一种低复杂度的鲁棒自适应波束形成方法及装置制造方法及图纸

本申请提供了一种低复杂度的鲁棒自适应波束形成方法及装置，涉及波束形成技术领域，基于阵列接收的快拍采样信号获取所述阵列的采样协方差矩阵，其中，所述快拍采样信号包括期望信号、干扰信号、以及与所述期望信号和所述干扰信号不相关的噪音信号；基于所述采样协方差矩阵计算所述快拍采样信号包含的每个信号的导向向量的最优估计，并得到重构的干扰噪音协方差矩阵；基于所述期望信号的导向向量的最优估计和重构的所述干扰噪音协方差矩阵得到所述阵列的加权向量；根据所述加权向量和所述快拍采样信号得到所述阵列的自适应波束，从而提高自适应波束形成的鲁棒性以及减少时间复杂度。复杂度。复杂度。

A low complexity robust adaptive beamforming method and device

【技术实现步骤摘要】
一种低复杂度的鲁棒自适应波束形成方法及装置


[0001]本申请涉及波束形成
，具体而言，涉及一种低复杂度的鲁棒自适应波束形成方法及装置。

技术介绍

[0002]自适应波束形成算法被广泛应用于雷达和声纳，MIMO无线通信，目标检测等领域，其旨在对指定方向上的期望信号进行维持或者加强，并抑制其他方向上的干扰信号和噪声。然而在现实系统中，由于诸如信号的快拍数、阵列几何结构、DOA方向等先验信息的缺失，以最小方差无失真响应(Minimum Variance Distortionless Response，MVDR)为代表的传统自适应波束形成性能会大幅度下降。
[0003]为了弥补这个缺点，出现了许多对鲁棒自适应波束形成(robust adaptive beamformer，RAB)的研究。其中最著名的要属对角加载技术(DL)，即对信号协方差矩阵增加一个对角加载系数乘单位阵，这种方法最大的缺点在于DL系数是一个经验值，难以确定。考虑到这点，基于不确定集的方法，如最差情况性能最优(WCPO)方法、双约束鲁棒capon波束形成器等，将对DL系数的选取转换为对不确定集约束的选取，但也并没有改变需要人为设置参数的本质。作为另一种经典的RAB方法，收缩法认为单纯的DL技术欠缺对信号协方差矩阵权重的考虑，所以使用最小化MSE以自适应的得到两个DL系数。而且这种方法一般要求解一个凸/非凸优化问题，这导致了不低的计算复杂度。除此之外，基于特征空间的方法也对任意的导向向量误差有不错的鲁棒性，但在低信噪比(Signal
‑<br/>to
‑
noise ratio，SNR)情况下，由于子空间跳跃的影响，这种方法的表现很差。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种低复杂度的鲁棒自适应波束形成方法及装置，能够提高自适应波束形成的鲁棒性以及减少时间复杂度。
[0005]本申请实施例提供的一种低复杂度的鲁棒自适应波束形成方法，所述方法包括：
[0006]基于阵列接收的快拍采样信号获取所述阵列的采样协方差矩阵；其中，所述快拍采样信号包括期望信号、干扰信号、以及与所述期望信号和所述干扰信号不相关的噪音信号；
[0007]基于所述采样协方差矩阵计算所述快拍采样信号包含的每个信号的导向向量的最优估计，并得到重构的干扰噪音协方差矩阵；
[0008]基于所述期望信号的导向向量的最优估计和重构的所述干扰噪音协方差矩阵得到所述阵列的加权向量；
[0009]根据所述加权向量和所述快拍采样信号得到所述阵列的自适应波束。
[0010]在一些实施例中，所述基于所述采样协方差矩阵计算所述快拍采样信号包含的每个信号的导向向量的最优估计，包括：
[0011]基于空间谱估计法得到所述快拍采样信号包含的信号个数、以及每个所述信号的
DOA估计；
[0012]针对每个所述信号构造该信号区域的所有导向向量撑起的子空间，并通过特征分解将该子空间内最小的特征值对应的特征向量作为该信号的导向向量误差项的单位向量估计；
[0013]基于含误差项和不含误差项的Capon空间谱功率间的大小关系得到误差项权重的支撑集区间；
[0014]将含误差项的Capon空间谱功率作为关于导向向量误差项权值的函数，并对该函数求极值得到误差项权值的最优估计；
[0015]基于所述误差项权值的最优估计得到每个信号的导向向量的最优估计。
[0016]在一些实施例中，所述基于所述误差项权值的最优估计得到每个信号的导向向量的最优估计，包括：
[0017]根据所述误差项权值的最优估计和单位向量、以及联立信号导向向量的预估计值得到每个信号的导向向量的最优估计。
[0018]在一些实施例中，通过以下方式得到重构的干扰噪音协方差矩阵，包括：
[0019]基于所述干扰信号的导向向量的最优估计和其Capon空间谱功率、以及所述噪音信号的平均噪声功率得到重构的干扰噪音协方差矩阵。
[0020]在一些实施例中，所述基于所述干扰信号的导向向量的最优估计和其Capon空间谱功率、以及所述噪音信号的平均噪声功率得到重构的干扰噪音协方差矩阵，包括：
[0021]将所述干扰信号的导向向量的最优估计和其Capon空间谱功率加权求和，并联立所述噪音信号的平均噪声功率得到重构的干扰噪音协方差矩阵。
[0022]在一些实施例中，所述基于所述期望信号的导向向量的最优估计和重构的所述干扰噪音协方差矩阵得到所述阵列的加权向量，包括：
[0023]将所述期望信号的导向向量的最优估计和重构的所述干扰噪音协方差矩阵带入Capon波束形成得到所述阵列的加权向量。
[0024]在一些实施例中，所述阵列为由多个阵元组成的均匀线性阵列。
[0025]在一些实施例中，还提供一种低复杂度的鲁棒自适应波束形成装置，所述装置包括：
[0026]获取模块，用于基于阵列接收的快拍采样信号获取所述阵列的采样协方差矩阵；其中，所述快拍采样信号包括期望信号、干扰信号、以及与所述期望信号和所述干扰信号不相关的噪音信号；
[0027]第一计算模块，用于基于所述采样协方差矩阵计算所述快拍采样信号包含的每个信号的导向向量的最优估计，并得到重构的干扰噪音协方差矩阵；
[0028]第二计算模块，用于基于所述期望信号的导向向量的最优估计和重构的所述干扰噪音协方差矩阵得到所述阵列的加权向量；
[0029]第三计算模块，用于根据所述加权向量和所述快拍采样信号得到所述阵列的自适应波束。
[0030]在一些实施例中，还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述任意一项所述的一种
低复杂度的鲁棒自适应波束形成方法的步骤。
[0031]在一些实施例中，还提供一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述任意一项所述的一种低复杂度的鲁棒自适应波束形成方法的步骤。
[0032]本申请所述的一种低复杂度的鲁棒自适应波束形成方法及装置，基于阵列接收的快拍采样信号获取所述阵列的采样协方差矩阵，其中，所述快拍采样信号包括期望信号、干扰信号、以及与所述期望信号和所述干扰信号不相关的噪音信号；基于所述采样协方差矩阵计算所述快拍采样信号包含的每个信号的导向向量的最优估计，并得到重构的干扰噪音协方差矩阵；基于所述期望信号的导向向量的最优估计和重构的所述干扰噪音协方差矩阵得到所述阵列的加权向量；根据所述加权向量和所述快拍采样信号得到所述阵列的自适应波束，从而提高自适应波束形成的鲁棒性以及减少时间复杂度。
附图说明
[0033]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低复杂度的鲁棒自适应波束形成方法，其特征在于，所述方法包括：基于阵列接收的快拍采样信号获取所述阵列的采样协方差矩阵；其中，所述快拍采样信号包括期望信号、干扰信号、以及与所述期望信号和所述干扰信号不相关的噪音信号；基于所述采样协方差矩阵计算所述快拍采样信号包含的每个信号的导向向量的最优估计，并得到重构的干扰噪音协方差矩阵；基于所述期望信号的导向向量的最优估计和重构的所述干扰噪音协方差矩阵得到所述阵列的加权向量；根据所述加权向量和所述快拍采样信号得到所述阵列的自适应波束。2.根据权利要求1所述一种低复杂度的鲁棒自适应波束形成方法，其特征在于，所述基于所述采样协方差矩阵计算所述快拍采样信号包含的每个信号的导向向量的最优估计，包括：基于空间谱估计法得到所述快拍采样信号包含的信号个数、以及每个所述信号的DOA估计；针对每个所述信号构造该信号区域的所有导向向量撑起的子空间，并通过特征分解将该子空间内最小的特征值对应的特征向量作为该信号的导向向量误差项的单位向量估计；基于含误差项和不含误差项的Capon空间谱功率间的大小关系得到误差项权重的支撑集区间；将含误差项的Capon空间谱功率作为关于导向向量误差项权值的函数，并对该函数求极值得到误差项权值的最优估计；基于所述误差项权值的最优估计得到每个信号的导向向量的最优估计。3.根据权利要求2所述一种低复杂度的鲁棒自适应波束形成方法，其特征在于，所述基于所述误差项权值的最优估计得到每个信号的导向向量的最优估计，包括：根据所述误差项权值的最优估计和单位向量、以及联立信号导向向量的预估计值得到每个信号的导向向量的最优估计。4.根据权利要求3所述一种低复杂度的鲁棒自适应波束形成方法，其特征在于，通过以下方式得到重构的干扰噪音协方差矩阵，包括：基于所述干扰信号的导向向量的最优估计和其Capon空间谱功率、以及所述噪音信号的平均噪声功率得到重构的干扰噪音协方差矩阵。5.根据权利要求4所述一种低复杂度的鲁棒自适应波束形成方法，其特征在于，...

【专利技术属性】
技术研发人员：武岳，姚昊，赵文来，颜家俊，刘瑞航，
申请(专利权)人：四川大学，
类型：发明
国别省市：