CN111162878A

CN111162878A - 一种基于子阵降维带约束的多域联合抗干扰方法

Info

Publication number: CN111162878A
Application number: CN201911356211.8A
Authority: CN
Inventors: 佟力; 王晓洪; 谢伟; 唐明; 张涛; 李富生; 钟勇; 余湋; 吴仡
Original assignee: Chengdu Spaceon Technology Co ltd
Current assignee: Chengdu Spaceon Technology Co ltd
Priority date: 2019-12-25
Filing date: 2019-12-25
Publication date: 2020-05-15
Anticipated expiration: 2039-12-25
Also published as: CN111162878B

Abstract

本发明公开了一种基于子阵降维带约束的多域联合抗干扰方法，所述方法包括：根据目标信号方向生成子阵合成的方向向量；对接收的阵元信号进行预处理；基于预处理后的阵元信号以及子阵合成的方向向量，生成子阵信号；采用抗干扰算法对子阵信号进行运算，生成带约束指向的抗干扰权值。本方法在空域进行降维处理，采用阵元级进行子阵合成，从而实现空间维度进行降维处理的目的，进而降低空时联合处理矩阵维度，达到减小算法工程应用的难度，使得算法基于FPGA的设计可应用。

Description

一种基于子阵降维带约束的多域联合抗干扰方法

技术领域

本发明涉及通信信号处理领域，具体地，涉及一种基于子阵降维带约束的多域联合抗干扰方法。

背景技术

随着我国导航产业的迅猛发展，近年来我国也在大力研究自适应阵列抗干扰技术。面临复杂电磁环境，单纯的任一种抗干扰技术已经显得能力不足，时域、频域滤波不能对抗宽带干扰，空域滤波虽然对宽带信号具备很好的抑制能力，但由于阵列天线个数有限，能抑制的干扰数目受限。为此，采用多域联合处理的抗干扰技术，充分发挥各种方法的优势，提高设备的抗干扰性能。

一般工程上目前常采用的是空时联合抗干扰技术，但是随着阵列个数的增加，其工程实现难度越大，使得空时联合抗干扰技术在大规模阵列天线上的应用受到限制。随着相控阵技术的发展，目前对于大规模相控阵天线的抗干扰应用需求也越来越多，而此传统的空时联合抗干扰算法在在大规模相控阵天线的工程应用上是个极大的瓶颈。另外此技术要求的实时处理能力高，因此一般都是采用FPGA这样的芯片来进行算法的实现，而基于FPGA芯片的设计往往在资源和速度上是矛盾的，资源越多算法的实时性越好，相反资源越少算法的实时性越差。尤其是对基于采样矩阵直接求逆的算法，即SMI的工程应用成为不可实现。

在此大型阵列抗干扰通信设备中，对抗压制式干扰常用的方法就是阵列抗干扰技术,而此技术主要是利用空时联合抗干扰算法来实现。通过空间和时间两个域联合来实现有效对抗干扰的能力，保证设备的正常通信。由于阵列天线个数的增加，使得算法的实现难度变高，甚至变得不可实现。即使只利用纯空域进行抗干扰处理时，也会随着阵元个数的增加而使得算法应用受限。而目前相控阵天线的应用使得基于大型阵列的抗干扰技术的应用变得重要。

发明内容

本发明要解决的技术问题就是基于大型阵列的抗干扰处理方法，在空域进行降维处理，采用阵元级进行子阵合成，从而实现空间维度进行降维处理的目的，达到减小算法工程应用的难度，进而降低空时联合处理矩阵维度，使得算法基于FPGA的设计可应用。

本发明为了突破SMI算法在大规模阵列天线上的应用，采用基于子阵降维的算法来降低算法的复杂度并提高实时性，满足其算法超高精度，突破了现有算法的工程实现性差、复杂度高和精度低等问题。

基于阵列天线的空时联合抗干扰方法，由于此方法的算法实现在工程应用中有着较大的实现难度，尤其是对于大型阵列天线，随着天线个数的增加使得其算法实现成技术瓶颈，限制了其技术的在大型阵列天线如相控阵上的应用。如何降低其实现难度成为技术应用的关键，大部分都是围绕算法实现本身去思考，如采用迭代算法，即LMS来降低其实现难度，但是这样能达到的效果还是比较有限，并且还牺牲了算法的一部分性能。一般的相控制阵天线有上千个天线单元，使得即使采用LMS这样的迭代算法，也难工程应用。因此需要从最前端进行难度的降低，经仿真发现，可以先利用阵元级进行子阵合成，从而减少阵元个数，达到保证抗干扰性能的同时又能保证阵列增益。相比阵元级的方案，该方法的所需要的硬件资源有明显优势，表1是矩阵求逆算法的硬件实现资源消耗情况，其中N代表的是矩阵的维数，从表1可以看出无论是加法、乘法还是除法，资源都是平方以上的量级增才。其次每增加一个阵元，N是倍数增长，因为采样数据的协方差矩阵是复数矩阵，需要先把复数矩阵转化为实数矩阵，复数矩阵转实数矩阵，维数增加一倍。基于以上分析可以看出尤对于大型阵列天线来说，基于子阵降维带约束指向抗干扰方法具有明显的优势，可工程化，而传统阵元级的方式工程化太难，基本不可工程化。

表1矩阵求逆算法运算量

计算量分析	乘法运算量	加法运算量	除法运算量
				算法算量	(4N<sup>3</sup>-2N<sup>2</sup>)	4N<sup>3</sup>-2N<sup>2</sup>	4N<sup>2</sup>

基于子阵降维带约束指向抗干扰方案，算法分为：抗干扰和指向两个部分。抗干扰部分采用空时联合自适应抗干扰方案，实现上采用基于采样数据协方差矩阵求逆的算法。指向部分采用带约束向量的DBF算法来实现，其约束向量根据不同抗干扰算法来选择(当为空时域抗干扰时约束向量为时域导向矢量和空域导向矢量的Kronecker积，当为纯空域抗干扰时则只有空域导向矢量)。

本发明提供了一种基于子阵降维带约束的多域联合抗干扰方法，所述方法包括：

根据目标信号方向生成子阵合成的方向向量；

对接收的阵元信号进行预处理；

基于预处理后的阵元信号以及子阵合成的方向向量，生成子阵信号；

采用抗干扰算法对子阵信号进行运算，生成带约束指向的抗干扰权值。

优选的，本方法将阵元级接收到的信号进行相位差异补偿，根据目标位置方向生成子阵合成的方向向量，根据此方向向量进行子阵合成。

优选的，所述步骤根据目标信号方向生成子阵合成的方向向量，具体包括：

提取需要指向目标的位置信息，根据目标位置信息生成阵元合成的导向矢量；

计算目标和阵元的夹角，根据方向图增益值来查找对应入射角度的信号接收增益，获得每个阵元接收信号的幅度差异，得到M个阵元的幅度向量；

根据获得的阵元方向和幅度向量，得到子阵合成的方向向量。

优选的，提取需要指向目标的位置信息

其中θ为俯仰角，

为方位角，根据目标位置信息生成阵元合成的导向矢量，计算公式为：

其中，λ代表中心频点对应的波长，(x_m,y_mz_m)表示阵元m的坐标值，得到M个阵元的方向向量为：

其中，

e为以某个角度值表示的复数信号，j表示信号的虚部；

计算目标和阵元的夹角，根据方向图增益值来查找对应入射角度的信号接收增益，获得每个阵元接收信号的幅度差异，得到M个阵元的幅度向量为：

其中，a_M为第M个阵元的信号幅度值；

根据获得的阵元方向和幅度向量，得到子阵合成的方向向量为：

优选的，所述步骤对接收的阵元信号进行预处理，具体包括：

步骤4.1：对接收的信号进行直流分量去除；

步骤4.2：对去直流后的信号进行数字AGC处理；

步骤4.3：AGC后的信号进行数字IQ变换得到复数采样信号；

步骤4.4：利用通道校正的相位差值，对复数采样信号进行相位补偿，得到校正后的信号；

步骤4.5：利用子阵合成的方向向量，将M个阵元合成为子阵；

重复执行步骤4.1-4.5得到N个子阵。

优选的，抗干扰算法采用基于采样协方差矩阵求逆实现。

优选的，带约束指向的条件下滤波器的加权系数的计算公式为:

其中：w_opt为最优权值系数，a(θ₀)为带指向的方向向量约束，R_xx为采样数据协方差矩阵；a^H(θ₀)为带指向的方向向量约束的共轭转秩，

为R_xx的逆矩阵；

R_xx＝E[X(t)X^H(t)] (6)

其中，X为采样数据，E为取均值，X(t)为t时刻采样数据形成的向量，X^H(t)为X(t)的共轭转秩。

优选的，所述采用抗干扰算法对子阵信号进行运算，生成带约束指向的抗干扰权值，具体包括：

将空域信号转化成空时联合的信号；

将空时联合的信号进行采样协方差矩阵计算，形成采样协方差复数矩阵R_xx；

采样协方差矩阵求逆运算得到

基于

和带指向的方向向量约束，计算抗干扰权值w_opt。

优选的，将空域信号进行时域延迟，得到第m个天线接收信号形成的空时联合的信号X_m＝[x_m1,x_m2,…,x_mM]；

将空时联合的信号进行采样协方差矩阵计算，形成采样协方差复数矩阵R_xx，计算公式为：

其中，K表示采样点数；

采样协方差矩阵的复数矩阵转化为实数矩阵，然后再用经典的高斯消元法进行实数矩阵的求逆运算得到

优选的，根据以下公式计算抗干扰权值w_opt：

其中，a(θ₀)为带指向的方向向量约束，

为R_xx的逆矩阵。

本申请提供的一个或多个技术方案，至少具有如下技术效果或优点：

为了突破SMI算法在大规模阵列天线上的应用，本发明采用基于子阵降维的算法来降低算法的复杂度并提高实时性，满足其算法超高精度，突破了现有算法的工程实现性差、复杂度高和精度低等问题。

本发明在空域进行降维处理，采用阵元级进行子阵合成，从而实现空间维度进行降维处理的目的，进而降低空时联合处理矩阵维度，达到减小算法工程应用的难度，使得算法基于FPGA的设计可应用。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，并不构成对本发明实施例的限定；

图1是本发明中子阵降维带约束指向抗干扰流程示意图；

图2是本发明中空时二维自适应滤波器实现框图；

图3是本发明中基于采样协方差矩阵求逆的带约束的抗干扰算法的实现流程示意图；

图4是本发明中阵元信号预处理流程示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例1，请参见图1-图4：

本发明中方法的具体实施流程图，见图1所示。

从图1技术方案流程图上可知由于采用了子阵降维的处理，还需要对阵元间相位和幅度差异进行补偿。相位补偿通过信号预处理来实现，相位的补偿是为了获得子阵的精准的指向，这样才能获得子阵较高的增益。因此在设计上需要对通道间的相位差异进行精确补偿，这样就可减少阵元合成后子阵间的相位差异，从而减小波束指向误差。幅度补偿通过查找天线方向图增益来获得，因此需要计算目标和阵元的夹角，幅度的补偿是为了消除接收信号幅度的差异，提升抗干扰的性能，因此幅度补偿在设计上也是需要的。根据以上流程图下面对整个实现步骤进行详细描述。

步骤1：提取需要指向目标的位置信息

其中θ为俯仰角，

为方位角，根据目标位置信息生成阵元合成的导向矢量，计算公式如下：

其中，λ代表中心频点对应的波长，(x_m,y_mz_m)表示阵元m的坐标值，从而得到M个阵元的方向向量为：

转步骤2。

步骤2：计算目标和阵元的夹角，然后根据存储的方向图增益值来查找对应入射角度的信号接收增益，通过此方法获得每个阵元接收信号的幅度差异，从而得到M个阵元的幅度向量为：

转步骤3。

步骤3：根据步骤1和2获得的阵元方向和幅度向量，得到子阵合成的方向向量为：

转步骤4：对接收的阵元信号进行信号预处理，详细步骤如下：

步骤4.1：接收的信号进行直流分量去除，转步骤4.2；

步骤4.2：去直流后的信号进行数字AGC处理。数字AGC系统通过估计输出信号功率，并与期望功率进行比较，产生误差信号，根据误差信号进行增益控制调节，从而使输出信号功率保持基本恒定。转步骤4.3；

步骤4.3：AGC后的信号进行数字IQ变换得到复数采样信号

其中a表示接收信号的幅度，θ₁表示接收信号的相位，转步骤4.4；

步骤4.4：利用通道校正的相位差值φ，进行信号相位补偿，得到校正后的信号

转步骤4.5；

步骤4.5：利用公式4将M个阵元合成为子阵，重复上述步骤得到N个子阵，转步骤5。

步骤5：空时联合二维自适应滤波器实现框图见图2。基于带约束指向的抗干扰算法在保证期望方向信号强度的同时，并且输出功率最小，因此在带约束指向的条件下滤波器的加权系数的计算公式为:

其中：w_opt为最优权值系数；a(θ₀)为带指向的方向向量约束；R_xx为采样数据协方差矩阵；

R_xx＝E[X(t)X^H(t)] (6)

X为采样数据。其算法流程图见图3，详细步骤如下：

步骤5.1：将空域信号转化成空时联合的信号，根据图2的方式，将空域信号进行时域延迟，得到第m个天线接收信号形成的空时联合的信号X_m＝[x_m1,x_m2,…,x_mM]，总共有N个子阵，那么有X₁,X₂,…,X_N的路空时联合信号。转步骤5.2。

步骤5.2：将空时联合的信号进行采样协方差矩阵计算，形成采样协方差复数矩阵R_xx，计算公式如下：

其中K表示采样点数，方案中K为1024个采样点，N表示子阵个数，M表示时域滤波器级数。转步骤5.3。

步骤5.3：采样协方差矩阵求逆，首先将采样协方差矩阵的复数矩阵转化为实数矩阵，然后再用经典的高斯消元法进行实数矩阵的求逆运算得到

转步骤6。

步骤6：对公式5中

值的计算进行分析，a^H(θ₀)为1XN的向量,a(θ₀)为NX1的向量，

为NXN的向量，因此根据向量与矩阵之间的运算方式可知

的值为一个常量。根据上述分析，公式5可简化为：

转步骤7。

步骤7：根据公式8计算抗干扰权值w_opt。公式8中还设计到子阵之间的方向向量a(θ₀)的计算，从前面的步骤1，2，3可以看出在阵元合成子阵过程中，所有子阵的波束方向都是指向了目标方向，因此公式8中的a(θ₀)可简化为全1的方向向量，即a(θ₀)＝[1,1,...1]'，因此不需要再计算子阵之间带约束的方向向量，对算法进行了简化。根据公式8计算当a(θ₀)＝[1,1,...1时]'即为子阵指向目标方向带约束指向的抗干扰权值。

图1为基于子阵降维带约束的抗干扰流程图，该图对整个处理流程进行了描述，具体有下面几个处理流程：

1根据目标信号方向生成子阵合成的方向向量；

2信号预处理见图4，首先对接收到的阵元信号进行通道间相位差异的补偿，其次进行去直流、数字AGC变换、数字IQ变换等处理。

数字处理部分增加自动增益控制数字AGC模块，不论信号动态多大，均保证接收信号稳定在某一合适电平下。还增加了数字IQ变换，因为各阵元信号要实现信号的复权值调节，需要在同相和正交两个分量上作实加权，所以信号需要进行I/Q分离。

3子阵信号的产生，将阵元级的处理降到了子阵级，并且子阵个数随着子阵合成中参与的阵元个数的增加而减少。因此方案较为灵活，可以根据干扰个数、阵元个数、硬件资源来合理选择子阵的个数，满足工程实时性以及抗干扰性能的要求。

4抗干扰算法实现上采用的是基于采样协方差矩阵求逆来实现的，计算精度高，抗干扰性能最优。

5生成带约束指向的抗干扰权值，因为所有子阵都合成到一个方向，因此约束条件简化为全1，同时权值计算也由公式

简化为

权值计算上变得更简单，更利于工程实现。

图2为空时二维抗干扰算法的自适应滤波框图，从框图可以看出，将空域信号扩展到了空时二维域上，以及滤波的实现，利用抗干扰算法的权值对空时二维域的信号进行加权。

图3为基于采样协方差矩阵求逆的带约束的抗干扰算法的实现流程图。关键部分有采样协方差矩阵的生成、复数矩阵转化为实数矩阵、权值计算、信号滤波等处理。

其中，本发明与现有技术相比，主要区别点在于：

发明的发明点：

1子阵降维，本方法首先将阵元级接收到的信号进行相位差异补偿，然后根据目标位置方向生成子阵合成的方向向量，根据此方向向量进行子阵合成。

2子阵合成约束方向选择，在前端处理时将所有子阵都合成到目标方向，因此基于子阵带约束的抗干扰算法，其子阵的约束向量就简化为全1了。

3基于方向图的幅度补偿，由于目标相对与阵元的位置都有所不同，所以导致接收的信号强度也不一致，所以根据方向图增益补偿了接收信号的幅度差异。这样使得抗干扰算法性能更优。

根据以上三点进行处理后基于子阵降维带约束的抗干扰算法实现变得简单，突破基于采样协方差矩阵的工程应用，满足其工程应用的实时性，尤其是对于大规模的阵列天线使得其可工程化，因此工程应用范围更广。算法实现上来说基于采样数据协方差矩阵求逆其计算精达到理论计算精度，具有高精度，其抗干扰性能必然也能做到最优。基于子阵降维带约束的抗干扰方法可以应用于同类或者其他产品上，不申请不进行具体的限制。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。