首页 / 专利库 / 专利权 / 第I章 / 国际申请 / 附图 / 基于特征分量剔除的自适应抗相干干扰技术

基于特征分量剔除的自适应抗相干干扰技术

阅读:183发布:2021-06-11

专利汇可以提供基于特征分量剔除的自适应抗相干干扰技术专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于特征分量剔除的自适应抗相干干扰技术。首先,对天线多通道接收数据协方差矩阵进行特征分解,判断大特征值数目;其次,在大特征值对应的特征矢量组中寻找 信号 与相干干扰对应的特征矢量,将其从协方差矩阵中减去;最后,对去除了信号与相干干扰分量的协方差矩阵进行对 角 加载,并由加载后矩阵计算自适应权值,对数据进行加权,具体步骤见 附图 。本发明方法在抑制不相关干扰的同时,避免了期望信号的相消,不存在阵列孔径损失,也无需掌握相干干扰的方向先验信息。只涉及特征分解和求逆运算,不涉及高阶累积量运算,步骤简单,计算量小。因此设备简单,成本低廉。此外,本发明方法把相干干扰作为有用信号加以接收利用,提高了对目标信号接收的增益。因此具有更好的接收性能。本发明方法只需要将程序下载到通用 信号处理 板上即可实现,易于推广,且只需要在通用可编程信号处理板上进行编程,所以在不改变系统结构的同时,系统升级方便,可广泛应用于各种具有多接收通道结构的系统,具有推广应用价值。,下面是基于特征分量剔除的自适应抗相干干扰技术专利的具体信息内容。

1.一种基于特征分量剔除的自适应抗相干干扰技术,包括以下技术步骤:
(1)利用系统固有的M(M>1)个接收通道,将M×N维接收数据X送入信号处理系统,N为采样数;
(2)信号处理系统对接收的通道数据进行协方差矩阵估计,从而得到多通道信号的协方差矩阵R:
(3)对协方差矩阵R进行特征分解,得到按大小排列的特征值λ1≥λ2≥…≥λM和对应特征矢量组u1,u2,…,uM;
(4)根据信息论准则判断大特征值数目P,P即为估计得到的信号数目,包括干扰与目标;
(5)在大特征值对应的特征矢量组中根据下式找出期望与相干干扰对应特征矢量ul:
式中a(θ0)为期望信号导向矢量,它是已知的;
(6)在协方差矩阵R中减去期望与相干干扰对应特征矢量组相关矩阵,得到R′:
(7)对R′进行适量的对加载,
式中L为加载量,根据经验确定;
(8)得到自适应权值:
H -1
式中μ′=1/[a(θ0)(R′+LI) a(θ0)],为一常数,用得到的自适应权值对多通道数据加权,结果送后续处理。
2.根据权利要求1所述的基于特征分量剔除的自适应抗相干干扰技术,其特征在于,在协方差矩阵R中减去期望与相干干扰对应特征矢量时,R′也可只保留排列于ul之前的特征矢量相关矩阵:
3.根据权利要求1所述的基于特征分量剔除的自适应抗相干干扰技术,其特征在于,R′对角加载过程中加载量的计算也可采用按R小特征值平均值进行计算:

说明书全文

基于特征分量剔除的自适应抗相干干扰技术

技术领域

[0001] 本发明涉及信号处理领域中的一种自适应相干干扰抑制技术,适用于具有多个空域通道的信号处理系统,如相控阵雷达信号处理系统和采用阵列天线的通信系统等,可以用于非相干干扰与相干干扰同时存在环境下的目标检测,实现对非相干干扰的抑制和对相干干扰的利用。

背景技术

[0002] 在自适应阵列信号处理中,往往存在相干干扰,如多径反射、智能干扰等,此时常规的自适应波束形成方法会引起期望信号相消,导致波束形成性能的严重下降。因此,如何有效地抑制相干干扰一直是相关技术领域内的难点。在此背景下,常采用空间平滑技术来进行处理,即利用子阵列的空间滑动来降低相干性,然后进行干扰对消,但这种技术以减小有效阵列孔径为代价,并且只适用于等距线阵类阵列中。这都严重限制了自适应波束形成的性能与应用。
[0003] 为了改进上述背景技术的缺点,需要识别非相干干扰与相干干扰,将引起期望相消的相干干扰与非相干干扰分离出来,这有两类方法可以利用:一是寻找干扰信号在非常规参数域内的不同,如采用基于累积量的最优盲波束形成技术;二是提取期望信号和相干干扰的波达方向信息,从空域上对其进行区分,如裂相变换去相关技术、多约束最小方差方法及辅助变换最小方差方法等。然而,前一种方法只能用于期望信号和相干干扰属于非正态分布而其它干扰和噪声属于正态分布的特殊场合,并且该技术由于要进行高阶累积量估计,因此还存在所需采样数多、运算量很大的缺点,应用与工程实践尚有一段距离;后一种方法需要掌握期望信号和相干干扰的波达方向先验知识,大部分情况下,这些先验知识是不可能已知的,必须加以估计,而对相干信号进行波达方向估计本身就是一个热点、难点课题,在复杂环境下更是如此。因此,一种能够简单、自适应的区分相干干扰与非相干干扰的技术成为相干干扰环境下应用自适应波束形成技术的关键。

发明内容

[0004] 本发明的目的在于克服上述背景技术中的不足,不改变系统系统现有通道结构的情况下,克服期望相消现象,实现对信号的保留和非相干干扰的抑制。
[0005] 为了实现上述的发明目的,本发明提供了一种基于特征分量剔除的自适应抗相干干扰技术,包括如下步骤:
[0006] (1)利用系统固有的M(M>1)个接收通道,将M×N维接收数据X送入信号处理系统,N为采样数;
[0007] (2)信号处理系统对接收的通道数据进行协方差矩阵估计,从而得到多通道信号的协方差矩阵R:
[0008]
[0009] (3)对协方差矩阵R进行特征分解,得到按大小排列的特征值λ1≥λ2≥…≥λM和对应特征矢量组u1,u2,…,uM;
[0010] (4)根据信息论准则判断大特征值数目P,P即为估计得到的信号数目,包括干扰与目标;
[0011] (5)在大特征值对应的特征矢量组中根据下式找出期望与相干干扰对应特征矢量ul:
[0012]
[0013] 式中a(θ0)为期望信号导向矢量,它是已知的;
[0014] (6)在协方差矩阵R中减去期望与相干干扰对应特征矢量组相关矩阵,得到R′:
[0015]
[0016] (7)对R′进行适量的对加载,
[0017]
[0018] 式中L为加载量,根据经验确定;
[0019] (8)得到自适应权值:
[0020]
[0021] 式中μ′=1/[aH(θ0)(R′+LI)-1a(θ0)],为一常数,用得到的自适应权值对多通道数据加权,结果送后续处理。
[0022] 其中,步骤(6)中R′也可只保留排列于ul之前的特征矢量相关矩阵:
[0023] 步骤(7)中加载量的计算也可采用按R小特征值平均值进行计算:
[0024] 本发明的优点在于:
[0025] (1)本发明自适应地剔除了协方差矩阵中期望信号和相干干扰的贡献,在抑制不相关干扰的同时,避免了期望信号的相消,且不存在阵列孔径损失。
[0026] (2)本发明不需掌握相干干扰的方向先验信息,避免了对相干干扰方向估计及其误差影响,步骤简单。
[0027] (3)本发明的处理过程只涉及特征分解和求逆运算,不涉及高阶累积量运算,计算量小。设备简单,成本低廉。
[0028] (4)本发明把相干干扰作为有用信号加以接收利用,提高了对目标信号接收的增益。因此具有更好的接收性能。
[0029] (5)本发明只需要将程序下载到通用信号处理板上即可实现,因此易于推广,且只需要在通用可编程信号处理板上进行编程,所以在不改变系统结构的同时,系统升级方便。附图说明
[0030] 图1是本发明的实施例的结构框图
[0031] 参照图1,本发明的实施例由天线多通道接收单元1、协方差矩阵估计单元2、特征值分解单元3、大特征值判断单元4、信号及相干干扰特征矢量判断单元5、相干干扰与信号去除单元6、对角加载单元7和权值计算与加权单元8组成。上述的协方差估计、特征分解、大特征值判断、信号及相干干扰特征矢量判断、相干干扰与信号去除、对角机载、权值计算与加权均可在通用可编程信号处理板上编程实现。

具体实施方式

[0032] 实施本发明的原理如下:
[0033] 针对实际环境中非相干干扰往往远大于期望信号和相干干扰这一特点,本发明提出一种新的基于特征分量剔除的自适应抗相干干扰技术。该技术先估计出期望信号和相干干扰的合成信号所对应的特征矢量,在协方差矩阵中摒弃这部分信号的贡献之后,再进行自适应求权和对消处理。这一做法的合理之处在于,在信号(包括期望信号和干扰信号)功率存在差别时,数据协方差矩阵大特征值对应特征矢量与信号导向矢量之间存在着一一对应关系,此时特征矢量可以分别反映对应信号导向矢量,而不受其他信号导向矢量的影响。
[0034] 假设系统有M个多通道,采样数为N,实施例中M=8,N=100。下面结合附图和实施例说明一下整个发明的详细步骤:
[0035] (1)由天线多通道单接收元1将接收到的数字信号数据存储到系统中,这一部分对存储器的大小、采样的精度要求与原系统相同。
[0036] (2)协方差矩阵估计单元2将接收单元1送来的N个采样进行协方差估计,公式如下:
[0037] R=XXH/N
[0038] 式中X为接收到的数据矩阵,其维数为M×N,R为数据协方差矩阵。
[0039] (3)特征值分解单元3对单元2送来的数据协方差矩阵R进行特征分解,得到按大小排列的特征值λ1 λ2…λM和对应特征矢量组u1 u2...uM。
[0040] (4)利用单元3送来的特征值λ1 λ2…λM,判断特征值数目P+1。这可根据特征值相对大小和采样数,选择利用AIC、MDL和HQ信息论准则判断大特征值数目,实施例中采用HQ准则进行大特征值数目的判断。
[0041] (5)根据大特征值判断单元4得出的大特征值数目P+1,计算大特征值对应的特征矢量组u1 u2...uP+1与期望信号导向矢量a(θ0)内积,根据大小选择信号与相干干扰对应的特征矢量ul:
[0042]
[0043] (6)计算单元5中选出的特征矢量ul的外积,乘以对应特征值λl,从协方差矩阵R中减去,得到不含信号和相干干扰的协方差矩阵R′:
[0044]
[0045] (7)对单元6给出的协方差矩阵R′进行对角加载:
[0046]
[0047] 式中I为单位阵,L为加载量。对角加载主要是因为R′是对R的降秩处理,对R′直接求逆会出现矩阵病态,而加载后可避免这一问题。因此,加载量L可根据矩阵R特征值进行计算:
[0048]
[0049] (8)利用单元7输出的加载后协方差矩阵R′计算权值:
[0050]
[0051] 式中μ′=1/[aH(θ0)(R′+LI)-1a(θ0)],为一常数。利用该权值对数据加权,得到输出y:
[0052] y=wHX
[0053] 最后将y送后续处理。
[0054] 虽然结合附图描述了本发明的实施方式,但是本领域普通技术人员可以在所附权利要求的范围内作出各种变形修改
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈