一种基于短时傅里叶变换的空频自适应处理抗干扰方法技术

本发明专利技术公开了一种基于短时傅里叶变换的空频自适应处理抗干扰方法，包括获取阵列接收信号；将传感器阵列接收到的时域信号转换到时频域；将时频域划分为期望信号区域和干扰噪声区域；去除区域中的噪声点后在干扰区域中分离各个干扰信号；计算期望信号和各干扰信号的导向矢量，重构各频点的干扰加噪声协方差矩阵；通过MVDR算法计算各频点的自适应权矢量；本发明专利技术的方法运算简单，同时具有良好的鲁棒性，能够获得很好的干扰抑制效果。

【技术实现步骤摘要】
一种基于短时傅里叶变换的空频自适应处理抗干扰方法
本专利技术涉及自适应抗干扰
，主要涉及一种基于短时傅里叶变换的空频自适应处理抗干扰方法。
技术介绍
抗干扰算法有多种形式，早些时候广泛使用的是利用阵列天线在空域上进行的空域自适应处理(SAP)，SAP算法计算复杂度较低但所能抑制的干扰数量受到阵元数量限制。为了能使阵列抑制更多的干扰，在SAP算法基础上又发展了空时自适应处理(STAP),STAP在SAP的基础上，在每个通道后面添加若干个时域抽头，使得阵列拥有更多的自由度来抑制干扰信号，STAP在不增加阵元数量同时提高了抗干扰能力，但STAP的计算复杂度较高。为了降低STAP的计算复杂度，又提出了一种空时自适应处理的次优算法即SFAP，其通过对接收信号做快速傅里叶变换(FFT)将宽带信号划分为若干频带，再在各频带上进行SAP。对于阵元数为M、延迟节点数为N的STAP算法，求解自适应权值要进行MN×MN的矩阵求逆运算，而SFAP是在各频带分别求取权值只需要进行M×M的矩阵求逆运算，从而降低了计算复杂度。傅里叶变换是时域到频域互相转化的工本文档来自技高网...

【技术保护点】
1.一种基于短时傅里叶变换的空频自适应处理抗干扰方法，其特征在于，包括如下步骤：/n步骤S1、获取阵列接收信号S；所述阵列接收信号S为大小Ne×N的样本矩阵；Ne是阵列天线的阵元个数，N为采样点数；/n步骤S2、采用短时傅里叶变换将传感器阵列接收到的时域信号转换到时频域，即对阵列接收信号S的各行数据分别进行短时傅里叶变换；/n步骤S3、将时频域划分为期望信号区域Ω

【技术特征摘要】
1.一种基于短时傅里叶变换的空频自适应处理抗干扰方法，其特征在于，包括如下步骤：
步骤S1、获取阵列接收信号S；所述阵列接收信号S为大小Ne×N的样本矩阵；Ne是阵列天线的阵元个数，N为采样点数；
步骤S2、采用短时傅里叶变换将传感器阵列接收到的时域信号转换到时频域，即对阵列接收信号S的各行数据分别进行短时傅里叶变换；
步骤S3、将时频域划分为期望信号区域Ωs和干扰噪声区域Ωi+n；去除区域中的噪声点；在去除噪声后的干扰区域Ωi中分离各个干扰信号；
步骤S4、分别计算期望信号和各干扰信号的导向矢量a(f)；重构各频点的干扰加噪声协方差矩阵；
步骤S5、通过MVDR算法计算各频点的自适应权矢量ω(f)。


2.根据权利要求1所述的一种基于短时傅里叶变换的空频自适应处理抗干扰方法，其特征在于，所述步骤S2中采用短时傅里叶变换后的转换信号表示如下：



其中，ai(f)为第i个信号的导向矢量，K表示有K+1个接收信号，Si(t,f)为第i个信号的时频域表示；时频域中单信源点处的信号可表示为：
X(t,f)＝ai(t,f)Si(t,f)
信号导向矢量ai(f)如下式所示：



其中τi为第i个信号的延时矢量，且τi,1＝0；所述时频域中单信源点处的信号表示变形如下式：



其中X(t,f,1)为第一个通道数据的快速傅里叶变换结果。


3.根据权利要求1所述的一种基于短时傅里叶变换的空频自适应处理抗干扰方法，其特征在于，所述步骤S3中将时频域划分为期望信号区域Ωs和干扰噪声区域Ωi+n、去除噪声点并分离各个干扰信号的具体方法如下：
步骤S3.1、求取各时频点的信号导向矢量a(t,f)；
步骤S3.2、根据期望信号的标称导向矢量a0(f)及给定的误差范围，与a(t,f)做比较后将时频域分成期望信号区域Ωs和干扰噪声区域Ωi+n；具体如下：



其中Δ为用于衡量各时频点导向矢量ai(t,f)和标称导向矢量a0(f)的相似度的参数，a(t,f)为信号导向矢量；
定义误差导向矢量ae(f)为：



其中τe为误差延时矢量；根据标称导向矢量a0(f)和误差导向矢量ae(f)设置阈值如下：

...

【专利技术属性】
技术研发人员：王沛尧，朱岱寅，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32