CN104777491A - 一种盲波束宽带干扰抑制方法及装置 - Google Patents

Abstract

本发明提供一种盲波束宽带干扰抑制方法及装置；所述方法，包括：101、分别积累N段长度为K的中频AD采样信号，分别对所述中频AD采样信号进行K点快速傅里叶变换得到频域数组；102、确定卫星信号带宽对应整个带宽的频点个数B；103、计算信号带宽内的B个频点的协方差矩阵R_b；104、分别对每个频点的所述协方差矩阵R_b进行特征分解，得到每个协方差矩阵R_b的特征分解表达式，其中每个协方差矩阵R_b的特征分解表达式包括信号与干扰张成的子空间和噪声子空间；105、分别根据每个协方差矩阵R_b的特征分解表达式，确定对角加载矩阵约束下的该频点的权向量w_b；106、利用各频点的所述权向量w_b对所述频域数组进行空域滤波处理；107、对空域滤波后的频域数据进行K点快速傅里叶逆变换，得到时域中频数据。

Description

一种盲波束宽带干扰抑制方法及装置

技术领域

本发明涉及通信领域，尤其涉及一种盲波束宽带干扰抑制方法及装置。

背景技术

高功率密度的窄带和宽带干扰已经成为破坏军用导航系统最主要的因素，阵列天线调零技术是提高卫星导航接收机抗干扰能力的主要方法，它在抑制空间干扰时，通过权矢量的更新在干扰的到达方向上形成零点，以对消掉空间干扰。绝大多数的通信信号都具有循环平稳特性，因此在无线通信系统中可利用期望信号的循环频率进行盲波束形成，优点是无需参考信号、阵列校准、噪声和干扰相关特性的先验知识，只要具有循环频率的先验知识即可提取期望信号，并抑制干扰和噪声。在实际应用中，由于多普勒效应等因素的影响，准确的循环频率很难预知，而基于循环频率的盲波束形成算法对于循环频率误差很敏感而导致算法性能下降。

发明内容

本发明提供一种盲波束宽带干扰抑制方法及装置，要解决的技术问题是由于多普勒效应等因素的影响，引起的盲波束形成算法失效问题。

为解决上述技术问题，本发明提供了如下技术方案：

一种盲波束宽带干扰抑制方法，包括：

101、对空频二维处理器的M个接收阵元，分别积累N段长度为K的中频AD采样信号，分别对所述中频AD采样信号进行K点快速傅里叶变换得到频域数组：

X₁₁,X₁₂,···X_1K；X₂₁,X₂₂,···X_2K；···X_M1,X_M2,···X_MK；

所述频域数组中各频域信号均是长度为N的序列；

102、确定卫星信号带宽对应整个带宽的频点个数B；

103、根据所述频域数组，计算信号带宽内的B个频点的协方差矩阵R_b，其中其中X_b＝[X_1k,X_2b,···X_MB]^T,b＝1,2,...,B；

104、分别对每个频点的所述协方差矩阵R_b进行特征分解，得到每个协方差矩阵R_b的特征分解表达式，其中每个协方差矩阵R_b的特征分解表达式包括信号与干扰张成的子空间和噪声子空间；

105、分别根据每个协方差矩阵R_b的特征分解表达式，确定对角加载矩阵约束下的该频点的权向量w_b；

106、利用各频点的所述权向量w_b对所述频域数组进行空域滤波处理；

107、对空域滤波后的频域数据进行K点快速傅里叶逆变换，得到时域中频数据。

其中，所述每个协方差矩阵R_b的特征分解表达式为：

R_b＝V_bSA_bSV_bS ^H+V_bnA_bnV_bn ^H，

其中，V_bS是信号与干扰张成的子空间，V_bn是噪声子空间，V_bS、V_bn均为正交矩阵，A_bS、A_bn分别为V_bS、V_bn的对角阵。

其中，分别根据每个协方差矩阵R_b的特征分解表达式和周期自适应波束形成CAB算法的表达式，得到对角加载矩阵约束下的该频点的权向量w_b，其中CAB算法的表达表达式如下：

$\underset{w}{\min }{\left|\right|w-w_{\mathrm{CAB}}\left|\right|}^2$

w∈range{V_S}

其中，其中G是M维的全1列向量。

其中，所述对角加载矩阵约束下的权向量w_b为：

$w_b=V_{\mathrm{bS}}{A}_{\mathrm{bS}}^{-1}{V_{\mathrm{bS}}}^H{R}_b^{-1}G.$

其中，滤波后得到的输出信号为：

y_k(n)＝w_1kX_1k(n)+w_2kX_2k(n)+...+w_MkX_Mk(n)；

其中，y_k(n)为第k个频点空域滤波的输出，n为时刻的序号。

一种盲波束宽带干扰抑制装置，包括：

变换模块，用于对空频二维处理器的M个接收阵元，分别积累N段长度为K的中频AD采样信号，分别对所述中频AD采样信号进行K点快速傅里叶变换得到频域数组：

X₁₁,X₁₂,···X_1K；X₂₁,X₂₂,···X_2K；···X_M1,X_M2,···X_MK；

所述频域数组中各频域信号均是长度为N的序列；

确定模块，用于确定卫星信号带宽对应整个带宽的频点个数B；

矩阵计算模块，用于根据所述频域数组，计算信号带宽内的B个频点的协方差矩阵R_b；

其中其中X_b＝[X_1k,X_2b,···X_MB]^T,b＝1,2,...,B；

矩阵分解模块，用于分别对每个频点的所述协方差矩阵R_b进行特征分解，得到每个协方差矩阵R_b的特征分解表达式，其中每个协方差矩阵R_b的特征分解表达式包括信号与干扰张成的子空间和噪声子空间；

权向量确定模块，用于分别根据每个协方差矩阵R_b的特征分解表达式，确定对角加载矩阵约束下的该频点的权向量w_b；

空域滤波模块，用于利用各频点的所述权向量w_b对所述频域数组进行空域滤波处理；

逆变换模块，用于对空域滤波后的频域数据进行K点快速傅里叶逆变换，得到时域中频数据。

其中，所述每个协方差矩阵R_b的特征分解表达式为：

R_b＝V_bSA_bSV_bS ^H+V_bnA_bnV_bn ^H，

其中，V_bS是信号与干扰张成的子空间，V_bn是噪声子空间，V_bS、V_bn均为正交矩阵，A_bS、A_bn分别为V_bS、V_bn的对角阵。

其中，分别根据每个协方差矩阵R_b的特征分解表达式和CAB算法的表达式，得到对角加载矩阵约束下的该频点的权向量w_b，其中CAB算法的表达表达式如下：

$\underset{w}{\min }{\left|\right|w-w_{\mathrm{CAB}}\left|\right|}^2$

w∈range{V_S}

其中，其中G是M维的全1列向量。

其中，所述对角加载矩阵约束下的权向量w_b为：

$w_b=V_{\mathrm{bS}}{A}_{\mathrm{bS}}^{-1}{V_{\mathrm{bS}}}^H{R}_b^{-1}G.$

其中，滤波后得到的输出信号为：

y_k(n)＝w_1kX_1k(n)+w_2kX_2k(n)+...+w_MkX_Mk(n)；

其中，y_k(n)为第k个频点空域滤波的输出，n为时刻的序号。

本发明提供实施例，改进了盲处理算法波束形成的方法，利用信号干扰空间的权值来纠正导向向量的循环频率的失配。该方法不需先验信息，增强了宽带干扰抑制算法的实时性和稳健性。

附图说明

图1为本发明提供的盲波束宽带干扰抑制方法的流程图；

图2为本发明提供的盲波束宽带干扰抑制装置的结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步的详细描述。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

图1为本发明提供的盲波束宽带干扰抑制方法的流程图。图1所示方法，包括：

101、对空频二维处理器的M个接收阵元，分别积累N段长度为K的中频AD采样信号，分别对所述中频AD采样信号进行K点快速傅里叶变换得到频域数组：

X₁₁,X₁₂,···X_1K；X₂₁,X₂₂,···X_2K；···X_M1,X_M2,···X_MK；

所述频域数组中各频域信号均是长度为N的序列；

其中X₁₁是指第1个接收阵元中第1个采样点的频域信号，X_MK是指第M个接收阵元中第K个采样点的频域信号，其它以此类推；所述频域数组中各频域信号均是长度为N的序列；

102、确定卫星信号带宽对应整个带宽的频点个数B；

103、根据所述频域数组，计算信号带宽内的B个频点的协方差矩阵R_b，其中其中X_b＝[X_1k,X_2b,···X_MB]^T _,b＝1,2,...,B；

104、分别对每个频点的所述协方差矩阵R_b进行特征分解，得到每个协方差矩阵R_b的特征分解表达式，其中每个协方差矩阵R_b的特征分解表达式包括信号与干扰张成的子空间和噪声子空间；

105、分别根据每个协方差矩阵R_b的特征分解表达式，确定对角加载矩阵约束下的该频点的权向量w_b；

106、利用各频点的所述权向量w_b对所述频域数组进行空域滤波处理；

107、对空域滤波后的频域数据进行K点快速傅里叶逆变换，得到时域中频数据。

本实施例的一种实施方式中，所述每个协方差矩阵R_b的特征分解表达式为：

所述每个协方差矩阵R_b的特征分解表达式为：

R_b＝V_bSA_bSV_bS ^H+V_bnA_bnV_bn ^H，

其中，V_bS是信号与干扰张成的子空间，V_bn是噪声子空间，V_bS、V_bn均为正交矩阵，A_bS、A_bn分别为V_bS、V_bn的对角阵。

由此可以看出，本发明利用协方差矩阵特征分解后的表达式，得到包括信号与干扰张成的子空间和噪声子空间的表达式，实现了对信号干扰子空间的分解。

本实施例的一种实施方式中，分别根据每个协方差矩阵R_b的特征分解表达式和改进的周期自适应波束形成(Cyclic Adaptive Beamforming，CAB)算法的表达式，得到对角加载矩阵约束下的该频点的权向量w_b，其中CAB算法的表达表达式如下：

$\underset{w}{\min }{\left|\right|w-w_{\mathrm{CAB}}\left|\right|}^2$

w∈range{V_S}

其中，其中G是M维的全1列向量。

其中，所述对角加载矩阵约束下的权向量w_b为：

$w_b=V_{\mathrm{bS}}{A}_{\mathrm{bS}}^{-1}{V_{\mathrm{bS}}}^H{R}_b^{-1}G.$

下面对上述权向量的获取进行说明：

传统盲波束形成优化目标函数为，

$\underset{w,c}{\max }{\left|w^H{R}_k^{-1}c\right|}^2$

w^Hw＝c^Hc＝1

传统盲波束形成最优权值w_CAB∝a_d，为了降低运算量，运算量为O(M)的快速近似算法其中G是M维的全1列向量。

通过CAB算法的信号干扰空间的权值来纠正导向向量的循环频率的失配。可通过下面的最优化问题解决：

$\underset{w}{\min }{\left|\right|w-w_{\mathrm{CAB}}\left|\right|}^2$

w∈range{V_S}

根据协方差矩阵R_b，协方差矩阵的特征分解R_b＝V_bSA_bSV_bS ^H+V_bnA_bnV_bn ^H，V_bS是信号与干扰张成的子空间，V_bn是噪声子空间，V_bS、V_bn均为正交矩阵，A_bS、A_bn分别为V_bS、V_bn的对角阵。w_b属于V_bS，由式可知w_b应该与w_CAB正交，即w_b＝V_bSV_bS ^Hw_CAB。

所以权向量 $w_b\∝R_b^{-1}{V}_{\mathrm{bS}}{V_{\mathrm{bS}}}^H{w}_{\mathrm{CAB}}\∝V_{\mathrm{bS}}{A}_{\mathrm{bA}}^{-1}{V_{\mathrm{bS}}}^H{w}_{\mathrm{CAB}},$ 令 $w_b=V_{\mathrm{bS}}{A}_{\mathrm{bS}}^{-1}{V_{\mathrm{bS}}}^H{R}_b^{-1}G,$ 其中G是M维的全1列向量，而对于信号带宽内对应B个频点之外的K-B个频点，权向量为0矢量；

下面对上述权向量的获取进行说明：

其中，滤波后得到的输出信号为：

y_k(n)＝w_1kX_1k(n)+w_2kX_2k(n)+...+w_MkX_Mk(n)；

其中，y_k(n)为第_k个频点空域滤波的输出，n为时刻的序号，w_1k，w_2k，……，w_Mk为第k个频点的权向量w_k中所包含的M个权系数。

其中，步骤106中实现空域滤波处理的具体步骤如下：

(1)每个阵元接收AD数据经过相同的级联陷波处理后，经过K点FFT变换。用X表示频域数组为：

X＝[X₁₁,X₁₂,···X_1K；X₂₁,X₂₂,···X_2K；···X_M1,X_M2,···X_MK]

(2)根据频域数组，计算协方差矩阵R_k＝E[X_kX_k ^H](M×M维)；

X_k＝[X_1k,X_2k,···X_Mk]^T k＝1,2,...,K

(3)求解线性约束的最小方差方程，包括：

1)由线性约束最小方差准则，该处理器可以描述为以下最优化问题：

$\left\{\begin{array}{cc}\mathrm{Min}& E\left\{{\left|y_k\left(n\right)\right|}^2\right\}={w_k}^H{R}_k{w}_k\\ s.t.& a^H{w}_k=1\end{array}\right.k=\mathrm{1,2},...,K$

其中，空间导向矢量a表示为

利用拉格朗日乘子法可以推导出多约束最小方差处理器的解为：

w_k＝R_k ^-1a

(4)利用最优权值w_k对频域数组进行空域滤波处理，表达式为：

y_k(n)＝w_1kX_1k(n)+w_2kX_2k(n)+...+w_MkX_Mk(n)

y_k(n)为第k个频点空域滤波的输出。

本发明提供方法实施例，无线通信系统中可利用期望信号的循环频率进行盲波束形成，无需参考信号、阵列校准、噪声和干扰相关特性的先验知识，只要具有循环频率的先验知识即可提取期望信号，并抑制干扰和噪声。在实际应用中，由于多普勒效应等因素的影响，准确的循环频率很难预知，而基于循环频率的盲波束形成算法对于循环频率误差很敏感而导致算法性能下降。本发明改进了盲处理算法波束形成的方法，利用信号干扰空间的权值来纠正导向向量的循环频率的失配。该方法不需先验信息，增强了宽带干扰抑制算法的实时性和稳健性。

图2为本发明提供的盲波束宽带干扰抑制装置的结构图。图2所示装置包括：

变换模块，用于对空频二维处理器的M个接收阵元，分别积累N段长度为K的中频AD采样信号，分别对所述中频AD采样信号进行K点快速傅里叶变换得到频域数组：

X₁₁,X₁₂,···X_1K；X₂₁,X₂₂,···X_2K；···X_M1,X_M2,···X_MK；

所述频域数组中各频域信号均是长度为N的序列；

确定模块，用于确定卫星信号带宽对应整个带宽的频点个数B；

矩阵计算模块，用于根据所述频域数组，计算信号带宽内的B个频点的协方差矩阵R_b；

其中其中X_b＝[X_1k,X_2b,···X_MB]^T,b＝1,2,...,B；

矩阵分解模块，用于分别对每个频点的所述协方差矩阵R_b进行特征分解，得到每个协方差矩阵R_b的特征分解表达式，其中每个协方差矩阵的特征分解表达式包括信号与干扰张成的子空间和噪声子空间；

权向量确定模块，用于分别根据每个协方差矩阵R_b的特征分解表达式，确定对角加载矩阵约束下的该频点的权向量w_b；

空域滤波模块，用于利用各频点的所述权向量w_b对所述频域数组进行空域滤波处理；

逆变换模块，用于对空域滤波后的频域数据进行K点快速傅里叶逆变换，得到时域中频数据。

在本实施例的一种实施方式中，所述每个协方差矩阵R_b的特征分解表达式为：

R_b＝V_bSA_bSV_bS ^H+V_bnA_bnV_bn ^H，

其中，V_bS是信号与干扰张成的子空间，V_bn是噪声子空间，V_bS、V_bn均为正交矩阵，A_bS、A_bn分别为V_bS、V_bn的对角阵。

本实施例的一种实施方式中，分别根据每个协方差矩阵R_b的特征分解表达式和CAB算法的表达式，得到对角加载矩阵约束下的该频点的权向量w_b，其中CAB算法的表达表达式如下：

$\underset{w}{\min }{\left|\right|w-w_{\mathrm{CAB}}\left|\right|}^2$

w∈range{V_S}

其中，其中G是M维的全1列向量。

在本实施例的一种实施方式中，所述对角加载矩阵约束下的权向量w_b为：

$w_b=V_{\mathrm{bS}}{A}_{\mathrm{bS}}^{-1}{V_{\mathrm{bS}}}^H{R}_b^{-1}G.$

在本实施例的一种实施方式中，滤波后得到的输出信号为：

y_k(n)＝w_1kX_1k(n)+w_2kX_2k(n)+...+w_MkX_Mk(n)；

其中，y_k(n)为第k个频点空域滤波的输出，n为时刻的序号。

本发明提供装置实施例，改进了盲处理算法波束形成的方法，利用信号干扰空间的权值来纠正导向向量的循环频率的失配。该方法不需先验信息，增强了宽带干扰抑制算法的实时性和稳健性。

本领域普通技术人员可以理解上述实施例的全部或部分步骤可以使用计算机程序流程来实现，所述计算机程序可以存储于一计算机可读存储介质中，所述计算机程序在相应的硬件平台上(如系统、设备、装置、器件等)执行，在执行时，包括方法实施例的步骤之一或其组合。

可选地，上述实施例的全部或部分步骤也可以使用集成电路来实现，这些步骤可以被分别制作成一个个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

上述实施例中的各装置/功能模块/功能单元可以采用通用的计算装置来实现，它们可以集中在单个的计算装置上，也可以分布在多个计算装置所组成的网络上。

上述实施例中的各装置/功能模块/功能单元以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。上述提到的计算机可读取存储介质可以是只读存储器，磁盘或光盘等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求所述的保护范围为准。

Claims (10)

1.一种盲波束宽带干扰抑制方法，其特征在于，包括：

101、对空频二维处理器的M个接收阵元，分别积累N段长度为K的中频AD采样信号，分别对所述中频AD采样信号进行K点快速傅里叶变换得到频域数组：

X₁₁,X₁₂,…X_1K；X₂₁,X₂₂,…X_2K；…X_M1,X_M2,…X_MK；

所述频域数组中各频域信号均是长度为N的序列；

102、确定卫星信号带宽对应整个带宽的频点个数B；

103、根据所述频域数组，计算信号带宽内的B个频点的协方差矩阵R_b，其中其中X_b＝[X_1k,X_2b,…X_MB]^T,b＝1,2,...,B；

104、分别对每个频点的所述协方差矩阵R_b进行特征分解，得到每个协方差矩阵R_b的特征分解表达式，其中每个协方差矩阵R_b的特征分解表达式包括信号与干扰张成的子空间和噪声子空间；

105、分别根据每个协方差矩阵R_b的特征分解表达式，确定对角加载矩阵约束下的该频点的权向量w_b；

106、利用各频点的所述权向量w_b对所述频域数组进行空域滤波处理；

107、对空域滤波后的频域数据进行K点快速傅里叶逆变换，得到时域中频数据。

2.根据权利要求1所述的方法，其特征在于：

所述每个协方差矩阵R_b的特征分解表达式为：

R_b＝V_bSA_bSV_bS ^H+V_bnA_bnV_bn ^H，

其中，V_bS是信号与干扰张成的子空间，V_bn是噪声子空间，V_bS、V_bn均为正交矩阵，A_bS、A_bn分别为V_bS、V_bn的对角阵。

3.根据权利要求2所述的方法，其特征在于：

分别根据每个协方差矩阵R_b的特征分解表达式和周期自适应波束形成CAB算法的表达式，得到对角加载矩阵约束下的该频点的权向量w_b，其中CAB算法的表达表达式如下：

$\underset{w}{\min }{\left|\right|w-w_{\mathrm{CAB}}\left|\right|}^2$

w∈range{V_S}

其中，其中G是M维的全1列向量。

4.如权利要求3所述的方法，其特征在于，所述对角加载矩阵约束下的权向量w_b为：

$w_b=V_{\mathrm{bS}}{A}_{\mathrm{bS}}^{-1}{V_{\mathrm{bS}}}^H{R}_b^{-1}G.$

5.如权利要求1～4中任一项所述的方法，其特征在于，滤波后得到的输出信号为：

y_k(n)＝w_1kX_1k(n)+w_2kX_2k(n)+...+w_MkX_Mk(n)；

其中，y_k(n)为第_k个频点空域滤波的输出，n为时刻的序号。

6.一种盲波束宽带干扰抑制装置，其特征在于，包括：

变换模块，用于对空频二维处理器的M个接收阵元，分别积累N段长度为K的中频AD采样信号，分别对所述中频AD采样信号进行K点快速傅里叶变换得到频域数组：

X₁₁,X₁₂,…X_1K；X₂₁,X₂₂,…X_2K；…X_M1,X_M2,…X_MK；

所述频域数组中各频域信号均是长度为N的序列；

确定模块，用于确定卫星信号带宽对应整个带宽的频点个数B；

矩阵计算模块，用于根据所述频域数组，计算信号带宽内的B个频点的协方差矩阵R_b；

其中其中X_b＝[X_1k,X_2b,…X_MB]^T,b＝1,2,...,B；

矩阵分解模块，用于分别对每个频点的所述协方差矩阵R_b进行特征分解，得到每个协方差矩阵R_b的特征分解表达式，其中每个协方差矩阵R_b的特征分解表达式包括信号与干扰张成的子空间和噪声子空间；

权向量确定模块，用于分别根据每个协方差矩阵R_b的特征分解表达式，确定对角加载矩阵约束下的该频点的权向量w_b；

空域滤波模块，用于利用各频点的所述权向量w_b对所述频域数组进行空域滤波处理；

逆变换模块，用于对空域滤波后的频域数据进行K点快速傅里叶逆变换，得到时域中频数据。

7.根据权利要求6所述的装置，其特征在于：

所述每个协方差矩阵R_b的特征分解表达式为：

R_b＝V_bSA_bSV_bS ^H+V_bnA_bnV_bn ^H，

其中，V_bS是信号与干扰张成的子空间，V_bn是噪声子空间，V_bS、V_bn均为正交矩阵，A_bS、A_bn分别为V_bS、V_bn的对角阵。

8.根据权利要求6所述的装置，其特征在于：

分别根据每个协方差矩阵R_b的特征分解表达式和CAB算法的表达式，得到对角加载矩阵约束下的该频点的权向量w_b，其中CAB算法的表达表达式如下：

$\underset{w}{\min }{\left|\right|w-w_{\mathrm{CAB}}\left|\right|}^2$

w∈range{V_S}

其中，其中G是M维的全1列向量。

9.如权利要求8所述的装置，其特征在于，所述对角加载矩阵约束下的权向量w_b为：

$w_b=V_{\mathrm{bS}}{A}_{\mathrm{bS}}^{-1}{V_{\mathrm{bS}}}^H{R}_b^{-1}G.$

10.如权利要求6～9中任一项所述的装置，其特征在于，滤波后得到的输出信号为：

y_k(n)＝w_1kX_1k(n)+w_2kX_2k(n)+...+w_MkX_Mk(n)；

其中，y_k(n)为第k个频点空域滤波的输出，n为时刻的序号。