一种多星约束稳健空频抗干扰处理方法和装置与流程

本发明涉及通信领域，尤指一种多星约束稳健空频抗干扰处理方法和装置。

背景技术：

为了在复杂电磁环境中抑制掉强压制式干扰，阵列天线波束形成技术广泛应用于扩频通信系统。然而自适应波束形成技术对于期望信号导向矢量的失配非常敏感，由于存在这种失配会使阵列波束形成器把期望信号进行一定程度抑制，因此被称为信号的自相消。

传统的波束形成算法不能改善未知传感器互耦、近场波前失真、源扩展以及相干和非相干的局部散射等影响，因此稳健的波束形成技术越来越成为波束形成研究中的重点和热点。

技术实现要素：

为了解决上述技术问题，本发明提供了一种多星约束稳健空频抗干扰处理方法和装置，可以解决由于期望信号导向矢量的失配等原因引起的输出信干噪比恶化问题，增强了算法稳健性。

为了达到本发明目的，本发明提供了一种多星约束稳健空频抗干扰处理方法，包括：

将接收到的时域信号通过傅立叶变换，转换为频域数据；

根据所述频域数据计算信号带宽内频点的协方差矩阵，确定协方差矩阵修正因子，根据所述协方差矩阵修正因子计算权向量；

使用所述权向量对所述频域数据进行滤波处理；

对滤波后的频域数据进行傅里叶逆变换，转换为时域数据并输出。

可选地，所述根据所述频域数据计算信号带宽内频点的协方差矩阵，确定协方差矩阵修正因子，根据所述协方差矩阵修正因子计算权向量的步骤中，

对频域数据采用分段处理的方式，通过设置所述权向量中部分矢量为零，以将期望信号带外部分进行清零处理。

可选地，所述确定协方差矩阵修正因子的步骤中，

所述协方差矩阵修正因子α/β通过下式计算得到：

α/β＝γtr(R_k)/M，γ＝1-e^-0.1M

其中，R_k为所述协方差矩阵，M为所述协方差矩阵的维数，tr()表示矩阵的迹。

可选地，所述方法还包括：

利用先验信息估计卫星波达方向，确定空频导向矢量。

可选地，所述根据所述协方差矩阵修正因子计算权向量的步骤中，分别对每个频点的权向量进行计算，所述权向量w(f_k)通过下式计算得到：

其中，f_k表示第k个频点，为样本协方差矩阵，α/β为协方差矩阵修正因子，I为单位阵，A为空频导向矢量，b为N×1维的全1列向量，N为所述时域信号的个数。

本发明还提供一种多星约束稳健空频抗干扰处理装置，应用于空频自适应处理器，包括：

第一信号转换模块，用于将接收到的时域信号通过傅立叶变换，转换为频域数据；

计算模块，用于根据所述频域数据计算信号带宽内频点的协方差矩阵，确定协方差矩阵修正因子，根据所述协方差矩阵修正因子计算权向量；

滤波模块，用于使用所述权向量对所述频域数据进行滤波处理；

第二信号转换模块，用于对滤波后的频域数据进行傅里叶逆变换，转换为时域数据并输出。

可选地，所述计算模块，进一步用于对频域数据采用分段处理的方式，通过设置所述权向量中部分矢量为零，以将期望信号带外部分进行清零处理。

可选地，所述计算模块，进一步用于通过下式计算得到所述协方差矩阵修正因子α/β：

α/β＝γtr(R_k)/M，γ＝1-e^-0.1M

其中，R_k为所述协方差矩阵，M为所述协方差矩阵的维数，tr()表示矩阵的迹。

可选地，所述计算模块，还用于利用先验信息估计卫星波达方向，确定空频导向矢量。

可选地，所述计算模块，进一步用于分别对每个频点的权向量进行计算，通过下式计算得到权向量w(f_k)：

其中，f_k表示第k个频点，为样本协方差矩阵，α/β为协方差矩阵修正因子，I为单位阵，A为空频导向矢量，b为N×1维的全1列向量，N为所述时域信号的个数。

与现有技术相比，本发明实施例通过采用协方差矩阵修正因子计算权向量，可以保证多颗卫星信号数据失配时仍能有效地抑制宽带干扰，增强了空域滤波算法的稳健性。进一步地，通过对带外信号进行清零处理，在保证滤波效果的前提下，简化了工程运算量。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1为本发明实施例的多星约束稳健空频抗干扰处理方法流程图；

图2为本发明应用示例的示意图；

图3为本发明实施例的多星约束稳健空频抗干扰处理装置示意图；

图4为本发明应用示例的空频自适应处理器内部处理过程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

如图1所示，本发明实施例的多星约束稳健空频抗干扰处理方法包括如下步骤：

步骤101，将接收到的时域信号通过傅立叶变换，转换为频域数据；

所述傅立叶变换可以是快速傅立叶变换(FFT)或者离散傅立叶变换(DFT)。

对于宽带接收机，考虑N个远场的宽带信号s_i,i＝1,2,...N(包括期望信号和干扰)以θ_i,i＝1,2,...N方向入射到空间M元均匀线阵上，通常假设第1项s₁对应于感兴趣的期望信号，而s_i,i＝2,...N对应于N-1个干扰信号。阵列单元间距为接收信号最高频率对应的波长的一半。假设信号的带宽为B，则第m个阵元的接收数据

其中τ_mi表示第m个阵元上接收的第i个信号的延时，n_m(t)为第m个阵元通道的热噪声。

在步骤101之前，本发明实施例还可包括：利用先验信息估计卫星波达方向，确定空频导向矢量。

其中，利用先验信息估计当前N颗可见卫星的波达方向θ_i,i＝1,2,...N，求解出对应空频导向矢量A(f_k)＝[a(θ₁,f_k)a(θ₂,f_k)...a(θ_N,f_k)]，以均匀线阵为例，波达方向为θ₁的卫星信号空频导向矢量为

其中d为阵元间距，M为阵元数，c为光速常数。

如图2所示，采用M阵元的空频二维处理器结构，对各阵元中频AD(模拟信号转换为数字信号)采样信号进行K点傅立叶变换变换得到频域数组x₁₁,x₁₂,…x_1K；x₂₁,x₂₂,…x_2K；…x_M1,x_M2,…x_MK，数据中包含卫星信号、干扰以及噪声。

步骤102，根据所述频域数据计算信号带宽内频点的协方差矩阵，确定协方差矩阵修正因子，根据所述协方差矩阵修正因子计算权向量；

采样数据经过K点的傅立叶变换后，有1＜B₁＜B₂＜K，B₁、B₂、K均为正整数，其中区间[B₁,B₂]为期望信号带宽。为了对数据进行有效的处理，同时降低计算复杂度，可以对频域数据采用分段处理的方式，对于期望信号带外部分进行清零处理，减少不必要的计算工作。

即：对于频点f_k，k∈[1,B₁)or(B₂,K]的频域数据，有w(f_k)＝O_M×1，O_M×1为M×1维的零矢量。

对于频点f_k，k∈[B₁,B₂]的频域数据，进行后续处理。

根据频域数组，计算信号带宽内频点的协方差矩阵R_k＝E[X(f_k)X^H(f_k)](M×M维)，其中X(f_k)＝[x_1k,x_2k,...,x_Mk]^T k∈[B₁,B₂]；

其中，R_k为期望的协方差矩阵，在实际应用中，R通常由样本协方差矩阵代替，在空频二维滤波器中，对应于频点f_k的采样数据的频域协方差矩阵可表示为如下M×M维的矩阵：

其中L表示频域数据的快拍数，而x_mk(l)表示第m个阵元采样数据经过傅立叶变换之后对应频点f_k上的第l个快拍数。

修正协方差矩阵为α、β为大于0的组合参数，使修正协方差矩阵逼近期望的协方差矩阵，根据最小方差准则有，

tr()表示矩阵的迹，求解得

求解协方差矩阵修正因子α/β，由于实时性要求，信号带内频域数据协方差积累时间有限，当阵元数M较大，空间自由度多于卫星数，导向矢量估计值偏差大，权值训练的数据与权值应用的数据之间失配严重，α/β取值越大，反之越小。

在本实施例中，α/β＝γtr(R_k)/M，γ＝1-e^-0.1M。

多星约束方程如下：

Min E{|Y(f_k)|²}＝w(f_k)^HR(f_k)w(f_k)

s.t.A^H(f_k)w(f_k)＝b

则求解权向量表达式为，

根据协方差矩阵修正因子计算权向量其中I是单位阵，b为N×1维的全1列向量。

在本步骤中，通过采用协方差矩阵修正因子，对样本协方差矩阵进行修正，可以保证多颗卫星信号数据失配时仍能有效地抑制宽带干扰，增强了空域滤波算法的稳健性。

步骤103，使用所述权向量对所述频域数据进行滤波处理；

利用权值w(f_k)对频域数组进行滤波处理，设Y(f_k)为第k个频点空域滤波的输出，则

在本步骤中，由于对于频点f_k，k∈[1,B₁)or(B₂,K]的频域数据，有w(f_k)＝O_M×1，O_M×1为M×1维的零矢量，所以可以将期望信号带外部分进行清零处理，降低了运算量和运算复杂度。

步骤104，对滤波后的频域数据进行傅里叶逆变换，转换为时域数据并输出。

其中，可以对空域滤波后的频域数据Y(f_k)进行K点IFFT(或IDFT)变换，得到抗干扰处理后的时域中频数据。

如图2所示，所述时域中频数据发送至导航处理单元进行下一步处理。

如图3所示，为本发明实施例的多星约束稳健空频抗干扰处理装置，应用于空频自适应处理器，包括：

第一信号转换模块21，用于将接收到的时域信号通过傅立叶变换，转换为频域数据；

所述傅立叶变换可以是快速傅立叶变换(FFT)或者离散傅立叶变换(DFT)。

计算模块22，用于根据所述频域数据计算信号带宽内频点的协方差矩阵，确定协方差矩阵修正因子，根据所述协方差矩阵修正因子计算权向量；

可选地，所述计算模块22，还用于利用先验信息估计卫星波达方向，确定空频导向矢量。

其中，利用先验信息估计当前N颗可见卫星的波达方向θ_i,i＝1,2,...N，求解出对应空频导向矢量A(f_k)＝[a(θ₁,f_k)a(θ₂,f_k)...a(θ_N,f_k)]，以均匀线阵为例，波达方向为θ₁的卫星信号空频导向矢量为

其中d为阵元间距，M为阵元数，c为光速常数。

可采用M阵元的空频二维处理器结构，对各阵元中频AD采样信号进行K点傅立叶变换变换得到频域数组x₁₁,x₁₂,…x_1K；x₂₁,x₂₂,…x_2K；…x_M1,x_M2,…x_MK，数据中包含卫星信号、干扰以及噪声。

采样数据经过K点的傅立叶变换后，有1＜B₁＜B₂＜K，B₁、B₂、K均为正整数，其中区间[B₁,B₂]为期望信号带宽。为了对数据进行有效的处理，同时降低计算复杂度，可以对频域数据采用分段处理的方式，对于期望信号带外部分进行清零处理，减少不必要的计算工作。

即：对于频点f_k，k∈[1,B₁)or(B₂,K]的频域数据，有w(f_k)＝O_M×1，O_M×1为M×1维的零矢量。

对于频点f_k，k∈[B₁,B₂]的频域数据，进行后续处理。

根据频域数组，计算信号带宽内频点的协方差矩阵R_k＝E[X(f_k)X^H(f_k)](M×M维)，其中X(f_k)＝[x_1k,x_2k,...,x_Mk]^T k∈[B₁,B₂]；

其中，R_k为期望的协方差矩阵，在实际应用中，R通常由样本协方差矩阵代替，在空频二维滤波器中，对应于频点f_k的采样数据的频域协方差矩阵可表示为如下M×M维的矩阵：

其中L表示频域数据的快拍数，而x_mk(l)表示第m个阵元采样数据经过FFT之后对应频点f_k上的第l个快拍数。

修正协方差矩阵为α、β为大于0的组合参数，使修正协方差矩阵逼近期望的协方差矩阵，根据最小方差准则有，

tr()表示矩阵的迹，求解得

求解协方差矩阵修正因子α/β，由于实时性要求，信号带内频域数据协方差积累时间有限，当阵元数M较大，空间自由度多于卫星数，导向矢量估计值偏差大，权值训练的数据与权值应用的数据之间失配严重，α/β取值越大，反之越小。

在本实施例中，α/β＝γtr(R_k)/M，γ＝1-e^-0.1M。

多星约束方程如下：

Min E{|Y(f_k)|²}＝w(f_k)^HR(f_k)w(f_k)

s.t.A^H(f_k)w(f_k)＝b

则求解权向量表达式为，

根据协方差矩阵修正因子计算权向量其中I是单位阵，b为N×1维的全1列向量。

所述计算模块22，通过采用协方差矩阵修正因子，对样本协方差矩阵进行修正，可以保证多颗卫星信号数据失配时仍能有效地抑制宽带干扰，增强了空域滤波算法的稳健性。

滤波模块23，用于使用所述权向量对所述频域数据进行滤波处理；

利用权值w(f_k)对频域数组进行滤波处理，设Y(f_k)为第k个频点空域滤波的输出，则

由于对于频点f_k，k∈[1,B₁)or(B₂,K]的频域数据，有w(f_k)＝O_M×1，O_M×1为M×1维的零矢量，所以可以将期望信号带外部分进行清零处理，降低了运算量和运算复杂度。

第二信号转换模块24，用于对滤波后的频域数据进行傅里叶逆变换，转换为时域数据并输出。

其中，可以对空域滤波后的频域数据Y(f_k)进行K点IFFT(或IDFT)变换，得到抗干扰处理后的时域中频数据。

如图4所示，为本发明应用示例的空频自适应处理器内部处理过程示意图，该空频自适应处理器也可称为频域宽带波束形成器。

本应用示例中傅里叶变换采用离散傅里叶变换(DFT)。

宽带信号可以通过傅里叶变换分为若干个频点，对于每个频点按窄带波束形成的方法进行处理。由K点离散傅里叶变换把宽带信号在频域上划分为K个窄子带，并对每一个窄子带进行窄带波束形成，然后把波束输出转化为时域输出，所以频域处理是一种划分子带的处理方法。如果将一个观察时间子段的观察数据进行K点的离散傅立叶变换，可以得到如下的宽带模型：

X(f_k)＝A(f_k)S(f_k)+N(f_k)k＝1,2,...,K

A(f_k)＝[a(θ₁,f_k)a(θ₂,f_k)...a(θ_N,f_k)]

式中X(f_k)，S(f_k)，N(f_k)分别为对应某频率的接收数据矢量、信号矢量及噪声矢量的离散傅立叶变换，K是指将带宽为B的信号划分为K个子带。其中，

X(f_k)＝[x_1k,x_2k,...,x_Mk]^T k＝1,2,...,K

用M×1维向量w(f_k)表示对应于接收数据f_k子带的处理器权矢量，则

w(f_k)＝[w_1k,w_2k,...,w_Mk]^T k＝1,2,...,K

使用前述所述方法计算w(f_k)，即：

其中，f_k表示第k个频点，为样本协方差矩阵，α/β为协方差矩阵修正因子α/β＝γtr(R_k)/M，γ＝1-e^-0.1M，I为单位阵，A为空频导向矢量，b为N×1维的全1列向量。

则空频二维处理器的滤波输出信号为

综上所述，传统空域自适应滤波方法很难避免期望信号自相消现象，恶化系统输出信干噪比，严重情况下，常规方法可能完全失效。而本发明实施例利用空频自适应处理结构，保证多星空频导向矢量约束，对带外信号进行清零处理，对带内信号提出了协方差矩阵修正因子的具体表达式。本发明实施例既简化工程运算量，又保证多颗卫星信号数据失配时仍能有效地抑制宽带干扰，增强了空域滤波算法的稳健性。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。