CN107332601A - 一种基于波束赋形的自适应干扰抑制方法 - Google Patents

Abstract

本发明公开了一种基于波束赋形的自适应干扰抑制方法。包括以下步骤：首先将阵列天线接收到的射频信号转换为数字中频信号；接着将中频信号进行A/D变换、数字下变频得到零中频数字信号；之后利用迭代最小二乘算法优化功率倒置算法的约束矢量；并将约束矢量作为功率倒置算法的约束条件，利用功率倒置算法计算天线阵列的加权矢量；最后采用阵列加权矢量进行干扰抑制。本发明可以提高功率倒置算法抑制干扰的性能。

Description

一种基于波束赋形的自适应干扰抑制方法

技术领域

本发明涉及一种自适应干扰抑制方法，特别是一种基于波束赋形的自适应干扰抑制方法。

背景技术

20世纪60年代，导航技术出现了重大的突破，卫星导航作为一项非常重要的导航技术开始逐渐应用于民用和军事领域。卫星导航系统是一种全新的星基无线电导航系统，它不仅具有全球性、全天候和连续的紧密三维定位能力，而且能实时地对军民各种运动载体的速度、姿态进行精确测定以及精确授时。

在民用方面，广泛应用于海洋、陆地和空中运输的导航。在军事应用方面，卫星导航同样得到了全方位应用，从根本上解决了空中、陆地和海上各种军事运载体、武器的定位和导航问题。可见卫星导航系统己成为重要的军事民用基础设施，谁掌握这种技术和能力，谁就在军事、外交和经济领域拥有主动权，这也引起了所有大国的关注和重视。

卫星导航系统作为一个功能强大的军事传感系统。卫星导航在军事领域应用广泛，但作为军事战术应用，有一个明显的缺点，那就是到达面的信号弱、容易受到干扰。特别是敌方施加有意干扰时，普通卫星接收机将完全失锁而无法接收导航定位信号，这对于军事设备来说是致命的，为了使卫星导航接收机稳定可靠地工作，需要增强它的抗干扰能力。

将阵列天线和自适应算法结合，能够方便地进行方向图控制，自适应地抑制未知来向的干扰。目前，最有效的卫星导航抗干扰技术是采用自适应天线阵，利用不同的干扰抑制算法来进行干扰抑制。在复杂的空间环境中，干扰的数目、类型和来向都无法做到事先预知，在这种情况下，基于盲自适应的功率倒置算法非常适合应用于导航系统的抗干扰处理。但是该类方法约束无指向性，无法形成有指向性且性能更优的零陷图。

发明内容

本发明所解决的技术问题在于提供一种基于波束赋形的功率倒置自适应干扰抑制方法。

实现本发明目的的技术解决方案为：一种基于波束赋形的自适应干扰抑制方法，包括以下步骤：

步骤1、将阵列天线接收到的射频信号转换为数字中频信号；

步骤2、将数字中频信号进行A/D变换、数字下变频得到零中频数字信号；

步骤3、利用迭代最小二乘算法对功率倒置算法的约束矢量进行优化；

步骤4、将步骤3得到的约束矢量作为功率倒置算法的约束条件，利用功率倒置算法计算天线阵列的加权矢量；

步骤5、采用步骤4得到的阵列加权矢量对零中频数字信号进行干扰抑制，完成操作。

本发明与现有技术相比，其显著优点为：本发明是基于波束赋形的自适应干扰抑制方法，充分考虑导航信号微弱的特点，将波束赋形的迭代最小二乘算法运用到干扰抑制中，优化了功率倒置算法的约束条件，使其形成具有带指向性的零陷图，并且提高了单干扰和多干扰情况下的抗干扰性能。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是功率倒置算法原理图。

图2是本发明的基于波束赋形的功率倒置算法流程图。

图3是采用传统功率倒置算法进行单干扰抑制的零陷图。

图4是采用本发明进行单干扰抑制的零陷图。

图5是采用传统功率倒置算法进行四干扰抑制的零陷图。

图6是采用本发明进行四干扰抑制的零陷图。

具体实施方式

结合附图，本发明的一种基于波束赋形的自适应干扰抑制方法，包括以下步骤：

步骤1、将阵列天线接收到的射频信号转换为数字中频信号；

步骤2、将数字中频信号进行A/D变换、数字下变频得到零中频数字信号；

步骤3、利用迭代最小二乘算法对功率倒置算法的约束矢量进行优化；具体为：

步骤3-1、根据最小二乘法求最优约束矢量G_opt公式：

G_opt＝[A^H(n)B²(n)A(n)]^-1A^H(n)B²(n)D(n)

式中，A为阵列天线的来波导向矢量，B(n)＝diag[β^n-1,β^n-2,...,1]，β为遗忘因子，0＜β＜1，n为输入数据快拍数，D为期望信号，G为约束矢量；

步骤3-2、计算D与实际加约束信号F_k的幅度误差e_k＝|F_k-D|，式中，k代表迭代次数；

步骤3-3、对校正矩阵B进行优化，优化公式为B_k+1＝B₀+lg(1+e_k)，式中，B₀为B的初始值，B_k+1为B第k次迭代的值；

步骤3-4、进行判断，如果幅度误差e_k大于0.1，返回步骤3-1进行迭代，直至幅度误差e_k小于等于0.1为止。

步骤4、将步骤3得到的约束矢量作为功率倒置算法的约束条件，利用功率倒置算法计算天线阵列的加权矢量；利用功率倒置算法计算天线阵列的加权矢量W_opt所用公式为：

式中，R_X为接收信号协方差矩阵。

步骤5、采用步骤4得到的阵列加权矢量对零中频数字信号进行干扰抑制，完成操作。

本发明是基于波束赋形的自适应干扰抑制方法，充分考虑导航信号微弱的特点，将波束赋形的迭代最小二乘算法运用到干扰抑制中，优化了功率倒置算法的约束条件，使其形成具有带指向性的零陷图，并且提高了单干扰和多干扰情况下的抗干扰性能。

下面结合实施例对本发明作进一步详细描述。

实施例

本发明的基于波束赋形的自适应干扰抑制方法，是利用自适应阵列天线抑制干扰来实现，即是将波束赋形的迭代最小二乘算法运用到干扰抑制中，优化了功率倒置算法的约束条件，提高了单干扰和多干扰情况下的抗干扰性能。具体包括如下步骤：

第一步：将阵列天线接收到的射频信号转换为数字中频信号。

第二步：将中频信号进行A/D变换、数字下变频得到零中频数字信号。

在本实施例中，导航抗干扰系统中采用五阵元天线阵列，即N＝5。当干扰信号入射到天线阵上时，将N个天线阵元接收到的信号通过由低噪声射频放大器、混频器及自动增益控制电路等组成的下变频模块，下变频到中频，经数字下变频得到的零中频信号如图1所示的x₁(t),x₂(t),...,x_N(t)。

第三步：利用迭代最小二乘算法优化功率倒置算法的约束矢量，是通过迭代求解期望信号与实际加约束信号的误差的最小平方和的方程，求出最优约束矢量。

阵列天线方向图可以表示为：

式中：G为天线的激励矢量，即欲求的抗干扰算法的约束矢量。分别为来波俯仰角和方位角，为对应来波角度的导向矢量，表示为

其中，(x_i,y_i,z_i)为第i个天线单元的位置，k₀为波数，即2π/λ。

设期望方向图为D，一般表示为

则期望信号与实际加约束信号的误差信号为：

e(n)＝D(n)-G^HA(n) (4)

根据最小二乘法求最优约束向量：

G_opt＝[A^H(n)B²(n)A(n)]^-1A^H(n)B²(n)D(n) (5)

式中：B(n)＝diag[β^n-1,β^n-2,...,1]，β为遗忘因子，0＜β＜1，n为输入数据快拍数，本实施例中n＝129。

算法迭代过程如下(k指迭代次数)：

1)根据式(5)计算G_k；

2)根据式(1)计算F_k；

3)计算幅度误差e_k＝|F_k-D|；

4)使用e_k值对校正矩阵B进行优化，公式为B_k+1＝B₀+lg(1+e_k)；

5)如果F不是足够精确，返回步骤1)。

步骤4)中，为了减小误差对矩阵B引起的振荡，B_k与误差的对数成比例改变。对于平稳信号，β一般取1。本专利B₀设置为单位矩阵。

第四步：将第三步骤计算出的约束矢量作为功率倒置算法的约束条件，利用功率倒置算法计算天线阵列的加权矢量。

功率倒置算法是基于线性约束最小方差(LCMV)准则，算法的基本原理：在确定的约束条件下使得阵列输出最小，且添加的约束为参考通道权值固定为1，如图1所示。图中x₁(t),x₂(t),...,x_N(t)分别表示N个阵元的接收信号，W₁,W₂,...,W_N分别表示N个阵元通道的自适应权值系数，第一个阵元接收到的信号作为参考信号，即通过权值的约束让其始终是1，通过算法优化其余阵元上的权值，如式(6)所示使阵列总输出功率最小，同时使得总输出功率大于0。

约束矢量G＝[1,0,0,...,0]^T，则可以得到权矢量的计算表达式为

运用第三步骤中的RLS赋形算法来优化抗干扰算法的约束向量G_opt，从而得到更优的W_opt。具体实现框图如图2所示。

第五步：采用第四步骤计算出的阵列加权矢量进行干扰抑制。

在本实施例中，模拟干扰环境分别为单宽带干扰和四个宽带干扰，干噪比均为70dB。将RLS算法优化后的G_opt代入抗干扰算法中，对比传统PI抗干扰和赋形约束抗干扰的结果图，如图3-图6所示。由图可知，赋形后的抗干扰零陷深度比无指向时深6dB-18dB，说明通过波束赋形算法来优化的约束条件使抗干扰性能显著提升。

Claims (3)

1.一种基于波束赋形的自适应干扰抑制方法，其特征在于，包括以下步骤：

步骤1、将阵列天线接收到的射频信号转换为数字中频信号；

步骤2、将数字中频信号进行A/D变换、数字下变频得到零中频数字信号；

步骤3、利用迭代最小二乘算法对功率倒置算法的约束矢量进行优化；

步骤4、将步骤3得到的约束矢量作为功率倒置算法的约束条件，利用功率倒置算法计算天线阵列的加权矢量；

步骤5、采用步骤4得到的阵列加权矢量对零中频数字信号进行干扰抑制，完成操作。

2.根据权利要求1所述的基于波束赋形的自适应干扰抑制方法，其特征在于，步骤3中利用迭代最小二乘算法对功率倒置算法的约束矢量进行优化具体为：

步骤3-1、根据最小二乘法求最优约束矢量G_opt公式：

G_opt＝[A^H(n)B²(n)A(n)]^-1A^H(n)B²(n)D(n)

式中，A为阵列天线的来波导向矢量，B(n)＝diag[β^n-1,β^n-2,...,1]，β为遗忘因子，0＜β＜1，n为输入数据快拍数，D为期望信号，G为约束矢量；

步骤3-2、计算D与实际加约束信号F_k的幅度误差e_k＝|F_k-D|，式中，k代表迭代次数；

步骤3-3、对校正矩阵B进行优化，优化公式为B_k+1＝B₀+lg(1+e_k)，式中，B₀为B的初始值，B_k+1为B第k次迭代的值；

步骤3-4、进行判断，如果幅度误差e_k大于0.1，返回步骤3-1进行迭代，直至幅度误差e_k小于等于0.1为止。

3.根据权利要求1所述的基于波束赋形的自适应干扰抑制方法，其特征在于，步骤4利用功率倒置算法计算天线阵列的加权矢量W_opt所用公式为：

<mrow> <msub> <mi>W</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>t</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>R</mi> <mi>X</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> <msub> <mi>G</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>t</mi> </mrow> </msub> </mrow> <mrow> <msubsup> <mi>G</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>t</mi> </mrow> <mi>H</mi> </msubsup> <msubsup> <mi>R</mi> <mi>X</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> <msub> <mi>G</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>t</mi> </mrow> </msub> </mrow> </mfrac> </mrow>

式中，R_X为接收信号协方差矩阵。