N为正整数。步骤(3.2)：确定干扰导向矢量后，得到特征投影矩阵：定义相关系数ρ：上式中，v1,v2为两个任意向量；因为上式中，um为主瓣干扰对应的特征向量；则特征投影矩阵：上式中，I为单位矩阵；步骤(3.3)：对回波数据进行预处理，压制主瓣干扰：Xb＝BX；上式中，Xb为消除主瓣干扰后的回波数据；步骤(4)：利用稀疏重构算法，重构干扰加噪声协方差矩阵，修正阵列权矢量：步骤(4.1)：利用Music算法构造稀疏向量支持集：步骤(4.2)：构造阵列堆叠响应所得矩阵：协方差矩阵减去噪声协方差矩阵所得向量：步骤(4.3)：对目标函数进行闭式解：步骤(4.4)：构造干扰加噪声协方差矩阵，不含有期望信号以及主瓣干扰信号分量：上式中，为特征分解后的最小特征值；步骤(4.5)：计算自适应阵列权矢量：步骤(4.6)：利用所得的自适应阵列权矢量对数据进行自适应波束形成：Y＝wHXb＝wHBX；本专利技术的有益效果为：本专利技术考虑压缩感知的思想，利用信源信号支持集，对信源信号功率进行稀疏表示。避免重构协方差矩阵与真实值失配的问题；利用干扰信号导向矢量外积求和的方式计算干扰加噪声协方差矩阵，可以避免整个空域积分带来的计算资源耗费过大问题；利用信源估计结果，对导向矢量进行校正，从而避免导向矢量失配的问题。在波束形成时，对干扰的抑制能力更强，增加了算法的稳健性；利用稀疏重构干扰加噪声的协方差矩阵，修正导向矢量，提升波束形成的稳健性。本专利技术能够对方向图进行保形，且能够保持较高的输出性干噪比，和较快的收敛速度。附图说明图1是均匀线阵列模型图；图2是阵列天线的静态、SMI算法、EMP算法方向图；图3是阵列天线的静态方向图、EMP-CMR算法以及EMP-CMIR算法；图4是阵列天线的静态方向图与本专利技术方向图；图5是SMI算法、EMP算法、EMP-CMR算法、EMP-CMIR算法以及本专利技术方法以及最优性能，随着快拍数变化的输出SINR图；图6是SMI算法、EMP算法、EMP-CMR算法、EMP-CMIR算法以及本专利技术方法以及最优本文档来自技高网...

【技术保护点】
1.特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法,其特征在于：包含如下步骤：步骤(1)：建立阵列天线接收信号模型；步骤(2)：通过对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在特征向量空间集中的主瓣干扰特征矢量，并求取特征投影矩阵，对回波数据进行预处理；步骤(4)：利用稀疏重构算法，重构干扰加噪声协方差矩阵，修正阵列权矢量。

【技术特征摘要】
2018.04.12 CN 20181032731211.特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法,其特征在于：包含如下步骤：步骤(1)：建立阵列天线接收信号模型；步骤(2)：通过对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在特征向量空间集中的主瓣干扰特征矢量，并求取特征投影矩阵，对回波数据进行预处理；步骤(4)：利用稀疏重构算法，重构干扰加噪声协方差矩阵，修正阵列权矢量。2.根据权利要求1所述的特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法，其特征在于：所述的步骤(1)具体为：建立均匀线阵列模型：包含N个全向阵元，以d为间距等间距排布；在空间中存在期望信号θ0，P个旁瓣干扰信号以及1个主瓣干扰信号，并且信号、干扰与噪声独立不相关，则在时域上t时刻阵列的输出信号为上式中，a(θ0)代表目标期望信号的导向矢量，a(θp)代表第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)代表均值为0，方差为σn的高斯白噪声；均匀线阵列模型的导向矢量为：上式中，λ表示信号波长，[·]T代表转置运算；均匀线阵列模型的主瓣宽度BW0表示为：主波束区间Θ表示为3.根据权利要求1所述的特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法，其特征在于：所述的步骤(2)具体为：接收回波信号的协方差矩阵R表示为：R＝E[X(t)X(t)H]；上式中，[·]H代表共轭转置运算。4.根据...

【专利技术属性】
技术研发人员：王伟，唐蘅，黄平，李欣，张斌，王慧，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23