一种基于张量的分布式扩散自适应抗干扰方法技术

本发明专利技术属于分布式波束形成领域，具体为一种基于张量的分布式扩散自适应抗干扰方法，用以解决阵元数较大时传统分布式阵列自适应抗干扰方法复杂度变大、收敛速度变慢、实时性降低的问题。本发明专利技术将高维的全局多线性问题转化为若干个低维线性问题，具体表现为通过基于分集的张量模型，使本发明专利技术方法在子阵水平上并行处理，在自适应过程达到平稳后，选取任一节点的稳态权向量作为最终权向量，并利用该权张量对接收信号进行滤波。和传统的波束协调算法相比，本发明专利技术方法具有更快的收敛速度，更低的计算复杂度，从而具有更好的实时性。此外节点间共享的数据是所有子阵的回归矢量，而非原始的阵列接收信号，因此减少了共享的数据总量，提高了节点通信效率。

A Tensor-based Distributed Diffusion Adaptive Anti-jamming Method

【技术实现步骤摘要】
一种基于张量的分布式扩散自适应抗干扰方法
本专利技术属于分布式波束形成领域，主要涉及分布式自适应策略和多线性协同滤波，具体为一种基于张量的分布式扩散自适应抗干扰方法。
技术介绍
阵列抗干扰应用领域由来已久，多年来已经形成很多成熟的理论。基于最小均方误差(MMSE)准则的LMS算法及其拓展而来的归一化LMS算法、变步长LMS算法，基于最小二乘准则(LS)的RLS算法等，此类算法适用于量测信号(期望信号)易获取的应用场景；基于最小方差无失真响应(MVDR)准则和线性约束最小方差(LCMV)准则的数字波束形成算法适用于部分信号或干扰方向已知的干扰抑制场景，相对应的还有基于最大信干噪比(MSINR)准则的波束形成算法。然而，在信号处理算法日趋完善的今天，已有的较为成熟的模型和理论在某些应用背景下需要进一步发展，科研工作者一直致力于在各个方面优化理论，完善方法，做到抗干扰算法高成效，低复杂度，低时耗，低成本等。近年来，基于张量的阵列信号处理理论日臻完善，也越来越多地应用到阵列抗干扰中，2016年，LucasN.Ribeiro等人在文献《TensorBeamformingformultilineartranslationinvariantarrays》中提出了一种基于MMSE准则的张量波束形成算法，有效地降低数据计算的复杂度，从而耗时小、效率高。张量信号处理的优势在于很好的将低维数据和高维数据进行分解或合并转化，从而降低问题的复杂程度或者提高算法的精度，使之符合人们的期望。下面给出一些必要的张量运算法则：假设是任一D阶张量，其元素为其中id∈{1,2,…,Id}，d＝1,2,…,D；张量和D个矩阵d＝1,2,…,D，jd∈{1,2,…,Jd}的多线性积定义为：其中，元素D个向量d＝1,2,…,D的外积为一个D阶张量定义为：其中，元素张量的元素为相对于单阵列抗干扰研究，分布式阵列网络越来越受到科研工作者的青睐，分布式阵列抗干扰算法应运而生。自从2006以来，AliH.Sayed等人对分布式自适应算法进行了大量的深入的研究；在2012年，他在文献《Beamcoordinationviadiffusionadaptationoverarraynetwork》中将分布式自适应策略应用到阵列抗干扰中，提出了用自适应和结合(ATC)算法求解出最优权向量，并利用该权向量对任一阵列的接收信号进行滤波以达到保留期望信号并抑制干扰的目的。下面给出波束协调算法：考虑一个包含N个节点的网络，各节点包含完全相同的天线阵列，其中各阵列阵元数为Ms；假设有一个期望的远场复窄带信号入射到天线阵列网络上，同时受到P-1个复窄带信号的干扰，则阵列k的离散复基带接收信号表示为：其中，k＝1,2,...,N，sp(t)是窄带信号的离散基带形式，而接收噪声zk(t)是方差为的零均值加性高斯白噪声向量，与不同阵列n的接收噪声zn(t)或不同时刻t1的接收噪声zk(t1)均相互独立，且独立于阵列接收信号uk(t)。假设抗干扰系统最优权向量为wo，那么线性量测信号模型如下：其中，ξk(t)是方差为的零均值随机量测噪声，与不同阵列n的量测噪声ξn(t)或不同时刻t1的量测噪声ξk(t1)均相互独立，且独立于阵列接收信号uk(t)。波束协调算法如下：其中，k＝1,2,...,N，μk＞0是步长因子，表示阵列k的邻域阵列集，其中cn,k是交换矩阵C的第(n,k)个元素，给出了阵列k迭代过程中邻居阵列n的共享信息所占的相对权重，ψk(t)代表阵列k的中间估计权值，an,k是结合矩阵A的第(n,k)个元素，给出了阵列k第t时刻的权值wk(t)迭代中邻居阵列n中间估计权值ψn(t)的相对权重。自适应过程达到稳态之后，取任一阵列的稳态权向量作为最优权向量的估计，利用该稳态权向量对任一阵列接收信号进行滤波，得到抑制掉干扰的输出信号。但是阵元数增大时，操作数的增加会造成波束协调抗干扰算法计算复杂度的增加，收敛速度下降，从而导致实时性大大降低。
技术实现思路
本专利技术的目的在于提供一种基于张量的分布式扩散自适应抗干扰方法，本专利技术将长矢量权估计问题转化为若干较小的线性估计问题，旨在解决阵元数较大时传统分布式阵列自适应抗干扰方法复杂度变大、收敛速度变慢、实时性降低的问题。为实现上述目的，本专利技术采用的技术方案如下：一种基于张量的分布式扩散自适应抗干扰方法，在任意阵列k上，k＝1,2,...,N、N为网络中阵列总数，包括以下步骤：步骤1.实时获取阵列k接收信号张量和量测信号dk(t)，t表示时刻；步骤2.计算阵列k的子阵回归矢量：对于阵列k的第l子阵，计算当前t时刻子阵回归矢量vk,l(t)、l＝1,2,3：其中，wk,l(t-1)为t-1时刻阵列k的第l子阵的权向量估计；步骤3.计算阵列k的归一化因子βk(t)：其中，ρk(t)表示t时刻阵列k的能量估计，表示阵列k的包括自身的邻域集；系数cn,k为交换矩阵C的第(n,k)个元素；交换矩阵C满足约束：cn,k＝0,1TC＝1T,C1＝1；步骤4.迭代更新阵列k的权向量的中间估计ψk,l(t)：其中，μk为迭代步长：0＜μk＜2，ε为预设常数：ε＜10-6；步骤5.扩散更新阵列k的权向量估计：其中，系数an,k为结合矩阵A的第(n,k)个元素；结合矩阵A满足约束：an,k＝0,1TA＝1T；步骤6.计算稳态权张量：选取任一阵列的稳态权张量作为最优权张量利用此权向量对t时刻任意阵列k接收信号滤波即可得到输出信号，即本专利技术的有益效果在于：本专利技术提出的基于张量的分布式扩散自适应抗干扰方法，具有如下优点：1.本专利技术将高维的全局多线性估计问题转化为若干个低维线性估计问题，为此类全局多线性问题提供了一种有效的的自适应求解方案。2.相比已有的分布式抗干扰方法，本专利技术引入基于分集的张量模型，进行邻域多线性协同滤波，显著提高了算法收敛速度，使迭代过程仅需较少的样本就能收敛到稳态。3.本专利技术可改善节点通信效率。由于节点间共享的数据不再是原始的阵列接收信号，而是所有子阵的回归矢量，因此减少了共享的数据总量，提高了节点通信效率。4.本专利技术考虑了极化分集，可以有效地抑制与期望信号同方向的干扰。5.本专利技术能够自适应地并行迭代所有子阵权向量估计，大大提高计算效率。因为子阵回归矢量和上一时刻的子阵权向量估计以及当前时刻阵列接收信号张量有关，所以本专利技术可并行求解所有子阵回归矢量，且能够并行迭代所有阵子权向量估计。6.本专利技术的方法不局限于当前的信号模型，可拓展为更高维张量模型的波束形成算法。附图说明图1为本专利技术基于张量的分布式扩散自适应抗干扰方法各节点步骤流程图。图2为本专利技术实施例中分布式阵列网络结构图。图3为本专利技术实施例中节点网络拓扑。图4为本专利技术实施例中各节点的噪声水平分布图。图5、6为本专利技术实施例中本专利技术方法和波束协调方法MSE和SINR学习曲线对比图。图7为本专利技术实施例中当期望信号方向突变时本专利技术方法和波束协调方法的自适应情况。具体实施方式下面结合附图和实施例对本专利技术做进一步详细说明。本专利技术一种基于张量的分布式扩散自适应抗干扰方法，其分布式阵列网络如图2所示，节点网络拓扑如图3所示；假设极化空域滤波器wo张成的张量滤波器是秩1的，即：其向量形式为满足其中，M＝M本文档来自技高网...

【技术保护点】
1.一种基于张量的分布式扩散自适应抗干扰方法，在任意阵列k上，k＝1,2,...,N、N为网络中阵列总数，包括以下步骤：步骤1.实时获取阵列k接收信号张量

【技术特征摘要】
1.一种基于张量的分布式扩散自适应抗干扰方法，在任意阵列k上，k＝1,2,...,N、N为网络中阵列总数，包括以下步骤：步骤1.实时获取阵列k接收信号张量和量测信号dk(t)，t表示时刻；步骤2.计算阵列k的子阵回归矢量：对于阵列k的第l子阵，计算当前t时刻子阵回归矢量vk,l(t)、l＝1,2,3：其中，wk,l(t-1)为t-1时刻阵列k的第l子阵的权向量估计；步骤3.计算阵列k的归一化因子βk(t)：其中，ρk(t)表示t时刻阵列k的能量估计，表示阵列k的包括自身的邻域集；系...

【专利技术属性】
技术研发人员：夏威，夏国庆，李菁华，方惠，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51