[发明专利]一种基于协方差矩阵重构和导向矢量估计的稳健波束形成方法

说明书

本发明公开了一种基于协方差矩阵重构和导向矢量估计的稳健波束形成方法。首先对天线接收数据的协方差矩阵进行特征值分解得到噪声子空间，使用多重信号分类算法估计出干扰信号的到达角及计算导向矢量，再对其使用鲁棒Capon波束形成算法进行校正，根据导向矢量的正交性求解出干扰信号的功率，构造出干扰加噪声协方差矩阵；通过找到与期望信号导向矢量正交的子空间来构造求解期望信号导向矢量的约束条件，根据最大输出功率解出精确的期望信号导向矢量。本发明对于阵列位置误差、非互关联本地散射以及总的幅相误差所引起的导向矢量误差和干扰加噪声协方差矩阵误差具有很好的稳健性，与现有方式相比，具有更高的输出信干噪比，有着更好的输出性能。

技术领域

本发明属于阵列信号处理领域，主要涉及一种幅相误差场景下干扰加噪声协方差矩阵重构和导向矢量估计的稳健波束形成方法。

背景技术

自适应波束形成技术可以使得阵列输出中目标信号方向尽可能被有效接收和增强，而其他方向上的干扰和噪声被有效抑制，从而提高阵列的信干噪比。近年来已被广泛应用于雷达、射电天文学、声纳、医学成像、麦克风语音阵列处理、地震勘测、认知无线电及无线通信等多个领域。当实际工作环境与理想假设模型存在一定偏差时，比如阵列校准误差、非互关联本地散射，以及总体的幅相误差等，自适应波束形成器将会把期望信号误认为干扰而加以抑制，产生信号“相消”现象，从而导致波束形成器的性能急剧下降。

针对各种误差所引起的波束形成器性能下降的问题，近年来出现了很多稳健波束形成算法。如文献《Du L,Li J,Stoica P.Fully Automatic Computation of DiagonalLoading Levels for Robust Adaptive Beamforming[C]//IEEE InternationalConference on Acoustics,Speech and Signal Processing.IEEE Xplore,2010:2325-2328.》提出了一种对角加载的方法，其通过放缩估计的方式来自动计算对角加载因子，虽然该方法很大程度上提高了波束形成的性能，且在低采样次数下也可以获得良好的性能，但是该算法所计算出来的对角加载因子并不是最优的，无法获得较好的性能。而文献《NaiS E,Ser W,Yu Z L,et al.Iterative Robust Minimum Variance Beamforming[J].IEEETransactions on Signal Processing,2011,59(4):1601-1611.》提出了一种迭代稳健最小方差波束形成算法，其给假设的导向矢量设置了一个比较小的不确定椭圆集，每次在这个小范围内寻找最优的导向矢量，将找到的作为假设的导向矢量；然后通过在确定的范围内多次迭代去寻找到的真实的期望信号导向矢量，该算法本质上属于对角加载算法，可以通过多次迭代来算出最优加载因子；但是该算法复杂度比较高，计算工作量较大。文献《JiaW,Jin W,Zhou S,et al.Robust adaptive beamforming based on a new steeringvector estimation algorithm[J].Signal Processing,2013,93(9):2539-2542.》公开了一种基于特征子空间估计的算法，其利用期望信号导向矢量投影在信号子空间的部分大于其他导向矢量投影的部分这一关系来构造凸优化不等式解出真实的期望信号导向矢量，该算法可以有效的对抗各种各样的误差因素，可以得到较为准确的期望信号的导向矢量。

然而，以上的这些算法只是对导向矢量进行了校正，所使用的协方差矩阵都是接收数据的协方差矩阵，与理论上所需要的干扰加噪声协方差矩阵相差甚远；在高信噪比条件下会有明显的性能衰减。