CN111999746B - 一种基于fpga的用于无人机gps天线的抗干扰方法 - Google Patents

Abstract

本发明属于无人机抗干扰技术领域，具体涉及一种基于FPGA的用于无人机GPS天线的抗干扰方法，以解决目前采用STAP技术的GPS无人机抗干扰方法，由于其采用的时域LCMV算法计算复杂度高，实现困难的问题。本发明对接收到的中频信号首先经过m倍抽取和浮点FFT变换成频域信号，通过对频域信号中的干扰信号进行频率搜索和确认，使在干扰频域的位置处产生陷波，对某些窄带干扰、一些连续波干扰和带外干扰进行抑制；然后经过功率倒置LCMV算法，使输出的信号功率最小；最后再通过浮点IFFT反变换将频域信号转换回时域信号，对输出信干比有着良好的改善效果，不需要任何先验信息，大大降低计算复杂度和运算量，实现简单。

Description

一种基于FPGA的用于无人机GPS天线的抗干扰方法

技术领域

本发明涉及一种算法，具体涉及一种用于无人机GPS天线的抗干扰方法。

背景技术

对GPS信号进行抗干扰处理是GPS接收机的重要组成部分，抗干扰性能的好坏直接影响到后续的信号捕获与跟踪的效果，如果抗干扰性能过于差，有可能导致捕获失败。现有的GPS抗干扰技术主要应用空时二维联合抗干扰算法(STAP)。

STAP处理的思想是将一维的时域、频域及空域滤波推广到时间与空间的二维域中，形成空时二维处理结构。在高斯噪声的背景中叠加确知信号的模型下，根据推广的统计似然比检测理论所导出的时空二维联合自适应处理结构，在许多方面具有最优性，也就是我们常说的“最优空时处理器”。从本质上讲，STAP处理的基本原理并不复杂，只是把传统的空域滤波做了简单推广，在每一个阵元的后面不再作单个加权，而是用一个多抽头的FIR滤波器取而代之。

目前，STAP技术的关键点在于时、空权矢量求解的实现方法。时、空权矢量主要采用多种准则来约束，目前常用的约束准则包括：线性约束最小方差准则LCMV、最大信干燥比准则MSINR、最小均方误差准则MMSE(这几种准则都有各自的特点，而且不仅可以用在纯空域滤波算法，还可以应用在STAP处理算法)。

根据不同的工程需要可以选择不同的约束准则。在这些约束准则中，线性约束最小方差准则LCMV具有一定的优势。它主要利用导航信号功率远低于噪声和干扰功率的特性，从而大大削弱干扰能量，而导航信号成分基本不受影响。然而，传统的时域LCMV算法的运算复杂，导致STAP技术实现较为困难。

发明内容

为了解决目前采用STAP技术的GPS无人机抗干扰方法，由于其采用的时域LCMV算法计算复杂度高，实现困难的问题，本发明提出了一种基于FPGA的用于无人机GPS天线的抗干扰方法。

本发明解决上述问题的技术方案是：

一种基于FPGA的用于无人机GPS天线的抗干扰方法，其特殊之处在于，包括以下步骤：

1)m倍抽取和加窗操作

1.1)将n路中频信号经过数字下变频后得到的n*2路正交基带信号，对该n*2路基带信号进行m倍抽取，n和m均为大于等于1的自然数；

1.2)对m倍抽取后得到的n*2路正交基带信号分别进行加窗操作，加窗操作的窗函数采用广义海明窗，窗长度为L，L与浮点FFT的点数相等；

1.3)将加窗完成后的n*2路正交基带信号输出；

2)浮点FFT变换，将n*2路正交基带信号从时域转为频域：

2.1)将加窗完成后的n*2路正交基带信号通过定点转浮点IP核，转为n*2路浮点数据格式信号；

2.2)将n*2路浮点数据格式信号分别输入n个浮点FFT IP核进行FFT运算，得到n路浮点复数信号；

2.3)将n路浮点复数信号，经过浮点转定点IP核转为n路定点格式信号；

2.4)将n路定点格式信号取相同频点上的数据组成n个n*1矩阵，分别记为x(1)＝{x11,x12,...,x1n}^T,x(2)＝{x21,x22,...,x2n}^T,...,x(n)＝{xn1,xn2,...,xnn}^T；x11,x12,...,x1n分别为第1～n路定点格式信号中第1个频点上的数据；x21,x22,...,x2n分别为第1～n路定点格式信号中第2个频点上的数据；...；xn1,xn2,...,xnn分别为第1～n路定点格式信号中第n个频点上的数据，T表示转置；

3)功率倒置LCMV算法

3.1)协方差求自相关矩阵

依次用步骤2)输出的每一个n*1矩阵乘以其共轭转置矩阵，生成一个n阶正定hermite阵，从而每个频点得到一个n阶正定hermite阵，即每个频点得到一个协方差矩阵；

3.2)协方差矩阵求逆

对步骤3.1)得到的每一个协方差矩阵，分别采用Cholesky分解矩阵求逆算法，根据正定hermite阵的逆矩阵同样是正定hermite阵原理，将所述协方差矩阵分解为下三角矩阵和其共轭矩阵的乘积，通过求取下三角矩阵的逆矩阵，来实现每一个协方差矩阵求逆；

3.3)权值计算

对于每一个协方差矩阵，利用拉格朗日乘数法，求得最优权向量为：R^-1为协方差矩阵的逆矩阵，S为M×1阶矢量，M为阵元数，H表示共轭转置；当信号方向未知时，令约束条件w^TS＝1，此时S＝[1,0,0,…,0]^T，T表示转置；

4)波束加权

将步骤3.3)得到的最优权向量与步骤2.4)得到的n个n*1矩阵分别进行复数加权，得到无干扰的数字信号；加权采用公式y(k)＝w^H(k)x(k)将n个通道的信号合成1路频域信号；k分别取1,2,3…,n；

5)浮点IFFT变换

通过浮点IFFT IP核将波束加权后合成的1路频域信号转换为1路时域信号；

6)m倍内插

将步骤5)得到的1路时域信号进行m倍内插后输出。

本发明的优点是：

1.本发明可以将窄带波束扩展至宽带。

2.本发明对接收到的中频信号首先经过m倍抽取和浮点FFT变换成频域信号，通过对频域信号中的干扰信号进行频率搜索和确认，使在干扰频域的位置处产生陷波，对某些窄带干扰、一些连续波干扰和带外干扰进行抑制；然后经过功率倒置LCMV算法(LCMV最佳准则中，令约束条件w^TS＝1)，使输出的信号功率最小；最后再通过浮点IFFT反变换将频域信号转换回时域信号，对输出信干比有着良好的改善效果，不需要任何先验信息，大大降低计算复杂度和运算量，实现简单。

附图说明：

图1为本发明的方法流程图。

图2为本发明中功率倒置LCMV算法的流程图。

具体实施方式

如图1-2所示，本发明所提供的基于FPGA的用于无人机GPS天线的抗干扰方法，包括以下步骤：

1)m倍抽取和加窗操作

1.1)将n路中频信号经过数字下变频后得到的n*2路正交基带信号，对该n*2路基带信号进行m倍抽取，n和m均为大于1的自然数；m倍抽取是指每m个数据中只取1个数据做为有效数据；

1.2)对m倍抽取后得到的n*2路正交基带信号分别进行加窗操作，加窗操作的窗函数采用广义海明窗，窗长度为L，L与浮点FFT的点数相等；

1.3)将加窗完成后的n*2路正交基带信号输出；

2)浮点FFT变换，将n*2路正交基带信号从时域转为频域：

2.1)将加窗完成后的n*2路正交基带信号通过定点转浮点IP核，转为n*2路浮点数据格式信号；

2.2)将n*2路浮点数据格式信号分别输入n个浮点FFT IP核进行FFT运算，得到n路浮点复数信号；

2.3)将n路浮点复数信号，经过浮点转定点IP核转为n路定点格式信号；

2.4)将n路定点格式信号取相同频点上的数据组成n个n*1矩阵，分别记为x(1)＝{x11,x12,...,x1n}^T,x(2)＝{x21,x22,...,x2n}^T,...,x(n)＝{xn1,xn2,...,xnn}^T；x11,x12,...,x1n分别为第1～n路定点格式信号中第1个频点上的数据；x21,x22,...,x2n分别为第1～n路定点格式信号中第2个频点上的数据；...；xn1,xn2,...,xnn分别为第1～n路定点格式信号中第n个频点上的数据；

3)功率倒置LCMV算法

3.1)协方差求自相关矩阵

依次用步骤2)输出的每一个n*1矩阵乘以其共轭转置矩阵，生成一个n阶正定hermite阵，从而每个频点得到一个n阶正定hermite阵，即每个频点得到一个协方差矩阵；

3.2)协方差矩阵求逆

对步骤3.1)得到的每一个协方差矩阵，分别采用Cholesky分解矩阵求逆算法，根据正定hermite阵的逆矩阵同样是正定hermite阵原理，将所述协方差矩阵分解为下三角矩阵和其共轭矩阵的乘积，通过求取下三角矩阵的逆矩阵，来实现每一个协方差矩阵求逆；

3.3)权值计算

对于每一个协方差矩阵，利用拉格朗日乘数法，求得最优权向量为：R^-1为协方差矩阵的逆矩阵，S为M×1阶矢量，M为阵元数，H表示共轭转置；当信号方向未知时，令约束条件w^TS＝1，此时S＝[1,0,0,…,0]^T，T表示转置；

4)波束加权

将步骤3.3)得到的最优权向量与步骤2.4)得到的n个n*1矩阵分别进行复数加权，得到无干扰的数字信号；加权采用公式y(k)＝w^H(k)x(k)将n个通道的信号合成1路频域信号；k分别取1,2,3…,n；

5)浮点IFFT变换

通过浮点IFFT IP核将波束加权后合成的1路频域信号转换为1路时域信号；

6)m倍内插

将步骤5)得到的1路时域信号进行m倍内插后输出；m倍内插与步骤1)中的m倍抽取正好相反，如对{a,b,...}经过m倍内插后，变为a1,a2,...am,b1,b2...bm,...},其中，a1,a2,...am均等于a，b1,b2...bm均等于b。

Claims (1)

1.一种基于FPGA的用于无人机GPS天线的抗干扰方法，其特征在于，包括以下步骤：

1)m倍抽取和加窗操作

1.1)将n路中频信号经过数字下变频后得到的n*2路正交基带信号，对该n*2路基带信号进行m倍抽取，n和m均为大于等于1的自然数；

1.2)对m倍抽取后得到的n*2路正交基带信号分别进行加窗操作，加窗操作的窗函数采用广义海明窗，窗长度为L，L与浮点FFT的点数相等；

1.3)将加窗完成后的n*2路正交基带信号输出；

2)浮点FFT变换，将n*2路正交基带信号从时域转为频域：

2.1)将加窗完成后的n*2路正交基带信号通过定点转浮点IP核，转为n*2路浮点数据格式信号；

2.2)将n*2路浮点数据格式信号分别输入n个浮点FFTIP核进行FFT运算，得到n路浮点复数信号；

2.3)将n路浮点复数信号，经过浮点转定点IP核转为n路定点格式信号；

2.4)将n路定点格式信号取相同频点上的数据组成n个n*1矩阵，分别记为x(1)＝{x11,x12,...,x1n}^T,x(2)＝{x21,x22,...,x2n}^T,...,x(n)＝{xn1,xn2,...,xnn}^T；x11,x12,...,x1n分别为第1～n路定点格式信号中第1个频点上的数据；x21,x22,...,x2n分别为第1～n路定点格式信号中第2个频点上的数据；...；xn1,xn2,...,xnn分别为第1～n路定点格式信号中第n个频点上的数据，T表示转置；

3)功率倒置LCMV算法

3.1)协方差求自相关矩阵

依次用步骤2)输出的每一个n*1矩阵乘以其共轭转置矩阵，生成一个n阶正定hermite阵，从而每个频点得到一个n阶正定hermite阵，即每个频点得到一个协方差矩阵；

3.2)协方差矩阵求逆

对步骤3.1)得到的每一个协方差矩阵，分别采用Cholesky分解矩阵求逆算法，根据正定hermite阵的逆矩阵同样是正定hermite阵原理，将所述协方差矩阵分解为下三角矩阵和下三角矩阵共轭矩阵的乘积，通过求取下三角矩阵的逆矩阵，来实现每一个协方差矩阵求逆；

3.3)权值计算

对于每一个协方差矩阵，利用拉格朗日乘数法，求得最优权向量为：R^-1为协方差矩阵的逆矩阵，S为M×1阶矢量，M为阵元数，H表示共轭转置；当信号方向未知时，令约束条件w^TS＝1，此时S＝[1,0,0,…,0]^T，T表示转置；

4)波束加权

将步骤3.3)得到的最优权向量与步骤2.4)得到的n个n*1矩阵分别进行复数加权，得到无干扰的数字信号；加权采用公式y(k)＝w^H(k)x(k)将n个通道的信号合成1路频域信号，y(k)为无干扰的数字信号；k分别取1,2,3…,n；

5)浮点IFFT变换

通过浮点IFFT IP核将波束加权后合成的1路频域信号转换为1路时域信号；

6)m倍内插

将步骤5)得到的1路时域信号进行m倍内插后输出。