CN109239681B - 一种运动干扰稳健滤波方法 - Google Patents

一种运动干扰稳健滤波方法 Download PDF

Info

Publication number
CN109239681B
CN109239681B CN201811241982.8A CN201811241982A CN109239681B CN 109239681 B CN109239681 B CN 109239681B CN 201811241982 A CN201811241982 A CN 201811241982A CN 109239681 B CN109239681 B CN 109239681B
Authority
CN
China
Prior art keywords
covariance matrix
interference
broadening
new
null
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.)
Active
Application number
CN201811241982.8A
Other languages
English (en)
Other versions
CN109239681A (zh
Inventor
朱江
段崇棣
李渝
王伟伟
范一飞
杨晓超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Institute of Space Radio Technology
Original Assignee
Xian Institute of Space Radio Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Institute of Space Radio Technology filed Critical Xian Institute of Space Radio Technology
Priority to CN201811241982.8A priority Critical patent/CN109239681B/zh
Publication of CN109239681A publication Critical patent/CN109239681A/zh
Application granted granted Critical
Publication of CN109239681B publication Critical patent/CN109239681B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明一种运动干扰稳健滤波方法，步骤如下：步骤1：获取接收数据的协方差矩阵R；步骤2：根据协方差矩阵获得新的零陷展宽协方差矩阵；步骤3：对步骤2中零陷展宽协方差矩阵引入对角加载技术，得到新的协方差矩阵；步骤4：根据步骤3得到的新的协方差矩阵，求得自适应权值，进而得到能够在干扰位置处形成零陷的自适应方向图。本发明对零陷展宽系数选取依赖性较低，且对角加载量不需要设置固定的经验值，有利于稳健运动干扰滤波，适用于实际工程中先验信息不足条件下的自适应阵列抗运动干扰情况。

Description

一种运动干扰稳健滤波方法
技术领域
本发明属于雷达技术领域，更进一步涉及运动干扰条件下自适应波束形成信号处理技术，可用于先验信息不足条件下的运动干扰稳健滤波。
背景技术
传统的自适应信号处理技术利用协方差求逆得到自适应权值，在干扰处形成凹口。这种方法适用于天线阵列与干扰相对静止的条件下，然而实际环境中往往存在干扰源快速变化的情况，这使得协方差矩阵估计快拍数难以满足，干扰不能被方向图凹口完全抑制，导致系统滤波性能降低。因此阵列运动干扰稳健滤波问题亟需解决。
目前，针对运动干扰抑制问题，已有多种自适应抗干扰方法被提出。实时RLS估计方法通过不断更新自适应权值达到抗运动干扰的目的，但是考虑到干扰运动是随机的，且很难进行实时预测，因此这种方法形成的阵列凹口无法精确对准干扰源。导数约束法将方向图在凹口处高阶导数置零，从而使干扰处零陷展宽。Mailloux-Zatman算法(M-Z算法)将接收协方差矩阵与零陷展宽矩阵相乘，从而得到凹口展宽的方向图，相比导数约束法，计算量有所减小。为了进一步提高自适应波束形成算法的稳健性，有些学者将M-Z方法与对角加载方法结合，减小了噪声和误差对算法性能的影响。制约上述运动干扰滤波性能最关键的因素是凹口展宽大小的确定，过大的凹口会引起周围目标信号能量损失，太小的凹口无法完成运动干扰信号抑制。
目前国内外对于抗运动干扰中凹口展宽量的研究未见公开，因此亟需一种能不依赖凹口展宽大小的稳健运动干扰抑制方法，这也是阵列抗干扰工程化需考虑的重要问题之一。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供公开一种运动干扰稳健滤波方法，解决在实际工程中先验信息不足条件下的自适应阵列抗运动干扰问题
本发明的技术方案是：一种运动干扰稳健滤波方法，步骤如下：
步骤1：获取接收数据的协方差矩阵R；
步骤2：根据协方差矩阵获得新的零陷展宽协方差矩阵R1：
步骤3：对步骤2中零陷展宽协方差矩阵引入对角加载技术，得到新的协方差矩阵R2；
步骤4：根据步骤3得到的新的协方差矩阵，求得自适应权值
Figure BDA0001839570070000021
进而得到能够在干扰位置处形成零陷的自适应方向图。其中θ0表示感兴趣的目标方向，d代表天线间距，
Figure BDA0001839570070000022
所述步骤1中获取接收数据的协方差矩阵R的具体表达形式为：
Figure BDA0001839570070000023
其中K是快拍数；X(i)是目标所在距离的第i个脉冲的多通道数据，X(i)H表示对X(i)进行共轭转置处理。
所述步骤2中新的零陷展宽协方差矩阵R1的具体表达形式为：
R1＝CR+CBRBH；
矩阵C中元素定义如下：
Ck,l＝sinc((k-l)Δ/π)；
其中1≤k,l≤N，N为天线阵元数，Δ为展宽系数；B＝diag(0,1,…N-1)，对B其归一化后得
Figure BDA0001839570070000024
步骤3所述的对角加载技术，对角加载量大小选取方法如下：
1)对R进行特征值分解；
2)将特征值按绝对值大小排序，当接收数据中存在干扰信号时，特征值曲线必定存在拐点，求得拐点以及拐点两侧特征值V1、V2和V3，则对角加载量大小为σ＝V1+V2+V3/3。
所述步骤3中计算得到新的协方差矩阵R2的具体方法为：R2＝R1+σI；其中I是维度为N×N的单位阵，σ为对角加载量大小。
所述步骤4中自适应权值
Figure BDA0001839570070000031
其中θ0表示感兴趣的目标方向，d代表天线间距，
Figure BDA0001839570070000032
本发明与现有技术相比有益效果为：
本发明方法属于自适应阵列抗运动干扰算法，相比经典的几种运动干扰抑制算法，所提算法将零陷展宽技术与导数约束方法相结合，用得到的新协方差矩阵求自适应权值。在此基础上，为了提高自适应波束形成对噪声和误差的稳健性，引入了对角加载技术，加载量通过寻找协方差矩阵的特征值曲线拐点得到，有效避免了加载量过大导致的干扰信号被淹没以及加载量过小导致噪声分量引起性能损失的问题。该发明对零陷展宽系数选取依赖性较低，且对角加载量不需要设置固定的经验值，有利于稳健运动干扰滤波，适用于实际工程中先验信息不足条件下的自适应阵列抗运动干扰情况。
附图说明
图1为本发明方法处理流程。
图2(a)是在展宽系数Δ＝0.05的情况下采用协方差矩阵求逆算法、本发明算法、M-Z算法以及对角加载算法形成的自适应阵列方向图，图2(b)是在展宽系数Δ＝0.00005的情况下采用协方差矩阵求逆算法、本发明算法、M-Z算法以及对角加载算法形成的自适应阵列方向图。
图3(a)是在展宽系数Δ＝0.05的情况下采用协方差矩阵求逆算法、本发明算法、M-Z算法以及对角加载算法得到的输出信干噪比曲线，图3(b)是在展宽系数Δ＝0.00005的情况下采用协方差矩阵求逆算法、本发明算法、M-Z算法以及对角加载算法得到的输出信干噪比曲线。
图4(a)是在展宽系数Δ＝0.05的情况下得到的协方差矩阵特征值分布。图4(b)是在展宽系数Δ＝0.00005的情况下得到的协方差矩阵特征值分布。
图5(a)给出了展宽系数Δ＝0.05、目标与干扰方位角较近时(干扰方位角18°)采用协方差矩阵求逆算法、本发明算法、M-Z算法以及对角加载算法得到的自适应方向图，图5(b)给出了展宽系数Δ＝0.00005、目标与干扰方位角较近时(干扰方位角18°)采用协方差矩阵求逆算法、本发明算法、M-Z算法以及对角加载算法得到的自适应方向图。
图6(a)给出了展宽系数Δ＝0.05、目标与干扰方位角较近时(干扰方位角18°)采用协方差矩阵求逆算法、本发明算法、M-Z算法以及对角加载算法得到的输出信干噪比曲线，图6(b)给出了展宽系数Δ＝0.00005、目标与干扰方位角较近时(干扰方位角18°)采用协方差矩阵求逆算法、本发明算法、M-Z算法以及对角加载算法得到的输出信干噪比曲线。
具体实施方式
下面对本发明实施及效果作进一步的详细描述。
本发明的使用场景为：本发明可应用于先验信息不足条件下的自适应阵列抗运动干扰情况中。将零陷展宽技术与导数约束方法相结合，用得到的新协方差矩阵求自适应权值。同时引入了自适应对角加载技术提高自适应波束形成对噪声和误差的稳健性。其实现步骤如下：
步骤1获取接收协方差矩阵：
Figure BDA0001839570070000041
其中K是快拍数；X(i)是目标所在距离的第i个脉冲的多通道数据，X(i)H表示对X(i)进行共轭转置处理。
步骤2根据协方差矩阵获得新的零陷展宽协方差矩阵R1：
Figure BDA0001839570070000042
矩阵C中元素定义如下：
Ck,l＝sinc((k-l)Δ/π)
其中1≤k,l≤N，N为天线阵元数，Δ为展宽系数。B＝diag(0,1,…N-1)，对其归一化后
Figure BDA0001839570070000051
步骤3对步骤2中零陷展宽协方差矩阵引入对角加载技术，对角加载量大小选取方法如下：
1)对R进行特征值分解。
2)将特征值按绝对值大小排序，当接收数据中存在干扰信号时，特征值曲线必定存在拐点，求得拐点以及拐点两侧特征值V1、V2和V3，对角加载量大小定义为σ＝V1+V2+V3/3。
3)新的协方差矩阵定义为：R2＝R1+σI。
步骤4根据最终的协方差矩阵求得自适应权值
Figure BDA0001839570070000052
得到归一化方向图。其中θ0表示感兴趣的目标方向，d代表天线间距。
Figure BDA0001839570070000053
下面通过仿真实验对本发明的效果做进一步说明。
图2对比了协方差矩阵求逆算法、本发明算法、M-Z算法以及对角加载算法形成的阵列方向图，可以看出相比其他三种算法，专利所提算法对零陷展宽系数的选取依赖性较小，可以在不同展宽系数条件下获得较好的运动干扰抑制效果。另一方面，专利中对角量选取方法可以保证阵列抗运动干扰的同时对噪声等具有一定的稳健性。图3中不同方法的输出信干噪比进一步验证了上述结论。图4为不同展宽系数对应的协方差特征值分布，当存在干扰时，从特征值曲线中很容易找到拐点以及拐点左右的特征值得到对角加载量。其中图2、图3和图4仿真参数设置如下：目标信噪比为5dB，干扰对应干噪比为40dB，噪声功率0dB，目标和干扰对应方位角分别为10°和35°，阵元数和快拍数设置为16和300。
为了进一步验证本发明抗运动干扰的稳健性，图5和图6分别给出了目标干扰方位角较近时(干扰方位角18°)不同方法对应的方向图和输出信干比曲线，当展宽系数较小时，M-Z方法方向图凹口展宽有限，因此滤波性能不如专利方法；当展宽系数较大时，M-Z方法方向图凹口展宽程度较大，但由于凹口与目标信号较近，导致方向图出现畸变，所提方法通过合理选取对角加载量，保证了抑制运动干扰的同时不影响目标方向图的指向。
仿真结论：仿真结果表明，相比经典的几种自适应阵列抗干扰方法，本发明方法提升了在没有运动干扰先验信息条件下的滤波性能，在不同零陷展宽系数以及临近干扰等情况下，均有较稳健的抗运动干扰能力。

Claims (2)

1.一种运动干扰稳健滤波方法，其特征在于步骤如下：
步骤1：获取接收数据的协方差矩阵R；
步骤2：根据协方差矩阵获得新的零陷展宽协方差矩阵R1：
步骤3：对步骤2中零陷展宽协方差矩阵引入对角加载技术，得到新的协方差矩阵R2；
步骤4：根据步骤3得到的新的协方差矩阵，求得自适应权值
Figure FDA0002522802340000011
进而得到能够在干扰位置处形成零陷的自适应方向图；其中θ0表示感兴趣的目标方向，d代表天线间距，
Figure FDA0002522802340000012
所述步骤1中获取接收数据的协方差矩阵R的具体表达形式为：
Figure FDA0002522802340000013
其中K是快拍数；X(i)是目标所在距离的第i个脉冲的多通道数据，X(i)H表示对X(i)进行共轭转置处理；
所述步骤2中新的零陷展宽协方差矩阵R1的具体表达形式为：
R1＝CR+CBRBH；
矩阵C中元素定义如下：
Ck,l＝sinc((k-l)Δ/π)；
其中1≤k,l≤N，N为天线阵元数，Δ为展宽系数；B＝diag(0,1,…N-1)，对B其归一化后得
Figure FDA0002522802340000014
步骤3所述的对角加载技术，对角加载量大小选取方法如下：
1)对R进行特征值分解；
2)将特征值按绝对值大小排序，当接收数据中存在干扰信号时，特征值曲线必定存在拐点，求得拐点以及拐点两侧特征值V1、V2和V3，则对角加载量大小为σ＝V1+V2+V3/3。
2.根据权利要求1所述的一种运动干扰稳健滤波方法，其特征在于：所述步骤3中计算得到新的协方差矩阵R2的具体方法为：R2＝R1+σI；其中I是维度为N×N的单位阵，σ为对角加载量大小。
CN201811241982.8A 2018-10-24 2018-10-24 一种运动干扰稳健滤波方法 Active CN109239681B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811241982.8A CN109239681B (zh) 2018-10-24 2018-10-24 一种运动干扰稳健滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811241982.8A CN109239681B (zh) 2018-10-24 2018-10-24 一种运动干扰稳健滤波方法

Publications (2)

Publication Number Publication Date
CN109239681A CN109239681A (zh) 2019-01-18
CN109239681B true CN109239681B (zh) 2020-09-18

Family

ID=65081630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811241982.8A Active CN109239681B (zh) 2018-10-24 2018-10-24 一种运动干扰稳健滤波方法

Country Status (1)

Country Link
CN (1) CN109239681B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188406B (zh) * 2019-05-09 2022-12-23 西安电子科技大学 基于旁瓣相消器的自适应零陷展宽方法
CN117849707A (zh) * 2024-03-07 2024-04-09 西北工业大学 一种自适应抗扰多目标方位跟踪方法、系统、芯片及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101888644A (zh) * 2009-05-14 2010-11-17 中兴通讯股份有限公司 一种实现单用户波束成形的系统及方法
CN105182302A (zh) * 2015-10-15 2015-12-23 哈尔滨工程大学 一种抗快速运动干扰稳健零陷展宽波束形成方法
CN105204008A (zh) * 2015-10-15 2015-12-30 哈尔滨工程大学 一种基于协方差矩阵扩展的自适应天线波束形成零陷展宽方法
CN106295122A (zh) * 2016-07-26 2017-01-04 中国人民解放军火箭军工程大学 一种稳健的零陷展宽自适应波束形成方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2870789C (en) * 2012-04-26 2017-09-26 Propagation Research Associates, Inc. Method and system for using orthogonal space projections to mitigate interference

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101888644A (zh) * 2009-05-14 2010-11-17 中兴通讯股份有限公司 一种实现单用户波束成形的系统及方法
CN105182302A (zh) * 2015-10-15 2015-12-23 哈尔滨工程大学 一种抗快速运动干扰稳健零陷展宽波束形成方法
CN105204008A (zh) * 2015-10-15 2015-12-30 哈尔滨工程大学 一种基于协方差矩阵扩展的自适应天线波束形成零陷展宽方法
CN106295122A (zh) * 2016-07-26 2017-01-04 中国人民解放军火箭军工程大学 一种稳健的零陷展宽自适应波束形成方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Covariance matrix augmentation to produce adaptive array pattern troughs;R.J. Mailloux;《Electronics Letters》;19950531;全文 *
一种相干信号自适应波束形成零陷展宽算法;黄超;《现代雷达》;20161031;第1-3节 *
零陷展宽对角载入算法;陈涛;《现代电子技术》;20140401;全文 *

Also Published As

Publication number Publication date
CN109239681A (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
CN107561503B (zh) 一种基于多重渐消因子的自适应目标跟踪滤波方法
CN107907852B (zh) 基于空间平滑的协方差矩阵秩最小化doa估计方法
Cong et al. Robust DOA estimation method for MIMO radar via deep neural networks
Shen et al. Robust adaptive beamforming based on steering vector estimation and covariance matrix reconstruction
CN106569181A (zh) 基于协方差矩阵重构稳健Capon波束形成的算法
CN105137399B (zh) 基于斜投影滤波的雷达自适应波束形成方法
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
CN110113085B (zh) 一种基于协方差矩阵重构的波束形成方法及系统
CN105302936A (zh) 基于相关计算和协方差矩阵重构的自适应波束形成方法
CN106295122A (zh) 一种稳健的零陷展宽自适应波束形成方法
CN103984676A (zh) 一种基于协方差矩阵重构的正交投影自适应波束形成方法
CN109239681B (zh) 一种运动干扰稳健滤波方法
CN109639333B (zh) 一种基于有效重构协方差矩阵的波束形成方法
Mishra et al. Directivity estimations for short dipole antenna arrays using radial basis function neural networks
CN105306123A (zh) 一种抗阵列系统误差的稳健波束形成方法
CN110196410B (zh) 一种阵列天线主瓣干扰抑制方法及系统
CN103885045B (zh) 基于子阵划分的循环联合自适应波束形成方法
CN111049556A (zh) 一种基于干扰协方差矩阵重构的互素阵稳健自适应波束形成方法
CN114048431B (zh) 一种基于协方差矩阵重构和admm的波束形成方法
CN111337873A (zh) 一种基于稀疏阵的doa估计方法
Mu et al. Robust MVDR beamforming based on covariance matrix reconstruction
CN110888105A (zh) 一种基于卷积神经网络和接收信号强度的doa估计方法
Zhang et al. Sidelobe suppression for adaptive beamforming with sparse constraint on beam pattern
CN109283496B (zh) 一种抗运动干扰和抗导向失配的稳健波束形成方法
CN113884979A (zh) 干扰加噪声协方差矩阵重构的稳健自适应波束形成方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant