CN106918801A - 一种在认知无线电中对干扰信号源进行定位的方法和系统 - Google Patents

Abstract

本发明涉及一种在认知无线电中对干扰信号源进行定位的方法和系统。所述方法包括：根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵，对协方差矩阵进行分块以获得多个相互重叠的子阵；使用前向空间平滑的修正矩阵和后向空间平滑的修正矩阵对协方差矩阵进行重构，以获得重构矩阵；使用左奇异矩阵、右奇异矩阵和与重构矩阵维数相同的对角矩阵对重构矩阵进行奇异值分解，以获得噪声子空间信号；使用波束域MUSIC算法将阵元域数据变换为波束域数据；根据波束域方向矢量确定波束域的数据协方差矩阵；以及根据干扰信号源的波达方向对干扰信号源进行定位估计。

Description

一种在认知无线电中对干扰信号源进行定位的方法和系统

技术领域

本发明涉及无线通信技术领域，并且更具体地涉及一种在认知无线电中对干扰信号源进行定位的方法和系统。

背景技术

无线电频谱是无线电波或电磁波的频率，一般指9KHz－3000GHz频率范围内发射无线电波的无线电频率的总称。目前，随着无线语音和数据业务的快速发展，无线电频谱越来越成为有限的宝贵资源。因此，如何充分利用空闲的无线电频谱以及提高无线电频谱利用率成为人们非常关注的问题。

为了解决这个问题，研究人员提出了认知无线电(Cognitive Radio，CR)。在认知无线电中，研究人员主要进行了对频谱空洞的感知和干扰抑制等方面的研究，但如何确定干扰信号源位置也是人们亟待解决的问题。研究如何确定干扰信号源位置的主要目的是在没有其它系统干扰的情况下部署基站，从而更好地利用无线电频谱资源。

研究已经表明智能天线技术可应用于认知无线电。智能天线中对波达方向进行估计的算法也可用于认知无线电中对干扰信号源波达方向(Direction of Arrival)的估计。可应用波达方向估计算法中的一些定位算法对干扰信号进行定位。

对干扰信号源进行定位的系统可以分为两类：定向(Direction Finding，DF)系统和定距(Range-Based，RB)系统。这两种系统可单独使用，也可结合使用。定向系统通过测量信号的波达方向或者波达角度(Angle ofArrival)来估计干扰信号源的位置。对波达方向进行估计的算法主要有多重信号分类(Multiple Signal Classification，MUSIC)算法和旋转不变子空间(Estimation of Signal Farameters via Rotational InvarianceTechnique，ESPRIT)算法。然而，MUSIC算法的计算过程包括谱峰搜索过程，而这个谱峰搜索过程的计算量巨大。因此，现有技术中存在提高MUSIC算法对干扰信号源的位置进行估计的稳健性并降低运算量的需要。

发明内容

为了解决上述问题，本发明提供利用改进MUSIC算法对干扰信号源的位置进行估计的方法和系统。

根据本发明的一个方面，提供一种对干扰信号源进行定位的方法，包括：

根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵，对协方差矩阵进行分块以获得多个相互重叠的子阵；

使用前向空间平滑的修正矩阵和后向空间平滑的修正矩阵对协方差矩阵进行重构，以获得重构矩阵；

使用左奇异矩阵、右奇异矩阵和与重构矩阵维数相同的对角矩阵对重构矩阵进行奇异值分解，以获得噪声子空间信号；

使用波束域MUSIC算法将阵元域数据变换为波束域数据；

根据波束域方向矢量确定波束域的数据协方差矩阵；以及

根据干扰信号源的波达方向对干扰信号源进行定位估计。

优选地，其中根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵具体为：根据X(t)＝A(θ)S(t)+N(t)＝AρS₀(t)+N(t)对带噪声的相干信号进行协方差处理，以获得协方差矩阵，其中，Χ(t)＝[x₁(t) x₂(t) … x_m(t)]^T是阵列快拍数据矢量；S(t)＝[s₁(t) s₂(t) … s_d(t)]^T是空间信号矢量；N(t)＝[n₁(t) n₂(t) … n_m(t)]^T是阵列噪声矢量；A(θ)＝[α(θ₁) α(θ₂) … α(θ_d)]阵列流型矩阵；以及ρ＝[α₁ α₂ … α_d-1]^T是由一系列复常数组成的(d-1)×1维矢量；并且其中t是时刻，T是线性代数里的阵列计算公式，d是相关信号源，α是矩阵的子阵，θ是方向，s₀(t)是生成的信源。

优选地，所述重构矩阵为R_h＝[R^f R^b]，

其中R^f和R^b分别表示前后向空间平滑的修正矩阵，

其中J_h为h维的反对角线为1的置换矩阵，g是相互交错的子阵数，k是行数，R_kk是第k行(i＝k)第k列(j＝k)的分块阵。

优选地，所述使用波束域MUSIC算法将阵元域数据变换为波束域数据具体为：

在进行定位估计之前要通过波束形成器对阵列输出矢量Χ(t)进行处理以得到输出矢量：

X'(t)＝T^HX(t)

其中，T^H是m×b维的波束形成矩阵，m为阵元数目，b为波束数目；

然后，波束域输出数据为：

y(t)＝T^HX(t)＝T^HA(θ)S(t)+N_b(t)

其中，N_b(t)＝T^HN(t)是波束域加性噪声。

优选地，所述根据波束域方向矢量确定波束域的数据协方差矩阵具体为：

在将阵元域数据变换为波束域数据后，则波束域方向矢量变为B(θ)＝T^HA(θ)，其中A(θ)为前面提到的阵元空间方向矢量；

波束域的数据协方差矩阵为

式中B＝T^HA＝[T^Hα(θ₁),T^Hα(θ₂),...,T^Hα(θ_d)]＝[b(θ₁),b(θ₁),...,b(θ_n)]

其中Rx，A，Rs，B，A^H均是矩阵；

根据阵元空间的MUSIC算法可以得到波束域MUSIC算法

根据本发明的另一方面，提供一种对干扰信号源进行定位的系统，包括：

预处理单元，根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵，对协方差矩阵进行分块以获得多个相互重叠的子阵；

重构单元，使用前向空间平滑的修正矩阵和后向空间平滑的修正矩阵对协方差矩阵进行重构，以获得重构矩阵；

分解单元，使用左奇异矩阵、右奇异矩阵和与重构矩阵维数相同的对角矩阵对重构矩阵进行奇异值分解，以获得噪声子空间信号；

变换单元，使用波束域MUSIC算法将阵元域数据变换为波束域数据；

协方差矩阵生成单元，根据波束域方向矢量确定波束域的数据协方差矩阵；以及

定位估计单元，根据干扰信号源的波达方向对干扰信号源进行定位估计。

优选地，其中根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵具体为：根据X(t)＝A(θ)S(t)+N(t)＝AρS₀(t)+N(t)对带噪声的相干信号进行协方差处理，以获得协方差矩阵，其中，Χ(t)＝[x₁(t) x₂(t) … x_m(t)]^T是阵列快拍数据矢量；S(t)＝[s₁(t) s₂(t) … s_d(t)]^T是空间信号矢量；N(t)＝[n₁(t) n₂(t) … n_m(t)]^T是阵列噪声矢量；A(θ)＝[α(θ₁) α(θ₂) … α(θ_d)]阵列流型矩阵；以及ρ＝[α₁ α₂ … α_d-1]^T是由一系列复常数组成的(d-1)×1维矢量；并且其中t是时刻，T是线性代数里的阵列计算公式，d是相关信号源，α是矩阵的子阵，θ是方向，s₀(t)是生成的信源。

优选地，所述重构矩阵为R_h＝[R^f R^b]，

其中R^f和R^b分别表示前后向空间平滑的修正矩阵，

其中J_h为h维的反对角线为1的置换矩阵，g是相互交错的子阵数，k是行数，R_kk是第k行(i＝k)第k列(j＝k)的分块阵。

优选地，所述使用波束域MUSIC算法将阵元域数据变换为波束域数据具体为：

在进行定位估计之前要通过波束形成器对阵列输出矢量Χ(t)进行处理以得到输出矢量：

X'(t)＝T^HX(t)

其中，T^H是m×b维的波束形成矩阵，m为阵元数目，b为波束数目；

然后，波束域输出数据为：

y(t)＝T^HX(t)＝T^HA(θ)S(t)+N_b(t)

其中，N_b(t)＝T^HN(t)波束域加性噪声。

优选地，所述根据波束域方向矢量确定波束域的数据协方差矩阵具体为：

在将阵元域数据变换为波束域数据后，则波束域方向矢量变为B(θ)＝T^HA(θ)，其中A(θ)为前面提到的阵元空间方向矢量；

波束域的数据协方差矩阵为

式中B＝T^HA＝[T^Hα(θ₁),T^Hα(θ₂),...,T^Hα(θ_d)]＝[b(θ₁),b(θ₁),...,b(θ_n)]

其中Rx，A，Rs，B，A^H均是矩阵；

根据阵元空间的MUSIC算法可以得到波束域MUSIC算法

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1示出了根据本发明优选实施方式的干扰信号源定位方法100的流程图；

图2示出了根据本发明优选实施方式的干扰信号源定位方法的仿真结果示意图；

图3示出了根据本发明优选实施方式的干扰信号源定位方法的另一仿真结果示意图；以及

图4示出了根据本发明优选实施方式的干扰信号源定位系统400的结构示意图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

图1示出了根据本发明优选实施方式的干扰信号源定位方法100的流程图。如图1所示，干扰信号源定位方法100基于改进的波束域MUSIC算法在认知无线电环境中对干扰信号源进行定位。现有技术中的MUSIC算法的计算过程包括谱峰搜索过程，而谱峰搜索过程的计算量非常大。因此，如何提高使用MUSIC算法进行干扰信号源位置估计的稳健性并降低计算量是干扰信号源定位方法100要解决的首要问题。

优选地，本发明使用的波束域MUSIC算法的目的是降低计算量并且提高对干扰信号源位置进行估计的性能。举例来说，本发明的波束域MUSIC算法在进行数据计算前，先把m维阵元域(m为阵元数目)数据变换为b维波束域(b为波束数目)数据。

优选地，在步骤101，根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵，对协方差矩阵进行分块以获得多个相互重叠的子阵。优选地，假设在m个阵元中有g个相互交错的子阵，每个子阵的阵元数为h，即m＝g+h-1。根据公式Χ(t)＝A(θ)S(t)+N(t)＝Aρs₀(t)+N(t)对带噪声的相干信号进行协方差处理，以获得协方差矩阵R_x。其中，Χ(t)＝[x₁(t) x₂(t) … x_m(t)]^T是阵列快拍数据矢量；S(t)＝[s₁(t) s₂(t) … s_d(t)]^T是空间信号矢量；N(t)＝[n₁(t) n₂(t) … n_m(t)]^T是阵列噪声矢量；A(θ)＝[α(θ₁)α(θ₂) … α(θ_d)]阵列流型矩阵；以及ρ＝[α₁ α₂ … α_d-1]^T是由一系列复常数组成的(d-1)×1维矢量。并且其中t是时刻，T是线性代数里的阵列计算公式，d是相关信号源，α是矩阵的子阵，θ是方向，s₀(t)是生成的信源。

接下来，将协方差矩阵R_x分块，分为g×g个相互重叠的子阵。优选地，g×g个子阵中每个子阵的维数都是h(即，h×h的矩阵)。其中子阵R_ij表示矩阵R_x中第i行到第h+i-1行及第j列到第h+j-1列的子阵，即R_ij＝R_x(i:h+i-1,j:h+j-1)。

优选地，在步骤102，使用前向空间平滑的修正矩阵和后向空间平滑的修正矩阵对协方差矩阵进行重构，以获得重构矩阵。优选地，前向平滑的第k个子阵的协方差矩阵相当于整个数据协方差矩阵R_x的第k行(i＝k)第k列(j＝k)分块阵R_kk，而后向平滑子阵的数据协方差矩阵是对R_kk进行处理后得到的结果。优选地，采用前后向空间平滑的修正矩阵来进行矩阵重构，重构矩阵R_h表示为

R_h＝[R^f R^b]

其中R^f和R^b分别表示前后向空间平滑的修正矩阵，

其中J_h为h维的反对角线为1的置换矩阵，g是相互交错的子阵数，k是行数，R_kk是第k行(i＝k)第k列(j＝k)的分块阵。

优选地，在步骤103，使用左奇异矩阵、右奇异矩阵和与重构矩阵维数相同的对角矩阵对重构矩阵进行奇异值分解，以获得噪声子空间信号。利用公式R_h＝USV将修正的矩阵进行奇异值分解，其中U为左奇异矩阵，张成的空间为噪声子空间，S是与R_h维数相同的对角矩阵并且V为右奇异矩阵，张成的空间为信号子空间。将重构矩阵进行奇异值分解后的噪声子空间信号作为本发明的波束域MUSIC算法的输入信号s_i(t)，以在波束域输出数据公式中使用。应该了解的是，输入信号中除了入射信号以外还有信道、发射机、接收机等产生的噪声。

优选地，在步骤104，使用波束域MUSIC算法将阵元域数据变换为波束域数据。在波束域MUSIC算法中，在进行定位估计之前要通过波束形成器对阵列输出矢量Χ(t)进行处理以得到输出矢量，如下式

X'(t)＝T^HΧ(t)

其中，T^H是m×b维的波束形成矩阵，m为阵元数目，b为波束数目。含干扰信号源的方向信息的矢量，可以产生若干个对准合适方向的波束。

通过上面的变换将m维的阵元域的列矢量变换为b维的波束域列矢量。优选地，波束域输出数据为：

y(t)＝T^HΧ(t)＝T^H A(θ)S(t)+N_b(t)

其中，N_b(t)＝T^H N(t)波束域加性噪声。

优选地，在步骤105，根据波束域方向矢量确定波束域的数据协方差矩阵。在将阵元域数据变换为波束域数据后，则波束域方向矢量变为B(θ)＝T^H A(θ)，其中A(θ)为前面提到的阵元空间方向矢量。波束域的数据协方差矩阵为

式中B＝T^HA＝[T^Hα(θ₁)，T^Hα(θ₂)，…T^Hα(θ_d)]＝[b(θ₁)，b(θ₂)，…b(θ_d)]成为波束空间的阵列流型，

其中Rx，A，Rs，B，A^H均是矩阵；

则根据阵元空间的MUSIC算法可以得到波束域MUSIC算法

优选地，在步骤106，根据干扰信号源的波达方向对干扰信号源进行定位估计。利用波束域MUSIC算法进行谱峰搜索计算，根据计算结果确定干扰信号源的波达方向，从而对干扰信号源进行定位估计。

优选地，波束空间的超分辩算法可以有效的降低算法的计算量，假如特征值分解的计算量是矩阵空间维数的三次方，那么传统阵元空间MUSIC算法的计算量是O(m³)，波束空间的DOA估计的计算量则是O(b³)。

图2示出了根据本发明优选实施方式的干扰信号源定位方法的仿真结果示意图。假设阵列天线的阵元数为8，波束数为4，进行1024次的快拍，信噪比为10dB。当两信号不相干时，两个干扰认知用户分别以π/4和π/6的频率从－20和35度的方向入射到阵列天线上。仿真结果如图2所示，对谱峰进行搜索很容易找到两干扰信号源的位置。

图3示出了根据本发明优选实施方式的干扰信号源定位方法的另一仿真结果示意图。假设阵列天线的阵元数为8，波束数为4，进行1024次的快拍，信噪比为10dB。如果两信号相干时，信号的入射频率为π/4，如图3中所示波束空间的MUSIC估计算法明显失效。对于本发明干扰信号源定位方法将前后向空间平滑应用到矩阵分解，对协方差进行矩阵重构，对重构的矩阵进行奇异值分解，假设相互交错的子阵数为5，每个子阵阵元数为4，如图3所示改进的MUSIC，对于两相干干扰信号源，改进后的方法明显优于改进前，改进后只有所要估计的两干扰信号方向的波峰。

图4示出了根据本发明优选实施方式的干扰信号源定位系统400的结构示意图。如图4所示，干扰信号源定位系统400包括：预处理单元401、重构单元402、分解单元403、变换单元404、协方差矩阵生成单元405、定位估计单元406以及存储单元407。干扰信号源定位系统400基于改进的波束域MUSIC算法在认知无线电环境中对干扰信号源进行定位。优选地，本发明使用的波束域MUSIC算法的目的是降低计算量并且提高对干扰信号源位置进行估计的性能。举例来说，本发明的波束域MUSIC算法在进行数据计算前，先把m维阵元域(m为阵元数目)数据变换为b维波束域(b为波束数目)数据。

优选地，预处理单元401根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵，对协方差矩阵进行分块以获得多个相互重叠的子阵。优选地，假设在m个阵元中有g个相互交错的子阵，每个子阵的阵元数为h，即m＝g+h-1。根据公式Χ(t)＝A(θ)S(t)+N(t)＝Aρs₀(t)+N(t)对带噪声的相干信号进行协方差处理，以获得协方差矩阵R_x。其中，Χ(t)＝[x₁(t) x₂(t) … x_m(t)]^T是阵列快拍数据矢量；S(t)＝[s₁(t) s₂(t) … s_d(t)]^T是空间信号矢量；N(t)＝[n₁(t) n₂(t) … n_m(t)]^T是阵列噪声矢量；A(θ)＝[α(θ₁)α(θ₂) … α(θ_d)]阵列流型矩阵；以及ρ＝[α₁ α₂ … α_d-1]^T是由一系列复常数组成的(d-1)×1维矢量；并且其中t是时刻，T是线性代数里的阵列计算公式，d是相关信号源，α是矩阵的子阵，θ是方向，s₀(t)是生成的信源。

接下来，将协方差矩阵R_x分块，分为g×g个相互重叠的子阵。优选地，g×g个子阵中每个子阵的维数都是h(即，h×h的矩阵)。其中子阵R_ij表示矩阵R_x中第i行到第h+i-1行及第j列到第h+j-1列的子阵，即R_ij＝R_x(i:h+i-1,j:h+j-1)。

优选地，重构单元402使用前向空间平滑的修正矩阵和后向空间平滑的修正矩阵对协方差矩阵进行重构，以获得重构矩阵。优选地，前向平滑的第k个子阵的协方差矩阵相当于整个数据协方差矩阵R_x的第k行(i＝k)第k列(j＝k)分块阵R_kk，而后向平滑子阵的数据协方差矩阵是对R_kk进行处理后得到的结果。优选地，采用前后向空间平滑的修正矩阵来进行矩阵重构，重构矩阵R_h表示为

R_h＝[R^f R^b]

其中R^f和R^b分别表示前后向空间平滑的修正矩阵，

其中J_h为h维的反对角线为1的置换矩阵，g是相互交错的子阵数，k是行数，R_kk是第k行(i＝k)第k列(j＝k)的分块阵。

优选地，分解单元403使用左奇异矩阵、右奇异矩阵和与重构矩阵维数相同的对角矩阵对重构矩阵进行奇异值分解，以获得噪声子空间信号。利用公式R_h＝USV将修正的矩阵进行奇异值分解，其中U为左奇异矩阵，张成的空间为噪声子空间，S是与R_h维数相同的对角矩阵并且V为右奇异矩阵，张成的空间为信号子空间。将重构矩阵进行奇异值分解后的噪声子空间信号作为本发明的波束域MUSIC算法的输入信号s_i(t)，以在波束域输出数据公式中使用。应该了解的是，输入信号中除了入射信号以外还有信道、发射机、接收机等产生的噪声。

优选地，变换单元404使用波束域MUSIC算法将阵元域数据变换为波束域数据。在波束域MUSIC算法中，在进行定位估计之前要通过波束形成器对阵列输出矢量Χ(t)进行处理以得到输出矢量，如下式

X'(t)＝T^HΧ(t)

其中，T^H是m×b维的波束形成矩阵，m为阵元数目，b为波束数目。含干扰信号源的方向信息的矢量，可以产生若干个对准合适方向的波束。

通过上面的变换将m维的阵元域的列矢量变换为b维的波束域列矢量。优选地，波束域输出数据为：

y(t)＝T^HΧ(t)＝T^H A(θ)S(t)+N_b(t)

其中，N_b(t)＝T^H N(t)波束域加性噪声。

优选地，协方差矩阵生成单元405根据波束域方向矢量确定波束域的数据协方差矩阵。在将阵元域数据变换为波束域数据后，则波束域方向矢量变为B(θ)＝T^H A(θ)，其中A(θ)为前面提到的阵元空间方向矢量。波束域的数据协方差矩阵为

式中B＝T^HA＝[T^Hα(θ₁)，T^Hα(θ₂)，…T^Hα(θ_d)]＝[b(θ₁)，b(θ₂)，…b(θ_d)]成为波束空间的阵列流型，

其中Rx，A，Rs，B，A^H均是矩阵；

则根据阵元空间的MUSIC算法可以得到波束域MUSIC算法

优选地，定位估计单元406根据干扰信号源的波达方向对干扰信号源进行定位估计。利用波束域MUSIC算法进行谱峰搜索计算，根据计算结果确定干扰信号源的波达方向，从而对干扰信号源进行定位估计。

优选地，存储单元407对干扰信号源定位系统400进行干扰信号源定位估计过程中的各种数据进行存储。存储单元407可以是各种类型的存储介质，例如，ROM或PROM、闪速存储器设备。

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

Claims (10)

1.一种对干扰信号源进行定位的方法，包括：

根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵，对协方差矩阵进行分块以获得多个相互重叠的子阵；

使用前向空间平滑的修正矩阵和后向空间平滑的修正矩阵对协方差矩阵进行重构，以获得重构矩阵；

使用左奇异矩阵、右奇异矩阵和与重构矩阵维数相同的对角矩阵对重构矩阵进行奇异值分解，以获得噪声子空间信号；

使用波束域MUSIC算法将阵元域数据变换为波束域数据；

根据波束域方向矢量确定波束域的数据协方差矩阵；以及

根据干扰信号源的波达方向对干扰信号源进行定位估计。

2.根据权利要求1所述的方法，其中根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵具体为：根据X(t)＝A(θ)S(t)+N(t)＝AρS₀(t)+N(t)对带噪声的相干信号进行协方差处理，以获得协方差矩阵，其中，X(t)＝[x₁(t) x₂(t) … x_m(t)]^T是阵列快拍数据矢量；S(t)＝[s₁(t) s₂(t) … s_d(t)]^T是空间信号矢量；N(t)＝[n₁(t) n₂(t) … n_m(t)]^T是阵列噪声矢量；A(θ)＝[α(θ₁) α(θ₂) … α(θ_d)]阵列流型矩阵；以及ρ＝[α₁ α₂ … α_d-1]^T是由一系列复常数组成的(d-1)×1维矢量；并且其中t是时刻，T是线性代数里的阵列计算公式，d是相关信号源，α是矩阵的子阵，θ是方向，s₀(t)是生成的信源。

3.根据权利要求1所述的方法，所述重构矩阵为R_h＝[R^f R^b]，

其中R^f和R^b分别表示前后向空间平滑的修正矩阵，

$R^f=\frac{1}{g}\underset{k=1}{\overset{g}{\Σ}}{R}_{kk};$

$R^b=\frac{1}{g}\underset{k=1}{\overset{g}{\Σ}}{J}_h{\left(R_{kk}\right)}^{*}{J}_h;$

其中J_h为h维的反对角线为1的置换矩阵，g是相互交错的子阵数，k是行数，R_kk是第k行(i＝k)第k列(j＝k)的分块阵。

4.根据权利要求2所述的方法，所述使用波束域MUSIC算法将阵元域数据变换为波束域数据具体为：

在进行定位估计之前要通过波束形成器对阵列输出矢量X(t)进行处理以得到输出矢量：

X'(t)＝T^HX(t)

其中，T^H是m×b维的波束形成矩阵，m为阵元数目，b为波束数目；

然后，波束域输出数据为：

y(t)＝T^HX(t)＝T^HA(θ)S(t)+N_b(t)

其中，N_b(t)＝T^HN(t)是波束域加性噪声。

5.根据权利要求4所述的方法，所述根据波束域方向矢量确定波束域的数据协方差矩阵具体为：

在将阵元域数据变换为波束域数据后，则波束域方向矢量变为B(θ)＝T^HA(θ)，其中A(θ)为前面提到的阵元空间方向矢量；

波束域的数据协方差矩阵为

$\begin{array}{cc}{R}_y=E\[y\left(t\right)y{\left(t\right)}^H\]=T^H{R}_{x}T=T^H{\mathrm{AR}}_s{A}^{H}T+{\mathrm{\σ}}_n^2{T}^H& T={\mathrm{BR}}_s{B}^H+{\mathrm{\σ}}_n^{2}I\end{array}$

式中B＝T^HA＝[T^Hα(θ₁),T^Hα(θ₂),...,T^Hα(θ_d)]＝[b(θ₁),b(θ₁),...,b(θ_n)]

其中Rx，A，Rs，B，A^H均是矩阵；

根据阵元空间的MUSIC算法可以得到波束域MUSIC算法

6.一种对干扰信号源进行定位的系统，包括：

预处理单元，根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵，对协方差矩阵进行分块以获得多个相互重叠的子阵；

重构单元，使用前向空间平滑的修正矩阵和后向空间平滑的修正矩阵对协方差矩阵进行重构，以获得重构矩阵；

分解单元，使用左奇异矩阵、右奇异矩阵和与重构矩阵维数相同的对角矩阵对重构矩阵进行奇异值分解，以获得噪声子空间信号；

变换单元，使用波束域MUSIC算法将阵元域数据变换为波束域数据；

协方差矩阵生成单元，根据波束域方向矢量确定波束域的数据协方差矩阵；以及

定位估计单元，根据干扰信号源的波达方向对干扰信号源进行定位估计。

7.根据权利要求6所述的系统，其中根据阵列输出矢量将阵列天线接收的带噪声的相干信号进行协方差处理以获得协方差矩阵具体为：根据X(t)＝A(θ)S(t)+N(t)＝AρS₀(t)+N(t)对带噪声的相干信号进行协方差处理，以获得协方差矩阵，其中，X(t)＝[x₁(t) x₂(t) … x_m(t)]^T是阵列快拍数据矢量；S(t)＝[s₁(t) s₂(t) … s_d(t)]^T是空间信号矢量；N(t)＝[n₁(t) n₂(t) … n_m(t)]^T是阵列噪声矢量；A(θ)＝[α(θ₁) α(θ₂) … α(θ_d)]阵列流型矩阵；以及ρ＝[α₁ α₂ … α_d-1]^T是由一系列复常数组成的(d-1)×1维矢量；并且其中t是时刻，T是线性代数里的阵列计算公式，d是相关信号源，α是矩阵的子阵，θ是方向，s₀(t)是生成的信源。

8.根据权利要求6所述的系统，所述重构矩阵为R_h＝[R^f R^b]，

其中R^f和R^b分别表示前后向空间平滑的修正矩阵，

$R^f=\frac{1}{g}\underset{k=1}{\overset{g}{\Σ}}{R}_{kk};$

$R^b=\frac{1}{g}\underset{k=1}{\overset{g}{\Σ}}{J}_h{\left(R_{kk}\right)}^{*}{J}_h;$

其中J_h为h维的反对角线为1的置换矩阵，g是相互交错的子阵数，k是行数，R_kk是第k行(i＝k)第k列(j＝k)的分块阵。

9.根据权利要求6所述的系统，所述使用波束域MUSIC算法将阵元域数据变换为波束域数据具体为：

在进行定位估计之前要通过波束形成器对阵列输出矢量X(t)进行处理以得到输出矢量：

X'(t)＝T^HX(t)

其中，T^H是m×b维的波束形成矩阵，m为阵元数目，b为波束数目；

然后，波束域输出数据为：

y(t)＝T^HX(t)＝T^HA(θ)S(t)+N_b(t)

其中，N_b(t)＝T^HN(t)波束域加性噪声。

10.根据权利要求6所述的系统，所述根据波束域方向矢量确定波束域的数据协方差矩阵具体为：

在将阵元域数据变换为波束域数据后，则波束域方向矢量变为B(θ)＝T^HA(θ)，其中A(θ)为前面提到的阵元空间方向矢量；

波束域的数据协方差矩阵为

$\begin{array}{cc}{R}_y=E\[y\left(t\right)y{\left(t\right)}^H\]=T^H{R}_{x}T=T^H{\mathrm{AR}}_s{A}^{H}T+{\mathrm{\σ}}_n^2{T}^H& T={\mathrm{BR}}_s{B}^H+{\mathrm{\σ}}_n^{2}I\end{array}$

式中B＝T^HA＝[T^Hα(θ₁),T^Hα(θ₂),...,T^Hα(θ_d)]＝[b(θ₁),b(θ₁),...,b(θ_n)]

其中Rx，A，Rs，B，A^H均是矩阵；

根据阵元空间的MUSIC算法可以得到波束域MUSIC算法