CN108733626A - 一种基于空间功率谱匹配的协方差矩阵重构方法 - Google Patents
一种基于空间功率谱匹配的协方差矩阵重构方法 Download PDFInfo
- Publication number
- CN108733626A CN108733626A CN201810355056.7A CN201810355056A CN108733626A CN 108733626 A CN108733626 A CN 108733626A CN 201810355056 A CN201810355056 A CN 201810355056A CN 108733626 A CN108733626 A CN 108733626A
- Authority
- CN
- China
- Prior art keywords
- covariance matrix
- matrix
- formula
- optimization problem
- power spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 82
- 238000001228 spectrum Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 238000005070 sampling Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 2
- 230000006641 stabilisation Effects 0.000 abstract 1
- 238000011105 stabilization Methods 0.000 abstract 1
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于空间功率谱匹配的协方差矩阵重构方法,其包括重构干扰加噪声协方差矩阵和重构信号加噪声协方差矩阵,具体过程是:(一)、干扰加噪声协方差矩阵重构;(二)、重构信号加噪声协方差矩阵等价于求解式(4)所示的凸优化问题,从而完成基于空间功率谱匹配的协方差矩阵重构。可以有效降低噪音或其他杂波干扰,提升抗干扰能力和确保信号稳定性。
Description
技术领域
本发明涉及一种基于空间功率谱匹配的协方差矩阵重构方法。
背景技术
人传感网时空数据复杂场景下存在电磁场杂波干扰、波前扰动、局部散射、环境气流、多维演化、位置随意性等因素使得点源模型不再适用。同时,传感器阵列的通道幅相误差、阵元位置误差、波束指向误差、阵元各向异性与不一致性引起响应灵敏度误差、阵元间耦合等阵列因素也导致波束形成器性能急剧下降。
为此,重点研究传感网时空数据广义秩目标凸优化稳健波形成方法,实现单秩和高阶秩目标凸优化稳健波形成。
考虑到传感网时空数据复杂场景及传感器阵列自身存在着诸多不确定性因素。如:电磁场杂波干扰、波前扰动、局部散射、环境气流、多维演化、位置随意性影响,以及阵列通道幅相误差、阵元位置误差、波束指向误差、阵元各向异性与不一致性引起响应灵敏度误差、阵元间耦合等,本项目将研究传感网时空数据复杂场景下广义秩目标(包括单秩目标、高阶秩目标)凸优化稳健波算法。基本思路是:若目标为单秩目标,首先校正导向向量,其次重构干扰加噪声协方差矩阵,然后基于最小方差无失真波束形成计算权值向量,得到单秩目标凸优化稳健波束形成算法(DS-RAB算法)。若目标为高阶秩目标,首先重构期望信号协方差矩阵和干扰加噪声协方差矩阵,然后再基于广义最小方差无失真波束形成计算权值向量,得到高阶秩目标凸优化稳健波束形成算法(MASS-RAB算法)。
发明内容
本发明的目的是提供一种为实现单秩和高阶秩目标即广义秩目标凸优化稳健波形成,对空间功率谱匹配的协方差矩阵的重构。
为解决上述问题,本发明提供一种基于空间功率谱匹配的协方差矩阵重构方法,其包括重构干扰加噪声协方差矩阵和重构信号加噪声协方差矩阵,具体过程是:
(一)、干扰加噪声协方差矩阵重构
1)、求解非凸优化问题:
令ΘS代表期望信号波达方向所在方向区间,ΘI代表干扰信号波达方向所在方向区间,假设ΘS与ΘI之间区分明显,且快拍数足够大,利用样本协方差矩阵或干扰加噪声协方差矩阵Ri+n计算得到Capon空间功率谱在方向区间ΘI内近似相等;
在方向区间ΘI的补区间中,矩阵Ri+n对应空间功率谱近似等于常数,记为噪声平均功率因此,基于空间功率谱匹配和矩阵半正定约束,干扰加噪声协方差矩阵重构等价于求解如下所示的非凸优化问题:
2)求解凸优化问题:
即将式(1)中非凸优化问题转化为凸优化问题,
2.1)、对方向区间ΘI等间隔采样,得到集合{θ1,θ2,...,θk};
2.2)、对方向补区间等间隔采样,得到集合
2.3)、引入矩阵并将优化变量由转变为
2.4)、将式(1)中非凸优化问题转化为关于矩阵的凸优化问题,即:
2.5)、构造导向向量矩阵V=[a(θ1),a(θ2),...,a(θk)]和则式(2)中凸优化问题表示式(3)中紧凑形式,求解即可得到重构干扰加噪声协方差矩阵:
同样,在方向区间ΘS内,样本协方差矩阵与信号加噪声协方差矩阵Rs+n对应空间功率谱存在式(3)所示的匹配关系;
(二)、等价于求解式(4)所示的
式(4)中,矩阵P=[a(θ1),a(θ2),...,a(θJ)]和其中方向角θi,i=1,2,...,J是方向区间ΘS上的等间隔采样;而方向角j=1,2,...,H是方向补区间上的等间隔采样;
而矩阵为信号加噪声协方差矩阵的逆;利用内点法求解式(4)中凸优化问题,得到重构信号加噪声协方差矩阵;但注意到矩阵Rs+n中噪声分量可被看作对期望信号协方差矩阵的对角加载,因此矩阵的逆可被当作等效重构期望信号协方差矩阵;
在式(3)和式(4)中,一般取P1=1,2,...,∞以及P2=1,2,...,∞,即分别对应L1、L2、…,L∞范数;
至此,完成基于空间功率谱匹配的协方差矩阵重构。
与现有技术相比,可以有效降低噪音或其他杂波干扰,提升抗干扰能力和确保信号稳定性。
附图说明
以下将结合附图对本发明做进一步详细说明。
图1是空间功率谱匹配图。
图2是图1的局部放大图。
图3是重构协方差矩阵的空间功率谱匹配图。
图4是图3局部放大图。
具体实施方式
实施例1:
本令ΘS代表期望信号波达方向所在方向区间,ΘI代表干扰信号波达方向所在方向区间。假设ΘS与ΘI之间区分明显,且快拍数足够大,利用样本协方差矩阵或干扰加噪声协方差矩阵Ri+n计算得到Capon空间功率谱在方向区间ΘI内近似相等。
图1表示空间功率谱匹配图,图2是图1局部放大图,蓝色实线表示矩阵对应空间功率谱;红色点划线表示矩阵Ri+n对应空间功率谱。
注意到,在方向区间ΘI的补区间中,矩阵Ri+n对应空间功率谱近似等于常数,记为噪声平均功率因此,基于空间功率谱匹配和矩阵半正定约束,干扰加噪声协方差矩阵重构等价于求解如下所示的非凸优化问题:
为将式(1)中首先,对方向区间ΘI等间隔采样,得到集合{θ1,θ2,...,θk},同样地,对方向补区间等间隔采样,得到集合然后引入矩阵并将优化变量由转变为
式(1)中非凸优化问题转化为关于矩阵的凸优化问题,即:
构造导向向量矩阵V=[a(θ1),a(θ2),...,a(θk)]和则式(2)中凸优化问题可以表示式(3)中紧凑形式,求解即可得到重构干扰加噪声协方差矩阵。
类似地,在方向区间ΘS内,样本协方差矩阵与信号加噪声协方差矩阵Rs+n对应空间功率谱存在着类似匹配关系。
图3表示重构协方差矩阵的空间功率谱匹配图,图4是图3局部放大图,蓝色实线表示矩阵对应的空间功率谱;红色点划线表示矩阵Rs+n对应空间功率谱。
于是,等价于求解如下所示的
式中,矩阵P=[a(θ1),a(θ2),...,a(θJ)]和其中方向角θi,i=1,2,...,J是方向区间ΘS上的等间隔采样;而方向角j=1,2,...,H是方向补区间上的等间隔采样。
而矩阵为信号加噪声协方差矩阵的逆。利用内点法求解式(4)中凸优化问题,得到重构信号加噪声协方差矩阵。但注意到矩阵Rs+n中噪声分量可被看作对期望信号协方差矩阵的对角加载,因此矩阵的逆可被当作等效重构期望信号协方差矩阵。在式(3)和式(4)中,一般取P1=1,2,...,∞以及P2=1,2,...,I,即分别对应L1、L2、L∞范数。
Claims (1)
1.一种基于空间功率谱匹配的协方差矩阵重构方法,其包括重构干扰加噪声协方差矩阵和重构信号加噪声协方差矩阵,具体过程是:
(一)、干扰加噪声协方差矩阵重构
1)、求解非凸优化问题:
令ΘS代表期望信号波达方向所在方向区间,ΘI代表干扰信号波达方向所在方向区间,假设ΘS与ΘI之间区分明显,且快拍数足够大,利用样本协方差矩阵或干扰加噪声协方差矩阵Ri+n计算得到Capon空间功率谱在方向区间ΘI内近似相等;
在方向区间ΘI的补区间中,矩阵Ri+n对应空间功率谱近似等于常数,记为噪声平均功率因此,基于空间功率谱匹配和矩阵半正定约束,干扰加噪声协方差矩阵重构等价于求解如下所示的非凸优化问题:
2)求解凸优化问题:
即将式(1)中非凸优化问题转化为凸优化问题,
2.1)、对方向区间ΘI等间隔采样,得到集合{θ1,θ2,...,θk};
2.2)、对方向补区间等间隔采样,得到集合
2.3)、引入矩阵并将优化变量由转变为
2.4)、将式(1)中非凸优化问题转化为关于矩阵的凸优化问题,即:
2.5)、构造导向向量矩阵V=[a(θ1),a(θ2),...,a(θk)]和则式(2)中凸优化问题表示式(3)中紧凑形式,求解即可得到重构干扰加噪声协方差矩阵:
同样,在方向区间ΘS内,样本协方差矩阵与信号加噪声协方差矩阵Rs+n对应空间功率谱存在式(3)所示的匹配关系;
(二)、等价于求解式(4)所示的
式(4)中,矩阵P=[a(θ1),a(θ2),...,a(θJ)]和其中方向角θi,i=1,2,...,J是方向区间ΘS上的等间隔采样;而方向角j=1,2,...,H是方向补区间上的等间隔采样;
而矩阵为信号加噪声协方差矩阵的逆;利用内点法求解式(4)中凸优化问题,得到重构信号加噪声协方差矩阵;但注意到矩阵Rs+n中噪声分量可被看作对期望信号协方差矩阵的对角加载,因此矩阵的逆可被当作等效重构期望信号协方差矩阵;
在式(3)和式(4)中,一般取P1=1,2,...,∞以及P2=1,2,...,∞,即分别对应L1、L2、…,L∞范数;
至此,完成基于空间功率谱匹配的协方差矩阵重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810355056.7A CN108733626A (zh) | 2018-04-19 | 2018-04-19 | 一种基于空间功率谱匹配的协方差矩阵重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810355056.7A CN108733626A (zh) | 2018-04-19 | 2018-04-19 | 一种基于空间功率谱匹配的协方差矩阵重构方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108733626A true CN108733626A (zh) | 2018-11-02 |
Family
ID=63939109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810355056.7A Withdrawn CN108733626A (zh) | 2018-04-19 | 2018-04-19 | 一种基于空间功率谱匹配的协方差矩阵重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108733626A (zh) |
-
2018
- 2018-04-19 CN CN201810355056.7A patent/CN108733626A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107167778A (zh) | 一种基于协方差矩阵重构和导向矢量估计的稳健波束形成方法 | |
CN106772226B (zh) | 基于压缩感知时间调制阵列的doa估计方法 | |
CN105824002B (zh) | 基于嵌套式子阵阵列的波达方向估计方法 | |
CN102608588B (zh) | 基于子带分解的宽带子阵自适应波束形成方法 | |
Van Veen | Minimum variance beamforming with soft response constraints | |
CN104970831B (zh) | 一种基于特征结构的广义旁瓣相消超声成像波束合成方法 | |
CN110031794A (zh) | 一种基于差分共性阵重构的相干信源doa估计方法 | |
CN110045323B (zh) | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 | |
CN105259550B (zh) | 基于压缩感知的多输入多输出雷达二维角度估计方法 | |
CN106125041B (zh) | 基于子空间加权稀疏恢复的宽带信号源定位方法 | |
Wang et al. | Adaptive beamforming with compressed sensing for sparse receiving array | |
CN106353738B (zh) | 一种新的doa失配条件下稳健自适应波束形成方法 | |
CN109407045A (zh) | 一种非均匀传感器阵列宽带信号波达方向估计方法 | |
Gouveia et al. | A review on methods for random motion detection and compensation in bio-radar systems | |
CN109450499A (zh) | 一种基于导向矢量和空间功率估计的鲁棒波束形成方法 | |
Wipf et al. | Beamforming using the relevance vector machine | |
CN107966677A (zh) | 一种基于空间稀疏约束的圆阵模态域方位估计方法 | |
CN107728112A (zh) | 在目标导向矢量严重失配情况下的稳健波束形成方法 | |
CN107302391A (zh) | 基于互质阵列的自适应波束成形方法 | |
CN108631851A (zh) | 基于均匀直线阵列零陷加深的自适应波束形成方法 | |
Kleiman et al. | Constant-beamwidth beamforming with concentric ring arrays | |
CN108733626A (zh) | 一种基于空间功率谱匹配的协方差矩阵重构方法 | |
Tang et al. | Transmit beamforming for DOA estimation based on Cramer–Rao bound optimization in subarray MIMO radar | |
CN104768099B (zh) | 用于圆环形阵的模态波束形成器及频域宽带实现方法 | |
CN106443672B (zh) | 一种方位多通道sar信号自适应重构方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181102 |