一种基于期望导向矢量估计和矩阵重构的波束形成方法技术

本发明专利技术公开了一种基于期望导向矢量估计和矩阵重构的波束形成方法包括：根据阵列接收到的数据构建采样协方差矩阵；根据所述采样协方差矩阵修正期望信号导向矢量；利用Capon空间谱估计干扰信号的导向矢量，并以此为基础估计噪声功率；利用所述的干扰信号的导向矢量估计干扰信号功率，并结合所述噪声功率重构干扰加噪声矩阵；将所述期望信号导向矢量和所述重构干扰加噪声矩阵带入MVDR波束形成器得到最终的权矢量表达式。本发明专利技术能够更准确的得到期望信号导向矢量，提高算法性能；有效去除采样协方差矩阵中的期望信号分量，提升了波束形成器的输出信干噪比；在低信噪比和低采样快拍数目等非理想环境下，该算法仍然有理想的效果。该算法仍然有理想的效果。该算法仍然有理想的效果。

A beamforming method based on expected steering vector estimation and matrix reconstruction

【技术实现步骤摘要】
一种基于期望导向矢量估计和矩阵重构的波束形成方法


[0001]本专利技术涉及阵列信号处理技术中的自适应波束形成
，具体为一种基于期望导向矢量估计和矩阵重构的波束形成方法。

技术介绍

[0002]传统的自适应波束形成算法虽然在理想情况下性能较好，但是实际传输环境十分的复杂，存在多种误差，导向矢量、期望信号波达方向、采样快拍数目、传输通道误差等任何一种不理想的情况都会对传统波束形成算法的性能造成影响，尤其当接收的快拍数据中含有期望信号的时候，随着输入信噪比的增高出现了输出性能反而下降的现象，称为信号的“自消”效应。因此，自适应波束形成算法的一个主要目标就是解决“自消”现象，除此之外，非理想的环境中的各种误差都在影响着经典波束形成器的性能，为了实现算法的自适应性就必须针对这些误差有一定的稳健性。
[0003]针对自适应波束形成算法的改进都离不开接收信号的采样协方差矩阵和期望信号导向矢量两个方面。很多矩阵重构算法都旨在去除采样协方差矩阵中的期望信号，但是去除了期望信号的同时，干扰分量也被相应的减少，而且需要依赖更多的先验知识。也有许多学者针对期望信号失配问题提出了不同的最优化思路求解期望信号的导向矢量，但是由于实际误差的存在这些方法与理想值之间仍然存在差距。
[0004]专利申请号为CN 202110161919.9，专利技术名称为“基于矩阵重构的Coprime阵稳健自适应波束形成方法”的中国专利。该方法保留了互质阵自身的优势，并利用空间平滑等方法进行采样协方差矩阵重构。该方法虽有效提高了算法的输出信干燥比性能，但是该方法在常见均匀阵列情况下表现一般。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述存在的问题，提出了本专利技术。
[0007]因此，本专利技术解决的技术问题是：现有的波束形成方法无法解决在非理想环境下自适应波束形成算法输出信干噪比低的问题。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：一种基于期望导向矢量估计和矩阵重构的波束形成方法，包括：
[0009]根据阵列接收到的数据构建采样协方差矩阵；
[0010]根据所述采样协方差矩阵修正期望信号导向矢量；
[0011]利用Capon空间谱估计干扰信号的导向矢量，并以此为基础估计噪声功率；
[0012]利用所述的干扰信号的导向矢量估计干扰信号功率，并结合所述噪声功率重构干扰加噪声矩阵；
[0013]将所述期望信号导向矢量和所述重构干扰加噪声矩阵带入MVDR波束形成器得到最终的权矢量表达式。
[0014]作为本专利技术所述的基于期望导向矢量估计和矩阵重构的波束形成方法的一种优选方案，其中：所述阵列接收到的数据为阵列接收的信号，所述阵列接收到的信号为远场窄带信号，所述阵列为均匀线阵，所述均匀线阵接收的信号表示为：
[0015][0016]其中，x
i
(t)代表第i个阵元接收到的信号，N代表阵元个数；
[0017]对上述接收到的信号进行简化后，得到：
[0018]x(t)＝a(θ)x1(t)
[0019]其中，x(t)＝[x1(t) x2(t)
ꢀ…ꢀ
x
N
(t)]T
，是一个阵列集合的列矢量，a(θ)为期望信号的导向矢量。
[0020]作为本专利技术所述的基于期望导向矢量估计和矩阵重构的波束形成方法的一种优选方案，其中：所述采样协方差矩阵为接收所述信号的自相关矩阵，表示为：
[0021][0022]其中，K代表采样快拍的数目。
[0023]作为本专利技术所述的基于期望导向矢量估计和矩阵重构的波束形成方法的一种优选方案，其中：所述期望信号的导向矢量，表示为：
[0024]a(θ)＝[1 e
j2πd sin(θ)/λ
ꢀ…ꢀ
e
j2πd(N
‑
1)sin(θ)/λ
]T
[0025]其中，[
·
]T
代表行列式的转置运算。因此某个阵列关于期望信号的导向矢量是一个和阵列模型以及期望信号入射角度相关的函数。
[0026]作为本专利技术所述的基于期望导向矢量估计和矩阵重构的波束形成方法的一种优选方案，其中：所述修正包括：
[0027]A1：利用所述期望信号的大致区域构建干扰信号的大致子空间：
[0028][0029]其中，表示期望信号的补集区域，即干扰和噪声区域。a(θ)为入射角度为θ的信号导向矢量；
[0030]对所述子空间进行做cholesky分解，可以转换为：
[0031][0032]其中，Q是一个上三角矩阵，代表了cholesky分解所得结果；
[0033]A2：给矩阵Q引入一个不确定集合来保证最终波束形成器的性能A2：给矩阵Q引入一个不确定集合来保证最终波束形成器的性能其中‖Δ‖≤ε是为其设定的不确定集合的范围；为了保证期望信号的导向矢
量不收敛到干扰信号的区域，为最优化问题设定一个类似于最坏情况的最优约束：
[0034][0035][0036]A3：对所述最优约束的不等式进行化简，得到新的约束表达式：
[0037][0038]其中，a
sv
代表了需要求解的期望信号导向矢量，θ
min
是信号入射范围内最小的入射角度，γ代表对角加载因子的大小；
[0039]A4：利用矩阵知识对最优化问题进行松弛求解：
[0040][0041]其中，A≥0代表了A是一个半正定矩阵；对所述最优化问题求解得到A
opt
，Tr(
·
)代表矩阵的秩；
[0042]A5：判断所求矩阵的秩，如果满足秩为1，则所求矩阵即为修正后的导向矢量，如果不满足条件则继续进行A7；
[0043]A6：构建修正矢量，将所述的A
opt
秩转换为1。
[0044][0045]其中，B是一个r
×
r维的矩阵，B全部特征矢量的和为修正的期望信号导向矢量。
[0046]作为本专利技术所述的基于期望导向矢量估计和矩阵重构的波束形成方法的一种优选方案，其中：所述干扰信号的导向矢量，包括：
[0047]利用Capon空间谱，在非期望信号区域进行空间谱搜索找到谱峰，得到干扰信号的入射角度，结合所述阵列模型恢复出理论的干扰导向矢量：
[0048][0049]其中，θ
i
为当前干扰信号的入射角度，d为阵元间距，λ为波长；
[0050]将得到的n个干扰导向矢量构成一个新的N
×
n维的干扰导向矩阵，即：
[0051][0052]作为本专利技术所述的基于期望导向矢量估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于期望导向矢量估计和矩阵重构的波束形成方法，其特征在于，包括：根据阵列接收到的数据构建采样协方差矩阵；根据所述采样协方差矩阵修正期望信号导向矢量；利用Capon空间谱估计干扰信号的导向矢量，并以此为基础估计噪声功率；利用所述的干扰信号的导向矢量估计干扰信号功率，并结合所述噪声功率重构干扰加噪声矩阵；将所述期望信号导向矢量和所述重构干扰加噪声矩阵带入MVDR波束形成器得到最终的权矢量表达式。2.如权利要求1所述的基于期望导向矢量估计和矩阵重构的波束形成方法，其特征在于：所述阵列接收到的数据为阵列接收的信号，所述阵列接收到的信号为远场窄带信号，所述阵列为均匀线阵，所述均匀线阵接收的信号表示为：其中，x
i
(t)代表第i个阵元接收到的信号，N代表阵元个数；对上述接收到的信号进行简化后，得到：x(t)＝a(θ)x1(t)其中，x(t)＝[x1(t) x2(t)
…
x
N
(t)]
T
，是一个阵列集合的列矢量，a(θ)为期望信号的导向矢量。3.如权利要求2所述的基于期望导向矢量估计和矩阵重构的波束形成方法，其特征在于：所述采样协方差矩阵为接收所述信号的自相关矩阵，表示为：其中，K代表采样快拍的数目。4.如权利要求3所述的基于期望导向矢量估计和矩阵重构的波束形成方法，其特征在于：所述期望信号的导向矢量，表示为：a(θ)＝[1 e
j2πd sin(θ)/λ
…
e
j2πd(N
‑
1)sin(θ)/λ
]
T
其中，[
·
]
T
代表行列式的转置运算。5.如权利要求4所述的基于期望导向矢量估计和矩阵重构的波束形成方法，其特征在于：所述修正包括：A1：利用所述期望信号的大致区域构建干扰信号的大致子空间：其中，表示期望信号的补集区域，即干扰和噪声区域，a(θ)为入射角度为θ的信号导向矢量；对所述子空间进行做cholesky分解，可以转换为：
其中，Q是一个上三角矩阵，代表了cholesky分解所得结果；A2：给矩阵Q引入一个不确定集合来保证最终波束形成器的性能A2：给矩阵Q引入一个不确定集合来保证最终波束形成器的性能其中‖Δ‖≤ε是为其设定的不确定集合的范围；为了保证期望信号的导向矢量不收敛到干扰信号的区域，为最优化问题设定一个类似于最坏情况的最优约束：量不收敛到干扰信号的区域，为最优化问题设定一个类似于最坏情况的最优约束：A3：对所述最优约束的不等式进行化简，得到新的约束表达式：其中，a
sv
代表了需要求解的期望信号导向矢量，θ
min
是信号入射范围内最小的入射角度，γ代表对角加载因子的大小；A4：利用矩阵知识对最优化问题进行松弛求解：其中，A≥0代表了A是一个半正定矩阵；对所述最优化问题求解得到A
opt
，Tr(
·
)代表矩阵的秩；A5：判断所求矩阵的秩，如果满足秩为1，则所求矩阵即为修正后的导向矢量，如果不满足条件则继续进行A7；A6...

【专利技术属性】
技术研发人员：赵丹，邵建功，
申请(专利权)人：南京理工大学紫金学院，
类型：发明
国别省市：