[发明专利]一种认知型副瓣干扰抑制方法

权利要求书

1.一种认知型副瓣干扰抑制方法，其特征在于，包括以下几个步骤：

(1)通过雷达或声呐等距线阵阵列接收干扰与目标回波信号，从而形成所需要的数字波束，将所述数字波束称为主通道信号；并随机抽取阵列单元的输出作为辅助通道信号；

(2)将长度为N_d的1帧数据，分成每段长度为N_s点的若干段数据，其中，N_d>N_s；针对每段数据，对所述主通道信号首先进行包络求取，然后进行包络滤波，从而判断干扰信号是否存在，当确定干扰信号存在，则转向步骤(3)；

(3)针对每段数据，将所述阵列单元中的多个辅助通道作为干扰估计通道，然后计算协方差矩阵的特征根，从而确定干扰个数，并转向步骤(4)；

(4)确定干扰自适应抑制的辅助通道数量等于干扰个数，采用采样矩阵求逆算法，将主通道数据与辅助通道数据进行自适应加权计算，从而对消主通道信号中的干扰；

步骤(2)中，干扰信号是否存在的判断方法如下：

(2-1)求取波束输出信号的包络

式中，y_I(n)与y_Q(n)为第l个波束信号y_l(n)的实部与虚部；

(2-2)对于某一时刻的信号包络，设σ为门限值；如果存在如下关系

A(n)>σ，A(n+1)>σ，A(n+2)>σ (11)

则判断干扰信号存在，否则判断没有干扰信号；

步骤(2-2)中，将没有干扰时的通道噪声统计作为门限设置的参考，测量的通道噪声记为σ₀，则门限值为

σ＝σ₀+η (12)

其中，η为门限偏差值，取9dB；

步骤(3)中，所述干扰个数的确定方法如下：

(3-1)采用N_f个辅助天线构成干扰个数估计辅助阵列

设一帧数据中的若干个数据包的数据长度为N_s个采样点；第i个辅助通道天线输入信号向量为

式中[·]^T表示转置运算，所抽取的N_f个辅助通道的数据构成输入数据矩阵如下：

(3-2)求取输入数据协方差矩阵，

R＝X(n)X^H(n) (5)

式中[·]^H表示转置运算；

(3-3)对协方差矩阵进行特征根分解

λ_i＝eig[R],i＝1,2,…,N_f (6)

式中eig[·]表示特征根分解运算，λ_i为第i个特征根；找到最小特征根

式中min[·]表示寻找最小值，而λ_min表示最小特征根；计算其它特征根与最小特征根的比值，记为

定义变量通过与设置的门限ρ₀进行比较，检测过门限的大特征根的个数，即干扰个数

ξ_i>ρ₀ (9)

大特征根的个数即对应的干扰个数，记干扰个数为N_g；根据干扰个数选取干扰自适应抑制的通道个数，即自适应抑制的通道个数等于干扰大特征根个数。

2.根据权利要求1所述的认知型副瓣干扰抑制方法，其特征在于，步骤(1)中，对于N单元的雷达或声呐等距线阵阵列，当假设阵列的第i个单元接收信号为x_i(n)时，第l个数字波束输出信号形式如下：

式中n为离散时间，α_i表示幅度加权，λ表示雷达波长，θ为波束指向角，d为阵元间隔，j表示复数，N表示阵元个数。

3.根据权利要求1所述的认知型副瓣干扰抑制方法，其特征在于，步骤(4)中，采用采样矩阵求逆算法，实现第l个波束的自适应副瓣相消，具体的计算方法如下：

根据式(9)确定的干扰个数N_g，随机抽取N_g个阵列通道作为自适应权值计算辅助通道；计算协方差矩阵

式中为随机抽取的N_g个辅助通道，计算互相关向量

式中[·]^*表示共轭运算，副瓣相消方法的辅助通道加权计算公式为

式中[·]^-1表示矩阵求逆运算，抑制干扰之后的第l个波束的输出为

z_l(n)＝y_l(n)-W^*(n)X(n) (16)

z_l(n)为第l个波束干扰抑制后的输出。