CN110361697B - 一种基于协方差矩阵混合重构的稳健波束形成方法 - Google Patents

一种基于协方差矩阵混合重构的稳健波束形成方法 Download PDF

Info

Publication number
CN110361697B
CN110361697B CN201910616737.9A CN201910616737A CN110361697B CN 110361697 B CN110361697 B CN 110361697B CN 201910616737 A CN201910616737 A CN 201910616737A CN 110361697 B CN110361697 B CN 110361697B
Authority
CN
China
Prior art keywords
covariance matrix
reconstruction
desired signal
vector
value
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
CN201910616737.9A
Other languages
English (en)
Other versions
CN110361697A (zh
Inventor
王彤
吴佳丽
王美凤
乔格阁
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN201910616737.9A priority Critical patent/CN110361697B/zh
Publication of CN110361697A publication Critical patent/CN110361697A/zh
Application granted granted Critical
Publication of CN110361697B publication Critical patent/CN110361697B/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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radio Transmission System (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

本发明涉及一种基于协方差矩阵混合重构的稳健波束形成方法，主要针对阵列流型误差和期望信号误差，包括：获取天线阵列的接收数据协方差矩阵，对所述接收数据协防差矩阵进行去期望信号重构，得到第一重构协防差矩阵；利用Capon谱对所述接收数据协防差矩阵进行除期望信号范围外的区域进行重构，得到第二重构协防差矩阵；对两个重构协防差矩阵进行加权求和，得到了混合重构的协方差矩阵，再利用期望信号导向矢量校正方法对期望信号导向矢量进行校正，计算得到加权矢量。本发明的方法，通过协方差矩阵混合重构得到适应于SNR变化的协方差矩阵，并且对期望导向矢量误差有校正性能，具有较好的稳健性。

Description

一种基于协方差矩阵混合重构的稳健波束形成方法
技术领域
本发明属于雷达技术领域，具体涉及一种基于协方差矩阵混合重构的稳健波束形成方法。
背景技术
阵列信号处理技术在雷达，通信等很多领域都得到了广泛的应用，它的最大优势在于能够对感兴趣的方向进行波束形成从而提高信号的能量，并且在干扰方向形成增益零陷。但是，很多阵列信号处理方法都是基于理想的阵列流型，而这种假设的理想模型往往无法满足实际中的情况。实际阵列雷达系统中存在很大误差，包括阵列幅相误差、位置误差以及阵元间互耦等。由于阵列信号处理算法对阵列误差的敏感性，波束形成技术性能也会受到很大影响。常规波束形成器的优点是结构简单，处理方法容易实现，但是它不能自适应的调整权值，对干扰的抑制性能较差。自适应波束形成器能够根据接收信号数据自适应的调整权值，从而利用一定的优化准则得到加权向量，在空间干扰的来波方向形成零陷，在期望信号方向形成大的增益。
目前关于阵列流型误差下的稳健波束形成算法是研究热点。近三十年来，涌现了很多稳健的波束形成算法，但是高性能的稳健自适应波束形成技术仍有很多问题有待进一步的研究。关于期望信号导向矢量失配主要有三类校正法，一类是通过一定准则对期望信号导向矢量进行优化校正，另一种是对期望信号来波区域的幅度响应进行约束，还有一类是基于协方差矩阵重构的波束形成方法。基于协方差矩阵重构的波束形成方法，尤其在高SNR(SIGNAL-NOISE RATIO，信噪比)情况下，具有较好的性能。
虽然，关于抗阵列流型误差的稳健波束算法也有很多创新，但是均存在一些问题，例如，对于接受信号有要求，或者也是基于输入SNR情况对协方差矩阵的构造有所不同，还有利用不确定集上的Capon功率谱(传统波束形成功率谱)进行积分得到精确的IPN矩阵(协方差矩阵重构矩阵)，再利用凸优化技术对期望信号进行校正，但是需要较多的先验信息且计算量较大。而且，对协方差矩阵进行可变加载值的稳健波束形成算法虽然有一定的稳健性，但是输出SINR(Signal to Interference plus Noise Ratio，信号与干扰加噪声比)与理想值相差仍然较大。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种基于协方差矩阵混合重构的稳健波束形成方法。本发明要解决的技术问题通过以下技术方案实现：
本发明提供了一种一种基于协方差矩阵混合重构的稳健波束形成方法，包括：
S1：获取天线阵列的接收数据协方差矩阵
Figure GDA0003108523340000021
S2：对所述接收数据协方差矩阵
Figure GDA0003108523340000022
进行去期望信号重构，得到第一重构协方差矩阵
Figure GDA0003108523340000023
S3：利用传统波束形成功率谱对所述接收数据协方差矩阵
Figure GDA0003108523340000024
进行除期望信号范围外的区域进行重构，得到第二重构协方差矩阵
Figure GDA0003108523340000025
S4：对所述第一重构协方差矩阵
Figure GDA0003108523340000026
和所述第二重构协方差矩阵
Figure GDA0003108523340000027
进行加权求和，得到混合重构的协方差矩阵Ri+n；
S5：根据所述混合重构的协方差矩阵Ri+n，得到估计期望信号导向矢量
Figure GDA0003108523340000028
S6：根据所述混合重构的协方差矩阵Ri+n和所述估计期望信号导向矢量
Figure GDA0003108523340000029
得到权矢量w。
在本发明的一个实施例中，所述步骤S2包括：
S21：对所述接收数据协方差矩阵
Figure GDA00031085233400000210
进行特征分解，
Figure GDA00031085233400000211
其中，λi表示特征值，
Figure GDA00031085233400000212
表示特征分解后对应的特征向量，H表示共轭转置；
S22：将理想期望信号导向矢量a(θ0)向每个特征向量
Figure GDA00031085233400000213
投影，得到所述理想期望信号导向矢量a(θ0)在所述每个特征向量
Figure GDA00031085233400000214
上的投影pi，
Figure GDA00031085233400000215
S23：对所述投影pi进行从小到大的排序，并将所述投影pi对应的特征向量
Figure GDA00031085233400000216
和特征值λi进行排序，
Figure GDA00031085233400000217
λN≥λN-1≥...≥λ1，
其中，λN表示期望信号对应的特征值，
Figure GDA0003108523340000031
表示期望信号对应的特征向量；
S24：将所述期望信号对应的特征向量
Figure GDA0003108523340000032
去除，用剩余的特征向量构造协方差矩阵如下，
Figure GDA0003108523340000033
Figure GDA0003108523340000034
其中，
Figure GDA0003108523340000035
表示去除所述期望信号对应的特征向量
Figure GDA0003108523340000036
后的剩余特征向量，λk表示去除所述期望信号对应的特征值λN后的剩余特征值，γ表示对角加载量，I表示对角单位矩阵，
对于
Figure GDA0003108523340000037
和
Figure GDA0003108523340000038
根据判决条件进行判断，所述判决条件如下，
Figure GDA0003108523340000039
若pan＞0，则记
Figure GDA00031085233400000310
为所述第一重构协方差矩阵
Figure GDA00031085233400000311
若pan≤0，则记
Figure GDA00031085233400000312
为所述第一重构协方差矩阵
Figure GDA00031085233400000313
在本发明的一个实施例中，所述步骤S3包括：利用传统波束形成功率谱对所述接收数据协方差矩阵
Figure GDA00031085233400000314
进行除期望信号范围外的传统波束形成功率谱重构，得到第二重构协方差矩阵
Figure GDA00031085233400000315
Figure GDA00031085233400000316
其中，
Figure GDA00031085233400000317
表示期望信号范围外的区域，a(θ)表示
Figure GDA00031085233400000318
区域对应的导向矢量。
在本发明的一个实施例中，所述步骤S4包括：
S41：对去除期望信号对应的特征值λN的特征值λi重新排序，将其中的最大值定义为最大干扰值λganrao，将最后M个较小的值相加，相当于噪声的估计值，M为阵元数的1/2，再对剩余的N-1个特征值λi与所述噪声的估计值进行比较，将大于所述噪声估计值的特征值λi去除，剩余的特征值λi进行求和，得到普通噪声值λzao；
S42：根据最大干扰值λganrao、期望信号对应的特征值λN和普通噪声值λzao，定义得到，
Figure GDA0003108523340000041
β＝λ1+λ2+...+λN-1，
a＝(10log10(λNα))α，
b＝(10log10(β(1-α)))(1-α)，
其中，若a<0，则取a为0.00001；
S43：根据定义的a值和b值，对所述第一重构协方差矩阵
Figure GDA0003108523340000042
和所述第二重构协方差矩阵
Figure GDA0003108523340000043
进行加权求和，得到混合重构的协方差矩阵Ri+n，
Figure GDA0003108523340000044
在本发明的一个实施例中，所述步骤S5包括：
S51：计算得到估计期望信号导向矢量误差e⊥，
Figure GDA0003108523340000045
其中，subjectto表示约束条件，-1表示求逆矩阵；
S52：根据所述估计期望信号导向矢量误差e⊥，得到估计期望信号导向矢量
Figure GDA0003108523340000046
Figure GDA0003108523340000047
在本发明的一个实施例中，所述步骤S6包括：
根据所述混合重构的协方差矩阵Ri+n和所述估计期望信号导向矢量
Figure GDA0003108523340000048
得到权矢量w
Figure GDA0003108523340000051
与现有技术相比，本发明的有益效果在于：
1、本发明的基于协方差矩阵混合重构的稳健波束形成方法，通过协方差矩阵混合重构得到适应于SNR变化的协方差矩阵，并且对期望导向矢量误差有校正性能，具有较好的稳健性。
2、本发明的基于协方差矩阵混合重构的稳健波束形成方法，所选加权值能够适应干噪比不同或差异大的情况，在有阵列流型误差时，在整个变化SNR范围有较好的输出SINR。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1是本发明实施例提供的一种基于协方差矩阵混合重构的稳健波束形成方法的流程图；
图2是本发明实施例提供的一种阵列幅相误差下的不同算法输出SINR随SNR变化的曲线图；
图3是本发明实施例提供的另一种阵列幅相误差下的不同算法输出SINR随SNR变化的曲线图；
图4是本发明实施例提供的一种任意阵列流型误差(加性)下的不同算法输出SINR随SNR变化的曲线图；
图5是本发明实施例提供的另一种任意阵列流型误差(加性)下的不同算法输出SINR随SNR变化的曲线图；
图6是本发明实施例提供的一种无阵列流型误差下的不同算法输出SINR随SNR变化的曲线图；
图7是本发明实施例提供的一种理想阵列流型下的不同算法输出SINR随快拍数变化的曲线图；
图8是本发明实施例提供的一种阵列幅相误差下的不同算法输出SINR随快拍数变化的曲线图；
图9是本发明实施例提供的另一种阵列幅相误差下的不同算法输出SINR随快拍数变化的曲线图；
图10是本发明实施例提供的一种任意阵列流型误差(加性)下的不同算法输出SINR随快拍数变化的曲线图；
图11是本发明实施例提供的另一种任意阵列流型误差(加性)下的不同算法输出SINR随快拍数变化的曲线图。
具体实施方式
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种基于协方差矩阵混合重构的稳健波束形成方法进行详细说明。
有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之用，并非用来对本发明的技术方案加以限制。
实施例一
请参见图1，图1是本发明实施例提供的一种基于协方差矩阵混合重构的稳健波束形成方法的流程图，如图所示，本实施例的一种基于协方差矩阵混合重构的稳健波束形成方法，包括：
S1：获取天线阵列的接收数据协方差矩阵
Figure GDA0003108523340000061
S2：对所述接收数据协方差矩阵
Figure GDA0003108523340000062
进行去期望信号重构，得到第一重构协方差矩阵
Figure GDA0003108523340000063
具体地，所述步骤S2包括：
S21：对所述接收数据协方差矩阵
Figure GDA0003108523340000064
进行特征分解，
Figure GDA0003108523340000065
其中，λi表示特征值，
Figure GDA0003108523340000066
表示特征分解后对应的特征向量，H表示共轭转置；
S22：将理想期望信号导向矢量a(θ0)向每个特征向量
Figure GDA0003108523340000067
投影，得到所述理想期望信号导向矢量a(θ0)在所述每个特征向量
Figure GDA0003108523340000068
上的投影pi，
Figure GDA0003108523340000069
S23：对所述投影pi进行从小到大的排序，并将所述投影pi对应的特征向量
Figure GDA0003108523340000071
和特征值λi进行排序，
Figure GDA0003108523340000072
λN≥λN-1≥...≥λ1，
其中，λN表示期望信号对应的特征值，
Figure GDA0003108523340000074
表示期望信号对应的特征向量；
S24：将所述期望信号对应的特征向量
Figure GDA0003108523340000075
去除，用剩余的特征向量构造协方差矩阵如下，
Figure GDA0003108523340000076
Figure GDA0003108523340000077
其中，
Figure GDA0003108523340000078
表示去除所述期望信号对应的特征向量
Figure GDA0003108523340000079
后的剩余特征向量，λk表示去除所述期望信号对应的特征值λN后的剩余特征值，γ表示对角加载量，I表示对角单位矩阵，
对于
Figure GDA00031085233400000710
和
Figure GDA00031085233400000711
根据判决条件进行判断，所述判决条件如下，
Figure GDA00031085233400000712
若pan＞0，则记
Figure GDA00031085233400000713
为所述第一重构协方差矩阵
Figure GDA00031085233400000714
若pan≤0，则记
Figure GDA00031085233400000715
为所述第一重构协方差矩阵
Figure GDA00031085233400000716
S3：利用Capon功率谱(传统波束形成功率谱)对所述接收数据协方差矩阵
Figure GDA00031085233400000717
进行除期望信号范围外的区域进行重构，得到第二重构协方差矩阵
Figure GDA00031085233400000718
具体地，所述第二重构协方差矩阵
Figure GDA00031085233400000719
为，
Figure GDA00031085233400000720
其中，
Figure GDA0003108523340000081
表示期望信号范围外的区域，a(θ)表示
Figure GDA0003108523340000082
区域对应的导向矢量。
S4：对所述第一重构协方差矩阵
Figure GDA0003108523340000083
和所述第二重构协方差矩阵
Figure GDA0003108523340000084
进行加权求和，得到混合重构的协方差矩阵Ri+n；
具体地，所述步骤S4包括：
S41：对去除期望信号对应的特征值λN的特征值λi重新排序，将其中的最大值定义为最大干扰值λganrao，将最后M个较小的值相加，相当于噪声的估计值，M为阵元数的1/2，再对剩余的N-1个特征值λi与所述噪声的估计值进行比较，将大于所述噪声估计值的特征值λi去除，剩余的特征值λi进行求和，得到普通噪声值λzao；
S42：根据最大干扰值λganrao、期望信号对应的特征值λN和普通噪声值λzao，定义得到，
Figure GDA0003108523340000085
β＝λ1+λ2+...+λN-1，
a＝(10log10(λNα))α，
b＝(10log10(β(1-α)))(1-α)，
其中，若a<0，则取a为0.00001；
S43：根据定义的a值和b值，对所述第一重构协方差矩阵
Figure GDA0003108523340000086
和所述第二重构协方差矩阵
Figure GDA0003108523340000087
进行加权求和，得到混合重构的协方差矩阵Ri+n，
Figure GDA0003108523340000088
构成混合重构的协方差矩阵Ri+n的目的是希望在低SNR情况下，Ri+n主要由
Figure GDA0003108523340000089
构成，a值很小，b值很大，而当输入SNR较高时候，Ri+n主要由
Figure GDA00031085233400000810
构成，a值很大，b值很小。
S5：根据所述混合重构的协方差矩阵Ri+n，得到估计期望信号导向矢量
Figure GDA00031085233400000811
具体地，所述步骤S5包括：
S51：计算得到估计期望信号导向矢量误差e⊥，
Figure GDA0003108523340000091
其中，subjectto表示约束条件，-1表示求逆矩阵；
S52：根据所述估计期望信号导向矢量误差e⊥，得到估计期望信号导向矢量
Figure GDA0003108523340000092
Figure GDA0003108523340000093
S6：根据所述混合重构的协方差矩阵Ri+n和所述估计期望信号导向矢量
Figure GDA0003108523340000094
得到权矢量w。
具体地，所述权矢量w为，
Figure GDA0003108523340000095
根据所述权矢量w得到方向图，所述权矢量w能够适应干噪比不同或差异大的情况，在有阵列流型误差时，在整个变化SNR范围有较好的输出SINR。
本实施例的基于协方差矩阵混合重构的稳健波束形成方法，通过协方差矩阵混合重构得到适应于SNR变化的协方差矩阵，并且对期望导向矢量误差有校正性能，具有较好的稳健性。
实施例二
本实施例是对实施例一中的基于协方差矩阵混合重构的稳健波束形成方法通过仿真实验进一步地说明。在本实施例的仿真实验过程中，天线阵列结构采用均匀线性阵列，阵元数N为20，阵元间距d均为λ/2，干扰方向为-30和40°，干噪比分别为25dB和35dB，理想目标方向是0°，SNR取值变化范围为[-20:40]，间隔取5dB。
在本实施例的仿真输出SINR随着输入SNR变化的实验中，快拍数L均为200，天线阵列的接收数据协方差矩阵采用估计值如下：
Figure GDA0003108523340000096
其中，N表示阵元数，L表示快拍数。
在本实施例的仿真实验过程中，对比的算法包括Capon、CMT、多参数约束、协方差矩阵重构以及投影和对角加载结合。
对于阵列幅相误差情况，请参见图2和图3，其中，图2中的期望信号在[-4:4]范围内随机变化，Proposed表示本发明的基于协方差矩阵混合重构的稳健波束形成方法。从图中可以看出，本发明的方法在整个SNR变化范围内的输出SINR都比较高，在低SNR情况下性能更好，高SNR时性能接近协方差矩阵重构，这与设计的初衷是符合的，验证了所述加权矢量的合理性，而且在期望信号随机抖动的情况下能够保证期望信号方向增益。
对于阵列流型误差情况，请参见图4-图6，其中，图4中的期望信号在[-4:4]范围内随机变化，从图中可以看出本发明方法的性能很稳定，依然保持了整个SNR范围的高SINR。
对于快拍数变化对输出SINR性能影响，请参见图7-图11，其中，图9和图11中的期望信号在[-4:4]范围内随机变化，从图中可以看出，在幅相误差情况下，快拍数大于20后的输出SINR性能更稳定，当期望信号抖动时候和无抖动时候，本发明方法的输出SINR高于其他算法且稳定性好。在加性误差下，无论在期望信号抖动和不抖动的情况，本发明方法的性能也都略高于其他算法且稳定性强，再次验证了本发明方法的稳健性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种基于协方差矩阵混合重构的稳健波束形成方法，其特征在于，包括：
S1：获取天线阵列的接收数据协方差矩阵
Figure FDA0003108523330000011
S2：对所述接收数据协方差矩阵
Figure FDA0003108523330000012
进行去期望信号重构，得到第一重构协方差矩阵
Figure FDA0003108523330000013
S3：利用传统波束形成功率谱对所述接收数据协方差矩阵
Figure FDA0003108523330000014
进行除期望信号范围外的区域进行重构，得到第二重构协方差矩阵
Figure FDA0003108523330000015
S4：对所述第一重构协方差矩阵
Figure FDA0003108523330000016
和所述第二重构协方差矩阵
Figure FDA0003108523330000017
进行加权求和，得到混合重构的协方差矩阵Ri+n；
具体地，包括：
S41：对去除期望信号对应的特征值λN的特征值λi重新排序，将其中的最大值定义为最大干扰值λganrao，将最后M个较小的值相加，相当于噪声的估计值，M为阵元数的1/2，再对剩余的N-1个特征值λi与所述噪声的估计值进行比较，将大于所述噪声估计值的特征值λi去除，剩余的特征值λi进行求和，得到普通噪声值λzao；
S42：根据最大干扰值λganrao、期望信号对应的特征值λN和普通噪声值λzao，定义得到，
Figure FDA0003108523330000018
β＝λ1+λ2+...+λN-1，
a＝(10log10(λNα))α，
b＝(10log10(β(1-α)))(1-α)，
其中，若a<0，则取a为0.00001；
S43：根据定义的a值和b值，对所述第一重构协方差矩阵
Figure FDA0003108523330000019
和所述第二重构协方差矩阵
Figure FDA00031085233300000110
进行加权求和，得到混合重构的协方差矩阵Ri+n，
Figure FDA00031085233300000111
S5：根据所述混合重构的协方差矩阵Ri+n，得到估计期望信号导向矢量
Figure FDA0003108523330000021
S6：根据所述混合重构的协方差矩阵Ri+n和所述估计期望信号导向矢量
Figure FDA0003108523330000022
得到权矢量w。
2.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：
S21：对所述接收数据协方差矩阵
Figure FDA0003108523330000023
进行特征分解，
Figure FDA0003108523330000024
其中，λi表示特征值，
Figure FDA0003108523330000025
表示特征分解后对应的特征向量，H表示共轭转置；
S22：将理想期望信号导向矢量a(θ0)向每个特征向量
Figure FDA0003108523330000026
投影，得到所述理想期望信号导向矢量a(θ0)在所述每个特征向量
Figure FDA0003108523330000027
上的投影pi，
Figure FDA0003108523330000028
S23：对所述投影pi进行从小到大的排序，并将所述投影pi对应的特征向量
Figure FDA0003108523330000029
和特征值λi进行排序，
Figure FDA00031085233300000210
λN≥λN-1≥...≥λ1，
其中，λN表示期望信号对应的特征值，
Figure FDA00031085233300000211
表示期望信号对应的特征向量；
S24：将所述期望信号对应的特征向量
Figure FDA00031085233300000212
去除，用剩余的特征向量构造协方差矩阵如下，
Figure FDA00031085233300000213
Figure FDA00031085233300000214
其中，
Figure FDA00031085233300000215
表示去除所述期望信号对应的特征向量
Figure FDA00031085233300000216
后的剩余特征向量，λk表示去除所述期望信号对应的特征值λN后的剩余特征值，γ表示对角加载量，I表示对角单位矩阵，
对于
Figure FDA0003108523330000031
和
Figure FDA0003108523330000032
根据判决条件进行判断，所述判决条件如下，
Figure FDA0003108523330000033
若pan＞0，则记
Figure FDA0003108523330000034
为所述第一重构协方差矩阵
Figure FDA0003108523330000035
若pan≤0，则记
Figure FDA0003108523330000036
为所述第一重构协方差矩阵
Figure FDA0003108523330000037
3.根据权利要求2所述的方法，其特征在于，所述步骤S3包括：利用传统波束形成功率谱对所述接收数据协方差矩阵
Figure FDA0003108523330000038
进行除期望信号范围外的传统波束形成功率谱重构，得到第二重构协方差矩阵
Figure FDA0003108523330000039
Figure FDA00031085233300000310
其中，
Figure FDA00031085233300000311
表示期望信号范围外的区域，a(θ)表示
Figure FDA00031085233300000312
区域对应的导向矢量。
4.根据权利要求3所述的方法，其特征在于，所述步骤S5包括：
S51：计算得到估计期望信号导向矢量误差e⊥，
Figure FDA00031085233300000313
其中，subject to表示约束条件，-1表示求逆矩阵；
S52：根据所述估计期望信号导向矢量误差e⊥，得到估计期望信号导向矢量
Figure FDA00031085233300000314
Figure FDA00031085233300000315
5.根据权利要求4所述的方法，其特征在于，所述步骤S6包括：
根据所述混合重构的协方差矩阵Ri+n和所述估计期望信号导向矢量
Figure FDA00031085233300000316
得到权矢量w，
Figure FDA00031085233300000317
CN201910616737.9A 2019-07-09 2019-07-09 一种基于协方差矩阵混合重构的稳健波束形成方法 Active CN110361697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910616737.9A CN110361697B (zh) 2019-07-09 2019-07-09 一种基于协方差矩阵混合重构的稳健波束形成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910616737.9A CN110361697B (zh) 2019-07-09 2019-07-09 一种基于协方差矩阵混合重构的稳健波束形成方法

Publications (2)

Publication Number Publication Date
CN110361697A CN110361697A (zh) 2019-10-22
CN110361697B true CN110361697B (zh) 2021-08-13

Family

ID=68218258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910616737.9A Active CN110361697B (zh) 2019-07-09 2019-07-09 一种基于协方差矩阵混合重构的稳健波束形成方法

Country Status (1)

Country Link
CN (1) CN110361697B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112904321B (zh) * 2019-12-03 2023-01-17 复旦大学 一种校准均匀线性阵列互耦和阵元增益-相位误差的方法
CN111988077B (zh) * 2020-08-20 2023-01-31 中国人民解放军空军工程大学 信息处理方法、装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105204006A (zh) * 2015-10-19 2015-12-30 电子科技大学 基于子空间的干扰噪声协方差矩阵重构的波束形成方法
CN105306123A (zh) * 2015-10-15 2016-02-03 哈尔滨工程大学 一种抗阵列系统误差的稳健波束形成方法
CN106569181A (zh) * 2016-11-15 2017-04-19 大连大学 基于协方差矩阵重构稳健Capon波束形成的算法
CN106788653A (zh) * 2016-11-25 2017-05-31 西安电子科技大学 一种基于协方差矩阵重构的自适应波束形成方法
CN107167778A (zh) * 2017-07-03 2017-09-15 电子科技大学 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
CN108663668A (zh) * 2018-05-18 2018-10-16 西安电子科技大学 基于iaa的干扰加噪声协方差矩阵重构稳健波束形成方法
CN108809398A (zh) * 2018-05-29 2018-11-13 中国科学技术大学 一种基于信源个数约束的稳健自适应波束形成方法
CN109639333A (zh) * 2018-12-05 2019-04-16 上海神添实业有限公司 一种基于有效重构协方差矩阵的波束形成方法
CN109959899A (zh) * 2018-04-12 2019-07-02 哈尔滨工程大学 特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105302936B (zh) * 2015-08-31 2018-10-02 中国科学院声学研究所 基于相关计算和协方差矩阵重构的自适应波束形成方法
CN108181507B (zh) * 2017-12-25 2020-01-03 中国科学技术大学 一种稳健自适应波束形成方法
CN109600152A (zh) * 2018-12-17 2019-04-09 西北工业大学 一种基于子空间基变换的自适应波束形成方法
CN109541552B (zh) * 2018-12-27 2021-04-27 天津职业技术师范大学(中国职业培训指导教师进修中心) 雷达天线阵列的自适应波束形成方法和系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105306123A (zh) * 2015-10-15 2016-02-03 哈尔滨工程大学 一种抗阵列系统误差的稳健波束形成方法
CN105204006A (zh) * 2015-10-19 2015-12-30 电子科技大学 基于子空间的干扰噪声协方差矩阵重构的波束形成方法
CN106569181A (zh) * 2016-11-15 2017-04-19 大连大学 基于协方差矩阵重构稳健Capon波束形成的算法
CN106788653A (zh) * 2016-11-25 2017-05-31 西安电子科技大学 一种基于协方差矩阵重构的自适应波束形成方法
CN107167778A (zh) * 2017-07-03 2017-09-15 电子科技大学 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
CN109959899A (zh) * 2018-04-12 2019-07-02 哈尔滨工程大学 特征投影预处理及协方差矩阵稀疏重构主瓣干扰抑制算法
CN108663668A (zh) * 2018-05-18 2018-10-16 西安电子科技大学 基于iaa的干扰加噪声协方差矩阵重构稳健波束形成方法
CN108809398A (zh) * 2018-05-29 2018-11-13 中国科学技术大学 一种基于信源个数约束的稳健自适应波束形成方法
CN109639333A (zh) * 2018-12-05 2019-04-16 上海神添实业有限公司 一种基于有效重构协方差矩阵的波束形成方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Robust Adaptive Beamforming Based on Steering Vector Estimation and Covariance Matrix Reconstruction;Feng Shen et al.;《IEEE COMMUNICATIONS LETTERS》;20150930;第19卷(第9期);全文 *
基于协方差矩阵重构的稳健自适应波束形成算法;王昊 等;《探测与控制学报》;20180228;第40卷(第1期);全文 *

Also Published As

Publication number Publication date
CN110361697A (zh) 2019-10-22

Similar Documents

Publication Publication Date Title
CN107167778B (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
CN109946664B (zh) 一种主瓣干扰下的阵列雷达导引头单脉冲测角方法
CN108919199A (zh) 多波束成像声纳稀疏阵列的旁瓣抑制方法、阵列稀疏方法
CN107276658B (zh) 色噪声下基于协方差矩阵重构的波束形成方法
CN109407055A (zh) 基于多径利用的波束形成方法
CN110196410B (zh) 一种阵列天线主瓣干扰抑制方法及系统
CN105306123A (zh) 一种抗阵列系统误差的稳健波束形成方法
CN110361697B (zh) 一种基于协方差矩阵混合重构的稳健波束形成方法
CN107728112B (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
CN111880198B (zh) 基于交替极化敏感阵列的空时极化抗干扰方法
CN110708103A (zh) 一种无需预延迟的宽带波束形成方法
CN110208757B (zh) 一种抑制主瓣干扰的稳健自适应波束形成方法及装置
Shuai et al. Fast and accurate covariance matrix reconstruction for adaptive beamforming using Gauss-Legendre quadrature
CN112668155B (zh) 一种基于二次重构的稳健波束形成方法及系统
Zhou et al. Robust superdirective beamforming for HF circular receive antenna arrays
CN108415040B (zh) 一种基于子空间投影的csmg波束形成方法
CN109655093B (zh) 传感器阵列的幅相误差有源校正方法
CN110161476B (zh) 基于幂迭代广义瑞利商算法的雷达波束形成方法
CN109407047B (zh) 一种基于秩损求根的幅相误差校准和波达方向估计方法
CN111257863A (zh) 一种高精度多点线性约束的自适应单脉冲测向方法
CN115453487A (zh) 一种相控阵雷达鲁棒波束形成方法
CN107135026B (zh) 未知互耦存在时基于矩阵重构的稳健波束形成方法
CN115372925A (zh) 一种基于深度学习的阵列稳健自适应波束形成方法
CN114647931A (zh) 一种基于期望信号消除和空间谱估计的稳健波束形成方法

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