[發(fā)明專利]一種基于數(shù)據(jù)相關(guān)約束的魯棒自適應(yīng)波束形成方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910988687.7
• 申請(qǐng)日: 2019-10-17
• 公開（公告）號(hào): CN110727915B
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計(jì)）人: 莊杰;倪麗花;檀天涵;陳道林;蔣迪;萬(wàn)群;殷吉昊
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06F17/16
• 分類號(hào): G06F17/16;G06F30/20;G01S7/282;G01S7/35;G01S7/41;H04B7/06
• 代理公司: 成都玖和知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51238
• 代理人: 胡琳梅

本發(fā)明提出一種基于數(shù)據(jù)相關(guān)約束的魯棒自適應(yīng)波束形成方法，包括：計(jì)算樣本協(xié)方差矩陣對(duì)所述樣本協(xié)方差矩陣進(jìn)行特征值分解；利用Capon空間譜重構(gòu)期望信號(hào)協(xié)方差矩陣求解關(guān)于感興趣信號(hào)的導(dǎo)向矢量的優(yōu)化問題；計(jì)算最優(yōu)導(dǎo)向矢量，再獲取最優(yōu)權(quán)重矢量。本發(fā)明通過建立有關(guān)波束形成器靈敏度的優(yōu)化問題，既可以避免信號(hào)自相消，又使得權(quán)值矢量避免收斂于樣本協(xié)方差中的干擾成分。另外在優(yōu)化問題的求解過程中通過巧妙的變換減少了計(jì)算上的復(fù)雜度，因此該算法不僅提高了系統(tǒng)的魯棒性，還降低了計(jì)算的復(fù)雜度。

技術(shù)領(lǐng)域

本發(fā)明屬于信號(hào)處理領(lǐng)域，特別涉及一種基于數(shù)據(jù)相關(guān)約束的魯棒自適應(yīng)波束形成方法。

背景技術(shù)

波束形成技術(shù)作為陣列信號(hào)處理的一個(gè)重要研究方向，廣泛應(yīng)用于無線通信、雷達(dá)、聲吶、地震勘測(cè)和射電天文等領(lǐng)域。其實(shí)質(zhì)就是對(duì)各陣元進(jìn)行加權(quán)空域?yàn)V波，使得波束的主瓣對(duì)準(zhǔn)增強(qiáng)期望信號(hào)(Signal of interest,SOI)，旁瓣和零陷對(duì)準(zhǔn)干擾信號(hào)，從而提高信號(hào)與干擾加噪聲比(Signal to Interference plus Noise Ratio，SINR)。常見的Capon波束形成器在協(xié)方差矩陣和導(dǎo)向矢量準(zhǔn)確已知的情況下，可以得到很好的輸出信噪比，但是由于遠(yuǎn)近效應(yīng)、陣元校準(zhǔn)和波達(dá)方向角等誤差因素的存在，會(huì)使得協(xié)方差矩陣和導(dǎo)向矢量存在一定的誤差，從而使得波束形成方法的性能大幅下降。

針對(duì)這個(gè)問題，對(duì)角加載(dialog loading,DL)方法和其擴(kuò)展方法是最為常見的解決方法，該方法充分的考慮當(dāng)真實(shí)的SOI導(dǎo)向矢量與假定的SOI導(dǎo)向矢量之間出現(xiàn)不匹配時(shí)權(quán)矢量會(huì)較大，因此采用加入權(quán)矢量的正則化項(xiàng)，此時(shí)系統(tǒng)在真實(shí)導(dǎo)向矢量處的信號(hào)增益衰減不會(huì)太快，提高了系統(tǒng)的魯棒性。這種算法的最優(yōu)解中含有不確定的加載因子，在參考文獻(xiàn)J.Li,P.Stoica,and Z.Wang,“On robust capon beamforming and diagonallaoding”.IEEE Trans.Signal Processing.,vol.51,no.9,pp.2407-2423,July 2003.中詳細(xì)討論了加載因子與導(dǎo)向矢量的失配程度的關(guān)系，但是該方法中最優(yōu)估計(jì)的收斂于樣本協(xié)方差的主特征值，那么當(dāng)干擾信號(hào)較大時(shí)，會(huì)出現(xiàn)近似收斂于干擾信號(hào)的情況。在參考文獻(xiàn)Khabbazibasmenj A,Vorobyov S A,Hassanien A.“Robust Adaptive BeamformingBased on Steering Vector Estimation With as Little as Possible PriorInformation”.IEEE Transactions on Signal Processing,vol.60,no.6,pp.2974-2987,2012.中考慮用導(dǎo)向矢量約束將SOI明顯區(qū)分于干擾信號(hào)，有效的避免最優(yōu)估計(jì)的收斂于干擾信號(hào)。但是這種約束方法無法充分利用實(shí)時(shí)觀測(cè)值進(jìn)行自適應(yīng)調(diào)整約束的范圍，在參考文獻(xiàn)Huang L,Zhang J,Xu X,et al.“Robust Adaptive Beamforming With a NovelInterference-Plus-Noise Covariance Matrix Reconstruction Method”.IEEETransactions on Signal Processing,vol.63,no.7,pp.1643-1650,2015中充分的考慮基于觀測(cè)數(shù)據(jù)相關(guān)性的約束，即基于觀測(cè)數(shù)據(jù)重構(gòu)干擾加噪聲的協(xié)方差矩陣，再利用重構(gòu)的協(xié)方差矩陣進(jìn)行約束，但是這種算法的計(jì)算復(fù)雜度極高。

發(fā)明內(nèi)容

鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種基于數(shù)據(jù)相關(guān)約束的魯棒自適應(yīng)波束形成方法，以解決現(xiàn)有技術(shù)的缺陷。

為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種基于數(shù)據(jù)相關(guān)約束的魯棒自適應(yīng)波束形成方法，該方法包括：

計(jì)算樣本協(xié)方差矩陣

對(duì)所述樣本協(xié)方差矩陣進(jìn)行特征值分解；

利用Capon空間譜重構(gòu)期望信號(hào)協(xié)方差矩陣