CN101937088A - 一种卫星导航接收设备空时二维抗干扰实现方法 - Google Patents

Abstract

本发明公开了一种卫星导航接收机空时二维抗干扰实现方案，它涉及基于阵列天线的空时二维联合抗干扰自适应权值的求取方法和实现方案。本发明主要包含如下两个方面：一、使用简单迭代法和高斯-赛德尔迭代法相结合的方法实现空时二维自适应权值的线性迭代求解；二、给出了使用上述线性迭代方法进行权矢量求解的流水线式硬件实现方案。本发明将复杂的空时二维联合抗干扰算法用低复杂度的、利于硬件实现、并可提高空时抗干扰实时性的方法来实现，为空时抗干扰算法的应用提供一种有效的解决途径。

Description

一种卫星导航接收设备空时二维抗干扰实现方法

技术领域

本发明涉及一种卫星导航接收设备的空时二维抗干扰方法，尤其涉及基于阵列天线并使用迭代方法求取空时二维权矢量的卫星导航信号空时二维抗干扰处理实现方法。

背景技术

传统的卫星导航接收机自适应抗干扰方法主要有空域滤波方法、时域滤波方法和频率滤波方法。这些抗干扰方法均存在一定的缺陷。空域滤波方法的原理是使接收天线在干扰来波方向上产生零馅，但是不能区分干扰源的频率；时域滤波方法可有效滤除窄带干扰，但是对于宽带干扰的抑制能力很弱。频域滤波方法对窄带干扰、带外强干扰有效，但是对于宽带干扰无能为力。

接收机空时二维抗干扰技术，是在阵列天线的各个天线上增加相同数目的延迟抽头，从而形成空时二维联合处理结构。如图1所示，从单个天线的角度来看，形成时域滤波结构。从同一个时间延迟节点来看，形成空域滤波结构。通过空时处理可以抑制多种窄带、宽带干扰信号，同时可以对干扰的方向加以区分。因此，空时二维联合抗干扰技术与上述传统抗干扰技术相比，在不增加天线阵元的情况下，大大增加了导航接收机的抗干扰处理自由度，使得其抗干扰能力有质的提高。

目前，空时二维抗干扰处理技术的关键点在于空时权矢量求解的实现方法。空时权矢量主要采用多种准则来约束，目前常用的约束准则有：最小均方误差准则、最大信干噪比准则、最大似然准则和线性约束最小方差准则。根据不同的工程需要可以选择不同的约束准则。在这些准则中，线性约束最小方差准则具有一定的优势。它主要利用导航信号功率远低于噪声和干扰功率的特性，大大削弱干扰能量，而导航信号成分基本不受影响。

线性约束最小方差(LCMV：Linearly Constrained Minimum Variance)准则，也称为最小方差(MV：Minimum Variance)准则。当难以将信号从干扰中分离出来时，最优处理器为保证信号无损失，在空时联合处理下同时对空域和时域进行约束，调整权值使输出信号方差最小，即使输出信号的功率最小。LCMV准则可用数学表达式描述为

$\begin{array}{ccc}\underset{W}{\min }\left\{W^H{R}_{X}W\right\}& s.t.& W^H{C}_X=g\end{array}$

其中，R_X＝E(XX^H)，是接收信号的协方差矩阵，C_X为约束矩阵，g为约束的响应向量，用拉格朗日方法求解为：

$W_{\mathrm{opt}}=R_X^{-1}{C}_X{\left(C_X^H{R}_X^{-1}{C}_X\right)}^{-1}{g}^H$

LCMV准则的应用受限于约束矩阵C_X，它所要求的应用条件根据C_X变化。

最小方差无失真响应(MVDR：Minimum Variance Distortionless Response)准则是LCMV准则的一种特例。当导航信号空时导向矢量S已知时，约束导航信号空时方向上的响应为g＝1，使输出信号功率最小。

$\begin{array}{ccc}{W}_{\mathrm{opt}}=\arg \underset{W}{\min }{W}^H\mathrm{RW}& s.t.& W^{H}S=1\end{array}$

此时最优权值为

W_opt＝(S^HR^-1S)^-1R^-1S

由于的运算结果不是一个矩阵，而是一个具体数值，因此计算时可忽略

因此基于线性约束最小方差准则的最优权值闭合解可以表达为

$W=R_X^{-1}S---\left(1\right)$

其中W为MP×1维向量，M为阵列天线的阵元数目，P为时间单元数目；R_X为MP×MP维的接收信号协方差矩阵；S为MP×1维的约束向量。不同的约束形式处理结果不同，其中简单约束和单星单约束是常用的约束形式。当信号方向未知时，可采取简单约束的形式，此时S＝[1，0，…，0]^T。如果单颗卫星的信号方向已知，可以采取单星单约束的形式，此时

其中

为克罗奈克积(Kronecker Product)，S_t为时间矢量，S_s为空间方向矢量。

直接利用(1)式进行空时权值计算时，其计算公式需引入矩阵求逆运算，当空时二维处理维数(空时处理维数等于天线阵元数目M与时间单元数目P的乘积)增大时，虽可获得较好抗干扰效果，并增加可抗干扰的数目。但是其运算量急剧增加，大运算量意味着算法需要很长的运算时间和很高的系统复杂度，这将影响自适应算法的收敛性，并降低了自适应抗干扰的实时性，难以应用于复杂电磁环境场景中。因此，目前很多文献研究了空时二维抗干扰的降维处理方法，如主成分法、互谱度方法、辅助向量滤波方法和多级维纳滤波方法等。主成分法和互谱度方法需对接收信号协方差矩阵进行特征分解，因此计算量仍较大；辅助向量滤波方法需要引入较多的矩阵乘法和向量范数运算，计算量大且仿真效果不理想；多级维纳滤波方法计算过程复杂，也不适合于工程实现。

综上所述，现有空时二维抗干扰算法的计算过程复杂、运算量大，不适合于工程实现，使得空时抗干扰、尤其是空时处理维数较高的空时抗干扰算法无法获得实际应用。

发明内容

根据上述背景技术，本发明的目的在于为了避免空时抗干扰算法计算过程复杂、难以工程实现的缺点而提供一种应用于卫星导航接收设备的空时二维抗干扰处理实现方案。

本发明的主要内容如下：

一种卫星导航接收设备空时二维抗干扰实现方法，该方法计算得到一组权值，把权值与阵列天线接收到的各路信号进行加权处理并合路输出，卫星导航接收设备可以对合路输出的信号进行测距、定位，其特征在于：

①通过线性迭代方法完成自适应权值的估计；

②通过现场可编程门阵列(FPGA)内的流水线实现方案完成上述自适应权值估计过程。

其中，所述线性迭代方法的权值求解过程所用的公式为：

W＝(I-R_X)W+S＝CW+S    (1)

其中W＝[w₁，w₂，…，w_MP]^T，是空时二维权矢量；C＝I-R_X，为迭代算法的系数矩阵；I为单位阵，R_X为输入数据的协方差矩阵；M为天线阵元数目，P为时间单元数目，S为MP×1维的约束向量。

公式(1)所述线性迭代方法的具体迭代方式为简单迭代法与高斯——赛德尔迭代法相结合方式，其计算公式为：

$\left\{\begin{array}{cc}{w}_i^{k+1}=\underset{j=1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=\mathrm{1,2},...,L)\\ w_i^{k+1}=\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^{k+1}+\underset{j=L+1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=L,L+1,...,2L)\\ w_i^{k+1}=\underset{j=1}{\overset{2L}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^{k+1}+\underset{j=2L+1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=2L,2L+1,...,3L)\\ ......& \\ w_i^{k+1}=\underset{j=1}{\overset{(U-1)L}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^{k+1}+\underset{j=(U-1)L+1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=\mathrm{UL}-L+1,\mathrm{UL}-L+2,...,\mathrm{UL})\end{array}\right.---\left(2\right)$

其中

为W＝[w₁，w₂，…，w_MP]^T中第i个权值的第k次迭代结果，c_ij为C中的第i行第j列，s_i为S中的第i个值，L为同时进行更新的权值数目，有MP/L＝U，U为将空时处理维数MP分成的段数。

公式(2)中，在每次权值迭代计算时包括如下步骤：

步骤501：将空时处理维数MP分成若干段，每一段具有m个数据，并尽量使log₂m≈MP/m，其中m为同时并行执行的乘法器个数；

步骤502：进行m个系数和m个权值的乘法运算，同时进行上一次权值更新时所得结果的累加运算，即求取m/2个加法结果与m/2个加法结果的和；

步骤503：进行m个系数和m个权值的乘法运算，同时在步骤502中所得加法运算结果的基础上继续进行加法运算，即求取m/4个加法结果与m/4个加法结果的和；

步骤504：进行m个系数和m个权值的乘法运算，同时对步骤501和步骤502中所得的乘法运算结果进行加法运算，并求取上次权值计算时m/8个加法结果与m/8个加法结果的和；

步骤505：按照上述规律继续进行运算，直到本次权值运算中最后m个乘法结果与m个加法结果的和求取完毕，并且上一次权值运算结果的累加过程完毕为止；

步骤506：迭代结束后，输出权值。

本发明的有益效果为：将传统复杂的空时抗干扰算法用一种易于工程应用的迭代计算方法来实现，该方法能够有效地降低计算量和实现的复杂度，并且和理论上的理想空时权矢量闭合解相比，基本不影响抗干扰性能。同时，该方法的迭代计算的形式可以用基于FPGA的并行流水线运算模式来实现，这保证了空时权矢量求取的实时性。

附图说明

图1为导航信号空时抗干扰原理示意图。

图2为单通道空时处理的总体实现方案示意图。

图3为有限脉冲响应(FIR)低通滤波实现方案示意图。

图4为多通道空时处理的总体实现方案示意图。

图5为空时权矢量的流水线迭代计算方案示意图。

具体实施方式

下面结合具体实施例和附图对本发明做进一步的描述：

单通道的空时处理实现方案如图2所示。首先对阵列接收信号中的每一路进行带通采样A/D变换，经过FIR(Finite Impulse Response)低通滤波模块后对输入数据进行延迟和存储，形成每一时刻的空时数据向量，该向量可以表达为

X＝[x₁₁x₁₂…x_1Px₂₁x₂₂…x_2P……x_M1x_M2…x_MP]^T

利用每一时刻的空时数据向量计算并存储“I-R_X”，然后即可利用式(2)进行迭代计算。在整个空时处理过程中，由于需要大量的矩阵乘法运算，所以宜用FPGA进行实现，这是因为FPGA芯片内可以进行大量的并行乘法运算。

如果空时处理维数较低，硬件资源较为丰富，则可采用多通道的空时抗干扰方案，如图4所示。多个空时处理通道可以同时并行运行，但是每个通道采样输入数据的时间不同，每个通道计算好权值的时间也不同，这样从整体来看增加了空时抗干扰的实时性。需要注意的是，在迭代求取权矢量之前，需将C、W和S都表示成浮点数的形式，否则每次迭代时均进行定点乘法舍入会使空时抗干扰完全失效。

如果空时处理维数较高，而硬件资源较为紧张，则在矩阵相乘时C中的一个行向量与权矢量W的乘法无法在一个时间段内同时完成，即空时处理维数MP大于可用的乘法器资源数目时，则可以采用如图5所示的方案进行计算。在该方案中，将空时处理维数分成若干段，每一段含有m个数据。在每一次权值更新时，只计算本次数据相乘时的乘法结果，而乘法结果的累加值在下一次权值更新时进行计算。这是因为浮点乘法与浮点加法在FPGA中执行一次所需要的时间基本相同。这样在每次计算权值时，实际上是使用了前两次及所有以前的权值更新结果，而前一次的权值更新结果尚未计算出来。这实际上是在硬件实现方案上采用了L＝2的简单迭代法与高斯——赛德尔迭代相结合方法。这样做既充分利用硬件资源，又最大程度地提高了空时抗干扰处理的实时性。

如图5所示，每次行向量与列向量相乘时，本次的矩阵元素乘法运算与上次矩阵元素乘法计算结果的累加过程同时进行，如果乘法过程所进行的步骤数目与加法过程所进行的步骤数目完全相同，则可最充分地利用资源，使迭代过程在最短的时间内结束。此时需要满足以下条件：

log₂m＝MP/m

其中MP为空时处理维数，m为同时并行执行的乘法器个数。如图5可知，在该方案中，所需的浮点乘法器个数为m，浮点加法器个数为9m/8，因而节约了资源的使用。因此在确定空时抗干扰方案时，为了尽量提高空时抗干扰性能、实时性，并尽量降低资源使用，应对M、P和m进行预先设计。

现以单通道为例叙述空时抗干扰过程的具体实施方式。多通道实施方案中，每个通道的实现方案与单通道情况相同。单通道空时抗干扰实现方案包括如下步骤：

步骤101：使用阵列天线接收射频信号，并将射频信号模拟下变频到中频；

步骤102：对阵列模拟中频信号的每个通道进行A/D变换，A/D变换速率满足带通采样定理，最好等于中频导航信号所占频带的上边沿值，即如果导航信号所占频带为60MHz～80MHz，则A/D速率选为80MHz；

步骤103：空时二维自适应权值计算；

步骤104：将空时权值与接收的空时信号进行实时相乘，得到空时抗干扰后的接收数据，并输出至数字导航接收机中(或一体化接收机的后续处理部分)。

在上述步骤103中，其空时权矢量求取的具体方案如图2所示。空时权矢量计算的实现方案包括如下步骤：

步骤201：对步骤102输出的阵列数字信号进行FIR低通滤波；

步骤202：求取空时二维接收数据并进行存储；也即计算每一时刻的空时二维接收向量，该向量可表示为

X＝[x₁₁x₁₂…x_1Px₂₁x₂₂…x_2P……x_M1x_M2…x_MP]^T

其中x_i1(t)＝x_i2(t-Δ)＝…＝x_iP(t-PΔ+Δ)，i＝1，2，…，M，Δ≤T_c/2，Δ为时间延迟间隔，T_c为导航信号的码元时间间隔。将所有采样接收数据的连续片段存储于FPGA的存储器中，用来估计接收信号的协方差矩阵。存储器的个数应等于空时处理维数，即每一维空时接收数据利用一个存储器进行存储，这样可以方便进行协方差矩阵的求取。每个存储器的深度等于接收数据的采样点数，深度越大协方差的估计越准确，但同时占用的存储器资源也多；

步骤203：求取输入数据的协方差矩阵；可以采用定点乘法器来计算接收信号的自相关和互相关。累加次数等于接收数据的采样点数，累加完毕后将整个矩阵除以采样点数即得到估算的协方差矩阵。

步骤204：对求取的协方差矩阵计算C＝I-R；

步骤205：将由定点数表示的C和已知的约束向量S转换为浮点数表示的形式，并存储于FPGA的存储器中；

步骤206：进行迭代求取权值计算，并在每次迭代后更新权值，直到达到固定的迭代次数时终止。迭代计算总体公式为

W＝(I-R_X)W+S＝CW+S

每次迭代时的具体计算公式为

$\left\{\begin{array}{cc}{w}_i^{k+1}=\underset{j=1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=\mathrm{1,2},...,L)\\ w_i^{k+1}=\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^{k+1}+\underset{j=L+1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=L,L+1,...,2L)\\ w_i^{k+1}=\underset{j=1}{\overset{2L}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^{k+1}+\underset{j=2L+1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=2L,2L+1,...,3L)\\ ......& \\ w_i^{k+1}=\underset{j=1}{\overset{(U-1)L}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^{k+1}+\underset{j=(U-1)L+1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=\mathrm{UL}-L+1,\mathrm{UL}-L+2,...,\mathrm{UL})\end{array}\right.$

利用以上两式进行迭代计算时，迭代次数越高其结果越精确；

步骤207：输出权值。

在上述步骤201中，其FIR低通滤波器的设计方案如图3所示，FIR低通滤波器的实现包括如下步骤：

步骤301：根据所要求的滤波器性能，选择滤波器级数、窗函数进行滤波器系数设计；

步骤302：利用FIR滤波器系数具有对称性的特点，采用分布式方案进行滤波器实现。如图3所示，将系数相同的延迟节点数据进行相加，然后与滤波器系数相乘，再将所有乘积结果累加。图3表达了一个8级滤波器的实现方案结构图，其他级数的滤波器实现方案与图3类似。

在上述步骤206中，其每一次迭代计算的具体流程如图5所示，其主要步骤包括：

步骤501：将空时处理维数MP分成若干段，每一段具有m个数据，并尽量使log₂m≈MP/m；

步骤502：进行m个系数和m个权值的乘法运算，同时进行上一次权值更新时所得结果的累加运算，即求取m/2个加法结果与m/2个加法结果的和；

步骤503：进行m个系数和m个权值的乘法运算，同时在步骤502中所得加法运算结果的基础上继续进行加法运算，即求取m/4个加法结果与m/4个加法结果的和；

步骤504：进行m个系数和m个权值的乘法运算，同时对步骤501和步骤502中所得的乘法运算结果进行加法运算，并求取上次权值计算时m/8个加法结果与m/8个加法结果的和；

步骤505：按照上述规律继续进行运算，直到本次权值运算中最后m个乘法结果与m个加法结果的和求取完毕，并且上一次权值运算结果的累加过程完毕为止；

步骤506：迭代结束后，输出权值。

图5所示的迭代过程实施例是典型实施例，按图5所示的实施方法可在保证算法实时性的基础上最大程度地降低单通道空时处理的硬件资源消耗，使整个设计更容易实现成多通道的方式。除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形式的技术方案，均落在本发明要求的保护范围。

Claims (4)

1.一种卫星导航接收设备空时二维抗干扰实现方法，该方法计算得到一组权值，把权值与阵列天线接收到的各路信号进行加权处理并合路输出，卫星导航接收设备对合路输出的信号进行测距、定位，其特征在于：

(1)通过线性迭代方法完成自适应权值的估计；

(2)通过现场可编程门阵列(FPGA)内的流水线实现方案完成上述自适应权值估计过程。

2.根据权利要求1所述的一种卫星导航接收设备空时二维抗干扰实现方法，其特征在于所述线性迭代方法的权值求解过程所用的公式为：

W＝(I-R_X)W+S＝CW+S

其中W＝[w₁，w₂，…，w_MP]^T，是空时二维权矢量；C＝I-R_X，为迭代算法的系数矩阵；I为单位阵，R_X为输入数据的协方差矩阵；M为天线阵元数目，P为时间单元数目，S为MP×1维的约束向量。

3.根据权利要求2所述的一种卫星导航接收设备空时二维抗干扰实现方法，其特征在于所述线性迭代方法为简单迭代法与高斯——赛德尔迭代法相结合方法，其计算公式为：

$\left\{\begin{array}{cc}{w}_i^{k+1}=\underset{j=1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=\mathrm{1,2},...,L)\\ w_i^{k+1}=\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^{k+1}+\underset{j=L+1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=L,L+1,...,2L)\\ w_i^{k+1}=\underset{j=1}{\overset{2L}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^{k+1}+\underset{j=2L+1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=2L,2L+1,...,3L)\\ ......& \\ w_i^{k+1}=\underset{j=1}{\overset{(U-1)L}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^{k+1}+\underset{j=(U-1)L+1}{\overset{\mathrm{MP}}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{w}_j^k+s_i& (i=\mathrm{UL}-L+1,\mathrm{UL}-L+2,...,\mathrm{UL})\end{array}\right.$

其中

为W＝[w₁，w₂，…，w_MP]^T中第i个权值的第k次迭代结果，c_ij为C中的第i行第j列，s_i为S中的第i个值，L为同时进行更新的权值数目，有MP/L＝U，U为将空时处理维数MP分成的段数。

4.根据权利要求3所述的一种卫星导航接收设备空时二维抗干扰实现方法，其特征在于每一次权值迭代计算包含如下步骤：

步骤501：将空时处理维数MP分成若干段，每一段具有m个数据，并尽量使log₂m≈MP/m，其中m为同时并行执行的乘法器个数；

步骤502：进行m个系数和m个权值的乘法运算，同时进行上一次权值更新时所得结果的累加运算，即求取m/2个加法结果与m/2个加法结果的和；

步骤503：进行m个系数和m个权值的乘法运算，同时在步骤502中所得加法运算结果的基础上继续进行加法运算，即求取m/4个加法结果与m/4个加法结果的和；

步骤504：进行m个系数和m个权值的乘法运算，同时对步骤501和步骤502中所得的乘法运算结果进行加法运算，并求取上次权值计算时m/8个加法结果与m/8个加法结果的和；

步骤505：按照上述规律继续进行运算，直到本次权值运算中最后m个乘法结果与m个加法结果的和求取完毕，并且上一次权值运算结果的累加过程完毕为止；

步骤506：迭代结束后，输出权值。

Images