CN108717196A - 一种阵列天线接收信号的去干扰方法及系统 - Google Patents

Abstract

本发明公开了一种阵列天线接收信号的去干扰方法及系统。该方法包括：确定第一协方差矩阵和第二协方差矩阵之间的转换关系，第一协方差矩阵为阵列天线中阵元接收到的实际信号的协方差矩阵，第二协方差矩阵为假设干扰信号的来向变化服从三角形概率分布时，阵列天线中阵元接收到的信号的协方差矩阵；根据第一协方差矩阵和第二协方差矩阵之间的转换关系，采用功率倒置算法计算阵列天线中各阵元的权矢量；获取阵列天线中各阵元接收到的信号；采用各阵元的权矢量对各阵元接收到的信号进行处理，得到去干扰后的信号。本发明提供的阵列天线接收信号的去干扰方法及系统能够对处于高频振动或者高速运动的状态下的接收机接收到的干扰信号进行抑制。

Description

一种阵列天线接收信号的去干扰方法及系统

技术领域

本发明涉及信号处理领域，特别是涉及一种阵列天线接收信号的去干扰方法及系统。

背景技术

全球卫星导航系统因其导航精度高和不随时间积累误差的优点得到了广泛的应用，然而卫星导航信号到达GNSS接收机时的功率比环境基底噪声还要低20dB，所以极易受到强干扰信号压制。此时，GNSS接收机将无法正常捕获卫星导航信号，必然会导致接收机搜星定位失败。

因此，目前普遍在接收机端采用阵列天线抑制强干扰信号。工程中常采用线性约束最小功率准则在强干扰信号来向上自适应生成零陷来抑制干扰，并采用最小均方算法迭代求解阵列权值。但是，在GNSS接收机载体处于高频振动或者高速运动的状态下，干扰信号来向在短时间内会发生快速变化，上述算法可能无法收敛，致使干扰信号不能被及时有效地抑制。

发明内容

本发明的目的是提供一种阵列天线接收信号的去干扰方法及系统，能够对处于高频振动或者高速运动的状态下的接收机接收到的干扰信号进行抑制。

为实现上述目的，本发明提供了如下方案：

一种阵列天线接收信号的去干扰方法，所述方法包括：

确定第一协方差矩阵和第二协方差矩阵之间的转换关系，所述第一协方差矩阵为阵列天线中阵元接收到的实际信号的协方差矩阵，所述第二协方差矩阵为假设干扰信号的来向变化服从三角形概率分布时，阵列天线中阵元接收到的信号的协方差矩阵；

根据第一协方差矩阵和第二协方差矩阵之间的转换关系，采用功率倒置算法计算阵列天线中各阵元的权矢量；

获取所述阵列天线中各阵元接收到的信号；

采用各阵元的权矢量对各阵元接收到的信号进行处理，得到去干扰后的信号。

可选的，所述确定第一协方差矩阵和第二协方差矩阵之间的转换关系，具体包括：

将第一协方差矩阵和第二协方差矩阵之间的转换关系确定为

其中， 为信号x的第二协方差矩阵，为信号x的第一协方差矩阵，T_L为锥化矩阵，为表示矩阵Hardmard乘积，T_L(m,n)为锥化矩阵中第(m,n)元素的值，β_max为假设干扰信号的来向变化服从三角形概率分布时，干扰信号来向变化对应的零陷宽度的最大值。

可选的，所述根据第一协方差矩阵和第二协方差矩阵之间的转换关系，采用功率倒置算法计算阵列天线中各阵元的权矢量，具体包括：

采样获取阵列天线接收到的信号；

确定阵列天线接收到的信号的协方差矩阵

根据计算各阵元的权矢量，其中，c_M＝[1,0,…,0]^H为M维列向量。

可选的，采用各阵元的权矢量对各阵元接收到的信号进行处理，得到去干扰后的信号，具体包括：

将各阵元接收到的信号与各阵元对应的权矢量相乘，得到各阵元接收到的去干扰后的信号；

将各阵元接收到的去干扰后的信号进行累加，得到阵列天线接收到的去干扰后的信号。

可选的，所述采样获取阵列天线接收到的信号，具体包括：

利用快拍采样得到阵列天线接收到的信号样本。

本发明还提供了一种阵列天线接收信号的去干扰系统，所述系统包括：

转换关系确定模块，用于确定第一协方差矩阵和第二协方差矩阵之间的转换关系，所述第一协方差矩阵为阵列天线中阵元接收到的实际信号的协方差矩阵，所述第二协方差矩阵为假设干扰信号的来向变化服从三角形概率分布时，阵列天线中阵元接收到的信号的协方差矩阵；

权矢量计算模块，用于根据第一协方差矩阵和第二协方差矩阵之间的转换关系，采用功率倒置算法计算阵列天线中各阵元的权矢量；

接收信号获取模块，用于获取所述阵列天线中各阵元接收到的信号；

去干扰模块，用于采用各阵元的权矢量对各阵元接收到的信号进行处理，得到去干扰后的信号。

可选的，所述转换关系确定模块，具体包括：

转换关系确定单元，用于将第一协方差矩阵和第二协方差矩阵之间的转换关系确定为其中，

为信号x的第二协方差矩阵，为信号x的第一协方差矩阵，T_L为锥化矩阵，为表示矩阵Hardmard乘积，T_L(m,n)为锥化矩阵中第(m,n)元素的值，β_max为假设干扰信号的来向变化服从三角形概率分布时，干扰信号来向变化对应的零陷宽度的最大值。

可选的，所述权矢量计算模块，具体包括：

接收信号单元，用于采样获取阵列天线接收到的信号；

协方差矩阵确定单元，用于确定阵列天线接收到的信号的协方差矩阵

权矢量计算单元，用于根据计算各阵元的权矢量，其中，c_M＝[1,0,…,0]^H为M维列向量。

可选的，去干扰模块，具体包括：

加权单元，用于将各阵元接收到的信号与各阵元对应的权矢量相乘，得到各阵元接收到的去干扰后的信号；

累加单元，用于将各阵元接收到的去干扰后的信号进行累加，得到阵列天线接收到的去干扰后的信号。

可选的，所述接收信号单元，具体包括：

接收信号子单元，用于利用快拍采样得到阵列天线接收到的信号样本。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的阵列天线接收信号的去干扰方法及系统，采用干扰信号来向变化服从三角形分布概率统计模型，基于线性约束最小功率准则的协方差矩阵锥化零陷加宽抗干扰算法，实现了干扰零陷拓宽，且拓宽的零陷平稳，输出信干噪高，能够对处于高频振动或者高速运动的状态下的接收机接收到的干扰信号进行有效抑制。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例阵列天线接收信号的去干扰方法流程图；

图2为本发明实施例采用的阵列天线模型图；

图3为本发明实施例幅度为3°时不同算法的阵列方向增益图；

图4为本发明实施例三种分布的概率密度曲线图；

图5为本发明实施例幅度为3°时不同算法的阵列输出信干噪比；

图6为本发明实施例采用PI算法对信号处理后的捕获图；

图7为本发明实施例采用三角形分布算法对信号处理后的捕获图；

图8为本发明实施例采用均匀分布算法对信号处理后的捕获图；

图9为本发明实施例采用拉普拉斯分布算法对信号处理后的捕获图；

图10为本发明实施例阵列天线接收信号的去干扰系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种阵列天线接收信号的去干扰方法及系统，能够对处于高频振动或者高速运动的状态下的接收机接收到的干扰信号进行抑制。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例阵列天线接收信号的去干扰方法流程图，如图1所示，阵列天线接收信号的去干扰方法的具体步骤如下：

步骤101：确定第一协方差矩阵和第二协方差矩阵之间的转换关系，所述第一协方差矩阵为阵列天线中阵元接收到的实际信号的协方差矩阵，所述第二协方差矩阵为假设干扰信号的来向变化服从三角形概率分布时，阵列天线中阵元接收到的信号的协方差矩阵；

步骤102：根据第一协方差矩阵和第二协方差矩阵之间的转换关系，采用功率倒置算法计算阵列天线中各阵元的权矢量；

步骤103：获取所述阵列天线中各阵元接收到的信号；

步骤104：采用各阵元的权矢量对各阵元接收到的信号进行处理，得到去干扰后的信号。

其中，步骤101具体包括：

将第一协方差矩阵和第二协方差矩阵之间的转换关系确定为其中， 为信号x的第二协方差矩阵，为信号x的第一协方差矩阵，T_L为锥化矩阵，为表示矩阵Hardmard乘积，T_L(m,n)为锥化矩阵中第(m,n)元素的值，β_max为假设干扰信号的来向变化服从三角形概率分布时，干扰信号来向变化对应的零陷宽度的最大值。

步骤102具体包括：采样获取阵列天线接收到的信号；

确定阵列天线接收到的信号的协方差矩阵

根据计算各阵元的权矢量，其中，c_M＝[1,0,…,0]^H为M维列向量。

步骤103具体包括：

将各阵元接收到的信号与各阵元对应的权矢量相乘，得到各阵元接收到的去干扰后的信号；

将各阵元接收到的去干扰后的信号进行累加，得到阵列天线接收到的去干扰后的信号。

步骤104具体包括：

利用快拍采样得到阵列天线接收到的信号样本。

本发明的信号模型为GNSS接收机阵列天线模型，如图2所示，阵列天线包含M个阵元，阵元之间间距为d，每个阵元对应一个独立的处理通道。远场信号源波面到达阵列天线前端可视为平面波(Plane Wave)，各阵元接收信号后首先在射频前端(Radio FrequencyFront End,RFFE)中对其进行放大去噪，再经模数转换器(Analog to Digital Converter,ADC)抽样提取为数字信号，最后对每一路信号进行加权求和得到输出值。

假设L个卫星导航信号和Q个窄带干扰信号从远场入射，那么阵列天线的接收信号模型可以表示为

式中θ_l为第l个卫星导航信号来向，s_l(t)为第l个卫星导航信号包络；θ_q为第q个干扰信号来向，j_q(t)为第q个干扰信号包络；e(t)表示噪声向量；a(θ)是信号空域导向矢量，对于半波长均匀线阵，其表达式为[1,e^-jπdsinθ,…,e^{-jπ(M-1)dsinθ}]。

线性约束最小功率准则是在线性约束条件下下，通过使阵列输出功率最小来求解权矢量。工程中常设置约束条件为天线参考阵元无失真，其目标函数为

s.t.w^Hc_M＝1

式中，上标“H”表示Hermit转置；c_M＝[1,0,…,0]^H为M维列向量；R_x表示仅包含干扰信号与噪声的理论协方差矩阵。该算法也称功率倒置算法(Power Inversion,PI)，本发明所提算法将基于该准则求解阵列权值。

利用拉格朗日乘数法可以进一步得到权矢量的最优解w_opt为

由于无法得到理论协方差矩阵，一般利用快拍得到的样本协方差矩阵进行替代，样本协方差矩阵的表达式如下

式中，N表示采样得到的快拍数；x(n)为阵列天线实际接收到的包含目标信号、干扰信号与噪声的采样序列。

那么最终得到基于功率倒置算法的阵列权矢量为

基于上述信号模型和阵列天线模型，假设干扰信号来向发生变化，即

式中θ₀为干扰信号初始来向；Δθ表示干扰信号来向变化幅度；是干扰信号来向变化后的真实值，其规律是未知的。

假设第q个干扰信号来向变化幅度Δθ_q在区间[-β,β]内符合三角形分布，那么其概率分布函数如下式

阵列天线接收的信号包括卫星导航信号、干扰信号和噪声，由于卫星导航信号的功率很弱，一般比噪声还要低20dB以上，在计算协方差矩阵时可以将其忽略，所以有

式中表示第q个干扰信号的功率；a(θ_q)为第q个干扰信号的导向矢量；表示噪声信号的功率；I为单位矩阵。当干扰信号来向发生变化时，上式应该变化如下

则可得第(m,n)个元素的表达式如下

因此，扩张矩阵T_L的第(m,n)个元素可以表示为

可以看出当m≠n时，T_L(m,n)与每个具体干扰信号来向都有关系，在满足零陷宽度要求的前提下，为了避免求解干扰信号来向信息，假设每个干扰信号来向变化对应的零陷宽度均为最大值，即用β_max替代β_max cosθ_q，这样新的扩张矩阵T_L的第(m,n)个元素可表示为

由于新的扩张矩阵不需要包含干扰信号来向信息，的计算式可以进一步简化如下

定义表示Hardmard积，则采样协方差矩阵与锥化后的采样协方差矩阵满足下述关系

再根据式可得到协方差矩阵锥化后的阵列权矢量w_T为

以上是基于半波长均匀线阵推导出的关系式，实际上该推导过程适用于任意阵列结构。

对本发明提供的方法进行仿真，仿真实验采用七阵元半波长均匀线阵，BD2B1频点信号来向为0°，信噪比为-20dB；窄带干扰信号来向为-20°，干噪比为40dB；BD2数字中频信号频率为2.42MHz，信号采样率为8.184MHz，快拍数为1024。假设权值更新期间干扰来向变化幅度在3°以内；为消除随机误差影响，进行100次蒙特卡洛仿真实验。

仿真1比较干扰信号来向变化统计模型分别服从三角形分布、均匀分布、拉普拉斯分布时协方差矩阵锥化零陷加宽算法的阵列方向增益特性。为了便于识别图形，将三角形分布、均匀分布、拉普拉斯分布对应的曲线分别标注为Tri、Uni、Lap。

图3是PI算法、均匀分布算法、拉普拉斯分布算法和三角形分布算法对应的阵列天线方向增益图。首先，相比较于传统PI算法，三种分布都能有效展宽零陷。其次，就零陷深度在零陷宽度范围内的一致性而言，三角形分布和均匀分布算法对应的零陷深度在整个零陷范围内都保持较好，且三角形分布算法对应的零陷深度在整个零陷宽度上基本是优于均匀分布的；另外，虽然三角形分布算法对应的零陷极值没有拉普拉斯分布的零陷极值大，但是拉普拉斯分布的零陷深度也仅在不到1°幅度范围内保持优于三角形分布。

造成上述特点的原因可以从三种分布的概率密度曲线上进行解释，如图4所示，均匀分布对应的概率密度曲线在整个变化区间上是等概率的，那么产生的零陷深度一致性保持要相对最好；三角形分布和拉普拉斯分布对应的概率密度曲线则在整个变化区间上呈现出中间高、两边低的特点，因此其零陷极值要大于均匀分布，拉普拉斯分布的概率密度曲线更为陡峭，其极值也更大，但是其在整个区间的零陷深度一致性保持上相对较差。由此可以看出，三角形分布在零陷深度以及宽度一致性之间要更加平衡，由于干扰来向变化规律实际未知，在拓展零陷范围内更加平稳的零陷深度将有利于干扰抑制，这是所提算法的优势。

图5是PI算法、均匀分布算法、拉普拉斯分布算法和三角形分布算法对应的阵列天线输出信干噪比随输入信噪比变化的比较图。首先，三种分布算法对应的阵列输出信干噪比要明显高于PI算法，可知零陷展宽算法不仅展宽了零陷，也提高了信号的输出信干噪比；其次，三角形分布对应的阵列输出信干噪比又要好于均匀分布、拉普拉斯分布。

仿真2结合BD2软件接收机，验证所提算法的可行性。首先利用PI算法、三角形分布算法、均匀分布算法和拉普拉斯分布算法分别对包含静态干扰的BD2B1频点数据进行处理，分别得到权矢量；然后，以静态干扰信号来向为初始值，根据前面的仿真条件构造高动态干扰条件下的BD2数据，利用得到的初始权矢量分别处理该数据，最后送入BD2软件接收机对其进行捕获。

图6显示的是利用PI算法对处理后数据的捕获结果，可以看出PI算法并未有效抑制高动态干扰条件下的干扰信号，因此接收机无法有效捕获BD2信号。图7、8、9显示的分别是利用三角形分布、均匀分布和拉普拉斯分布算法得到的捕获结果，可以看出这三种算法都能有效抑制高动态干扰条件下的干扰信号，从而使接收机成功捕获到了BD2信号。需要注意的是，捕获结果并不能很明显地区别三种分布对应算法的差别，仅作为证明三角形分布算法可行性的参考。

本发明提供的阵列天线接收信号的去干扰方法，采用干扰信号来向变化服从三角形分布概率统计模型，基于线性约束最小功率准则的协方差矩阵锥化零陷加宽抗干扰算法，实现了干扰零陷拓宽，且拓宽的零陷平稳，输出信干噪高，能够对处于高频振动或者高速运动的状态下的接收机接收到的干扰信号进行有效抑制。

本发明还提供了一种阵列天线接收信号的去干扰系统，图10为本发明实施例阵列天线接收信号的去干扰系统结构示意图，如图10所示，所述系统包括：

转换关系确定模块1001，用于确定第一协方差矩阵和第二协方差矩阵之间的转换关系，所述第一协方差矩阵为阵列天线中阵元接收到的实际信号的协方差矩阵，所述第二协方差矩阵为假设干扰信号的来向变化服从三角形概率分布时，阵列天线中阵元接收到的信号的协方差矩阵；

权矢量计算模块1002，用于根据第一协方差矩阵和第二协方差矩阵之间的转换关系，采用功率倒置算法计算阵列天线中各阵元的权矢量；

接收信号获取模块1003，用于获取所述阵列天线中各阵元接收到的信号；

去干扰模块1004，用于采用各阵元的权矢量对各阵元接收到的信号进行处理，得到去干扰后的信号。

其中，所述转换关系确定模块1001，具体包括：

转换关系确定单元，用于将第一协方差矩阵和第二协方差矩阵之间的转换关系确定为其中，

为信号x的第二协方差矩阵，为信号x的第一协方差矩阵，T_L为锥化矩阵，为表示矩阵Hardmard乘积，T_L(m,n)为锥化矩阵中第(m,n)元素的值，β_max为假设干扰信号的来向变化服从三角形概率分布时，干扰信号来向变化对应的零陷宽度的最大值。

所述权矢量计算模块1002，具体包括：

接收信号单元，用于采样获取阵列天线接收到的信号；

协方差矩阵确定单元，用于确定阵列天线接收到的信号的协方差矩阵

权矢量计算单元，用于根据计算各阵元的权矢量，其中，c_M＝[1,0,…,0]^H为M维列向量。

去干扰模块1004，具体包括：

加权单元，用于将各阵元接收到的信号与各阵元对应的权矢量相乘，得到各阵元接收到的去干扰后的信号；

累加单元，用于将各阵元接收到的去干扰后的信号进行累加，得到阵列天线接收到的去干扰后的信号。

其中，所述接收信号单元，具体包括：

接收信号子单元，用于利用快拍采样得到阵列天线接收到的信号样本。。

本发明提供的本发明提供的阵列天线接收信号的去干扰系统，采用干扰信号来向变化服从三角形分布概率统计模型，基于线性约束最小功率准则的协方差矩阵锥化零陷加宽抗干扰算法，实现了干扰零陷拓宽，且拓宽的零陷平稳，输出信干噪高，能够对处于高频振动或者高速运动的状态下的接收机接收到的干扰信号进行有效抑制。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种阵列天线接收信号的去干扰方法，其特征在于，所述方法包括：

确定第一协方差矩阵和第二协方差矩阵之间的转换关系，所述第一协方差矩阵为阵列天线中阵元接收到的实际信号的协方差矩阵，所述第二协方差矩阵为假设干扰信号的来向变化服从三角形概率分布时，阵列天线中阵元接收到的信号的协方差矩阵；

根据第一协方差矩阵和第二协方差矩阵之间的转换关系，采用功率倒置算法计算阵列天线中各阵元的权矢量；

获取所述阵列天线中各阵元接收到的信号；

采用各阵元的权矢量对各阵元接收到的信号进行处理，得到去干扰后的信号。

2.根据权利要求1所述的阵列天线接收信号的去干扰方法，其特征在于，所述确定第一协方差矩阵和第二协方差矩阵之间的转换关系，具体包括：

将第一协方差矩阵和第二协方差矩阵之间的转换关系确定为其中， 为信号x的第二协方差矩阵，为信号x的第一协方差矩阵，T_L为锥化矩阵，为表示矩阵Hardmard乘积，T_L(m,n)为锥化矩阵中第(m,n)元素的值，β_max为假设干扰信号的来向变化服从三角形概率分布时，干扰信号来向变化对应的零陷宽度的最大值。

3.根据权利要求1所述的阵列天线接收信号的去干扰方法，其特征在于，所述根据第一协方差矩阵和第二协方差矩阵之间的转换关系，采用功率倒置算法计算阵列天线中各阵元的权矢量，具体包括：

采样获取阵列天线接收到的信号；

确定阵列天线接收到的信号的协方差矩阵

根据计算各阵元的权矢量，其中，c_M＝[1,0,…,0]^H为M维列向量。

4.根据权利要求1所述的阵列天线接收信号的去干扰方法，其特征在于，采用各阵元的权矢量对各阵元接收到的信号进行处理，得到去干扰后的信号，具体包括：

将各阵元接收到的信号与各阵元对应的权矢量相乘，得到各阵元接收到的去干扰后的信号；

将各阵元接收到的去干扰后的信号进行累加，得到阵列天线接收到的去干扰后的信号。

5.根据权利要求1所述的阵列天线接收信号的去干扰方法，其特征在于，所述采样获取阵列天线接收到的信号，具体包括：

利用快拍采样得到阵列天线接收到的信号样本。

6.一种阵列天线接收信号的去干扰系统，其特征在于，所述系统包括：

转换关系确定模块，用于确定第一协方差矩阵和第二协方差矩阵之间的转换关系，所述第一协方差矩阵为阵列天线中阵元接收到的实际信号的协方差矩阵，所述第二协方差矩阵为假设干扰信号的来向变化服从三角形概率分布时，阵列天线中阵元接收到的信号的协方差矩阵；

权矢量计算模块，用于根据第一协方差矩阵和第二协方差矩阵之间的转换关系，采用功率倒置算法计算阵列天线中各阵元的权矢量；

接收信号获取模块，用于获取所述阵列天线中各阵元接收到的信号；

去干扰模块，用于采用各阵元的权矢量对各阵元接收到的信号进行处理，得到去干扰后的信号。

7.根据权利要求6所述的阵列天线接收信号的去干扰系统，其特征在于，所述转换关系确定模块，具体包括：

转换关系确定单元，用于将第一协方差矩阵和第二协方差矩阵之间的转换关系确定为其中， 为信号x的第二协方差矩阵，为信号x的第一协方差矩阵，T_L为锥化矩阵，为表示矩阵Hardmard乘积，T_L(m,n)为锥化矩阵中第(m,n)元素的值，β_max为假设干扰信号的来向变化服从三角形概率分布时，干扰信号来向变化对应的零陷宽度的最大值。

8.根据权利要求6所述的阵列天线接收信号的去干扰系统，其特征在于，所述权矢量计算模块，具体包括：

接收信号单元，用于采样获取阵列天线接收到的信号；

协方差矩阵确定单元，用于确定阵列天线接收到的信号的协方差矩阵

权矢量计算单元，用于根据计算各阵元的权矢量，其中，c_M＝[1,0,…,0]^H为M维列向量。

9.根据权利要求6所述的阵列天线接收信号的去干扰系统，其特征在于，去干扰模块，具体包括：

加权单元，用于将各阵元接收到的信号与各阵元对应的权矢量相乘，得到各阵元接收到的去干扰后的信号；

累加单元，用于将各阵元接收到的去干扰后的信号进行累加，得到阵列天线接收到的去干扰后的信号。

10.根据权利要求8所述的阵列天线接收信号的去干扰系统，其特征在于，所述接收信号单元，具体包括：

接收信号子单元，用于利用快拍采样得到阵列天线接收到的信号样本。