CN111651718A - 针对高斯噪声中非高斯信号的稳健自适应波束形成方法 - Google Patents
针对高斯噪声中非高斯信号的稳健自适应波束形成方法 Download PDFInfo
- Publication number
- CN111651718A CN111651718A CN202010448392.3A CN202010448392A CN111651718A CN 111651718 A CN111651718 A CN 111651718A CN 202010448392 A CN202010448392 A CN 202010448392A CN 111651718 A CN111651718 A CN 111651718A
- Authority
- CN
- China
- Prior art keywords
- interference
- signal
- vector
- covariance matrix
- capon
- 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.)
- Granted
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种针对高斯噪声中非高斯信号的稳健自适应波束形成方法,该方法首先对阵列接收信号的四阶累积量矩阵对角线加载,基于对角线加载的Capon四阶空间谱,通过一系列过程重建出更精确的期望信号和干扰的导向矢量,并生成虚拟信号协方差矩阵、虚拟干扰协方差矩阵;接着对阵列接收信号,计算局部的Capon空间互功率谱,估计出噪声协方差矩阵;最后利用获得的期望信号导向矢量、虚拟干扰协方差矩阵和噪声协方差矩阵获得最佳权矢量,对阵列接收信号形成稳健的自适应波束输出。该方法联合利用了Capon四阶空间谱和Capon空间互功率谱以及对角线加载和邻域寻优技术,获得更精确有效的期望信号的导向矢量、干扰加噪声协方差矩阵,提升了自适应波束器的稳健性。
Description
技术领域
本发明涉及阵列信号处理领域中波束形成研究领域,尤其在各种误差均有可能存在的非理想情况下,针对高斯白或色噪声中非高斯信号的稳健自适应波束形成问题,联合利用四阶累积量矩阵和协方差矩阵,生成Capon四阶空间谱和Capon空间互功率谱,并与对角线加载和邻域寻优技术结合,获得更为精确的期望信号的导向矢量以及更有效的干扰加噪声协方差矩阵,提升了自适应波束器的稳健性。
背景技术
在现有的稳健自适应波束形成方法中,比较具有代表性的方法有:线性约束最小方差方法、对角加载方法、特征子空间方法以及不确定集方法。但是,考虑到参数选择的不确定性以及算法本身固有性质的约束,这些波束形成方法的性能在阵列误差存在的情况下会有较为明显的衰减,并不能取得理想的效果。
近年来,研究了基于干扰加噪声协方差矩阵重构的自适应波束形成方法,更具稳健性。该方法主要是利用Capon空间功率谱,将其在非期望信号角度区域内的积分作为干扰加噪声协方差矩阵的估计值,有效地剔除了期望信号成分。但是,该重构方法只是直接利用Capon空间功率谱在非期望信号角度区域内对角度变量进行积分,最终重构的干扰加噪声协方差矩阵不够精确,致使该方法只对波达方向误差具有一定的稳健性,当存在其他类型的导向矢量误差时,算法的性能得不到保证。随后,一种针对任意类型阵列误差的干扰加噪声协方差矩阵重构方法被提出,该方法主要是改变了原始的线性积分区域并将其变换为一个空间圆环形不确定集,但是该方法计算较为复杂,重构过程中存在一定的误差,并不能得到较为精准的干扰加噪声协方差矩阵。此外,针对高斯白或色噪声中独立非高斯信号的稳健自适应波束形成也值得进一步研究。
鉴于以上分析,有必要研究新的稳健方法以提升针对高斯白或色噪声中独立非高斯信号的波束形成器的稳健性。
发明内容
本发明的目的是提供一种针对高斯噪声中非高斯信号的稳健自适应波束形成方法,通过期望信号导向矢量、干扰加噪声协方差矩阵的精确有效重构,进一步提升波束形成器对任意类型阵列误差的稳健性。
本发明的目的是通过以下技术方案实现的:一种针对高斯噪声中独立非高斯信号的稳健自适应波束形成方法,包括如下步骤:
步骤1、对阵列接收信号的四阶累积量矩阵对角线加载,利用对角线加载的Capon算法完成在全空域的四阶空间谱计算,从四阶空间谱中估计出期望信号的波达方向初值、干扰个数和各干扰波达方向初值,确定只包含噪声信号的角度区域集合;
步骤2、基于期望信号的波达方向初值,生成期望信号的导向矢量并进行修正,精确估计出期望信号的导向矢量,生成虚拟信号协方差矩阵;
步骤3、基于干扰个数和各干扰波达方向初值,生成各干扰的导向矢量并进行修正,生成虚拟干扰协方差矩阵;
步骤4、对阵列接收信号,提供了利用Capon算法完成在非信号、非干扰空域的空间互功率谱计算等三种途径,估计出噪声协方差矩阵;
步骤5、根据重构出的期望信号导向矢量、虚拟干扰协方差矩阵和噪声协方差矩阵,计算最佳权矢量,对阵列接收信号形成稳健的自适应波束输出。
进一步地,上述针对高斯噪声中非高斯信号的稳健自适应波束形成方法,所述步骤1包括以下步骤:
M元阵列接收信号为x(k)=xs(k)+xi(k)+xn(k),其中xs(k)、xi(k)和xn(k)分别为零均值非高斯期望信号、零均值非高斯干扰和零均值高斯(白或色)噪声分量,信号、干扰和噪声相互独立,干扰之间相互独立,根据高阶统计量的性质,阵列接收信号的四阶累积量矩阵Cx=Cs+Ci,其中Cs、Ci分别为信号、干扰分量的四阶累积量矩阵,所述步骤1包括以下步骤:
也可以根据累积量的性质对阵列接收信号的四阶累积量矩阵扩展,扩展后的四阶累积量矩阵记为维数为Mext>M,对角线加载得到其中ξIext为加载对角矩阵,Iext为与同维的单位阵;计算并加以存储;按下式计算对角线加载的Capon四阶空间谱:
也可以采用其它高阶累积量矩阵;
所述步骤2包括以下步骤:
3、根据权利要求1所述的针对高斯噪声中非高斯信号的稳健自适应波束形成方法,其特征在于:所述步骤2包括以下步骤:
步骤22、给定期望信号的导向矢量在球面上的微小邻域,包括一维邻域、二维矩形邻域、方形邻域、椭圆形邻域、圆形邻域、十字邻域,并对该邻域离散化R个点,第r个点的导向矢量为 为导向矢量在第r个点引入的误差变量;
修正后的期望信号的导向矢量为:
其中λ0>0为主观调节自适应波束形成零点深度的参量,不做主观调整时λ0=1。
所述步骤3包括以下步骤:
4、根据权利要求1所述的针对高斯噪声中非高斯信号的稳健自适应波束形成方法,其特征在于:所述步骤3包括以下步骤:
步骤32、给定每一个干扰的导向矢量在球面上的微小邻域,包括一维邻域、二维矩形邻域、方形邻域、椭圆形邻域、圆形邻域、十字邻域,并对该邻域离散化R个点,第r个点的导向矢量为 为导向矢量在第r个点引入的误差变量;
修正后的干扰的导向矢量为:
步骤34、生成虚拟干扰协方差矩阵如下:
其中λl>0为主观调节自适应波束形成零点深度的参量,不做主观调整时λl=1,l=1,2,...,L。
所述步骤4包括以下步骤:
5、根据权利要求1所述的针对高斯噪声中非高斯信号的稳健自适应波束形成方法,其特征在于:所述步骤4包括以下步骤:
在Θn内取T≥M方向离散值,有
写成矩阵形式,有:
其中[]#是矩阵伪逆算子;
由于在计算Capon互功率谱时的权矢量约束方向均处于仅含噪声的角度区域集合Θn内,这样自适应波束形成的零点基本上会对准期望信号和干扰方向,因此近似认为期望信号和干扰均被滤除,即:
以上是估计噪声协方差矩阵的第一种途径;在上述的计算Capon空间互功率谱过程中,可以用虚拟信号协方差矩阵加虚拟干扰协方差矩阵的对角线加载替代权矢量wc(θ)中的样本协方差矩阵这是第二种途径;当然如果可以获得无期望信号、无干扰的阵列接收信号,可以直接估计噪声协方差矩阵这是第三种途径。
所述步骤5包括以下步骤:
步骤53、将最佳权矢量w对阵列接收信号x(k)加权,获得波束形成器的输出信号y(k)=wHx(k),实现稳健的自适应波束形成。
本发明与现有技术相比的优点在于:
对由上述本发明提供的针对高斯白或色噪声中独立非高斯信号的稳健自适应波束形成技术方案可以看出,该方法首先利用了阵列接收信号的四阶累积量矩阵,抑制了高斯噪声的影响,对四阶累积量矩阵对角线加载,计算对角线加载的Capon四阶空间谱,通过一系列过程重建出更精确的期望信号和干扰的导向矢量,生成虚拟信号协方差矩阵、虚拟干扰协方差矩阵,增加了方法的稳健性和准确性;接着对阵列接收信号,提供了利用Capon算法完成在非信号、非干扰空域的空间互功率谱计算等三种途径,估计出噪声协方差矩阵;最后利用获得的期望信号导向矢量、虚拟干扰协方差矩阵和噪声协方差矩阵获得最佳权矢量,对阵列接收信号形成稳健的自适应波束输出。在生成虚拟信号协方差矩阵、虚拟干扰协方差矩阵的过程中,还引入了主观调节参量来控制波束形成零点的深度,有利于滤除主观认为的最危险干扰。该方法联合利用了四阶累积量矩阵和协方差矩阵、Capon四阶空间谱和Capon空间互功率谱以及对角线加载和邻域寻优技术,可以获得更精确的期望信号的导向矢量以及更有效的干扰加噪声协方差矩阵,提升了自适应波束器的稳健性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的一种针对高斯噪声中非高斯信号的稳健自适应波束形成方法流程图;
图2为本发明实施例提供的阵列信号接收模型的示意图。
具体实施方式
下面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、完整的描述,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,都属于本发明的保护范围。
本发明实施例提供了一种针对高斯噪声中非高斯信号的稳健自适应波束形成方法,该方法首先对阵列接收信号的四阶累积量矩阵对角线加载,基于对角线加载的Capon四阶空间谱,通过一系列过程重建出更精确的期望信号和干扰的导向矢量,并生成虚拟信号协方差矩阵、虚拟干扰协方差矩阵;接着对阵列接收信号,提供了利用Capon算法完成在非信号、非干扰空域的空间互功率谱计算等三种途径,估计出噪声协方差矩阵;最后利用获得的期望信号导向矢量、虚拟干扰协方差矩阵和噪声协方差矩阵获得最佳权矢量,对阵列接收信号形成稳健的自适应波束输出。该方法联合利用了Capon四阶空间谱和Capon空间互功率谱以及对角线加载和邻域寻优技术,获得更精确有效的期望信号的导向矢量、干扰加噪声协方差矩阵,提升了自适应波束器的稳健性。如图1所示,该方法主要包括如下步骤:
步骤1、对阵列接收信号的四阶累积量矩阵对角线加载,利用对角线加载的Capon算法完成在全空域的四阶空间谱计算,从四阶空间谱中估计出期望信号的波达方向初值、干扰个数和各干扰波达方向初值,确定只包含噪声信号的角度区域集合;
步骤2、基于期望信号的波达方向初值,生成期望信号的导向矢量并进行修正,精确估计出期望信号的导向矢量,生成虚拟信号协方差矩阵;
步骤3、基于干扰个数和各干扰波达方向初值,生成各干扰的导向矢量并进行修正,生成虚拟干扰协方差矩阵;
步骤4、对阵列接收信号,提供了利用Capon算法完成在非信号、非干扰空域的空间互功率谱计算等三种途径,估计出噪声协方差矩阵;
步骤5、根据重构出的期望信号导向矢量、虚拟干扰协方差矩阵和噪声协方差矩阵,计算最佳权矢量,对阵列接收信号形成稳健的自适应波束输出。
为了便于理解,先介绍Capon波束形成算法和四阶累积量矩阵,然后针对上述五个步骤做详细的说明。
本发明实例适用于任意类型的阵列形式,包括线阵、圆阵、共形阵等,也适用于其它高阶累积量矩阵。为了计算方便起见,这里只针对线阵和四阶累积量矩阵进行讨论,具体的阵列信号模型如下:
考虑一个包含有M个全向阵元的线性阵列,接收来自空间中的窄带远场信号,那么阵列在观测时间k的接收信号可以表示为:
x(k)=xs(k)+xi(k)+xn(k);
其中xs(k)、xi(k)和xn(k)分别表示期望信号、干扰以及噪声,并且相互之间是统计独立的;xs(k)=s(k)a0,s(k)是零均值非高斯期望信号的波形,a0是期望信号的真实导向矢量,表示干扰矢量,L为干扰的个数,L个干扰相互独立,sl(k)是第l个零均值非高斯干扰的波形,al为对应的真实干扰导向矢量,xn(k)是高斯白噪声或色噪声。图2给出了线性阵列接收空间中窄带远场信号源的示意图,其中信号(或干扰)源的波达方向为θ,并近似认为是以平面波的形式入射到各个阵元,d1,d2,...,dM-1为各个阵元与参考阵元之间的间距。
为了对某一特定方向信号进行增强,等价于提高该方向增益,那么就需要给各个阵元赋予特定的加权系数,如何设计最佳权w=[w1,w2,…,wM]T正是波束形成技术的主要工作内容,能够达到这一目的阵列系统常被称作是波束形成器,本质上它是一种空域滤波器。波束形成器的输出为各个阵元接收信号的加权求和,即:
y(k)=wHx(k);
对于一个给定权矢量的波束形成器,为了评价它的波束形成性能,除了利用阵列方向图直观地展示以外,输出信干噪比常作为衡量波束形成器整体性能的定量指标,其定义如下:
为了最大化输出信噪比,Capon等人提出在保证对期望信号方向响应一定的前提下最小化阵列输出功率,形成如下的优化问题:
其中Rx=E{x(k)xH(k)}为阵列接收信号的协方差矩阵。因此,可以得到波束形成器的权值矢量为:
这就是著名的Capon波束形成算法,在理想情况下可以达到最大输出信干噪比。将求得的权值矢量代入优化问题的目标函数即可获得阵列的输出功率为:
该功率又称为Capon功率,它是在无失真接收期望信号时阵列输出的最小功率,也就是将波束图的零点自适应地对准干扰方向,因此Capon功率可以看作是期望信号功率的一个估计值。当导向矢量看作一个变量时,输出功率表达式可以用来表示各个导向矢量方向上的信号功率情况,即为空间功率谱。
其中K为快拍数。由于有限快拍会对Rx引入随机误差,同时考虑到真实导向矢量也难以准确获取,因此,我们需要利用根据已知阵列结构得到的导向矢量进行计算,则相应的Capon空间功率谱可以表示为:
在阵列存在各种误差的情况下,Capon波束形成算法的性能会显著下降。
阵列接收信号的四阶累积量矩阵的表达式一般为:
或
其中x1(k),x2(k),...,xM(k)是阵列M个阵元的接收数据,Cum{}为累积量算子。也可以采用其它形式的四阶累积量矩阵的表达式,包括四阶累积量矩阵扩展表达式。
根据高阶统计量抑制高斯噪声的性质,阵列接收信号的四阶累积量矩阵Cx=Cs+Ci,其中Cs、Ci分别为信号、干扰分量的四阶累积量矩阵,充分利用这个性质以及四阶累积量矩阵可扩展性质,对于估计高斯噪声中非高斯信号和干扰的波达方向是有益处的。
本发明的目的是对高斯噪声中非高斯信号的稳健自适应接收,本发明公开了一种针对高斯噪声中非高斯信号的稳健自适应波束形成方法,该方法首先对阵列接收信号的四阶累积量矩阵对角线加载,基于对角线加载的Capon四阶空间谱,通过一系列过程重建出更精确的期望信号和干扰的导向矢量,并生成虚拟信号协方差矩阵、虚拟干扰协方差矩阵;接着对阵列接收信号,提供了利用Capon算法完成在非信号、非干扰空域的空间互功率谱计算等三种途径,估计出噪声协方差矩阵;最后利用获得的期望信号导向矢量、虚拟干扰协方差矩阵和噪声协方差矩阵获得最佳权矢量,对阵列接收信号形成稳健的自适应波束输出。该方法联合利用了Capon四阶空间谱和Capon空间互功率谱以及对角线加载和邻域寻优技术,获得更精确有效的期望信号的导向矢量、干扰加噪声协方差矩阵,提升了自适应波束器的稳健性。
分以下五个步骤实施:
步骤1、对阵列接收信号的四阶累积量矩阵对角线加载,利用对角线加载的Capon算法完成在全空域的四阶空间谱计算,从四阶空间谱中估计出期望信号的波达方向初值、干扰个数和各干扰波达方向初值,确定只包含噪声信号的角度区域集合;
步骤2、基于期望信号的波达方向初值,生成期望信号的导向矢量并进行修正,精确估计出期望信号的导向矢量,生成虚拟信号协方差矩阵;
步骤3、基于干扰个数和各干扰波达方向初值,生成各干扰的导向矢量并进行修正,生成虚拟干扰协方差矩阵;
步骤4、对阵列接收信号,提供了利用Capon算法完成在非信号、非干扰空域的空间互功率谱计算等三种途径,估计出噪声协方差矩阵;
步骤5、根据重构出的期望信号导向矢量、虚拟干扰协方差矩阵和噪声协方差矩阵,计算最佳权矢量,对阵列接收信号形成稳健的自适应波束输出。
M元阵列接收信号为x(k)=xs(k)+xi(k)+xn(k),其中xs(k)、xi(k)和xn(k)分别为零均值非高斯期望信号、非高斯干扰和高斯(白或色)噪声分量,信号、干扰和噪声相互独立,干扰之间相互独立,根据高阶统计量的性质,阵列接收信号的四阶累积量矩阵Cx=Cs+Ci,其中Cs、Ci分别为信号、干扰分量的四阶累积量矩阵,由所述步骤1包括以下步骤:
也可以根据累积量的性质对阵列接收信号的四阶累积量矩阵扩展,扩展后的四阶累积量矩阵记为维数为Mext>M,对角线加载得到其中ξIext为加载对角矩阵,Iext为与同维的单位阵;计算并加以存储;按下式计算对角线加载的Capon四阶空间谱:
也可以采用其它高阶累积量矩阵;
所述步骤2包括以下步骤:
步骤22、给定期望信号的导向矢量在球面上的微小邻域,包括一维邻域、二维矩形邻域、方形邻域、椭圆形邻域、圆形邻域、十字邻域,并对该邻域离散化R个点,第r个点的导向矢量为 为导向矢量在第r个点引入的误差变量;
修正后的期望信号的导向矢量为:
为了以备估计噪声协方差矩阵使用,生成如下的虚拟信号协方差矩阵:
其中λ0>0为主观调节自适应波束形成零点深度的参量,不做主观调整时λ0=1。
所述步骤3包括以下步骤:
步骤32、给定每一个干扰的导向矢量在球面上的微小邻域,包括一维邻域、二维矩形邻域、方形邻域、椭圆形邻域、圆形邻域、十字邻域,并对该邻域离散化R个点,第r个点的导向矢量为 为导向矢量在第r个点引入的误差变量;
修正后的干扰的导向矢量为:
步骤34、重构的虚拟干扰协方差矩阵为:
其中λl>0为主观调节自适应波束形成零点深度的参量,不做主观调整时λl=1,l=1,2,...,L。
所述步骤4包括以下步骤:
在Θn内取T≥M方向离散值,有
写成矩阵形式,有:
其中[]#是矩阵伪逆算子;
由于在计算Capon互功率谱时的权矢量约束方向均处于仅含噪声的角度区域集合Θn内,自适应波束形成的零点基本上会对准期望信号和干扰方向,因此近似认为期望信号和干扰均被滤除,即:
以上是估计噪声协方差矩阵的第一种途径;在上述的计算Capon空间互功率谱过程中,可以用虚拟信号协方差矩阵加虚拟干扰协方差矩阵的对角线加载替代权矢量wc(θ)中的样本协方差矩阵这是第二种途径;当然如果可以获得无期望信号、无干扰的阵列接收信号,可以直接估计噪声协方差矩阵这是第三种途径。
所述步骤5包括以下步骤:
步骤53、将最佳权矢量w对阵列接收信号x(k)加权,获得波束形成器的输出信号y(k)=wHx(k),实现稳健的自适应波束形成。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,上述实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.一种针对高斯噪声中非高斯信号的稳健自适应波束形成方法,其特征在于:包括如下步骤:
步骤1、对阵列接收信号的四阶累积量矩阵对角线加载,利用对角线加载的Capon算法完成在全空域的四阶空间谱计算,从四阶空间谱中估计出期望信号的波达方向初值、干扰个数和各干扰波达方向初值,确定只包含噪声信号的角度区域集合;
步骤2、基于期望信号的波达方向初值,生成期望信号的导向矢量并进行修正,精确估计出期望信号的导向矢量,生成虚拟信号协方差矩阵;
步骤3、基于干扰个数和各干扰波达方向初值,生成各干扰的导向矢量并进行修正,生成虚拟干扰协方差矩阵;
步骤4、对阵列接收信号,提供了利用Capon算法完成在非信号、非干扰空域的空间互功率谱计算等三种途径,估计出噪声协方差矩阵;
步骤5、根据重构出的期望信号导向矢量、虚拟干扰协方差矩阵和噪声协方差矩阵,计算最佳权矢量,对阵列接收信号形成稳健的自适应波束输出。
2.根据权利要求1所述的针对高斯噪声中非高斯信号的稳健自适应波束形成方法,其特征在于:M元阵列接收信号为x(k)=xs(k)+xi(k)+xn(k),其中xs(k)、xi(k)和xn(k)分别为零均值非高斯期望信号、非高斯干扰和高斯噪声分量,信号、干扰和噪声相互独立,干扰之间相互独立,根据高阶统计量的性质,阵列接收信号的四阶累积量矩阵Cx=Cs+Ci,其中Cs、Ci分别为信号、干扰分量的四阶累积量矩阵,所述步骤1包括以下步骤:
也可以根据累积量的性质对阵列接收信号的四阶累积量矩阵扩展,扩展后的四阶累积量矩阵记为维数为Mext>M,对角线加载得到其中ξIext为加载对角矩阵,Iext为与同维的单位阵;计算并加以存储;按下式计算对角线加载的Capon四阶空间谱:
也可以采用其它高阶累积量矩阵;
3.根据权利要求1所述的针对高斯噪声中非高斯信号的稳健自适应波束形成方法,其特征在于:所述步骤2包括以下步骤:
步骤22、给定期望信号的导向矢量在球面上的微小邻域,包括一维邻域、二维矩形邻域、方形邻域、椭圆形邻域、圆形邻域、十字邻域,并对该邻域离散化R个点,第r个点的导向矢量为 为导向矢量在第r个点引入的误差变量;
修正后的期望信号的导向矢量为:
其中λ0>0为主观调节自适应波束形成零点深度的参量,不做主观调整时λ0=1。
4.根据权利要求1所述的针对高斯噪声中非高斯信号的稳健自适应波束形成方法,其特征在于:所述步骤3包括以下步骤:
步骤32、给定每一个干扰的导向矢量在球面上的微小邻域,包括一维邻域、二维矩形邻域、方形邻域、椭圆形邻域、圆形邻域、十字邻域,并对该邻域离散化R个点,第r个点的导向矢量为 为导向矢量在第r个点引入的误差变量;
修正后的干扰的导向矢量为:
步骤34、生成虚拟干扰协方差矩阵如下:
其中λl>0为主观调节自适应波束形成零点深度的参量,不做主观调整时λl=1,l=1,2,...,L。
5.根据权利要求1所述的针对高斯噪声中独立非高斯信号的稳健自适应波束形成方法,其特征在于:所述步骤4包括以下步骤:
在Θn内取T≥M方向离散值,有
写成矩阵形式,有:
其中[]#是矩阵伪逆算子;
由于在计算Capon互功率谱时的权矢量约束方向均处于仅含噪声的角度区域集合Θn内,这样自适应波束形成的零点基本上会对准期望信号和干扰方向,因此近似认为期望信号和干扰均被滤除,即:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010448392.3A CN111651718B (zh) | 2020-05-25 | 2020-05-25 | 针对高斯噪声中非高斯信号的稳健自适应波束形成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010448392.3A CN111651718B (zh) | 2020-05-25 | 2020-05-25 | 针对高斯噪声中非高斯信号的稳健自适应波束形成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111651718A true CN111651718A (zh) | 2020-09-11 |
CN111651718B CN111651718B (zh) | 2023-04-07 |
Family
ID=72343392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010448392.3A Active CN111651718B (zh) | 2020-05-25 | 2020-05-25 | 针对高斯噪声中非高斯信号的稳健自适应波束形成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111651718B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113253250A (zh) * | 2021-02-05 | 2021-08-13 | 中国人民解放军空军工程大学 | 基于矩阵重构的Coprime阵稳健自适应波束形成方法 |
CN113422629A (zh) * | 2021-06-17 | 2021-09-21 | 长安大学 | 一种协方差矩阵重构自适应波束形成方法及系统 |
CN113687395A (zh) * | 2021-08-25 | 2021-11-23 | 电子科技大学 | 基于最大熵功率谱的卫星导航信号导向矢量估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050073457A1 (en) * | 2003-10-01 | 2005-04-07 | Jian Li | Doubly constrained robust capon beamformer |
CN105974366A (zh) * | 2016-04-29 | 2016-09-28 | 哈尔滨工程大学 | 互耦条件下基于四阶累积量稀疏表示的mimo雷达波达方向估计方法 |
CN108181507A (zh) * | 2017-12-25 | 2018-06-19 | 中国科学技术大学 | 一种稳健自适应波束形成方法 |
-
2020
- 2020-05-25 CN CN202010448392.3A patent/CN111651718B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050073457A1 (en) * | 2003-10-01 | 2005-04-07 | Jian Li | Doubly constrained robust capon beamformer |
CN105974366A (zh) * | 2016-04-29 | 2016-09-28 | 哈尔滨工程大学 | 互耦条件下基于四阶累积量稀疏表示的mimo雷达波达方向估计方法 |
CN108181507A (zh) * | 2017-12-25 | 2018-06-19 | 中国科学技术大学 | 一种稳健自适应波束形成方法 |
Non-Patent Citations (1)
Title |
---|
陈明建等: "基于协方差矩阵估计的稳健Capon波束形成算法", 《火力与指挥控制》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113253250A (zh) * | 2021-02-05 | 2021-08-13 | 中国人民解放军空军工程大学 | 基于矩阵重构的Coprime阵稳健自适应波束形成方法 |
CN113422629A (zh) * | 2021-06-17 | 2021-09-21 | 长安大学 | 一种协方差矩阵重构自适应波束形成方法及系统 |
CN113687395A (zh) * | 2021-08-25 | 2021-11-23 | 电子科技大学 | 基于最大熵功率谱的卫星导航信号导向矢量估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111651718B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108181507B (zh) | 一种稳健自适应波束形成方法 | |
CN108809398B (zh) | 一种基于信源个数约束的稳健自适应波束形成方法 | |
CN111651718B (zh) | 针对高斯噪声中非高斯信号的稳健自适应波束形成方法 | |
CN107907852B (zh) | 基于空间平滑的协方差矩阵秩最小化doa估计方法 | |
CN110045321B (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
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 | |
CN107315162B (zh) | 基于内插变换和波束形成的远场相干信号doa估计方法 | |
CN109597046B (zh) | 基于一维卷积神经网络的米波雷达doa估计方法 | |
CN109245814B (zh) | 基于极大似然重采样的自适应波束形成方法 | |
CN113422630B (zh) | 一种自适应聚焦宽带波束形成方法及系统 | |
CN111651719A (zh) | 基于收缩估计协方差矩阵重构稳健自适应波束形成方法 | |
CN110988854A (zh) | 基于交替方向乘子法的鲁棒自适应波束形成算法 | |
CN111698011B (zh) | 一种对称噪声中非对称信号的稳健自适应波束形成方法 | |
CN110673119A (zh) | 基于压缩感知的非正则化方位估计方法及系统 | |
CN110727915B (zh) | 一种基于数据相关约束的鲁棒自适应波束形成方法 | |
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 | |
CN111431574B (zh) | 一种多重稳健自适应波束形成方法 | |
CN116301195B (zh) | 函数波束优化方法与装置 | |
CN113422629B (zh) | 一种协方差矩阵重构自适应波束形成方法及系统 | |
CN115808659A (zh) | 基于低复杂度不确定集积分的稳健波束形成方法及系统 | |
CN115102597A (zh) | 一种稳健的自适应波束形成方法 | |
CN114779176B (zh) | 一种低复杂度的鲁棒自适应波束形成方法及装置 | |
CN114236471A (zh) | 一种相关干扰源下的稳健自适应波束形成方法 | |
CN114487985A (zh) | 一种基于差-和信号的波束锐化方法及系统 | |
Jin et al. | Reduced-rank adaptive detection of distributed sources using subarrays |
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 |