基于迭代收缩加权融合的自适应空滤滤波方法
【专利摘要】本发明公开了一种基于迭代收缩加权融合的自适应空滤滤波方法，其实现过程为：由阵列天线接收数据建立信号模型，得到接收数据的采样协方差矩阵；采用自适应迭代的方式在线更新先验协方差矩阵；根据均方误差最小准则计算采样协方差矩阵与先验协方差矩阵的加权系数，并利用收缩加权融合处理方法得到估计的协方差矩阵；最后计算自适应权矢量进行空滤滤波。本发明在小样本情况下能以较高精度估计出协方差矩阵，能有效缓解先验知识与当前数据模型失配问题，避免了子空间维数的确定，同时具有输出信干噪比高和收敛速度快之优点，为自适应空滤滤波的实际应用提供了一种有效的处理方法。
【专利说明】基于迭代收缩加权融合的自适应空滤滤波方法
【技术领域】
[0001] 本发明属于信号处理领域，涉及阵列信号处理技术，具体地说是一种采用收缩加 权融合并基于迭代更新的自适应空滤滤波方法，用于在小样本条件下以较高精度估计协方 差矩阵，提高天线阵列输出的信干噪比。
【背景技术】
[0002] 阵列信号处理是信号处理领域中的一个热点研究方向，在雷达、声纳、通信、地震 监测等领域应用非常广泛，自适应空滤滤波是阵列信号处理的一个重要研究内容，其目的 是在增强目标信号功率的同时抑制干扰和噪声，从而提高阵列天线输出的信干噪比。自适 应空滤滤波本质是对各阵元进行自适应加权，阵列权矢量决定了阵列天线的性能，而权矢 量很大程度上依赖于信号协方差矩阵，因此信号协方差矩阵估计精度直接影响自适应空滤 滤波的性能，而在小样本条件下，信号协方差矩阵存在较大的估计误差，导致阵列抑制干扰 的能力急剧下降，因此，研究小样本条件下空滤滤波方法，具有重要的实际应用价值。
[0003] 目前，计算自适应权矢量算法有多种。协方差矩阵求逆（SMI)算法是一种常用有 效算法，但当阵列数据中含有期望信号时，SMI算法会导致输出的信噪比严重下降；子空间 投影类算法对期望信号较强的环境，滤波效果较好，但该类算法需要准确的估计信号子空 间和噪声子空间，而在小样本条件下子空间估计精度受限；对角加载算法在协方差矩阵上 加一对角矩阵，可以有效克服阵列协方差矩阵的小特征值扰动而引起的阵列方向图畸变， 但如何选取对角加载量不容易确定；Griffiths等人在1982年的IEEE Trans, on Antennas and Propagation 上发表的文章 〈〈An alternative approach to linearly constrained adaptive beamforming》中，提出了广义旁瓣相消器（GSC)，它能克服SMI算法中期望信号 含于协方差矩阵引起的信号相消问题，但由于天线阵列误差的存在，当信噪比较高时，也 会出现信号相消问题，导致输出信干噪比下降；Goldstein等人在1998年的IEEE Trans. Information theory上发表的文章 《A multistage representation of the wiener filter based on orthogonal projections》中，提出了基于广义旁瓣相消器框架的降秩多级维纳 滤波器，该方法不需要进行特征值分解，运算复杂度低，但此方法需要确定处理器的维数， 而在小样本条件下，处理器维数的估计精度不高。
【发明内容】
[0004] 本发明的目的在于克服上述已有技术的不足，提供一种采用收缩加权融合并基 于迭代更新的自适应空滤滤波方法，有效缓解先验知识与当前数据模型失配问题，同时避 免子空间维数确定难题，提高在小样本条件下信号协方差矩阵的估计精度及输出的信干噪 比。
[0005] 实现本发明目的技术方案，包括如下步骤：
[0006] (1)由阵列天线k时刻的接收数据X(k)建立信号模型，并计算接收数据的采样协 方差矩阵^ I
[0007] (2)利用接收数据的采样协方差矩阵得到搜索角Θ的初始化能量谱密度并 初始化先验协方差矩阵4;
[0008] (3)根据已得到的先验协方差矩阵，采用最小二乘方法，得到搜索角空间的最优权 w ( Θ )，更新搜索角空间的能量谱密度Fm),并更新先验协方差矩阵邊重复步骤（3)，在线 更新先验协方差矩阵，直到得到一个稳定的先验协方差矩阵R tl ;
[0009] (4)把先验协方差矩阵Rtl与接收数据的采样协方差矩阵4进行收缩加权融合处 理，利用均方误差最小准则计算加权系数，得到估计的协方差矩阵Re ;
[0010] (5)计算自适应空滤滤波的最优权矢量W()pt，利用得到的最优权矢量处理接收数 据，从而获得高输出信干噪比的有用信号。
[0011] 本发明与现有技术相比，具有以下优点：
[0012] (1)采用迭代自适应的方式在线更新先验协方差矩阵，能有效缓解先验知识与当 前数据模型失配问题，获得估计精度较高的先验协方差矩阵；
[0013] (2)采用收缩加权融合的方式处理采样协方差矩阵和先验协方差矩阵，并依据最 小均方误差准则计算加权系数，能在小样本下能获得较高的信号协方差估计精度，提高阵 列天线输出信干噪比，同时避免了子空间维数的确定。
[0014] 对本发明的目的、特征、优点可通过如下附图和实例详细描述。
【专利附图】
【附图说明】
[0015] 图1是本发明的流程图；
[0016] 图2是本发明自适应空滤滤波的示意图；
[0017] 图3是在独立非时变信源时采用不同方法仿真输出信干噪比随快拍数变化的关 系曲线图；
[0018] 图4是在相干非时变信源时采用不同方法仿真输出信干噪比随快拍数变化的关 系曲线图；
[0019] 图5是仿真重构先验协方差矩阵误差与迭代次数的变化关系曲线图。
【具体实施方式】
[0020] 参照图1，本发明的实现步骤如下：
[0021] 步骤1.根据k时刻接收数据X(k)建立信号模型，并计算接收数据的协方差矩阵
[0022] la)设X(k)为k时刻阵列接收数据，其中k= 1，···Λ，L为采样快拍数；设％和 s〇(k)分别为目标信号的导向矢量和在k时亥Ij的复包络，Aj= Ea1-Ip]和SjGO = [S1GO... sP(k) ]τ分别为P个干扰信号的阵列流形和在k时刻的复包络矢量，其中％，i = Ρ··Ρ表示 第i个干扰信号的导向矢量，Si(k)，i = Ρ··Ρ表示第i个干扰信号在k时刻的复包络，上 标T表示转置操作；设N(k)为在k时刻的加性高斯白噪声；
[0023] Ib)根据阵列信号处理理论，阵列接收数据的信号模型为：
[0024] X(k) = a0s0(k)+AjSj(k)+N(k)
[0025] lc)接收数据的采样协方差矩阵为：
[0026]
【权利要求】
1. 一种基于迭代收缩加权融合的自适应空滤滤波方法，包括如下步骤： (1) 由阵列天线k时刻的接收数据X(k)建立信号模型，并计算接收数据的采样协方差 矩阵4; (2) 利用接收数据的采样协方差矩阵得到搜索角Θ的初始化能量谱密度/V你，并初始 化先验协方差矩阵美； (3) 根据已得到的先验协方差矩阵，采用最小二乘方法，得到搜索角空间的最优权 w(Θ)，并更新搜索角空间的能量谱密度你和先验协方差矩阵義/，重复步骤（3)，在线更 新先验协方差矩阵，直到得到一个稳定的先验协方差矩阵Rtl ; (4) 把先验协方差矩阵Rtl与接收数据的采样协方差矩阵Ijr进行收缩加权融合处理，利 用均方误差最小准则计算加权系数，得到收缩加权融合后的协方差矩阵Re ; (5) 计算自适应波束形成的最优权矢量，利用得到的最优权矢量处理接收数据，从 而获得高输出信干噪比的有用信号。
2. 根据权利要求1所述的基于迭代收缩加权融合的自适应空滤滤波方法，其中步骤 (1) 所述的信号模型及协方差矩阵，按如下步骤进行： 2a)设X(k)为k时刻阵列接收数据，其中k= 1，...，L，L为采样快拍数；设％和s0 (k)分另Ij为目标信号的导向矢量和在k时亥Ij的复包络，Aj = [a" ··aP]和Sj (k)= [S1 (k). . .Sp (k) ]τ分别为P个干扰信号的阵列流形和在k时刻的复包络矢量，其中％，i= I. . .P表不第i个干扰信号的导向矢量，Si (k)，i=I. . .P表不第i个干扰信号在k时刻的 复包络，上标T表示转置操作；设N(k)为在k时刻的加性高斯白噪声； 2b)根据阵列信号处理理论，接收数据的信号模型为： X(k) =a〇s〇 (k) +AjSj (k)+N(k) 2c)接收数据的协方差矩阵为： 其中上标H表示共轭转置操作。
3. 根据权利要求1所述的基于迭代收缩加权融合的自适应空滤滤波方法，其中步骤 (2) 所述的由接收数据的采样协方差矩阵鳥^.得到搜索角的初始化能量谱密度并初 始化先验协方差矩阵鳥》按如下步骤进行： 3a)设a(0)为搜索角Θ的导向矢量，利用如下公式计算搜索角Θ处的初始化能量谱 密度
3b)初始化先验协方差矩阵&为：
其中搜索角沒e卜音，吾】°
4. 根据权利要求1所述的基于迭代收缩加权融合的自适应空滤滤波方法，其特征在 于：步骤（3)所述采用自适应迭代的方式在线更新先验协方差矩阵，按如下步骤进行： 4a)根据最小二乘方法，并利用已得到的先验协方差矩阵，采用如下公式计算搜索角Θ的最优权w(Θ):
4b)利用搜索角的最优权和接收数据的采样协方差矩阵按如下公式更新对应角的能量 谱密度#辦
4c)利用如下公式计算更新的先骀协方差矩阵
4d)令4 =4%重复步骤4a)至步骤4。），直到得到一个稳定的先验协方差矩阵R。。
5. 根据权利要求1所述的基于迭代收缩加权融合的自适应空滤滤波方法，其特征在 于：所述步骤（4)中的对先验协方差矩阵与接收数据的采样协方差矩阵进行收缩加权融合 处理，按如下步骤进行： 5a)按如下公式计算收缩加权融合后的协方
差矩阵Rp : 其中Rtl为先验协方差矩阵，α和β分别为采样协方差矩阵和先验协方差矩阵的加权 系数。 5b)根据均方误差最小准则，利用如下公式分别计算加权系数α和β:
目标信号的导向矢量。
6. 根据权利要求1所述基于迭代收缩加权融合的自适应空滤滤波方法，其中步骤（5) 所述的自适应空滤滤波最优权矢量可按如下公式计算：
进而计算阵列天线的输出信号y(k): y(k) =W11optX(k) 其中上标H表示共轭转置操作。
【文档编号】G01S7/02GK104459635SQ201410746866
【公开日】2015年3月25日 申请日期:2014年12月8日 优先权日:2014年12月8日
【发明者】贺顺, 李国民 申请人:西安科技大学