基于子空间方法的干扰协方差矩阵重构的稳健波束形成方法
阅读说明：本技术 基于子空间方法的干扰协方差矩阵重构的稳健波束形成方法 (Stable beam forming method for interference covariance matrix reconstruction based on subspace method ) 是由 潘涛 于 2020-07-06 设计创作，主要内容包括：本发明涉及一种基于子空间方法的干扰协方差矩阵重构的稳健波束形成方法,包括以下步骤：对样本协方差矩阵进行特征值分解,求得采样信号协方差矩阵的信号子空间；根据信号的导向矢量估计值,计算所有信号的协方差矩阵；计算干扰加噪声协方差矩阵和波束形成权向量；本发明中改进的稳健自适应波束形成方法有效可行,性能可靠。(The invention relates to a steady beam forming method for interference covariance matrix reconstruction based on a subspace method, which comprises the following steps: performing eigenvalue decomposition on the sample covariance matrix to obtain a signal subspace of the sampling signal covariance matrix; calculating covariance matrixes of all signals according to the guide vector estimation values of the signals; calculating an interference plus noise covariance matrix and a beam forming weight vector; the improved robust adaptive beam forming method is effective and feasible and has reliable performance.)
技术领域
本发明属于雷达技术领域，特别是一种基于子空间方法的干扰协方差矩阵重构的稳健波束形成算法。
背景技术
在实际应用中，接收数据的理论协方差矩阵是未知的，一般使用样本协方差矩阵代替，但是样本协方差矩阵容易受到样本数的影响从而导致协方差矩阵误差。对于期望信号的导向矢量，它是刻画阵列结构和期望信号来波方向的矢量函数，因此往往会受到先验知识、工艺精度和环境变换等一些不利因素的影响，而出现一定程度的误差。标准Capon波束形成器对这些不理想条件引起的协方差矩阵误差和导向矢量误差是高度敏感的，容易引起性能急剧恶化，甚至比静态波束形成器的性能都差。这是因为在这些非理想条件下，存在期望信号被当作干扰抑制掉(这一现象被称作信号“自消”现象)的风险，尤其是使用含有期望信号成分的采样协方差矩阵计算权矢量时，波束形成性能会更加糟糕，直接影响后续信号检测与估计，产生无法估量的后果。
现有技术存在的问题在于：(1)无法以较高精度获得每个目标所对应的导向矢量；(2)无法消除采样协方差矩阵中的期望信号(SOI)成分。
发明内容
要解决的技术问题
为了避免现有技术的不足之处，本发明提出一种基于子空间方法的干扰协方差矩阵重构的稳健波束形成方法。
技术方案
一种基于子空间方法的干扰协方差矩阵重构的稳健波束形成方法，其特征在于步骤如下：
步骤1：利用雷达接收待测目标的回波；
步骤2：重构各目标回波信号协方差矩阵，求得各矩阵信号子空间；对样本协方差矩阵进行特征值分解，求得采样信号协方差矩阵的信号子空间；
步骤2-1：重构得到各个方向回波信号的协方差矩阵P为回波信号的总个数：
其中，为θ方向的名义导向矢量，pi为第p个目标来波方向角度区域的第i个采样点，I为采样点数，
步骤2-2：求出的信号子空间Sp，对
的J个较大特征值对应的特征向量对应的空间为BS：
BS＝[b1,b2,…,bJ]
其中bm是pm对应的特征向量，则
J满足：
其中ρ为设定的常数，满足0＜ρ＜1；
步骤2-3：求出的信号子空间Sx：对
的D个较大特征值对应的特征向量对应的空间为US：
US＝[V1,V2,…,VD]
其中Vm是λm对应的特征向量，则
D满足：
其中ε为设定的常数，满足0＜ε＜1；
步骤3：根据每个信号的导向矢量估计值，重构出该信号协方差矩阵；
步骤3-1：得到所有信号的导向矢量：
式中，表示矩阵最大特征值对应的特征向量；
步骤3-2：重构出所有目标回波信号的协方差矩阵：
式中，为样本协方差矩阵；
步骤4：求得所有信号的协方差矩阵，计算干扰加噪声协方差矩阵；
当第z个目标回波信号为期望信号时，其他目标为干扰，计算干扰加噪声协方差矩阵：
干扰加噪声协方差矩阵为：
式中，IM为单位矩阵，为噪声能量，用的最小特征值近似；
步骤5：利用干扰加噪声协方差矩阵和期望信号导向矢量得到权矢量：
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1所述的方法的步骤。
有益效果
本发明提出的一种基于子空间方法的干扰协方差矩阵重构的稳健波束形成算法，所述算法包括以下步骤：对样本协方差矩阵进行特征值分解，求得采样信号协方差矩阵的信号子空间；根据信号的导向矢量估计值，计算所有信号的协方差矩阵；计算干扰加噪声协方差矩阵和波束形成权向量。本发明中改进的稳健自适应波束形成方法有效可行，性能可靠。
与现有技术相比，其显著优点在于：(1)通过子空间的方法，可以有效减少近似误差，并且以较高精度获得每个目标所对应的导向矢量；(2)可以从根本上消除采样协方差矩阵中的期望信号(SOI)成分。
附图说明
图1是本发明基于子空间方法的干扰协方差矩阵重构的稳健波束形成算法的流程图。
图2是本发明算法归一化方向图。
图3是本发明输出SINR随SNR变化曲线。
图4是本发明输出SINR随DOA失配变化曲线图。
具体实施方式
现结合实施例、附图对本发明作进一步描述：
结合图1，一种利用本发明的基于干扰加噪声协方差矩阵重构的稳健波束形成算法，方法步骤如下：
步骤1、利用雷达接收回波信号；
步骤2、对样本协方差矩阵进行特征值分解，求得采样信号协方差矩阵的信号子空间；
2-1、重构得到各个方向回波信号的协方差矩阵P为回波信号的总个数。
其中为θ方向的名义导向矢量，pi为第p个目标来波方向角度区域的第i个采样点，I为采样点数，
步骤2-2、求出的信号子空间Sp。对进行特征值分解，得到特征值pm,m＝1,2,…M，M为阵列阵元数，有p1≥p2≥…≥pM。
BS＝[b1,b2,…,bJ]
其中bm是pm对应的特征向量，则
J满足：
其中ρ为设定的常数，满足0＜ρ＜1。
步骤2-3、求出
的D个较大特征值对应的特征向量对应的空间为US：
US＝[V1,V2,…,VD]
其中Vm是λm对应的特征向量，则的信号子空间Sx为：
D满足：
其中ε为设定的常数，满足0＜ε＜1。
步骤3、根据Sp和Sx，分别得到P个信号的协方差矩阵；
步骤3-1、得到所有信号的导向矢量
式中，
步骤3-2、精确重构出所有目标回波信号的协方差矩阵：
式中，为样本协方差矩阵。
步骤4、当第z个目标回波信号为期望信号时，其他目标为干扰，计算干扰加噪声协方差矩阵
干扰加噪声协方差矩阵为：
式中IM为单位矩阵，为噪声能量，用的最小特征值近似。
步骤5、得到权向量。
期望信号来波方向为θ1＝0°，干扰为θ2＝-30°，快拍数为200，步骤2-1中I设为50，期望信号DOA失配5°，波束方向图如图2所示。从图中可以看出，所提算法可以将主波束方向对准期望信号，其中OPT为基于最大输出SINR准则的最优波束形成算法，DL为对角加载算法，MVDR为MVDR算法。
为验证算法输出SINR随SNR的变化，设置SNR从-10dB变化到20dB，干噪比INR＝20dB。输出SINR随SNR变化如图3所示。从图中可以看出，所提算法的输出SINR随着SNR增大而增大。
为了验证所提算法输出SINR在DOA失配时的性能，设置DOA失配误差从-5°变化到5°，输入SNR＝15dB，INR＝20dB。输出SINR随DOA失配误差变化如图4所示。从图中可以看出，所提算法的输出SINR未被DOA失配误差影响，因此具有稳健性。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：基于干扰加噪声协方差矩阵重构的稳健波束形成方法