一种基于天线阵列增广协方差矩阵的射频干扰源定位方法与流程

本发明属于微波遥感
技术领域：
，更具体地，涉及一种基于天线阵列增广协方差矩阵的射频干扰源定位方法。
背景技术：
：综合孔径技术已广泛应用于射电天文和地球遥感领域。该技术利用稀疏分布的小口径天线阵列，通过每对天线的相关平均方式，获取辐射场亮温图像的空间频率信息，然后根据空间频率信息重建辐射场的亮温图像。然而，当辐射场中某一点的亮温远高于它附近点的亮温时，由于天线阵列所采样的空间频率区域有限，利用傅里叶变换算法重建的亮温图像将存在明显的吉布斯现象(高亮温点附近区域的亮温被该高亮温点影响，呈现出与真实亮温不相符的值)。在地球遥感领域里，由于地表存在着射频干扰源(radiofrequencyinterference，rfi)——高亮温点，rfi附近的、通过傅里叶变换算法得出的亮温数据将变得毫无意义。例如第一颗基于综合孔径技术的星载辐射计miras(microwaveimagingradiometerbyaperturesynthesis)在探测具有rfi的辐射场时，rfi附近的亮温数据受到rfi影响呈现出错误数值，从而制约了后续土壤湿度与海洋盐度(soilmoistureandoceansalinity，smos)等地球物理参数的高精度反演。当前消除或缓解rfi影响主要有两大途径：一是实现精确的rfi定位，并根据国际电信联盟(internationaltelecommunicationunion，itu)《无线电规则》，由各国无线电频谱管理部门强制关闭这些rfi；二是根据rfi的精确位置研究有效缓解rfi影响的成像方法。上述两大途径都需要rfi的精准定位。在smos计划的资助下，a.camps等人直接利用天线阵列获取的空间频率信息构造直接协方差矩阵，然后利用基于协方差矩阵的空间谱估计方法实现rfi的定位。实验数据表明，该方法比傅里叶变换算法具有更好的rfi定位性能。然而，受到阵列稀疏排布的制约，将空间谱估计方法直接应用于综合孔径辐射计，其rfi定位性能依然较差。技术实现要素：针对现有技术的以上缺陷或改进需求，本发明提供了一种基于天线阵列增广协方差矩阵的射频干扰源定位方法，其目的在于提高射频干扰源定位性能。为实现上述目的，提供了一种基于天线阵列增广协方差矩阵的射频干扰源定位方法，包括如下步骤：(1)根据天线阵列a的uv分布来构造虚拟填充天线阵列b；其中，天线阵列a的uv分布ua是指由天线阵列a所有的uv点形成的一个序列；uv点是指将天线阵列里的天线i与天线j的坐标相减并作归一化处理所得到的数值；(2)根据天线阵列a的可见度函数对虚拟填充天线阵列b进行可见度赋值，获取虚拟填充天线阵列b各天线对的uv点对应的可见度；(3)根据虚拟填充天线阵列b的各天线对的uv点对应的可见度构造增广协方差矩阵；(4)基于所构建的增广协方差矩阵，采用空间谱估计方法进行射频干扰源定位；其中，空间谱估计方法是指利用天线阵列各单元在空间不同位置点之间的关系去估计空间信号参数的方法。优选地，上述基于天线阵列增广协方差矩阵的射频干扰源定位方法，其步骤(1)包括如下子步骤：(1.1)将天线阵列a中的天线i与天线j的坐标相减并作归一化处理，得到uv点其中，(xi,yi)是天线i在直角坐标系中的坐标，(xj,yj)是天线j在直角坐标系中的坐标；λ表示天线阵列a接收的电磁波的波长；(1.2)将由天线阵列a所有的uv点形成的序列作为天线阵列a的uv分布，用ua表示；1.3)根据以下准则构建虚拟填充天线阵列b；(a)虚拟填充天线阵列b的阵元数m’范围为[m，m(m-1)/2]；(b)虚拟填充天线阵列b的uv分布中的所有元素或大部分元素可从天线阵列a的uv分布ua中找到。优选地，上述基于天线阵列增广协方差矩阵的射频干扰源定位方法，其步骤(2)包括如下子步骤：(2.1)对上述天线阵列a中天线i与天线j接收的电磁波信号做相关平均，得到可见度其中，*表示取共轭，e[·]表示对时间取平均；bi(t)表示天线i接收的电磁波信号，bj(t)表示天线j接收的电磁波信号；(2.2)将天线阵列a中的天线i与天线j组成一个天线对；该天线对对应一个uv点(uij,vij)和一个可见度vij，它们是一一对应的关系；因此天线阵列a的uv分布对应着一组可见度序列，从而形成天线阵列a的可见度函数v(uij,vij)＝vij；(2.3)在天线阵列a的uv分布ua中存在将与这些uv点对应的可见度取平均，获得天线对的平均可见度用该平均可见度替代其中，i1、i2、…、in、j1、j2、…、jn表示天线阵列a第i1、i2、…、in、j1、j2、…、jn根天线，n≤m(m-1)/2；m是指天线阵列a的单元天线个数；(2.4)根据下式对虚拟填充天线阵列b的可见度赋值：其中，i'、j'表示虚拟填充天线阵列b的第i'、j'根天线，i、j表示天线阵列a的第i、j根天线，为天线对的平均可见度当虚拟填充天线阵列b的uv分布中的所有元素能从天线阵列a的uv分布中找到时，从天线阵列a的uv分布中找到与虚拟填充天线阵列b的uv点(ui'j',vi'j')相同的uv点(uij,vij)，将与(uij,vij)对应的平均可见度赋值给虚拟填充天线阵列b的uv点(ui'j',vi'j')对应的可见度当虚拟填充天线阵列b的uv分布中的大部分元素能从天线阵列a的uv分布中找到时，将虚拟填充天线阵列b的uv分布分成两部分，第一部分的uv点数据能从天线阵列a的uv分布ua中找到，用ub-ⅰ表示该部分的uv分布，对该部分的可见度进行如下赋值：从天线阵列a的uv分布中找到与虚拟填充天线阵列b的uv点(ui'j',vi'j')相同的uv点(uij,vij)，将与(uij,vij)对应的平均可见度赋值给虚拟填充天线阵列b的uv点(ui'j',vi'j')对应的可见度第二部分的uv点数据不能从天线阵列a的uv分布ua中找到，用ub-ⅱ表示该部分的uv分布，将虚拟填充天线阵列b中与ub-ⅱ对应的可见度赋值为零。优选地，上述基于天线阵列增广协方差矩阵的射频干扰源定位方法，所构建的增广协方差矩阵如下：其中，是指虚拟填充天线阵列b的天线对(1，1)所对应的可见度；是指虚拟填充天线阵列b的天线对(1，2)所对应的可见度，是指虚拟填充天线阵列b的天线对(1，m’)所对应的可见度，是指虚拟填充天线阵列b的天线对(2，1)所对应的可见度；是指虚拟填充天线阵列b的天线对(2，2)所对应的可见度，是指虚拟填充天线阵列b的天线对(2，m’)所对应的可见度，是指虚拟填充天线阵列b的天线对(m’，1)所对应的可见度；是指虚拟填充天线阵列b的天线对(m’，2)所对应的可见度，……，是指虚拟填充天线阵列b天线对(m’，m’)所对应的可见度。总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：(1)本发明提供的基于天线阵列增广协方差矩阵的射频干扰源定位方法，由于其所构建的增广协方差矩阵的阶数远高于a.camps等人提出的直接协方差矩阵，极大的提高了rfi定位性能；(2)本发明提供的基于天线阵列增广协方差矩阵的射频干扰源定位方法，其所构建的增广协方差矩阵由于其阶数非常高，还能应用于辐射场亮温图像重建。附图说明图1是实施例提供的基于天线阵列增广协方差矩阵的射频干扰源定位方法的流程示意图；图2是实施例中的u型阵及对应的虚拟填充天线阵列；图3是实施例中的u型阵的uv分布及对应的虚拟填充天线阵列的uv分布；图4是实施例中的y型阵及对应的虚拟填充天线阵列；图5是实施例中的y型阵的uv分布及对应的虚拟填充天线阵列的uv分布；图6是实施例中的miras的天线阵列及对应的虚拟填充天线阵列；图7是利用傅里叶变换算法得到的rfi定位图像；图8是基于直接协方差矩阵的rfi定位图像；图9是基于增广协方差矩阵的rfi定位图像；图10是实施例中的原始辐射场景图像；图11是对实施例中的原始辐射场景图像基于直接协方差矩阵的亮温重建图像；图12是对实施例中的原始辐射场景图像基于增广协方差矩阵的亮温重建图像。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。本发明实施例提供的基于天线阵列增广协方差矩阵的射频干扰源定位方法中，构建增广协方差矩阵的构造方法的流程如图1所示，包括如下步骤：(1)基于miras天线阵列a构造虚拟填充天线阵列b；(2)根据miras天线阵列a的可见度函数，填充虚拟填充天线阵列b的可见度函数；(3)根据虚拟填充天线阵列b的可见度函数构造增广协方差矩阵。以下结合具体实施例来进一步说明；s1：将miras天线阵列a置于直角坐标系中；则含有m根天线的天线阵列a中每根单元天线都具有坐标，每根天线都接收辐射场发射的电磁波信号(随时间变化的复函数)，各天线的坐标和它接收的信号如表1所示；表1miras天线阵列a的单元天线坐标及其接收的电磁波信号天线12…m坐标(x1,y1)(x2,y2)…(xm,ym)接收的电磁波信号b1(t)b2(t)…bm(t)s2：将miras天线阵列a中的天线i和天线j的坐标相减并作归一化处理，得到uv点，用(uij,vij)表示：其中，(xi,yi)是天线i的坐标，(xj,yj)是天线j的坐标；λ表示miras天线阵列a接收的电磁波的波长；并对天线i和j接收的电磁波信号做相关平均，得到可见度vij；其中，*表示取共轭，e[·]表示对时间取平均；bi(t)表示天线i接收的电磁波信号，bj(t)表示天线j接收的电磁波信号；将miras天线阵列a中的单元天线两两组合，形成多个uv点及与uv点对应的可见度；天线阵列a的所有uv点及对应的可见度如下表2.1～2.m所示；表2.1miras天线阵列a的uv点及对应的可见度列表一表2.2miras天线阵列a的uv点及对应的可见度列表二表2.mmiras天线阵列a的uv点及对应的可见度列表muv点(uij,vij)与可见度vij一一对应，由miras天线阵列a所有可见度形成可见度函数v(uij,vij)＝vij；其自变量为(uij,vij)；由miras天线阵列a所有的uv点形成miras天线阵列a的uv分布umiras；在ua中存在其中，i1、i2、…、in、j1、j2、…、jn表示miras天线阵列a第i1、i2、…、in、j1、j2、…、jn根天线，n≤m(m-1)/2；而与这些uv点对应的各不相同。s3：对作平均处理获得平均可见度如下：用替代从而形成miras天线阵列a的uv分布及与uv点对应的平均可见度函数miras天线阵列a的uv分布及对应的平均可见度函数如下表3.1～3.m表所示；表3.1miras天线阵列a的uv分布及对应的平均可见度函数列表之一表3.2miras天线阵列a的uv分布及对应的平均可见度函数列表之二表3.mmiras天线阵列a的uv分布及对应的平均可见度函数列表之ms4：根据以下准则构造另一含更多单元天线的、与天线阵列a对应的虚拟填充天线阵列b；a、虚拟填充天线阵列b的阵元数m’范围为[m，m(m-1)/2]；b、虚拟填充天线阵列b的uv分布中的所有元素能够从天线阵列a的uv分布中寻找到，或者虚拟填充天线阵列b的uv分布中“绝大部分”元素能够从天线阵列a的uv分布中寻找到；以下结合图2和图3举例说明虚拟填充天线阵列b的uv分布中的所有元素能够从天线阵列a的uv分布中寻找到的情况；图2中，“*”表示u型天线阵列的单元天线，“o”表示与u型阵列对应的虚拟填充天线阵列的单元天线；图3所示意的u型阵的uv分布及对应的虚拟填充天线阵列的uv分布中，“*”表示u型天线阵列的uv分布，“o”表示与u型阵列对应的虚拟填充天线阵列的uv分布，可以看出，u型阵列的uv分布与对应的虚拟填充天线阵列的uv分布完全重合，即虚拟填充天线阵列b的uv分布中的所有元素能够从天线阵列a的uv分布中寻找到。以下结合图4和图5举例说明虚拟填充天线阵列b的uv分布中的“绝大部分”元素能够从天线阵列a的uv分布中寻找到的情况；图4中，“*”表示y型天线阵列的单元天线，“o”表示与y型天线阵列对应的虚拟填充天线阵列的单元天线；图5中，“*”表示y型天线阵列的uv分布，“o”表示与y型阵列对应的虚拟填充天线阵列的uv分布，可以看出，y型阵列的uv分布与对应的虚拟填充天线阵列的uv分布只有绝大部分是重合的，即虚拟填充天线阵列b的uv分布中的“绝大部分”元素能够从天线阵列a的uv分布中寻找到。s5：根据以下赋值准则对虚拟填充天线阵列b进行可见度的赋值；1、当虚拟填充天线阵列b的uv分布中的所有元素均够从天线阵列a的uv分布中寻找到时，从表3.1～3.m中找到与虚拟填充天线阵列b的uv点(ui'j',vi'j')相同的uv点(uij,vij)，将与(uij,vij)对应的可见度赋值给与(ui'j',vi'j')对应的可见度其中，i'、j'表示虚拟填充天线阵列b的第i'、j'根天线，i、j表示天线阵列a的第i、j根天线；2、当虚拟填充天线阵列b的uv分布中的“绝大部分”元素能够从天线阵列a的uv分布中寻找到时，将虚拟填充天线阵列b的uv分布分成两部分；第一部分的uv点能从3.1～3.m中寻找到，用uⅰ表示该部分的uv点，则虚拟填充天线阵列b中与uⅰ对应的可见度的赋值遵循上述准则1；第二部分的uv点数据不能从3.1～3.m中寻找到，用uⅱ表示该部分的uv点，则将虚拟填充天线阵列b中与uⅱ对应的可见度赋值为零；步骤s5中，赋值准则具体如下式所示：其中，为表3.1～3.m中的用表示i、j表示miras的第i、j根天线；则形成虚拟填充天线阵列b的uv分布以及对应的可见度，如表4.1～表4.m’所示；表4.1虚拟填充天线阵列b的uv分布及对应的可见度函数列表之一表4.2虚拟填充天线阵列b的uv分布及对应的可见度函数列表之二表4.m’虚拟填充天线阵列b的uv分布及对应的可见度函数列表之m’s6：根据4.1～表4.m’的虚拟填充天线阵列b的可见度数据构造如下增广协方差矩阵，在本实施例中，miras天线阵列a的单元天线如图6中的“*”表示，构造与miras天线阵列a相对应的虚拟填充天线阵列，如图6中的“o”表示；其中miras天线阵列a的阵元数为69，与之对应的虚拟填充天线阵列的阵元数为931。本实施例中，根据miras天线阵列a得出的uv分布及对应的平均可见度函数如表3.1～表3.m所示，其中m等于69；miras所有uv点数据所形成的序列用umiras表示；虚拟填充天线阵列天线坐标b所得到的相应的uv分布及可见度函数，如表4.1～表4.m’所示，其中，m’等于931。相对比而言，现有技术中a.camps等人所提供的构造协方差矩阵的方法，则是利用表3.1～3.m的可见度函数构造直接协方差矩阵，如下式所示；比较本实施例所构造的增广协方差矩阵与现有技术的直接协方差矩阵可知，m’是远大于m的，增广协方差矩阵的规模远大于直接协方差矩阵的规模。为了更进一步说明本发明所提供的增广协方差矩阵的rfi定位性能，以下从分辨rfi的个数、分辨rfi的清晰程度等方面进行阐述。在微波探测与遥感领域，rfi的定位性能将直接影响后期亮温图像优化结果。对于同一辐射场景，基于傅里叶变换算法的rfi定位图像如图7所示，该图中只能分辨出两个rfi；基于a.camps等人提出的直接协方差矩阵的rfi定位图像如图8所示；比较而言，图8比图7呈现出更多的rfi；基于本发明所提供的增广协方差矩阵的rfi定位图像如图9所示，图9呈现的rfi最多；比较图7、图8和图9可知，增广协方差矩阵具有更好的分辨rfi个数性能。图8和图9均利用了多信号分类空间谱估计方法。虽然图8呈现出的rfi个数比图7呈现出的rfi个数多，但是图8中有的rfi呈现出“条状”，定位精度不准确，清晰度较低；而图9所呈现出的rfi个数不仅比图7所呈现出的rfi个数多，而且图9的rfi均为“点状”，定位精度准确，清晰度较高，直接表明本发明所构造的增广协方差矩阵具有更好的rfi定位性能。而本发明所构建的增广协方差矩阵可应用于辐射场亮温图像重建。图10所示为原始的辐射场图像，图11是对图10的图像基于直接协方差矩阵的辐射场亮温重建图像，图12是对图10的图像基于增广协方差矩阵的辐射场亮温重建图像；图11与图12均使用相同的波束形成方法重建亮温图像，从图11中几乎无法识别场景中的细节信息，而图12则有效呈现出高楼的门窗以及典型目标等细节信息，也进一步验证了增广协方差矩阵具有显著提升成像性能的效果。本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页12