[發(fā)明專利]一種基于協(xié)方差矩陣重構(gòu)和ADMM的波束形成方法有效
| 申請(qǐng)?zhí)枺?/td> | 202111147996.5 | 申請(qǐng)日: | 2021-09-29 |
| 公開(公告)號(hào): | CN114048431B | 公開(公告)日: | 2023-06-13 |
| 發(fā)明(設(shè)計(jì))人: | 鞏朋成;劉永康;王兆彬;鄧薇 | 申請(qǐng)(專利權(quán))人: | 湖北工業(yè)大學(xué) |
| 主分類號(hào): | G06F17/16 | 分類號(hào): | G06F17/16 |
| 代理公司: | 武漢華強(qiáng)專利代理事務(wù)所(普通合伙) 42237 | 代理人: | 溫珊姍;王冬冬 |
| 地址: | 430068 湖*** | 國(guó)省代碼: | 湖北;42 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 協(xié)方差 矩陣 admm 波束 形成 方法 | ||
本發(fā)明屬于陣列信號(hào)處理技術(shù)領(lǐng)域,具體涉及一種基于協(xié)方差矩陣重構(gòu)和ADMM的波束形成方法,本發(fā)明基于協(xié)方差矩陣重構(gòu)和ADMM算法,來對(duì)自適應(yīng)波束形成進(jìn)行穩(wěn)健處理,在不同輸入SNR、不同快拍數(shù)和導(dǎo)向矢量失配情況下,本發(fā)明方法在運(yùn)動(dòng)干擾能力、抗導(dǎo)向矢量角度失配性以及抑制干擾能力都大大提高,可減少主瓣偏移和“自消”現(xiàn)象的產(chǎn)生,實(shí)現(xiàn)了最大化輸出SINR。
技術(shù)領(lǐng)域
本發(fā)明屬于陣列信號(hào)處理技術(shù)領(lǐng)域,具體涉及一種基于協(xié)方差矩陣重構(gòu)和ADMM的波束形成方法。
背景技術(shù)
自適應(yīng)波束形成在聲吶、雷達(dá)、生物科學(xué)中、語(yǔ)音信號(hào)處理以及醫(yī)學(xué)工程等領(lǐng)域已經(jīng)得到了廣泛應(yīng)用,是陣列信號(hào)處理領(lǐng)域中的研究熱點(diǎn)之一。自適應(yīng)波束形成算法對(duì)導(dǎo)向矢量失配的誤差非常敏感,即使很小的導(dǎo)向矢量誤差,如方向誤差、陣列擾動(dòng)和運(yùn)動(dòng)目標(biāo)等因素,都會(huì)使算法性能急劇下降。另外,當(dāng)訓(xùn)練數(shù)據(jù)中含有期望信號(hào)時(shí),期望信號(hào)可能被當(dāng)作干擾信號(hào),產(chǎn)生自消現(xiàn)象。傳統(tǒng)的波束形成算法在干擾處形成的零陷非常窄,如出現(xiàn)陣列擾動(dòng)時(shí),必然會(huì)導(dǎo)致干擾偏離零陷位置,甚至?xí)?dǎo)致算法完全失效。因此有必要研究增強(qiáng)算法的穩(wěn)健性來克服上述問題。
增強(qiáng)算法的穩(wěn)健性大致可以分為兩類:一類是基于協(xié)方差矩陣的算法:對(duì)角加載(Diagnoal?Loading,DL)算法、特征空間算法、以及協(xié)方差矩陣重構(gòu)算法(InterferencePlus?Noise,IPN)。DL算法就是在協(xié)方差矩陣的對(duì)角線上加入一個(gè)加載因子,從而抑制權(quán)向量中的噪聲,但是最優(yōu)加載因子的選取很難確定。特征空間算法是通過求解協(xié)方差矩陣的特征值,并對(duì)其進(jìn)行劃分,大特征值對(duì)應(yīng)的導(dǎo)向矢量張成的是期望信號(hào)加干擾信號(hào)的子空間,小特征值對(duì)應(yīng)導(dǎo)的向矢量張成的則是噪聲子空間。再將存在誤差的期望信號(hào)向期望信號(hào)加干擾信號(hào)的子空間進(jìn)行投影,進(jìn)而消除誤差。另一類是對(duì)導(dǎo)向矢量進(jìn)行優(yōu)化,通常采用CVX工具包,連續(xù)二次約束二次規(guī)劃(Successive?Quadratically?Constrained?QuadraticProgramming,QCQP)技術(shù)和半正定松弛技術(shù)(Semidefinite?Relaxation,SDR)求解。但是這些技術(shù)在實(shí)際應(yīng)用中計(jì)算量復(fù)雜、耗費(fèi)時(shí)間長(zhǎng)、計(jì)算復(fù)雜度高。
于是,將零陷展寬和ADMM技術(shù)應(yīng)用到波束形成中,能夠有效提高系統(tǒng)抗運(yùn)動(dòng)干擾能力,同時(shí)保證導(dǎo)向矢量不失配,從而為波束形成提供一種新的思路。
發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)干擾位置發(fā)生擾動(dòng)和目標(biāo)導(dǎo)向矢量失配的情況,提供一種基于協(xié)方差矩陣重構(gòu)和ADMM的波束形成方法及系統(tǒng),該方法對(duì)自適應(yīng)波束形成進(jìn)行零陷展寬和穩(wěn)健處理,可減少干擾位置移動(dòng)造成的性能下降和主瓣偏移和“自消”現(xiàn)象的產(chǎn)生,大大提高算法性能,加強(qiáng)波束形成的魯棒性。
本發(fā)明思路:
首先在波束形成器最大輸出功率條件下,設(shè)計(jì)求解最優(yōu)導(dǎo)向矢量的優(yōu)化模型。其次,為了展寬零陷并增強(qiáng)系統(tǒng)抗運(yùn)動(dòng)干擾能力,利用陣列輸出功率及定義的干擾零陷范圍重構(gòu)協(xié)方差矩陣;接著,為了求解關(guān)于導(dǎo)向矢量的二次不等式約束問題,本發(fā)明利用ADMM對(duì)模型進(jìn)行迭代求解,并在每次迭代中獲得導(dǎo)向矢量的具體解。
本發(fā)明技術(shù)方案如下:
一種基于協(xié)方差矩陣重構(gòu)和ADMM的波束形成方法,其特征在于,基于波束形成模型:
其中,
其中,定義d(θ)為θ方向的相關(guān)導(dǎo)向矢量,Θ=[θmin,θmax]表示期望信號(hào)在定義的區(qū)間內(nèi),本文假設(shè)失配區(qū)間小于Θ且與干擾信號(hào)角度分離,表示Θ的補(bǔ)集。
步驟1:利用下式,選定預(yù)設(shè)干擾范圍,對(duì)Capon功率譜密度進(jìn)行積分,重構(gòu)干擾協(xié)方差矩陣。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于湖北工業(yè)大學(xué),未經(jīng)湖北工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111147996.5/2.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06F 電數(shù)字?jǐn)?shù)據(jù)處理
G06F17-00 特別適用于特定功能的數(shù)字計(jì)算設(shè)備或數(shù)據(jù)處理設(shè)備或數(shù)據(jù)處理方法
G06F17-10 .復(fù)雜數(shù)學(xué)運(yùn)算的
G06F17-20 .處理自然語(yǔ)言數(shù)據(jù)的
G06F17-30 .信息檢索;及其數(shù)據(jù)庫(kù)結(jié)構(gòu)
G06F17-40 .數(shù)據(jù)的獲取和記錄
G06F17-50 .計(jì)算機(jī)輔助設(shè)計(jì)
- 用于空間頻率域均衡的協(xié)方差估計(jì)方法及與其相關(guān)聯(lián)的設(shè)備和系統(tǒng)
- 帶有未知過程噪聲協(xié)方差陣遞推估計(jì)的卡爾曼濾波方法
- 一種對(duì)無人機(jī)的噪聲協(xié)方差進(jìn)行估算的方法
- 基于互協(xié)方差的聲矢量傳感器陣列解相干參數(shù)估計(jì)方法
- 用于增強(qiáng)的FD-MIMO的信道協(xié)方差反饋
- 一種基于空間功率譜匹配的協(xié)方差矩陣重構(gòu)方法
- 一種數(shù)字濾波方法及系統(tǒng)
- 一種基于協(xié)方差描述符的人類行為識(shí)別方法
- 一種GNSS模糊度搜索方法、設(shè)備及介質(zhì)
- 語(yǔ)音信號(hào)的處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 在集成電路器件中求解線性矩陣
- 矩陣計(jì)算裝置、矩陣計(jì)算方法
- 一種數(shù)據(jù)聚類的方法、裝置及Spark大數(shù)據(jù)平臺(tái)
- 適用于黑白圖片的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法以及訓(xùn)練方法
- 適用于灰度圖片的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法以及訓(xùn)練方法
- 矩陣
- 矩陣/密鑰生成裝置、矩陣/密鑰生成系統(tǒng)、矩陣結(jié)合裝置、矩陣/密鑰生成方法、程序
- 矩陣運(yùn)算電路、矩陣運(yùn)算裝置及矩陣運(yùn)算方法
- 矩陣乘法計(jì)算方法和裝置
- 數(shù)據(jù)讀取方法、裝置、介質(zhì)和計(jì)算設(shè)備
- 使用交替方向乘子法的深度學(xué)習(xí)
- 一種基于ADMM的電力系統(tǒng)WLAV抗差估計(jì)方法
- LDPC碼ADMM迭代譯碼的早停止方法
- 一種基于ADMM和神經(jīng)網(wǎng)絡(luò)的心外膜電位重建方法
- 一種基于深度ADMM網(wǎng)絡(luò)的逆合成孔徑雷達(dá)成像的方法
- 一種基于優(yōu)化算法結(jié)合殘差網(wǎng)絡(luò)的單幅圖像除雨方法
- 一種優(yōu)化網(wǎng)絡(luò)延遲的分布式ADMM機(jī)器學(xué)習(xí)方法
- 一種基于ADMM的SAR圖像恢復(fù)的分布式方法
- 一種基于快速自同步ADMM的電-氣耦合系統(tǒng)解耦優(yōu)化方法
- 基于模型驅(qū)動(dòng)深度學(xué)習(xí)的地震超分辨反演方法





