CN117706588A - 基于空时滤波的抗干扰方法、装置、抗干扰天线及介质 - Google Patents

Abstract

本发明提供一种基于空时滤波的抗干扰方法、装置、抗干扰天线及介质。该方法包括：通过阵列天线中各单元接收基带数据；基于基带数据的自相关逆矩阵确定基带数据的干扰噪声协方差矩阵；基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件；基于约束条件，以目标函数的值最小为优化目标，对权值系数矩阵进行寻优，得到权值系数矩阵的目标值；其中，目标函数为基于干扰噪声协方差矩阵和权值系数矩阵计算阵列天线的输出功率的函数；基于权值系数矩阵的目标值配置阵列天线中各单元的馈电幅相比例。本发明能够得到更好的抗干扰效果。

Description

基于空时滤波的抗干扰方法、装置、抗干扰天线及介质

技术领域

本发明涉及阵列信号处理技术领域，尤其涉及一种基于空时滤波的抗干扰方法、装置、抗干扰天线及介质。

背景技术

全球卫星导航系统（global navigation satellite system，GNSS）由于其定位精度高、全天候使用的特点得到了广泛应用，但是在实际使用中卫星导航信号的功率要比噪声基底还低20dB，所以极易受到强干扰信号压制。实际上，现代GNSS信号接收机为了达到抗干扰的目的，常采用多阵元天线来提高接收信号的维度，而均匀圆阵是工程中经常使用的阵元排布方法。

空时自适应处理（space-time adaptive processing，STAP）是一种先进的信号处理技术，被广泛地应用于雷达和通信领域，它在不改变天线阵元数的前提下通过添加时域延时来增加阵列的自由度，同时提高了阵列信号的抗干扰能力。常规的空时PI算法，建立约束将第一阵元约束为1，在保证阵列总输出功率最小的同时进行滤波。由于导航信号本身弱于干扰信号及热噪声，因此采用空时PI算法，可以有效在干扰方向形成零陷，将干扰抑制从而广泛应用于导航抗干扰领域。但在实际中，常规的空时PI算法会对带内有用信号造成破坏，导致抗干扰处理效果较差。

发明内容

本发明实施例提供了一种基于空时滤波的抗干扰方法、装置、抗干扰天线及介质，以解决提高接收机抗干扰效果的问题。

第一方面，本发明实施例提供了一种基于空时滤波的抗干扰方法，包括：

通过阵列天线中各单元接收基带数据；

基于基带数据的自相关逆矩阵确定基带数据的干扰噪声协方差矩阵；

基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件；其中，权值系数矩阵由阵列天线中各单元的权值系数组成，每个单元的权值系数用于调节基带数据中该单元接收部分的幅值比例；

基于约束条件，以目标函数的值最小为优化目标，对权值系数矩阵进行寻优，得到权值系数矩阵的目标值；其中，目标函数为基于干扰噪声协方差矩阵和权值系数矩阵计算阵列天线的输出功率的函数；

基于权值系数矩阵的目标值配置阵列天线中各单元的馈电幅相比例。

在一种可能的实现方式中，基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件包括：

基于预设滤波器的滤波器系数构建约束矩阵；

基于约束矩阵和预设的响应矢量构建权值系数矩阵的约束条件。

在一种可能的实现方式中，约束条件为：

其中，为权值系数矩阵的共轭转置矩阵，/>为约束矩阵，/>为响应矢量。

在一种可能的实现方式中，约束矩阵为：

其中，为预设滤波器的第/>阶系数。

在一种可能的实现方式中，响应矢量为：

在一种可能的实现方式中，目标函数为：

其中，为阵列天线的输出功率，/>为权值系数矩阵的共轭转置矩阵，/>为干扰噪声协方差矩阵，/>为权值系数矩阵。

在一种可能的实现方式中，在基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件之前，还包括：

基于基带数据的信号频率、采样率和截止频率确定预设滤波器的滤波器系数。

第二方面，本发明实施例提供了一种基于空时滤波的抗干扰装置，包括：

获取模块，用于通过阵列天线中各单元接收基带数据；

噪声确定模块，用于基于基带数据的自相关逆矩阵确定基带数据的干扰噪声协方差矩阵；

约束构建模块，用于基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件；其中，权值系数矩阵由阵列天线中各单元的权值系数组成，每个单元的权值系数用于调节基带数据中该单元接收部分的幅值比例；

权值确定模块，用于基于约束条件，以目标函数的值最小为优化目标，对权值系数矩阵进行寻优，得到权值系数矩阵的目标值；其中，目标函数为基于干扰噪声协方差矩阵和权值系数矩阵计算阵列天线的输出功率的函数；

权值配置模块，用于基于权值系数矩阵的目标值配置阵列天线中各单元的馈电幅相比例。

第三方面，本发明实施例提供了一种接收机，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。示例性的，处理器可以为FPGA。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。

本发明实施例提供一种基于空时滤波的抗干扰方法、装置、抗干扰天线及介质，基于滤波器系数对权值系数矩阵进行约束，在求解出的权值系数矩阵上叠加时域滤波器的效果，基于此权值系数矩阵对接收的基带信号进行抗干扰处理，相当于对基带信号进行一次时域滤波，在空域滤波抗干扰处理的基础上增加了时域滤波的效果，相比于传统PI算法减少了对带内信号的破坏，具有更好的抗干扰效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的基于空时滤波的抗干扰方法的实现流程图；

图2是本发明一实施例提供的STAP算法原理图；

图3是本发明一实施例提供的波程差示意图；

图4A是本发明一实施例提供的优化前的时域滤波模型结构图；

图4B是本发明一实施例提供的优化后的时域滤波模型结构图；

图5是本发明一实施例提供的滤波器参数配置示意图；

图6A是本发明一实施例提供的PI算法接收信号的下变频前不含干扰信号时域波形图；

图6B是本发明一实施例提供的PI算法接收信号的下变频后不含干扰信号时域波形图；

图6C是本发明一实施例提供的PI算法接收信号的下变频前含干扰信号时域波形图；

图6D是本发明一实施例提供的PI算法接收信号的下变频后含干扰信号时域波形图；

图6E是本发明一实施例提供的PI算法接收信号的加权后时域波形图；

图6F是本发明一实施例提供的PI算法接收信号的下变频前不含干扰信号的fft波形图；

图6G是本发明一实施例提供的PI算法接收信号的下变频后不含干扰信号的fft波形图；

图6H是本发明一实施例提供的PI算法接收信号的下变频前含干扰信号的fft波形图；

图6I是本发明一实施例提供的PI算法接收信号的下变频后含干扰信号的fft波形图；

图6J是本发明一实施例提供的PI算法接收信号的加权后频谱图；

图7是本发明一实施例提供的PI算法的零陷图；

图8A是本发明一实施例提供的基于空时滤波的抗干扰方法接收信号的下变频前不含干扰信号时域波形图；

图8B是本发明一实施例提供的基于空时滤波的抗干扰方法接收信号的下变频后不含干扰信号时域波形图；

图8C是本发明一实施例提供的基于空时滤波的抗干扰方法接收信号的下变频前含干扰信号时域波形图；

图8D是本发明一实施例提供的基于空时滤波的抗干扰方法接收信号的下变频后含干扰信号时域波形图；

图8E是本发明一实施例提供的基于空时滤波的抗干扰方法接收信号的加权后时域波形图；

图8F是本发明一实施例提供的基于空时滤波的抗干扰方法接收信号的下变频前不含干扰信号的fft波形图；

图8G是本发明一实施例提供的基于空时滤波的抗干扰方法接收信号的下变频后不含干扰信号的fft波形图；

图8H是本发明一实施例提供的基于空时滤波的抗干扰方法接收信号的下变频前含干扰信号的fft波形图；

图8I是本发明一实施例提供的基于空时滤波的抗干扰方法接收信号的下变频后含干扰信号的fft波形图；

图8J是本发明一实施例提供的基于空时滤波的抗干扰方法接收信号的加权后频谱图；

图9是本发明一实施例提供的基于空时滤波的抗干扰方法的零陷图；

图10A是本发明一实施例提供的接收信号的下变频后不含干扰的时域波形图；

图10B是本发明一实施例提供的基于空时滤波的抗干扰方法与PI算法的接收信号抗干扰后的时域波形对比图；

图10C是本发明一实施例提供的接收信号的下变频后不含干扰的频域波形图；

图10D是本发明一实施例提供的基于空时滤波的抗干扰方法与PI算法的接收信号抗干扰后的频域波形对比图；

图11是本发明一实施例提供的基于空时滤波的抗干扰装置的结构示意图；

图12是本发明一实施例提供的抗干扰天线的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。

全球卫星导航系统（global navigation satellite system，GNSS）由于其定位精度高、全天候使用的特点得到了广泛应用，但是在实际使用中卫星导航信号的功率要比噪声基底还低20dB，所以极易受到强干扰信号压制。实际上，现代GNSS信号接收机为了达到抗干扰的目的，常采用多阵元天线来提高接收信号的维度，而均匀圆阵是工程中经常使用的阵元排布方法。虽然阵元数目的增加会提高接收机的抗干扰能力但是也会提高硬件成本，如何在有限的阵元数目下增加接收机的抗干扰能力成为了焦点。

时域/频域滤波技术具有成本低、简单易行的优点，但当存在多个窄带干扰或单个宽带干扰（时域宽带信号）时，它们都不能产生有效的干扰抑制效果。空域滤波技术是通过自适应天线阵列来有效地抑制窄带干扰和宽带干扰（阵列宽带信号）。目前已知的空域滤波技术包括最小功率算法（也称功率倒置算法）、Capon算法、利用卫星信号特点（扩频码周期重复且已知的特性）的盲目适应波束形成方法等。然而，纯空域滤波技术抑制一个窄带干扰需要消耗一个自由度，如需抑制宽带干扰则要增加天线阵元数，这将增加卫星导航接收机的成本且在天线孔径受限的场合难以实现（如机载和弹载共性阵）。起源于机载预警雷达地杂波抑制的空时自适应处理（Space Time Adaptive Processing,STAP）可用于解决上述问题。该技术可在不增加阵元数的前提下，通过增加时间抽头来增加自适应滤波系统的自由度。

空时自适应处理（space-time adaptive processing，STAP）是一种先进的信号处理技术，被广泛地应用于雷达和通信领域，它在不改变天线阵元数的前提下通过添加时域延时来增加阵列的自由度，同时提高了阵列信号的抗干扰能力，但是伴随而来的计算量激增问题一直影响着STAP的发展。一些经典的抗干扰算法如功率倒置算法（powerinversion，PI）、LCMV算法在对阵列信号进行抗干扰处理时需要对信号的相关阵求逆，这不但提高了运算复杂度也不利于工程实现，特别是对于多阵元、高动态条件下的信号场景，全维STAP所需的运算量与存储量十分惊人。针对这一问题，通过采用自适应迭代方式的降维算法可以有效解决。

常规的空时PI算法，建立约束将第一阵元约束为1，在保证阵列总输出功率最小的同时进行滤波。由于导航信号本身弱于干扰信号及热噪声，因此采用空时PI算法，可以有效在干扰方向形成零陷，将干扰抑制从而广泛应用于导航抗干扰领域。

但在实际中，直接采用常规的空时PI算法抗干扰后会对带内有用信号造成破坏，进而对后端导航接收机的捕获跟踪造成影响。本发明针对该问题提出一种优化空时抽头的技术，改善了常规的空时PI算法会对带内信号造成破坏的问题，保护了带内有用信号的同时，提高了数据精度，进而提高了抗干扰性能。

实施例1：

参见图1，其示出了本发明实施例提供的基于空时滤波的抗干扰方法的实现流程图，详述如下：

步骤101，通过阵列天线中各单元接收基带数据。

在本实施例中，图2为空时抗干扰基带信号处理模型，从天线射频个通道接收到的数据经过一系列预处理后输出基带信号的I路和Q路数据。这些数据经过/>级延迟单元，进行时延抽头，每个时延抽头后的数据与其对应的权值/>对应相乘并相加进行空时域滤波处理。

考虑一个元任意平面阵，假设各阵元各向同性，且极化方向相同、增益相同。阵元间距为空间半波长，延时抽头数目为/>，接收快拍数为/>，当有/>个期望信号和/>个干扰被阵列接收时，其在瞬时时刻/>接收到的信号/>为：

（0-1）

其中，，/>和/>分别表示了期望信号，干扰信号和加性高斯白噪声，矩阵维度为/>；/> 和/> 分别代表了第/>个期望信号和第/>个干扰信号；/>和/>是其对应的导向矢量；/>和/>分别是信号来波方向的俯仰角和方位角；/>是信号频率；/>是/>维列向量，其表达式为：

（0-2）

其中，和/>分别是来波方向的空域导向矢量和时域导向矢量，/>表示Kron运算。

对于不同的阵列结构，有不同的表达形式，对于一个任意平面阵，其空域导向矢量由其各阵元间接收延迟/>决定。

给定一任意阵元结构，阵元为平面间任意拓扑结构，其任意阵元与参考阵元间波程差示意图如图3所示。

图3中，坐标中心阵元为参考阵元，设另一阵元为待求波程差的阵元，某一远场平面入射信号，以平行方式入射，分别于/>点和/>点射入两个阵元，入射俯仰角和方位角分别为/>和/>。线/>的距离即为同一入射信号在两个阵元间的波程差/>。

运用三角函数关系可得任意坐标阵元与参考阵元间波程差为：

（0-3）

其中，和/>分别表示阵元横纵坐标。则平面布阵下的空域导向矢量为：

（0-4）

其中，表示阵列接收信号到达各阵元的波程差；/>为入射信号波长；/>表示转置运算。时域导向矢量为：

（0-5）

其中，为光速，/>为信号频率。

步骤102，基于基带数据的自相关逆矩阵确定基带数据的干扰噪声协方差矩阵。

在本实施例中，在导航信号的抗干扰中，一般同时接收多路期望信号，通常采用LCMV的特殊形式，功率倒置（Power Inversion，PI）算法。功率倒置算法将对期望信号的导向矢量的约束替换为对第一阵元的增益固定为1的约束，保证第一阵元增益的情况下阵列总输出功率最小。

其优化问题可表示为：

（0-6）

其中，为干扰噪声协方差矩阵，理论的/>无法直接获取，通常在有限快拍数据下近似表达为/>；/>为阵列对应的/>个权矢量；/>表示共轭转置运算；/>为/>维矢量。

PI算法下的权值系数矩阵为：

（0-7）

其中，为PI算法最优权值，权值系数矩阵中的各元素用于配置阵列天线中各单元的馈电幅相比例，以调节接收信号中各单元接收部分的幅值比例，实现空域抗干扰。

步骤103，基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件；其中，权值系数矩阵由阵列天线中各单元的权值系数组成，每个单元的权值系数用于调节基带数据中该单元接收部分的幅值比例。

在本实施例中，从第二部分可知功率倒置（Power Inversion，PI）算法的约束是对第一阵元的增益固定为1的约束，直接采用常规的空时PI算法进行抗干扰会对内信号造成破坏，从而影响接收机定位效果。本实施例中对常规空时抽头进一步优化，将对第一阵元为1的约束修改为线性滤波器系数，此时优化问题可以改写为：

（0-8）

式中，是一个/>维矢量，/>是一个/>维向量，其中/>分别对应/>阶滤波器的系数。

传统的空时PI算法，通过建立约束条件，其目的是保证阵列输出功率/>最小的同时，为避免无意义解（/>）的情况，将第一阵元约束为1，此时阵列功率输出最小，干扰被抑制。但是传统的空时PI算法直接对输入信号处理，会对有用信号造成损伤。针对该问题，本技术提出新的约束条件/>，与传统空时PI算法的目标函数一致，保证输出功率/>最小，同时将原本对第一阵元约束为1的条件修改为约束成线性滤波器系数，优化前后的基带信号处理模型的结构分别如图4A、图4B所示。

步骤104，基于约束条件，以目标函数的值最小为优化目标，对权值系数矩阵进行寻优，得到权值系数矩阵的目标值；其中，目标函数为基于干扰噪声协方差矩阵和权值系数矩阵计算阵列天线的输出功率的函数。

在本实施例中，从图4A、图4B优化前后结构图中可以看出，本实施例提供的优化空时抽头的PI算法，修改约束条件为线性滤波器系数，从时域维度上看，等效于增加一级可以自定义的N阶FIR滤波器，在时域维度上进行一次有效滤波，进而增强了抗干扰性能，同时也改善了传统的空时PI算法对有用信号造成损伤的问题。此外优化后的空时PI算法，仍具备传统空时PI算法对于干扰约束自由度高的优点。

步骤105，基于权值系数矩阵的目标值配置阵列天线中各单元的馈电幅相比例。

在本实施例中，针对同一通信对象，或是通信特性变化较小的情况，可以将某一时段的基带信号作为参考，计算出该通信场景下的权值系数矩阵，配置后的阵列天线可在信号接收过程中对后续收到的基带信号进行空时滤波抗干扰处理，得到抗干扰处理后的信号。

本发明实施例基于滤波器系数对权值系数矩阵进行约束，在求解出的权值系数矩阵上叠加时域滤波器的效果，基于此权值系数矩阵对接收的基带信号进行抗干扰处理，相当于对基带信号进行一次时域滤波，在空域滤波抗干扰处理的基础上增加了时域滤波的效果，相比于传统PI算法减少了对带内信号的破坏，具有更好的抗干扰效果，解决了抗干扰有效数据被破坏、带内功率及数据精度降低的问题，同时提高了抗干扰性能。本发明可应用于卫星通信，电子侦察，导航研究应用，电子对抗（干扰，抗干扰）等多种领域。在我国大力发展北斗导航系统的今天，本设计拥有很强的应用前景。

在一种可能的实现方式中，基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件包括：

基于预设滤波器的滤波器系数构建约束矩阵；

基于约束矩阵和预设的响应矢量构建权值系数矩阵的约束条件。

在本实施例中，权值系数矩阵的约束条件描述了约束矩阵、响应矢量与权值系数矩阵之间的关系，能够将权值系数矩阵的目标值约束在具有预设滤波器特性的范围内，根据此权值矩阵进行抗干扰，能够在时域上对基带信号进行一次滤波，实现更好的抗干扰效果。

在一种可能的实现方式中，约束条件为：

其中，为权值系数矩阵的共轭转置矩阵，/>为约束矩阵，/>为响应矢量。

在本实施例中，约束条件表示权值系数矩阵与约束矩阵的乘积等于响应矢量，使求解出的权值系数矩阵中带有被预设的滤波器的滤波特性。根据此权值矩阵进行抗干扰，能够在时域上对基带信号进行一次滤波，实现更好的抗干扰效果。

在一种可能的实现方式中，约束矩阵为：

其中，为预设滤波器的第/>阶系数。

在本实施例中，将自定义生成的滤波器系数组成/>维矩阵可得到约束矩阵。

在一种可能的实现方式中，响应矢量为：

在本实施例中，权值系数矩阵是/>维矩阵，为保证约束条件/>成立，需建立/>的响应矢量/>。

在一种可能的实现方式中，目标函数为：

其中，为阵列天线的输出功率，/>为权值系数矩阵的共轭转置矩阵，/>为干扰噪声协方差矩阵，/>为权值系数矩阵。

在本实施例中，以阵列天线的输出功率最小为优化目标，以抑制干扰。

在一种可能的实现方式中，在基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件之前，还包括：

基于基带数据的信号频率、采样率和截止频率确定预设滤波器的滤波器系数。

在本实施例中，滤波器的系数可以根据基带信号的特性确定，例如信号频率、采样率、截止频率等参数，通过Matlab、Fdatool等软件进行设置和计算选取合适的线性滤波器系数，设置页面如图5所示。滤波器的阶数与时域延迟个数相同，生成的滤波器系数为维向量。

实施例2：

采用本发明提供的基于空时滤波的抗干扰方法进行抗干扰处理的整体流程如下：

1、由均匀圆阵的个阵元天线接收到射频前端的/>路射频输入信号，经过AD（模数转换器）采集得到/>路长度为/>的中频采样信号作为输入信号。

2、对路长度为/>的中频采样信号（包含卫星信号、干扰信号、噪声）进行数字正交下变频及低通滤波，得到基带信号/>作为算法输入信号，其维度为/>，此时是复信号包括I、Q两路。

3、对路基带信号/>分别进行/>阶空时处理，/>表示为空时滤波的时域延迟数，每路输入信号分别延迟/>，其中/>为一个单位时延。则经过空时处理的信号为，此时输入信号维度为/>。

4、对空时处理后的信号计算得到协方差矩阵/>，其维度为。

5、构建线性滤波器系数，根据输入信号的特性（信号频率、采样率、截止频率等）通过Fdatool自定义生成滤波器系数，滤波器的阶数与时域延迟个数相同，生成的滤波器系数为/>维向量。

6、构建响应向量与约束矩阵/>，其中约束矩阵/>是将自定义生成的滤波器系数/>组成/>维矩阵。由于/>是/>维向量，为保证约束条件/>成立，需建立响应矢量/>，其是一个/>维向量。最终使得约束成立。

7、优化抽头的空时PI算法优化问题为，该优化问题是在保证阵列输出功率/>最小的同时，为避免权值趋于0，将第一阵元的权值约束为线性滤波器系数，该问题是一个约束条件为不等式的极值问题，通过拉格朗日乘数法对其求最优解得到/>，其是一个/>维向量，式中/>表示矩阵求逆运算。

8、与下变频后的基带信号进行算法加权，构建作为输出信号，此时/>是一个/>维向量。

9、进行数字上变频及带通滤波，将基带信号上变频至中频。

在本实施例中，基于上述步骤在七阵元均匀圆阵的基础上，使用三个白噪声干扰进行抗干扰效果实验，设置白噪声干扰干信比为85dB，干扰角度为（0°70°）（60°,80°）（120°,70°）。

（1）普通空时PI算法

在普通的空时PI算法中，设置空时抽头为8个延迟抽头，约束条件为第一阵元第一抽头约束为1，抗干扰效果如图6所示。

基于七阵元八抽头的常规空时PI算法，在三个白噪声干扰环境下算法效果图如图3所示，在空时抗干扰算法中，对抗干扰性能评估指标之一包括对抗干扰前后的时频域波形分析，以下从抗干扰前后的时频域波形变化对算法性能进行效果说明。

图6中，通过信号下变频后不含干扰的时频域信号波形图可以看出，时域量级基本保持在2~10左右，频域上数据包络在0dB左右；通过下变频后包含白噪声干扰的信号波形图可以看出，在三个白噪声干扰作用下，时域数据量级明显增大，并且频域数据包络增加至60dB；而最终经过常规空时PI算法加权后，时域数据量级缩减至0.1左右，频域数据包络缩减至-40dB。

理想的空时抗干扰算法应在将干扰抑制后的时频域波形图，与下变频后不含干扰的时频域波形图一致，从图6中明显看出，常规的空时PI算法导致带内信号受到影响，数据量级产生波动，与理论数据无法对应的问题。

图7中可以看出，普通空时PI算法可以精准在干扰来向形成三个零陷（因为是均匀圆阵，图中360°=0°）。除了在该三个干扰来向，在其它地方也形成了一些零陷，这些零陷的存在可能会对一部分噪声及有用信号造成影响。

（2）本发明提供的基于空时滤波的抗干扰方法

与普通空时PI算法采用一样的实验环境，设置空时抽头为8个延迟抽头，对约束条件进行改进，设置滤波器截止频率为12MHZ，抗干扰效果如图8所示。

从图8中可以看出，不含干扰的时频域波形图及含有白噪声干扰的时频域波形图与常规空时PI算法一致，而经过优化空时抽头的抗干扰算法可以将时域数据量级维持在2~10左右，同时保证了频域数据包络在0dB左右。证明优化空时抽头的PI算法，相较于常规空时的PI算法对带内有用信号所造成的破坏更小，极大程度的保留有用信号的完整性。

图9中可以看出，优化空时抽头的PI算法可以精准在干扰来向形成三个零陷（因为是均匀圆阵，图中360°=0°）。对比普通空时PI算法，该算法所形成零陷更加准确，进一步避免了在抗干扰的同时，对有用信号产生影响，保留了有用信号的完整性。

为了更加直观展示算法改进效果，将普通空时PI算法与优化空时抽头的PI算法理论抗干扰性能波形图与实际抗干扰性能波形图同时展示如图10所示：

从图10可以看出，常规空时PI算法在抗干扰后对带内信号也产生抑制，导致本应在0dB的带内信号被削弱至-40dB，同时时域数据量级大幅变小，在工程实现时进一步导致精度的损失；而优化空时抽头的PI算法在抗干扰后极大程度保留带内信号完整性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。

图11示出了本发明实施例提供的基于空时滤波的抗干扰装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

如图11所示，基于空时滤波的抗干扰装置11包括：

获取模块21，用于通过阵列天线中各单元接收基带数据；

噪声确定模块22，用于基于基带数据的自相关逆矩阵确定基带数据的干扰噪声协方差矩阵；

约束构建模块23，用于基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件；其中，权值系数矩阵由阵列天线中各单元的权值系数组成，每个单元的权值系数用于调节基带数据中该单元接收部分的幅值比例；

权值确定模块24，用于基于约束条件，以目标函数的值最小为优化目标，对权值系数矩阵进行寻优，得到权值系数矩阵的目标值；其中，目标函数为基于干扰噪声协方差矩阵和权值系数矩阵计算阵列天线的输出功率的函数；

权值配置模块25，用于基于权值系数矩阵的目标值配置阵列天线中各单元的馈电幅相比例。

在一种可能的实现方式中，约束构建模块23具体用于：

基于预设滤波器的滤波器系数构建约束矩阵；

基于约束矩阵和预设的响应矢量构建权值系数矩阵的约束条件。

在一种可能的实现方式中，约束条件为：

其中，为权值系数矩阵的共轭转置矩阵，/>为约束矩阵，/>为响应矢量。

在一种可能的实现方式中，约束矩阵为：

其中，为预设滤波器的第/>阶系数。

在一种可能的实现方式中，响应矢量为：

在一种可能的实现方式中，目标函数为：

其中，为阵列天线的输出功率，/>为权值系数矩阵的共轭转置矩阵，/>为干扰噪声协方差矩阵，/>为权值系数矩阵。

在一种可能的实现方式中，约束构建模块23还用于：

在基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件之前，基于基带数据的信号频率、采样率和截止频率确定预设滤波器的滤波器系数。

本发明实施例基于滤波器系数对权值系数矩阵进行约束，在求解出的权值系数矩阵上叠加时域滤波器的效果，基于此权值系数矩阵对接收的基带信号进行抗干扰处理，相当于对基带信号进行一次时域滤波，在空域滤波抗干扰处理的基础上增加了时域滤波的效果，相比于传统PI算法减少了对带内信号的破坏，具有更好的抗干扰效果。

图12是本发明实施例提供的抗干扰天线的示意图。如图12所示，该实施例的抗干扰天线5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个基于空时滤波的抗干扰方法实施例中的步骤，例如图1所示的步骤101至步骤105。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图11所示模块/单元21至25的功能。

示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述抗干扰天线5中的执行过程。例如，所述计算机程序52可以被分割成图11所示的模块/单元21至25。

所述抗干扰天线5可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图12仅仅是抗干扰天线5的示例，并不构成对抗干扰天线5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述抗干扰天线还可以包括输入输出设备、网络接入设备、总线等。

所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述抗干扰天线5的内部存储单元，例如抗干扰天线5的硬盘或内存。所述存储器51也可以是所述抗干扰天线5的外部存储设备，例如所述抗干扰天线5上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器51还可以既包括所述抗干扰天线5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述抗干扰天线所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个基于空时滤波的抗干扰方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于空时滤波的抗干扰方法，其特征在于，包括：

通过阵列天线中各单元接收基带数据；

基于所述基带数据的自相关逆矩阵确定所述基带数据的干扰噪声协方差矩阵；

基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件；其中，所述权值系数矩阵由所述阵列天线中各单元的权值系数组成，每个单元的权值系数用于调节所述基带数据中该单元接收部分的幅值比例；

基于所述约束条件，以目标函数的值最小为优化目标，对所述权值系数矩阵进行寻优，得到所述权值系数矩阵的目标值；其中，所述目标函数为基于所述干扰噪声协方差矩阵和所述权值系数矩阵计算所述阵列天线的输出功率的函数；

基于所述权值系数矩阵的目标值配置所述阵列天线中各单元的馈电幅相比例。

2.根据权利要求1所述的基于空时滤波的抗干扰方法，其特征在于，所述基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件包括：

基于预设滤波器的滤波器系数构建约束矩阵；

基于所述约束矩阵和预设的响应矢量构建权值系数矩阵的约束条件。

3.根据权利要求2所述的基于空时滤波的抗干扰方法，其特征在于，所述约束条件为：

其中，为所述权值系数矩阵的共轭转置矩阵，/>为所述约束矩阵，/>为响应矢量。

4.根据权利要求2所述的基于空时滤波的抗干扰方法，其特征在于，所述约束矩阵为：

其中，为所述预设滤波器的第/>阶系数。

5.根据权利要求2所述的基于空时滤波的抗干扰方法，其特征在于，所述响应矢量为：

6. 根据权利要求1所述的基于空时滤波的抗干扰方法，其特征在于，所述目标函数为：

其中，为所述阵列天线的输出功率，/>为所述权值系数矩阵的共轭转置矩阵，/>为所述干扰噪声协方差矩阵，/>为所述权值系数矩阵。

7.根据权利要求1所述的基于空时滤波的抗干扰方法，其特征在于，在所述基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件之前，还包括：

基于所述基带数据的信号频率、采样率和截止频率确定所述预设滤波器的滤波器系数。

8.一种基于空时滤波的抗干扰装置，其特征在于，包括：

获取模块，用于通过阵列天线中各单元接收基带数据；

噪声确定模块，用于基于所述基带数据的自相关逆矩阵确定所述基带数据的干扰噪声协方差矩阵；

约束构建模块，用于基于预设滤波器的滤波器系数构建权值系数矩阵的约束条件；其中，所述权值系数矩阵由所述阵列天线中各单元的权值系数组成，每个单元的权值系数用于调节所述基带数据中该单元接收部分的幅值比例；

权值确定模块，用于基于所述约束条件，以目标函数的值最小为优化目标，对所述权值系数矩阵进行寻优，得到所述权值系数矩阵的目标值；其中，所述目标函数为基于所述干扰噪声协方差矩阵和所述权值系数矩阵计算所述阵列天线的输出功率的函数；

权值配置模块，用于基于所述权值系数矩阵的目标值配置所述阵列天线中各单元的馈电幅相比例。

9.一种抗干扰天线，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。