CN105738860A - 一种降低干扰阻塞算法伪峰的导向矢量构造方法 - Google Patents

Abstract

本发明涉及信号处理领域，公开了一种降低干扰阻塞算法伪峰的导向矢量构造方法，包括了阻塞矩阵和初始导向矢量的构造，导向矢量的预白化处理，导向矢量的归一化处理。与原有干扰阻塞算法相比，采用本发明的干扰阻塞算法能够减少伪峰个数，降低角度估计的虚警概率。

Description

一种降低干扰阻塞算法伪峰的导向矢量构造方法

技术领域

本发明涉及信号处理领域，适用于采用阻塞算法在强干扰背景下估计弱信号波达方向时对搜索导向矢量的计算。

背景技术

强干扰背景下对估计弱信号波达方向(DirectionofArrival，DOA)的估计是雷达、通信在复杂电磁环境下通常会遇到的问题，是目前阵列信号处理的一项重要研究内容。学者陈辉在专利“干扰阻塞空间谱估计方法”中提出了一种解决该问题的技术，但该技术需要预知噪声功率。随后陈辉老师在文献“强干扰/信号背景下的DOA估计新方法”中对专利技术里的噪声处理环节进行改进，提出用预白化处理+常规特征分解或直接广义特征分解两种方式来获取噪声空间，从而不需预知噪声功率。广义特征分解处理方式在后续使用常规导向矢量计算谱值时在低信噪比下会出现伪峰，从而影响目标角度估计，增大了虚警概率；而预白化处理+常规特征分解处理方式不仅会出现伪峰问题，还会在强干扰处也会出现谱峰这一缺陷。本发明通过改变后续谱峰计算环节导向矢量的构造方法来解决伪峰问题。

发明内容

本发明的目的在于提供一种降低干扰阻塞算法伪峰的导向矢量构造方法，以解决背景技术在第信噪比下伪峰过高影响角度估计的问题。

为实现上述技术目的，达到上述技术效果，本发明公开了一种降低干扰阻塞算法伪峰的导向矢量构造方法，方法包括了以下步骤：阻塞矩阵、预白化矩阵和初始导向矢量的构造，导向矢量的预白化处理，导向矢量的归一化处理。

其中，初始导向矢量、阻塞矩阵、预白化矩阵分别构造为：

(1)初始导向矢量用a(θ)_P表示，其中θ表入射方向，P表示向量的长度，向量的第i个元素a_i(θ)_P＝exp(j(i-1)2πdsinθ/λ)，d为阵元间距，λ为信号波长；

(2)阻塞矩阵用T表示，其第i行j列元素

1≤i≤M-1，1≤j≤M，M为阵元个数；

(3)预白化矩阵W＝(TT^H)^-1/2。

其中，导向矢量的预白化处理为：

b₀(θ)＝Wa(θ)_M-1。

其中，导向矢量的归一化处理为：

$\tilde{b}\left(\mathrm{\θ}\right)=\frac{b_0\left(\mathrm{\θ}\right)}{\left|\right|b_0\left(\mathrm{\θ}\right)\left|\right|},$

||b₀(θ)||表示b₀(θ)的模值。

本发明具有以下有益效果：

本发明针背景技术采用广义特征分解处理方式会在低信噪比下会出现伪峰，从而影响目标角度估计，增大了虚警概率这一问题，采用预白化处理、常规特征分解处理方式和常规搜索导向矢量构造方法会在强干扰处出现谱峰，在低信噪比下其它位置会出现伪峰，从而影响目标角度估计，增大了虚警概率这一问题，提出改变搜索导向矢量构造方式，减少伪峰个数、降低伪峰高度，从而减少虚警概率。

附图说明

图1为背景技术预白化处理、常规特征分解处理方式、常规搜索导向矢量的信号处理流程示意图。

图2为本发明的流程示意图。

图3和图4为本发明与预白化处理+常规特征分解处理方式+常规搜索导向矢量的实例对比仿真谱图。

图5为本发明与广义特征分解方式以及和预白化处理+常规特征分解处理方式+部分改进的常规搜索导向矢量的实例对比仿真谱图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。

实施例1

如图1所示，本发明的背景技术预白化处理+常规特征分解处理方式+常规搜索导向矢量的信号处理流程示意图，包括了以下步骤：

(1)获取接收数据x(t)；

(2)计算互相关矩阵R；

(3)构造初始导向矢量用a(θ)_M，阻塞矩阵T，预白化矩阵W；

(4)矩阵阻塞及预白化处理D＝WTRT^HW^H；

(5)矩阵特征分解得噪声空间向量U_DN；

(6)计算搜索向量

(7)计算谱图P(θ),及进行角度估计

如图2所示，本发明的处理流程示意图，包括了以下步骤：

(1)构造初始导向矢量用a(θ)_M-1，阻塞矩阵T，预白化矩阵W，其中T和W与示例1步骤3相同，a(θ)_M-1与a(θ)_M构造方法相同，但维数少一维；

(2)导向矢量的预白化处理得b₀(θ)；

(3)导向矢量的归一化处理得用该矢量可代替示例1步骤6中的搜索矢量完成后续谱图计算和角度估计。

实施例2

实验目的及方法：为说明采用预白化处理+常规特征分解处理方式+常规搜索导向矢量构造方法的背景技术会在强干扰处出现谱峰，而本发明解决了该问题，本实例采用MATLAB仿真的方法进行验证。具体条件为3个独立信号源入射角分别为10°、35°和50°，信噪比依次10、6、30dB，64个快拍，和预白化处理+常规特征分解处理方式+常规搜索导向矢量构造方法的试验结果对比见图3，放大图见图4。

实验结果：如图3所示。原算法在50°处出现一个很高的谱峰，它对应于需要抑制的强干扰方向。而本发明在该处没有形成谱峰，因此达到了改进目的之一。

实施例3

实验目的及方法：为说明采用“预白化处理+常规特征分解处理方式+部分改进的常规搜索导向矢量构造方法”和采用“广义特征分解方法”虽能够解决强干扰处有谱峰问题，但增加了更多伪峰，而本发明不存在该问题，本实例采用MATLAB仿真的方法进行验证。具体条件与示例3相同，试验结果对比见图5。

实验结果：由图5可以看出三种算法均没有在强干扰50°处形成谱峰。但是本发明第2高峰指向目标2方向(35°)而另外两种算法则指向虚假方向，因此本发明更利于信号检测。

Claims (4)

1.一种降低干扰阻塞算法伪峰的导向矢量构造方法，其特征在于，所述的导向矢量计算方法包括了以下步骤：阻塞矩阵、预白化矩阵和初始导向矢量的构造，导向矢量的预白化处理，导向矢量的归一化处理。

2.如权利要求1所述的一种降低干扰阻塞算法伪峰的导向矢量构造方法，其特征在于：所述的初始导向矢量、阻塞矩阵、预白化矩阵分别构造为：

(1)初始导向矢量用a(θ)_P表示，其中θ表入射方向，P表示向量的长度，向量的第i个元素a_i(θ)_p＝exp(j(i-1)2πdsinθ/λ)，d为阵元间距，λ为信号波长；

(2)阻塞矩阵用T表示，其第i行j列元素

1≤i≤M-1，1≤j≤M，M为阵元个数；

(3)预白化矩阵W＝(TT^H)^-1/2。

3.如权利要求1所述的一种降低干扰阻塞算法伪峰的导向矢量构造方法，其特征在于：所述的导向矢量的预白化处理为：

b₀(θ)＝Wa(θ)_M-1。

4.如权利要求1所述的一种降低干扰阻塞算法伪峰的导向矢量构造方法，其特征在于：所述的导向矢量的归一化处理为：

$\tilde{b}\left(\mathrm{\θ}\right)=\frac{b_0\left(\mathrm{\θ}\right)}{\left|\right|b_0\left(\mathrm{\θ}\right)\left|\right|}$

其中，||b₀(θ)||表示b₀(θ)的模值。