CN113965236A - 适用于卫星通信的高鲁棒性自适应波束赋形方法和装置 - Google Patents

适用于卫星通信的高鲁棒性自适应波束赋形方法和装置 Download PDF

Info

Publication number
CN113965236A
CN113965236A CN202111107444.1A CN202111107444A CN113965236A CN 113965236 A CN113965236 A CN 113965236A CN 202111107444 A CN202111107444 A CN 202111107444A CN 113965236 A CN113965236 A CN 113965236A
Authority
CN
China
Prior art keywords
signal
vector
interference
noise ratio
power
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
Application number
CN202111107444.1A
Other languages
English (en)
Other versions
CN113965236B (zh
Inventor
张颉
杨迎春
付重
徐厚东
邹仕富
甘炜
唐勇
傅宁
李里
贺洪星
王海
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.)
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
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 Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN202111107444.1A priority Critical patent/CN113965236B/zh
Publication of CN113965236A publication Critical patent/CN113965236A/zh
Application granted granted Critical
Publication of CN113965236B publication Critical patent/CN113965236B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18513—Transmission in a satellite or space-based system

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明公开了一种适用于卫星通信的高鲁棒性自适应波束赋形方法和装置，方法包括：对期望信号信噪比进行估计；将估计得到的期望信号信噪比与预设门限值相比较；如果期望信号信噪比大于等于预设门限值，则估计期望信号导向矢量和干扰信号导向矢量；估计期望信号功率和干扰信号功率；重构协方差矩阵；求解波束赋形权重矢量；如果期望信号信噪比小于预设门限值，则采用标准LSMI算法求解波束赋形权重矢量；根据求解的波束赋形权重矢量对接收的信号进行加权处理。本发明具备更好的鲁棒性，能形成更高的波束赋形增益解决了现有卫星通信中波束赋形技术输出性能和鲁棒性能不足的问题。

Description

适用于卫星通信的高鲁棒性自适应波束赋形方法和装置
技术领域
本发明涉及天线阵列信号处理技术领域，具体涉及一种适用于卫星通信的高鲁棒性自适应波束赋形方法和装置。
背景技术
上世纪后期，着眼于国家安全和经济社会发展需要，我国开始探索建设北斗卫星导航系统，随着北斗一号系统于2000年建设完成，开始向中国提供服务，标志着我国拥有了独立自主的卫星导航系统。然而由于地球表面的电磁环境日益复杂，存在大量邻道干扰，甚至存在一些恶意干扰，使得地面导航接收机接收信号质量下降，导致导航精度下降，严重影响北斗卫星导航系统的服务质量。另一方面，在电网应用场景下，往往有大量电力设备布置在山区。由于密林、山体、以及恶劣天气的影响，地面导航接收机接收信号微弱，也亟需无线信号增强手段。因此，如何抑制干扰，增强无线信号强度，保障北斗卫星导航系统对地面电网设备的位置定位等通信服务质量具有重要意义。
天线阵列波束赋形技术是抗干扰和提升无线信号质量的重要手段。随着通信技术的发展，将天线阵列波束赋形技术应用于北斗卫星导航系统受到科研人员的广泛关注，同时利用北斗卫星导航系统服务国家电网系统也是研究热点。例如：电力管理部门可通过北斗卫星导航系统提供的定位、授时服务，实现电网时间基准统一、电站环境监测、电力车辆监控等功能。波束赋形技术主要通过将天线波束主瓣指向有用信号，提高接收增益，并在干扰信号方向形成零馅，抑制干扰，从而提高天线阵列输出信干噪比(SINR, Signal toInterference and Noise Ratio)。然而实际应用中，由于信号测向不准确、阵元位置误差和局部散射等原因，通常会造成信号导向矢量失配问题。同时，由于期望信号、干扰信号和噪声一起存在于采样数据中，导致波束赋形算法的输出性能对期望信号导向矢量的失配更加敏感，此时传统自适应波束赋形技术的输出性能急剧下降。为了充分发挥天线阵列技术优点，提高无线通信可靠性和安全性，如何在非理想情况下提高自适应波束赋形算法输出信号性能和鲁棒性是必须解决的关键问题。
发明内容
为了解决现有卫星通信中波束赋形技术输出性能和鲁棒性能不足的问题，本发明提供了一种适用于卫星通信的高鲁棒性自适应波束赋形方法。
本发明通过下述技术方案实现：
一种适用于卫星通信的高鲁棒性自适应波束赋形方法，包括：
对期望信号信噪比进行估计；
将估计得到的期望信号信噪比与预设门限值相比较；
如果估计的期望信号信噪比大于等于预设门限值，则估计期望信号导向矢量和干扰信号导向矢量；
估计期望信号功率和干扰信号功率；
根据估计的干扰信号导向矢量、干扰信号功率和噪声功率重构协方差矩阵；
根据估计的期望信号导向矢量和重构的协方差矩阵求解波束赋形权重矢量；
如果估计的期望信号信噪比小于预设门限值，则采用标准LSMI算法求解波束赋形权重矢量；
根据求解的波束赋形权重矢量对接收的信号进行加权处理。
优选的，本发明的对期望信号信噪比进行估计步骤具体包括：
估计天线阵列接收信号的协方差矩阵
Figure DEST_PATH_IMAGE001
；
对协方差矩阵
Figure 435344DEST_PATH_IMAGE001
进行特征分解，并将分解后的特征值按照取值大小降序排列，得到特征值
Figure 223171DEST_PATH_IMAGE002
和特征向量
Figure DEST_PATH_IMAGE003
，其中
Figure 453164DEST_PATH_IMAGE004
为阵元数；
根据特征值
Figure DEST_PATH_IMAGE005
、特征向量
Figure 261720DEST_PATH_IMAGE003
和观测所得期望信号波达方向
Figure 350899DEST_PATH_IMAGE006
对应的导向矢量
Figure DEST_PATH_IMAGE007
来估计期望信号信噪比
Figure 270313DEST_PATH_IMAGE008
。
优选的，本发明的根据特征值
Figure 699021DEST_PATH_IMAGE005
、特征向量
Figure 944057DEST_PATH_IMAGE003
和观测所得期望信号波达方向
Figure 786111DEST_PATH_IMAGE006
对应的导向矢量
Figure 650162DEST_PATH_IMAGE007
来估计期望信号信噪比
Figure 58010DEST_PATH_IMAGE008
步骤具体为：
将期望信号波达方向
Figure 614893DEST_PATH_IMAGE006
对应的导向矢量
Figure 475401DEST_PATH_IMAGE007
分别向特征向量
Figure 471039DEST_PATH_IMAGE003
进行投影得到
Figure DEST_PATH_IMAGE009
；
根据投影得到的
Figure 936656DEST_PATH_IMAGE010
来获取噪声子空间对应的特征值，估计噪声功率
Figure DEST_PATH_IMAGE011
；
估计期望信号的输入信噪比
Figure 523495DEST_PATH_IMAGE012
，
Figure DEST_PATH_IMAGE013
为
Figure 543403DEST_PATH_IMAGE010
中最大值
Figure 873891DEST_PATH_IMAGE014
对应的特征向量
Figure DEST_PATH_IMAGE015
对应的特征值。
优选的，本发明的预设门限值为10dB。
优选的，本发明的估计期望信号导向矢量和干扰信号导向矢量步骤具体包括：
计算
Figure 194014DEST_PATH_IMAGE016
的正交投影矩阵
Figure DEST_PATH_IMAGE017
，其中，
Figure 14071DEST_PATH_IMAGE016
为根据期望信号和
Figure 458959DEST_PATH_IMAGE018
个干扰信号对应的特征向量
Figure DEST_PATH_IMAGE019
所构造的信号子空间；
根据期望信号和干扰信号波达方向的观测结果设定信号角度集合，计算期望信号对应的正交投影矩阵
Figure 327558DEST_PATH_IMAGE020
和
Figure 767766DEST_PATH_IMAGE018
个干扰信号对应的正交投影矩阵
Figure DEST_PATH_IMAGE021
；
根据所得正交投影矩阵
Figure 430829DEST_PATH_IMAGE022
和所得期望信号对应的正交投影矩阵
Figure 753226DEST_PATH_IMAGE020
初步估计得到期望信号导向矢量
Figure DEST_PATH_IMAGE023
，同理，根据所得正交投影矩阵
Figure 97619DEST_PATH_IMAGE022
和所得
Figure 454651DEST_PATH_IMAGE018
个干扰信号对应的正交投影矩阵
Figure 429561DEST_PATH_IMAGE021
初步估计得到
Figure 239254DEST_PATH_IMAGE018
个干扰信号导向矢量
Figure 590600DEST_PATH_IMAGE024
；
根据观测的期望信号波达方向
Figure 739822DEST_PATH_IMAGE006
和
Figure 275846DEST_PATH_IMAGE018
个干扰信号波达方向
Figure DEST_PATH_IMAGE025
计算对应的导向矢量
Figure 41676DEST_PATH_IMAGE026
，分别对
Figure 931135DEST_PATH_IMAGE026
按照式（1）所示带约束的最优化方法来再次估计得到期望信号导向矢量
Figure DEST_PATH_IMAGE027
和
Figure 466021DEST_PATH_IMAGE018
个干扰信号导向矢量
Figure 907367DEST_PATH_IMAGE028
，其中
Figure DEST_PATH_IMAGE029
为导向矢量误差范数上界；
Figure 98177DEST_PATH_IMAGE030
（1）
根据初步估计的望信号导向矢量
Figure 181540DEST_PATH_IMAGE023
和再次估计的期望信号导向矢量
Figure 977457DEST_PATH_IMAGE027
，得到期望信号导向矢量估计均值
Figure DEST_PATH_IMAGE031
，作为期望信号导向矢量；同理，根据初步估计的
Figure 324125DEST_PATH_IMAGE018
个干扰信号导向矢量
Figure 533389DEST_PATH_IMAGE024
和再次估计的
Figure 889284DEST_PATH_IMAGE018
个干扰信号导向矢量
Figure 805288DEST_PATH_IMAGE028
，得到各干扰信号导向矢量估计均值
Figure 854015DEST_PATH_IMAGE032
，作为干扰信号导向矢量。
优选的，本发明估计期望信号功率和干扰信号功率步骤具体为：
根据估计的噪声功率
Figure 222680DEST_PATH_IMAGE011
，同时采用Capon功率谱来初步估计得到期望信号和
Figure 382266DEST_PATH_IMAGE018
个干扰信号的功率
Figure DEST_PATH_IMAGE033
；
再一次估计
Figure 683934DEST_PATH_IMAGE034
；其中
Figure DEST_PATH_IMAGE035
是期望信号的功率，
Figure 372404DEST_PATH_IMAGE036
是干扰信号的功率。
优选的，本发明通过式（2）对
Figure 618578DEST_PATH_IMAGE034
进行估计：
Figure DEST_PATH_IMAGE037
（2）
其中，
Figure 988379DEST_PATH_IMAGE038
表示单位阵，
Figure DEST_PATH_IMAGE039
表示功率不确定量。
优选的，本发明的功率不确定量
Figure 472450DEST_PATH_IMAGE039
的取值方法为：
A：首先根据特征值序列
Figure 66243DEST_PATH_IMAGE040
得到噪声子空间对应的最大特征值
Figure DEST_PATH_IMAGE041
；
B：根据选出的噪声子空间最大特征值
Figure 2975DEST_PATH_IMAGE041
，进一步得到
Figure 769942DEST_PATH_IMAGE042
。
优选的，本发明重构的协方差矩阵为：
Figure 577361DEST_PATH_IMAGE044
其中，
Figure 14159DEST_PATH_IMAGE038
表示单位阵，矩阵
Figure DEST_PATH_IMAGE045
；
根据估计的期望信号导向矢量和重构的协方差矩阵求解的波束赋形权重矢量为：
Figure DEST_PATH_IMAGE047
另一方面，本发明还提出了一种适用于卫星通信的高鲁棒性自适应波束赋形装置，包括估计单元、选择单元、LSMI求解单元、导向矢量单元、功率单元、协方差矩阵单元、权重矢量求解单元和处理单元；
其中，所述估计单元用于对期望信号的信噪比进行估计；
所述选择单元将期望信号的信噪比与预设门限值相比较，如果期望信号的信噪比小于预设门限值则驱动所述LSMI求解单元采用标准LSMI算法求解波束赋形权重矢量；如果期望信号的信噪比大于等于预设门限值则驱动所述导向矢量单元估计期望信号导向矢量和干扰信号导向矢量；
所述功率单元用于估计期望信号功率和干扰信号功率；
所述协方差矩阵单元根据估计的干扰信号导向矢量、干扰信号功率和噪声功率重构协方差矩阵；
所述权重矢量求解单元根据估计的期望信号导向矢量和重构的协方差矩阵求解波束赋形权重矢量；
所述处理单元采用LSMI求解单元或者权重矢量求解单元求解的波束赋形权重矢量对接收信号进行加权处理，从而实现高鲁棒性自适应波束赋形。
本发明具有如下的优点和有益效果：
本发明采用在不同输入信噪比时采用不同的波束赋形方法，在低信噪比时采用标准LSMI算法求解权重矢量，保证低信噪比时波束赋形算法的鲁棒性，同时降低计算复杂度；在高信噪比时，首先采用并行方法依次估计期望信号和干扰信号的导向矢量，再重构干扰加噪声协方差矩阵，最后根据期望信号导向矢量和重构协方差矩阵求解天线阵列各个阵元的权重矢量，提升高信噪比时算法鲁棒性和输出性能。
与现有的波束赋形算法相比，本发明所提方法在信号导向矢量和协方差矩阵失配时具有明显性能增益。
本发明所提方法有利于提高北斗卫星导航系统在复杂环境中为国家电网设备提供定位、授时等通信服务的可靠性。
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，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的方法流程示意图。
图2为本发明的计算机设备结构示意图。
图3为本发明的装置原理框图。
图4为在天线阵列阵元数为M=10、干噪比为35dB、观测的期望信号波达方向为
Figure 234925DEST_PATH_IMAGE048
、观测的干扰信号波达方向为
Figure DEST_PATH_IMAGE049
和
Figure 743266DEST_PATH_IMAGE050
、设定期望信号所在的角度集合为
Figure DEST_PATH_IMAGE051
、设定干扰信号所在的角度集合为
Figure 201930DEST_PATH_IMAGE052
和
Figure DEST_PATH_IMAGE053
、快拍数为30、期望信号和干扰信号波达方向随机失配服从[
Figure 996579DEST_PATH_IMAGE054
]范围内均匀分布时，在不同输入信噪比时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线。其中LSMI方法中选择对角加载级为10dB、NCCB方法中选择
Figure DEST_PATH_IMAGE055
2、本发明方法和RCB方法中选择导向矢量误差范数上界ε=0.3M。图中横坐标为输入信噪比（单位：dB），纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
图5为在天线阵列阵元数为M=10、干噪比为35dB、观测的期望信号波达方向为
Figure 845586DEST_PATH_IMAGE048
、观测的干扰信号波达方向为
Figure 688777DEST_PATH_IMAGE049
和
Figure 142893DEST_PATH_IMAGE050
、设定期望信号所在角度集合为
Figure 866302DEST_PATH_IMAGE051
、设定干扰信号所在角度集合为
Figure 530501DEST_PATH_IMAGE052
和
Figure 380646DEST_PATH_IMAGE053
、信噪比为10dB、期望信号和干扰信号波达方向随机失配服从[
Figure 689267DEST_PATH_IMAGE054
]范围内均匀分布时，在不同快拍数时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线。其中，LSMI方法中选择对角加载级为10dB、NCCB方法中选择
Figure 28982DEST_PATH_IMAGE055
2、本发明方法和RCB方法中选择导向矢量误差范数上界ε=0.3M。图中横坐标为快拍数，纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
图6为在天线阵列阵元数为M=10、干噪比为35dB、观测的期望信号波达方向为
Figure 790264DEST_PATH_IMAGE048
、观测的干扰信号波达方向为
Figure 444099DEST_PATH_IMAGE049
和
Figure 731861DEST_PATH_IMAGE050
、设定期望信号所在角度集合为
Figure 852264DEST_PATH_IMAGE051
、设定干扰信号所在角度集合为
Figure 756635DEST_PATH_IMAGE052
和
Figure 620686DEST_PATH_IMAGE053
、快拍数为30、期望信号相位的增量失配服从
Figure 762954DEST_PATH_IMAGE056
高斯分布时，在不同输入信噪比时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线，其中LSMI方法中选择对角加载级为10dB、NCCB方法中选择
Figure 319837DEST_PATH_IMAGE055
2、本发明方法和RCB方法中选择导向矢量误差范数上界ε=0.3M。图中横坐标为输入信噪比（单位：dB），纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
图7为在天线阵列阵元数为M=10、干噪比为35dB、观测的期望信号波达方向为
Figure 383608DEST_PATH_IMAGE048
、观测的干扰信号波达方向为
Figure 910405DEST_PATH_IMAGE049
和
Figure 313704DEST_PATH_IMAGE050
、设定期望信号所在角度集合为
Figure 166123DEST_PATH_IMAGE051
、设定干扰信号所在角度集合为
Figure 123714DEST_PATH_IMAGE052
和
Figure 719781DEST_PATH_IMAGE053
、信噪比为10dB、期望信号相位的增量失配服从
Figure 712007DEST_PATH_IMAGE056
高斯分布时，在不同快拍数时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线，其中LSMI方法中选择对角加载级为10dB、NCCB方法中选择
Figure 469748DEST_PATH_IMAGE055
2、本发明方法和RCB方法中选择导向矢量误差范数上界ε=0.3M。图中横坐标为快拍数，纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
图8为在天线阵列阵元数为M=10、干噪比为35dB、观测的期望信号波达方向为
Figure 508111DEST_PATH_IMAGE048
、观测的干扰信号波达方向
Figure DEST_PATH_IMAGE057
和
Figure 111131DEST_PATH_IMAGE050
、设定期望信号所在角度集合为
Figure 957864DEST_PATH_IMAGE051
、设定干扰信号所在的角度集合为
Figure 417664DEST_PATH_IMAGE052
和
Figure 349848DEST_PATH_IMAGE053
、快拍数为30、期望信号相干散射路径数为4、每条散射路径的波达方向服从均值为
Figure 287717DEST_PATH_IMAGE006
标准差为
Figure 582432DEST_PATH_IMAGE058
的高斯分布时，在不同输入信噪比时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线。其中LSMI方法中选择对角加载级为10dB、NCCB方法中选择
Figure 557341DEST_PATH_IMAGE055
2、本发明方法和RCB方法中选择导向矢量误差范数上界ε=0.3M。图中横坐标为输入信噪比（单位：dB），纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
图9为在天线阵列阵元数为M=10、干噪比为35dB、观测的期望信号波达方向为
Figure 367034DEST_PATH_IMAGE048
、观测的干扰信号波达方向
Figure 718381DEST_PATH_IMAGE057
和
Figure 664341DEST_PATH_IMAGE050
、设定期望信号所在角度集合为
Figure 810151DEST_PATH_IMAGE051
、设定干扰信号所在的角度集合为
Figure 107140DEST_PATH_IMAGE052
和
Figure 262178DEST_PATH_IMAGE053
、信噪比为10dB、期望信号相干散射路径数为4、每条散射路径的波达方向服从均值为
Figure 62644DEST_PATH_IMAGE006
及标准差为
Figure 644935DEST_PATH_IMAGE058
的高斯分布时，在不同快拍数时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线。其中LSMI方法中选择对角加载级为10dB、NCCB方法中选择
Figure 163641DEST_PATH_IMAGE055
2、本发明方法和RCB方法中选择导向矢量误差范数上界ε=0.3M。图中横坐标为快拍数，纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
目前，现有的高鲁棒性自适应波束赋形算法主要包括以下几类：
基于采样协方差矩阵对角加载(LSMI, Loading Sample Matrix Inversion)的鲁棒自适应波束赋形算法：其核心思想是正则化处理，通过对优化目标函数施加惩罚项来实现。该技术在遭遇常见失配误差时，均有良好鲁棒性，但是对角加载电平最优解问题目前还没有精确可靠的求解方法。
基于特征空间的鲁棒自适应波束赋形算法：该算法将观测的期望信号波达方向(DOA, Direction of Arrival)对应的导向矢量向期望信号和干扰信号对应的信号子空间进行投影，而不直接采用观测得到的期望信号导向矢量。该方法下天线阵列的输出性能对信噪比大小敏感，低信噪比时容易发生子空间缠绕，不能维持子空间正交性，导致算法输出性能下降。
基于期望信号导向矢量校正的鲁棒自适应波束赋形算法：该方法主要是通过一定准则，对期望信号导向矢量进行优化校正。例如基于不确定集来校正期望信号导向矢量，采用导向矢量集合的不等式约束集来代替单方向信号导向矢量的无失真约束，从而提高波束赋形算法的鲁棒性。
基于干扰加噪声协方差矩阵重构的鲁棒自适应波束赋形算法：该方法近年来发展迅速，是一种提高波束赋形算法鲁棒性的新方法，得到研究人员的广泛关注。该方法主要通过去除采样协方差矩阵中的期望信号分量，根据信号空间分布的特点，重构干扰信号加噪声的协方差矩阵，提升波束赋形算法鲁棒性。
而在实际应用中，通常存在干扰功率较大、协方差矩阵和期望信号导向矢量失配、输入信号信噪比变化范围大等特点。因此，本实施例提出了一种适用于卫星通信的高鲁棒性自适应波束赋形方法，其充分利用先验信息，研究不同输入信噪比时如何提高波束赋形算法的鲁棒性和输出性能，同时降低波束赋形算法的计算复杂度，解决了实际工程中波束赋形算法输出性能和鲁棒性能不足的问题。
本实施例提出的方法首先对输入期望信号的信噪比进行估计，当信噪比小于预设门限时，采用LSMI算法求解权重矢量，降低了计算复杂度，同时兼顾了低信噪比情况下波束赋形的鲁棒性，避免了在低信噪比时仍采用子空间方法会遭遇的空间缠绕问题；当信噪比大于预设门限时，充分利用高信噪比时各先验信息，先估计期望信号导向矢量和干扰信号导向矢量，再估计期望信号功率和干扰信号功率，接着重构干扰信号加噪声的协方差矩阵，最后根据期望信号导向矢量和重构的协方差矩阵求解波束赋形权重矢量，具体如图1所示。相较于LSMI方法、基于特征空间的波束赋形方法、范数约束Capon波束赋形方法(NCCB,Norm Constrained Capon Beamforming)、鲁棒Capon波束赋形方法(RCB, Robust CaponBeamforming)、基于干扰加噪声协方差矩阵重构的波束赋形算法，实施例所提方法具备更好的鲁棒性，能形成更高的波束赋形增益。
本实施例的方法具体包括以下步骤：
步骤1，估计天线阵列接收信号的协方差矩阵
Figure 184687DEST_PATH_IMAGE001
，对
Figure 980604DEST_PATH_IMAGE001
进行特征分解，将所得特征值按照取值大小降序排列，得到特征值
Figure 858431DEST_PATH_IMAGE002
和特征向量
Figure 474220DEST_PATH_IMAGE003
，其中
Figure 361273DEST_PATH_IMAGE004
为阵元数；本实施例的天线阵列阵元数为
Figure DEST_PATH_IMAGE059
。
步骤2，根据特征值
Figure 605173DEST_PATH_IMAGE005
、特征向量
Figure 529266DEST_PATH_IMAGE003
和观测所得期望信号波达方向
Figure 22564DEST_PATH_IMAGE006
对应的导向矢量
Figure 385413DEST_PATH_IMAGE007
来估计期望信号信噪比
Figure 890343DEST_PATH_IMAGE008
，判断期望信号信噪比
Figure 109972DEST_PATH_IMAGE008
是否小于预设门限值
Figure 965933DEST_PATH_IMAGE060
（本实施例中的预设门限值
Figure 929209DEST_PATH_IMAGE060
一般设定为10dB），如果是，则采用标准采样协方差矩阵对角加载算法来求解波束赋形权重矢量
Figure DEST_PATH_IMAGE061
，并执行步骤11；否则执行步骤3；本实施例中观测的期望信号波达方向为
Figure 944439DEST_PATH_IMAGE048
。
本实施例中估计期望信号信噪比
Figure 210335DEST_PATH_IMAGE008
具体包括以下子步骤：
步骤21，将期望信号波达方向
Figure 412646DEST_PATH_IMAGE006
对应的信号导向矢量
Figure 789401DEST_PATH_IMAGE007
分别向特征向量
Figure 659137DEST_PATH_IMAGE003
进行投影得到
Figure 95935DEST_PATH_IMAGE009
；
步骤22，选择
Figure 785542DEST_PATH_IMAGE010
中最大值
Figure 965987DEST_PATH_IMAGE014
，得到
Figure 893492DEST_PATH_IMAGE014
对应的特征向量
Figure 625825DEST_PATH_IMAGE015
，则期望信号功率的估计值即为特征向量
Figure 412515DEST_PATH_IMAGE062
对应的特征值
Figure 786865DEST_PATH_IMAGE013
，再构造去除
Figure 240980DEST_PATH_IMAGE013
后的新特征值序列
Figure 347476DEST_PATH_IMAGE040
，则噪声功率的估计值为
Figure DEST_PATH_IMAGE063
，其中
Figure 480517DEST_PATH_IMAGE018
为天线阵列接收的干扰信号个数；
步骤23，估计期望信号的输入信噪比
Figure 127399DEST_PATH_IMAGE012
。
步骤3，根据特征向量
Figure 436021DEST_PATH_IMAGE003
，选取期望信号和
Figure 510156DEST_PATH_IMAGE018
个干扰信号对应的特征向量
Figure 864914DEST_PATH_IMAGE019
来构造信号子空间
Figure 925274DEST_PATH_IMAGE016
，计算
Figure 744194DEST_PATH_IMAGE016
的正交投影矩阵
Figure 864597DEST_PATH_IMAGE017
；
步骤4，根据期望信号波达方向
Figure 441072DEST_PATH_IMAGE006
的观测结果设定期望信号所在角度集合
Figure 429756DEST_PATH_IMAGE064
，构造矩阵
Figure DEST_PATH_IMAGE065
，再对
Figure 306446DEST_PATH_IMAGE066
进行特征分解，然后在所得特征值中按从大到小顺序选择
Figure DEST_PATH_IMAGE067
个特征值，接着使用所选特征值对应的
Figure 456804DEST_PATH_IMAGE067
个特征向量构造子空间
Figure 192679DEST_PATH_IMAGE068
，最后计算
Figure 985054DEST_PATH_IMAGE068
的正交投影矩阵
Figure DEST_PATH_IMAGE069
；同理，根据
Figure 919512DEST_PATH_IMAGE018
个干扰信号所在的角度集合
Figure 771931DEST_PATH_IMAGE070
，分别构造对应的矩阵
Figure DEST_PATH_IMAGE071
，依次对
Figure 791839DEST_PATH_IMAGE071
进行特征分解，并构造对应的子空间
Figure 856747DEST_PATH_IMAGE072
，计算对应的正交投影矩阵
Figure 301504DEST_PATH_IMAGE021
，并构造矩阵
Figure 262507DEST_PATH_IMAGE045
；本实施例中期望信号所在的角度集合为
Figure 238553DEST_PATH_IMAGE051
。
步骤5，根据所得期望信号对应的正交投影矩阵
Figure 575994DEST_PATH_IMAGE020
，构造矩阵
Figure DEST_PATH_IMAGE073
，对
Figure 16202DEST_PATH_IMAGE074
进行特征分解，求解最大特征值对应的特征向量
Figure DEST_PATH_IMAGE075
，则初步估计的期望信号导向矢量为
Figure 944844DEST_PATH_IMAGE076
。同理，根据所得
Figure 470503DEST_PATH_IMAGE018
个干扰信号对应的正交投影矩阵
Figure 408372DEST_PATH_IMAGE021
，分别构造矩阵
Figure DEST_PATH_IMAGE077
，依次对
Figure 906350DEST_PATH_IMAGE077
进行特征分解，并求解最大特征值对应的特征向量
Figure 537051DEST_PATH_IMAGE078
，则初步估计的
Figure 956531DEST_PATH_IMAGE018
个干扰信号导向矢量为
Figure 455949DEST_PATH_IMAGE024
；
步骤6，根据观测的期望信号波达方向
Figure 277275DEST_PATH_IMAGE006
和
Figure 813298DEST_PATH_IMAGE018
个干扰信号波达方向
Figure 720074DEST_PATH_IMAGE025
计算对应的导向矢量
Figure 203008DEST_PATH_IMAGE026
，分别对
Figure 3474DEST_PATH_IMAGE026
按照下式所示带约束的最优化方法来再次估计得到期望信号导向矢量
Figure 585765DEST_PATH_IMAGE027
和
Figure 370050DEST_PATH_IMAGE018
个干扰信号导向矢量
Figure 63200DEST_PATH_IMAGE028
，其中
Figure 983751DEST_PATH_IMAGE029
为导向矢量误差范数上界；
Figure 268102DEST_PATH_IMAGE080
本实施例中观测到2个干扰信号波达方向为：
Figure 539684DEST_PATH_IMAGE049
和
Figure 364420DEST_PATH_IMAGE050
；2个干扰信号所在角度集合分别为
Figure 280424DEST_PATH_IMAGE052
、
Figure 329151DEST_PATH_IMAGE053
；本实施例的导向矢量误差范围上界为ε=0.3M。
步骤7，根据所得
Figure 760132DEST_PATH_IMAGE023
和所得
Figure 857401DEST_PATH_IMAGE027
这两种期望信号导向矢量估计值，得到期望信号导向矢量估计均值
Figure 18124DEST_PATH_IMAGE031
，作为期望信号导向矢量；同理，根据步骤5所得
Figure 113119DEST_PATH_IMAGE018
个干扰信号导向矢量
Figure 687189DEST_PATH_IMAGE024
和步骤6所得
Figure 791411DEST_PATH_IMAGE018
个干扰信号导向矢量
Figure 744324DEST_PATH_IMAGE028
，得到各干扰信号导向矢量估计均值
Figure 134854DEST_PATH_IMAGE032
，作为干扰信号导向矢量。
步骤8，根据估计的噪声功率
Figure 806006DEST_PATH_IMAGE011
，同时采用Capon功率谱来初步估计得到期望信号和
Figure 448340DEST_PATH_IMAGE018
个干扰信号的功率
Figure 255759DEST_PATH_IMAGE033
。设定功率不确定量为
Figure 817191DEST_PATH_IMAGE039
，再一次估计
Figure 382164DEST_PATH_IMAGE034
。其中
Figure 952823DEST_PATH_IMAGE035
是期望信号的功率，
Figure 614748DEST_PATH_IMAGE036
是干扰信号的功率，
Figure 222447DEST_PATH_IMAGE038
表示单位阵。具体而言，可按下式对
Figure 399351DEST_PATH_IMAGE034
进行估计；
Figure 383487DEST_PATH_IMAGE082
本实施例中的功率不确定量
Figure 696657DEST_PATH_IMAGE039
的取值方法为：
A：首先根据特征值序列
Figure 475257DEST_PATH_IMAGE040
得到噪声子空间对应的最大特征值
Figure 139457DEST_PATH_IMAGE041
；
B：根据选出的噪声子空间最大特征值
Figure 661705DEST_PATH_IMAGE041
，进一步得到
Figure 94960DEST_PATH_IMAGE042
。
步骤9，根据估计的
Figure 44462DEST_PATH_IMAGE018
个干扰信号导向矢量
Figure 195957DEST_PATH_IMAGE032
和干扰信号功率
Figure DEST_PATH_IMAGE083
及噪声功率
Figure 849792DEST_PATH_IMAGE011
重构协方差矩阵
Figure 12921DEST_PATH_IMAGE084
；
步骤10：根据估计的期望信号导向矢量
Figure DEST_PATH_IMAGE085
和重构的协方差矩阵
Figure 992378DEST_PATH_IMAGE086
求解波束赋形权重矢量
Figure DEST_PATH_IMAGE087
；
步骤11：根据估计的权重矢量
Figure 631170DEST_PATH_IMAGE061
对接收信号进行加权处理，其中
Figure 823117DEST_PATH_IMAGE061
中每个元素的共轭值即为天线阵列中对应阵元的加权值。
本实施例还提出了一种计算机设备，用于执行本实施例的上述方法。
具体如图2所示，计算机设备包括处理器、内存储器和系统总线；内存储器和处理器在内的各种设备组件连接到系统总线上。处理器是一个用来通过计算机系统中基本的算术和逻辑运算来执行计算机程序指令的硬件。内存储器是一个用于临时或永久性存储计算程序或数据(例如，程序状态信息)的物理设备。系统总线可以为以下几种类型的总线结构中的任意一种，包括存储器总线或存储控制器、外设总线和局部总线。处理器和内存储器可以通过系统总线进行数据通信。其中内存储器包括只读存储器(ROM)或闪存（图中未示出），以及随机存取存储器(RAM)，RAM通常是指加载了操作系统和计算机程序的主存储器。
计算机设备一般包括一个外存储设备。外存储设备可以从多种计算机可读介质中选择，计算机可读介质是指可以通过计算机设备访问的任何可利用的介质，包括移动的和固定的两种介质。例如，计算机可读介质包括但不限于，闪速存储器（微型SD卡），CD-ROM，数字通用光盘(DVD)或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁存储设备，或者可用于存储所需信息并可由计算机设备访问的任何其它介质。
计算机设备可在网络环境中与一个或者多个网络终端进行逻辑连接。网络终端可以是个人电脑、服务器、路由器、智能电话、平板电脑或者其它公共网络节点。计算机设备通过网络接口（局域网LAN接口）与网络终端相连接。局域网(LAN)是指在有限区域内，例如家庭、学校、计算机实验室、或者使用网络媒体的办公楼，互联组成的计算机网络。WiFi和双绞线布线以太网是最常用的构建局域网的两种技术。
应当指出的是，其它包括比计算机设备更多或更少的子系统的计算机系统也能适用于发明。
如上面详细描述的，适用于本实施例的计算机设备能执行自适应波束赋形方法的指定操作。计算机设备通过处理器运行在计算机可读介质中的软件指令的形式来执行这些操作。这些软件指令可以从存储设备或者通过局域网接口从另一设备读入到存储器中。存储在存储器中的软件指令使得处理器执行上述的群成员信息的处理方法。此外，通过硬件电路或者硬件电路结合软件指令也能同样实现本发明。因此，实现本实施例并不限于任何特定硬件电路和软件的组合。
实施例2
本实施例提出了一种适用于卫星通信的高鲁棒性自适应波束赋形装置，如图3所示，本实施例的装置包括：估计单元、选择单元、LSMI求解单元、导向矢量单元、功率单元、协方差矩阵单元、权重矢量求解单元和处理单元。
其中，估计单元用于对期望信号的信噪比进行估计；
选择单元将期望信号的信噪比与预设门限值相比较，如果期望信号的信噪比小于预设门限值则驱动LSMI求解单元采用标准LSMI算法求解波束赋形权重矢量；如果期望信号的信噪比大于等于预设门限值则驱动导向矢量单元估计期望信号导向矢量和干扰信号导向矢量；
功率单元用于估计期望信号功率和干扰信号功率；
协方差矩阵单元根据估计的干扰信号导向矢量、干扰信号功率和噪声功率重构协方差矩阵；
权重矢量求解单元根据估计的期望信号导向矢量和重构的协方差矩阵求解波束赋形权重矢量。
处理单元采用LSMI求解单元或者权重矢量求解单元求解的波束赋形权重矢量对接收信号进行加权处理，从而实现高鲁棒性自适应波束赋形。
本实施例还提出了一种卫星通信设备，该设备包括上述高鲁棒性自适应波束赋形装置。
实施例3
本实施例对上述实施例1提出的高鲁棒性自适应波束赋形方法进行仿真实验，仿真实验具体条件为：天线阵列阵元数为M=10、干噪比为35dB、观测的期望信号波达方向为
Figure 903068DEST_PATH_IMAGE048
、观测的干扰信号波达方向为
Figure 194372DEST_PATH_IMAGE049
和
Figure 54881DEST_PATH_IMAGE050
、设定期望信号所在的角度集合为
Figure 722622DEST_PATH_IMAGE051
、设定干扰信号所在的角度集合为
Figure 188239DEST_PATH_IMAGE052
和
Figure 775078DEST_PATH_IMAGE053
。其中LSMI方法中选择对角加载级为10dB、NCCB方法中选择
Figure 998249DEST_PATH_IMAGE055
2、本发明方法和RCB方法中选择导向矢量误差范数上界ε=0.3M。
图4为在上述具体仿真条件下，当快拍数为30、期望信号和干扰信号波达方向随机失配服从[
Figure 328736DEST_PATH_IMAGE054
] 范围内均匀分布时，在不同输入信噪比时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重波束赋形方法的输出信干噪比对比曲线。图中横坐标为输入信噪比（单位：dB），纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
从图4可以看出，LSMI方法的输出信干噪比随着输入信噪比增加而急剧下降；基于特征空间波束赋形方法、NCCB方法、RCB方法的输出信干噪比随着输入信噪比增加趋于平缓，与最佳输出信干噪比有较大差距；基于干扰加噪声协方差矩阵重构波束赋形方法输出性能较好，但是相比于最佳输出信干噪比，仍有约1.5dB的差距；高信噪比时本发明方法的输出性能最好，最接近最佳输出信干噪比，低信噪比时本发明方法的输出性能同LSMI方法一致。
图5为在上述具体仿真条件下，当输入信噪比为10dB、期望信号和干扰信号波达方向随机失配服从[
Figure 320963DEST_PATH_IMAGE054
]范围内均匀分布时，在不同快拍数时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线。图中横坐标为快拍数，纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
从图5可以看出，随着快拍数的增加，LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法的输出信干噪比随着快拍数增加而增加，但是均与最佳输出信干噪比有较大差距；基于干扰加噪声协方差矩阵重构波束赋形方法和本发明方法的输出信干噪比则基本保持不变，即使在较少的快拍数下就能获得很好的输出性能，但是基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比低于本发明方法大约1.2dB。结合图5和图4可以看出，本发明方法在信号波达方向估计出现失配时具有更好的鲁棒性。
图6为在上述具体仿真条件下，当快拍数为30、期望信号相位的增量失配服从
Figure 344283DEST_PATH_IMAGE056
高斯分布时，在不同输入信噪比时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线。图中横坐标为输入信噪比（单位：dB），纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
从图6可以看出，LSMI方法输出信干噪比随着输入信噪比增加而下降；基于特征空间波束赋形方法在低输入信噪比时输出性能较差，高信噪比时输出性能也低于NCCB方法和RCB方法；NCCB方法和RCB方法的输出信干噪比基本保持一致，但与最佳输出信干噪比有较大差距；基于干扰加噪声协方差矩阵重构波束赋形方法在低信噪比时输出性能最好，高信噪比时仅次于本发明方法；高信噪比时本发明方法的输出性能最好，最接近最佳输出信干噪比，低信噪比时本发明方法的输出性能同LSMI方法一致。
图7为在上述具体仿真条件下，当信噪比为10dB、期望信号相位的增量失配服从
Figure 54750DEST_PATH_IMAGE056
高斯分布时，在不同快拍数时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线。图中横坐标为快拍数，纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
从图7可以看出，基于特征空间波束赋形方法、NCCB方法、RCB方法的输出性能随着快拍数增加而增加，但与最佳输出信干噪比有较大差距，需要较大的快拍数才能保持较好的输出性能；基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比在快拍数范围基本保持不变，低于最佳输出信干噪大约1dB；本发明方法的输出性能最好，不仅输出信干噪比基本保持不变，而且最接近最佳输出信干噪比。结合图7和图6可以看出，本发明方法在波前扰动失真的情况下具有更好的鲁棒性。
图8为在上述具体仿真条件下，当快拍数为30、期望信号相干散射路径数为4、每条散射路径的波达方向服从均值为
Figure 923348DEST_PATH_IMAGE006
及标准差为
Figure 35661DEST_PATH_IMAGE058
的高斯分布时，在不同输入信噪比时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线。图中横坐标为输入信噪比（单位：dB），纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
从图8可以看出，当输入信噪比小于0dB时，除基于特征空间波束赋形方法输出性能较差外，其他各方法的输出性能都较好。当输入信噪比大于0dB时：LSMI方法输出信干噪比随着输入信噪比增加而下降；基于特征空间波束赋形方法输出信干噪比随着输入信噪比的增加而缓慢下降；NCCB方法和RCB方法输出信干噪比基本保持一致，随着输入信噪比的增加而缓慢增加，但与最佳输出信干噪比有较大差距；基于干扰加噪声协方差矩阵重构波束赋形方法和本发明方法的输出性能在整个输入信噪比范围内都较好，都表现出较好的鲁棒性，但基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比在高信噪比时仍低于本发明方法。
图9为在上述具体仿真条件下，当信噪比为10dB、期望信号相干散射路径数为4、每条散射路径的波达方向服从均值为
Figure 964303DEST_PATH_IMAGE006
及标准差为
Figure 162066DEST_PATH_IMAGE058
的高斯分布时，在不同快拍数时本发明方法与最佳输出信干噪比、LSMI方法、基于特征空间波束赋形方法、NCCB方法、RCB方法、基于干扰加噪声协方差矩阵重构波束赋形方法的输出信干噪比对比曲线。图中横坐标为快拍数，纵坐标为输出信干噪比（单位：dB）。图中的标记“◇”代表本发明方法，“△”代表最佳输出信干噪比，“＋”代表LSMI方法，“□”代表基于特征空间波束赋形方法，“○”代表NCCB方法，“*”代表RCB方法，“×”代表基于干扰加噪声协方差矩阵重构波束赋形方法。
从图9可以看出，LSMI方法、基于特征空间的波束赋形方法、NCCB方法、RCB方法的输出信干噪比随着快拍数增加而增加，表明各算法的输出性能受到快拍数限制，其中LSMI方法输出性能最差；基于干扰加噪声协方差矩阵重构波束赋形方法和本发明方法的输出性能在整个快拍数范围内都很好，在较少的快拍数时就能获得很好的输出性能，但是本发明方法的输出信干噪比仍然高于基于干扰加噪声协方差矩阵重构波束赋形方法大约1dB，结合图9和图8可以看出，本发明方法在存在局部相干散射的情况下具有更好的鲁棒性。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种适用于卫星通信的高鲁棒性自适应波束赋形方法，其特征在于，包括：
对期望信号信噪比进行估计；
将估计得到的期望信号信噪比与预设门限值相比较；
如果估计的期望信号信噪比大于等于预设门限值，则估计期望信号导向矢量和干扰信号导向矢量；
估计期望信号功率和干扰信号功率；
根据估计的干扰信号导向矢量、干扰信号功率和噪声功率重构协方差矩阵；
根据估计的期望信号导向矢量和重构的协方差矩阵求解波束赋形权重矢量；
如果估计的期望信号信噪比小于预设门限值，则采用标准LSMI算法求解波束赋形权重矢量；
根据求解的波束赋形权重矢量对接收的信号进行加权处理。
2.根据权利要求1所述的一种适用于卫星通信的高鲁棒性自适应波束赋形方法，其特征在于，对期望信号信噪比进行估计步骤具体包括：
估计天线阵列接收信号的协方差矩阵
Figure 252553DEST_PATH_IMAGE001
；
对协方差矩阵
Figure 78427DEST_PATH_IMAGE001
进行特征分解，并将分解后的特征值按照取值大小降序排列，得到特征值
Figure 646811DEST_PATH_IMAGE002
和特征向量
Figure 925346DEST_PATH_IMAGE003
，其中
Figure 135747DEST_PATH_IMAGE004
为阵元数；
根据特征值
Figure 550548DEST_PATH_IMAGE005
、特征向量
Figure 696359DEST_PATH_IMAGE003
和观测所得期望信号波达方向
Figure 462189DEST_PATH_IMAGE006
对应的导向矢量
Figure 210703DEST_PATH_IMAGE007
来估计期望信号信噪比
Figure 11168DEST_PATH_IMAGE008
。
3.根据权利要求2所述的一种适用于卫星通信的高鲁棒性自适应波束赋形方法，其特征在于，根据特征值
Figure 327880DEST_PATH_IMAGE005
、特征向量
Figure 581007DEST_PATH_IMAGE003
和观测所得期望信号波达方向
Figure 398790DEST_PATH_IMAGE006
对应的导向矢量
Figure 663550DEST_PATH_IMAGE009
来估计期望信号信噪比
Figure 275797DEST_PATH_IMAGE008
步骤具体为：
将期望信号波达方向
Figure 281799DEST_PATH_IMAGE006
对应的导向矢量
Figure 513060DEST_PATH_IMAGE009
分别向特征向量
Figure 22539DEST_PATH_IMAGE003
进行投影得到
Figure 540108DEST_PATH_IMAGE010
；
根据投影得到的
Figure 767827DEST_PATH_IMAGE011
来获取噪声子空间对应的特征值，估计噪声功率
Figure 537199DEST_PATH_IMAGE012
；
估计期望信号的输入信噪比
Figure 432343DEST_PATH_IMAGE013
，
Figure 120813DEST_PATH_IMAGE014
为
Figure 711195DEST_PATH_IMAGE015
中最大值
Figure 408892DEST_PATH_IMAGE016
对应的特征向量
Figure 627384DEST_PATH_IMAGE017
对应的特征值。
4.根据权利要求1所述的一种适用于卫星通信的高鲁棒性自适应波束赋形方法，其特征在于，所述预设门限值为10dB。
5.根据权利要求3所述的一种适用于卫星通信的高鲁棒性自适应波束赋形方法，其特征在于，估计期望信号导向矢量和干扰信号导向矢量步骤具体包括：
计算
Figure 752335DEST_PATH_IMAGE018
的正交投影矩阵
Figure 564433DEST_PATH_IMAGE019
，其中，
Figure 65822DEST_PATH_IMAGE018
为根据期望信号和
Figure 669978DEST_PATH_IMAGE020
个干扰信号对应的特征向量
Figure 700251DEST_PATH_IMAGE021
所构造的信号子空间；
根据期望信号和干扰信号波达方向的观测结果设定信号角度集合，计算期望信号对应的正交投影矩阵
Figure 999646DEST_PATH_IMAGE022
和
Figure 39146DEST_PATH_IMAGE020
个干扰信号对应的正交投影矩阵
Figure 497809DEST_PATH_IMAGE023
；
根据所得正交投影矩阵
Figure 839929DEST_PATH_IMAGE024
和所得期望信号对应的正交投影矩阵
Figure 587190DEST_PATH_IMAGE025
初步估计得到期望信号导向矢量
Figure 164802DEST_PATH_IMAGE026
，同理，根据所得正交投影矩阵
Figure 477972DEST_PATH_IMAGE024
和所得
Figure 990993DEST_PATH_IMAGE020
个干扰信号对应的正交投影矩阵
Figure 389613DEST_PATH_IMAGE023
初步估计得到
Figure 36495DEST_PATH_IMAGE020
个干扰信号导向矢量
Figure 79537DEST_PATH_IMAGE027
；
根据观测的期望信号波达方向
Figure 888093DEST_PATH_IMAGE028
和
Figure 508431DEST_PATH_IMAGE029
个干扰信号波达方向
Figure 693424DEST_PATH_IMAGE030
计算对应的导向矢量
Figure 590973DEST_PATH_IMAGE031
，分别对
Figure 570430DEST_PATH_IMAGE031
按照式（1）所示带约束的最优化方法来再次估计得到期望信号导向矢量
Figure 943643DEST_PATH_IMAGE032
和
Figure 666748DEST_PATH_IMAGE020
个干扰信号导向矢量
Figure 277858DEST_PATH_IMAGE033
，其中
Figure 569162DEST_PATH_IMAGE034
为导向矢量误差范数上界；
Figure 429671DEST_PATH_IMAGE035
（1）
根据初步估计的期望信号导向矢量
Figure 956467DEST_PATH_IMAGE026
和再次估计的期望信号导向矢量
Figure 563029DEST_PATH_IMAGE032
，得到期望信号导向矢量估计均值
Figure 149868DEST_PATH_IMAGE036
，作为期望信号导向矢量；同理，根据
Figure 232094DEST_PATH_IMAGE020
个初步估计的干扰信号导向矢量
Figure 405324DEST_PATH_IMAGE027
和
Figure 256605DEST_PATH_IMAGE020
个再次估计的干扰信号导向矢量
Figure 889712DEST_PATH_IMAGE033
，得到各干扰信号导向矢量估计均值
Figure 193654DEST_PATH_IMAGE037
，作为干扰信号导向矢量。
6.根据权利要求5所述的一种适用于卫星通信的高鲁棒性自适应波束赋形方法，其特征在于，估计期望信号功率和干扰信号功率的步骤具体为：
根据估计的噪声功率
Figure 62253DEST_PATH_IMAGE012
，同时采用Capon功率谱来初步估计得到期望信号和
Figure 33620DEST_PATH_IMAGE020
个干扰信号的功率
Figure 572049DEST_PATH_IMAGE038
；
再一次估计
Figure 628866DEST_PATH_IMAGE039
；其中
Figure 35577DEST_PATH_IMAGE040
是期望信号的功率，
Figure 861451DEST_PATH_IMAGE041
是干扰信号的功率。
7.根据权利要求6所述的一种适用于卫星通信的高鲁棒性自适应波束赋形方法，其特征在于，通过式（2）对
Figure 570781DEST_PATH_IMAGE039
进行估计：
Figure 114894DEST_PATH_IMAGE042
（2）
其中，
Figure 59717DEST_PATH_IMAGE043
表示单位阵，
Figure 208938DEST_PATH_IMAGE044
表示功率不确定量。
8.根据权利要求6所述的一种适用于卫星通信的高鲁棒性自适应波束赋形方法，其特征在于，功率不确定量
Figure 213803DEST_PATH_IMAGE044
的取值方法为：
A：首先根据特征值序列
Figure 979634DEST_PATH_IMAGE045
得到噪声子空间对应的最大特征值
Figure 462568DEST_PATH_IMAGE046
；
B：根据选出的噪声子空间最大特征值
Figure 997455DEST_PATH_IMAGE046
，进一步得到
Figure 501117DEST_PATH_IMAGE047
。
9.根据权利要求6所述的一种适用于卫星通信的高鲁棒性自适应波束赋形方法，其特征在于，重构的协方差矩阵为：
Figure 488665DEST_PATH_IMAGE048
其中，
Figure 775290DEST_PATH_IMAGE043
表示单位阵，矩阵
Figure 164683DEST_PATH_IMAGE049
；
根据估计的期望信号导向矢量和重构的协方差矩阵求解的波束赋形权重矢量为：
Figure 511350DEST_PATH_IMAGE050
。
10.一种适用于卫星通信的高鲁棒性自适应波束赋形装置，其特征在于，包括估计单元、选择单元、LSMI求解单元、导向矢量单元、功率单元、协方差矩阵单元、权重矢量求解单元和处理单元；
其中，所述估计单元用于对期望信号的信噪比进行估计；
所述选择单元将期望信号的信噪比与预设门限值相比较，如果期望信号的信噪比小于预设门限值则驱动所述LSMI求解单元采用标准LSMI算法求解波束赋形权重矢量；如果期望信号的信噪比大于等于预设门限值则驱动所述导向矢量单元估计期望信号导向矢量和干扰信号导向矢量；
所述功率单元用于估计期望信号功率和干扰信号功率；
所述协方差矩阵单元根据估计的干扰信号导向矢量、干扰信号功率和噪声功率重构协方差矩阵；
所述权重矢量求解单元根据估计的期望信号导向矢量和重构的协方差矩阵求解波束赋形权重矢量；
所述处理单元采用LSMI求解单元或者权重矢量求解单元求解的波束赋形权重矢量对接收信号进行加权处理，从而实现高鲁棒性自适应波束赋形。
CN202111107444.1A 2021-09-22 2021-09-22 适用于卫星通信的高鲁棒性自适应波束赋形方法和装置 Active CN113965236B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111107444.1A CN113965236B (zh) 2021-09-22 2021-09-22 适用于卫星通信的高鲁棒性自适应波束赋形方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111107444.1A CN113965236B (zh) 2021-09-22 2021-09-22 适用于卫星通信的高鲁棒性自适应波束赋形方法和装置

Publications (2)

Publication Number Publication Date
CN113965236A true CN113965236A (zh) 2022-01-21
CN113965236B CN113965236B (zh) 2022-03-11

Family

ID=79462349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111107444.1A Active CN113965236B (zh) 2021-09-22 2021-09-22 适用于卫星通信的高鲁棒性自适应波束赋形方法和装置

Country Status (1)

Country Link
CN (1) CN113965236B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115372998A (zh) * 2022-08-22 2022-11-22 中国矿业大学 低复杂度的卫星导航接收机鲁棒宽线性波束形成方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2506711A (en) * 2012-10-02 2014-04-09 John Edward Hudson An adaptive beamformer which uses signal envelopes to correct steering
US20150124713A1 (en) * 2011-08-16 2015-05-07 Go Net Systems Ltd. Methods Circuits Systems and Associated Computer Executable Code for Performing Beamforming Based Wireless Communication
CN105306124A (zh) * 2015-10-19 2016-02-03 电子科技大学 一种具有联合鲁棒性的波束形成方法
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
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
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
CN107276658A (zh) * 2017-07-01 2017-10-20 蔡绍滨 色噪声下基于协方差矩阵重构的波束形成方法
CN108872946A (zh) * 2018-04-20 2018-11-23 西安电子科技大学 导向矢量和协方差矩阵联合迭代的稳健波束形成方法
CN110865341A (zh) * 2019-11-12 2020-03-06 天津大学 一种基于导向矢量优化与对角加载相结合的波束形成方法
CN111431574A (zh) * 2020-04-30 2020-07-17 中国科学技术大学 一种多重稳健自适应波束形成方法
CN111651719A (zh) * 2020-06-04 2020-09-11 湖北工业大学 基于收缩估计协方差矩阵重构稳健自适应波束形成方法
CN113411113A (zh) * 2021-06-18 2021-09-17 西北工业大学 一种抗阵列误差的稳健波束形成方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150124713A1 (en) * 2011-08-16 2015-05-07 Go Net Systems Ltd. Methods Circuits Systems and Associated Computer Executable Code for Performing Beamforming Based Wireless Communication
GB2506711A (en) * 2012-10-02 2014-04-09 John Edward Hudson An adaptive beamformer which uses signal envelopes to correct steering
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
CN105306124A (zh) * 2015-10-19 2016-02-03 电子科技大学 一种具有联合鲁棒性的波束形成方法
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
CN107276658A (zh) * 2017-07-01 2017-10-20 蔡绍滨 色噪声下基于协方差矩阵重构的波束形成方法
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
CN108872946A (zh) * 2018-04-20 2018-11-23 西安电子科技大学 导向矢量和协方差矩阵联合迭代的稳健波束形成方法
CN110865341A (zh) * 2019-11-12 2020-03-06 天津大学 一种基于导向矢量优化与对角加载相结合的波束形成方法
CN111431574A (zh) * 2020-04-30 2020-07-17 中国科学技术大学 一种多重稳健自适应波束形成方法
CN111651719A (zh) * 2020-06-04 2020-09-11 湖北工业大学 基于收缩估计协方差矩阵重构稳健自适应波束形成方法
CN113411113A (zh) * 2021-06-18 2021-09-17 西北工业大学 一种抗阵列误差的稳健波束形成方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MICHAEL.P. MASELE等: "A Robust Adaptive Beamforming with Diagonal Loading and Steering Vector Estimation", 《2019 IEEE 2ND INTERNATIONAL CONFERENCE ON ELECTRONIC INFORMATION AND COMMUNICATION TECHNOLOGY (ICEICT)》 *
张涛: "导向矢量失配条件下的稳健自适应波束成形研究", 《中国博士学位论文全文数据库(信息科技辑)》 *
金伟等: "一种改进的迭代型鲁棒波束形成算法", 《电子学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115372998A (zh) * 2022-08-22 2022-11-22 中国矿业大学 低复杂度的卫星导航接收机鲁棒宽线性波束形成方法
CN115372998B (zh) * 2022-08-22 2023-04-07 中国矿业大学 低复杂度的卫星导航接收机鲁棒宽线性波束形成方法

Also Published As

Publication number Publication date
CN113965236B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN111651719B (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
CN109639333B (zh) 一种基于有效重构协方差矩阵的波束形成方法
CN108663668B (zh) 基于iaa的干扰加噪声协方差矩阵重构稳健波束形成方法
CN104702378A (zh) 混合高斯分布的参数估计方法和装置
CN113965236B (zh) 适用于卫星通信的高鲁棒性自适应波束赋形方法和装置
CN109541552B (zh) 雷达天线阵列的自适应波束形成方法和系统
CN113315560B (zh) 一种紧凑型平面阵列Massive MIMO系统的波束赋形方法
WO2023165631A1 (zh) 一种用于智能超表面无线通信的信道参数估计方法
CN106646414A (zh) 基于Bi‑CGSTAB和SL0算法的MIMO雷达目标参数估计方法
CN114268388A (zh) 一种在大规模mimo中基于改进gan网络的信道估计方法
CN112332894A (zh) 一种惩罚锥约束的稳健波束的形成方法和移动终端
CN114726385A (zh) 基于功率估计的卫星导航接收机空域抗干扰方法
CN110865342A (zh) 基于导向矢量估计与协方差矩阵重构结合的波束形成方法
CN110611626A (zh) 信道估计方法、装置及设备
CN112543047B (zh) 一种多波束卫星干扰抑制方法、存储介质及计算设备
CN112183425B (zh) 信道参数估计方法及装置
CN110361697B (zh) 一种基于协方差矩阵混合重构的稳健波束形成方法
CN112990547A (zh) 智能电网能量优化方法及装置
CN110161476B (zh) 基于幂迭代广义瑞利商算法的雷达波束形成方法
CN110261814B (zh) 基于空间谱重构和导向矢量直接估计的波束形成方法
CN115967421A (zh) 一种分布式天线系统下联合参数估计与信号重构的方法及系统
CN108834043B (zh) 基于先验知识的压缩感知多目标无源定位方法
CN113783810B (zh) 智能反射面辅助室内通信的信道估计方法、装置及介质
CN113556157B (zh) 非高斯干扰下mimo系统发射天线数估计方法及系统
WO2021114964A1 (zh) 信号检测方法、装置、通信设备及计算机存储介质

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