[发明专利]一种波束赋形鲁棒性的自适应方法、系统及设备

说明书

本申请公开了一种波束赋形鲁棒性的自适应方法、系统及设备，该方法包括：根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题；对所述目标优化问题进行求解，得到最优导向矢量；将所述最优导向矢量代入所述预设的优化问题模型的权重向量解，得到目标权重向量；利用所述目标权重向量构建关于采样协方差矩阵误差的优化问题，以确定出优化后采样协方差矩阵；将所述优化后采样协方差矩阵代入所述目标优化问题，以得到最优权重向量。本发明公开的方法只需利用较少的先验知识，实现根据接收端实际情况，提高接收端的信干躁比，并且对采样协方差矩阵本身的误差进行分析，进而提高算法的合理性和精确性。

技术领域

本发明涉及智能天线数字信号处理技术领域，特别涉及一种波束赋形鲁棒性的自适应方法、系统及设备。

背景技术

自适应波束赋形是自适应阵列信号处理领域的一个重要研究领域。所谓波束赋形就是根据一些最优准则来自动调节天线阵元的权值，产生所需的空间波束，让阵列天线的主波束对准目标信号方向，旁辦或零陷对准干扰信号方向，从而提高接收端信号的信干噪比，进而提高系统功率的有效利用性。虽然波束赋形算法理论上取得了较好的效果，但是在波束赋形的优化问题上还有很多值得改进的地方，比如采样协方差求逆等波束赋形算法，没有对采样矩阵本身实际上存在的误差进行分析，这直接关系到最终信干躁比的最优值。当然，如果加入足够多的苛刻的先验知识，对重塑的优化问题进行二次优化的话上述问题不难被解决，但实际情况中，要具备足够的苛刻的先验知识并不容易，因此，既要用少的先验知识又要考虑采样协方差矩阵本身的误差，还要根据实际情况对优化问题进行求解，这就成了一个很严峻的挑战。

由此可见，如何用较少的先验知识，实现根据接收端实际情况，提高接收端的信干躁比，并且对采样协方差矩阵本身的误差进行分析，进而提高算法的合理性和精确性，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种波束赋形鲁棒性的自适应方法、系统及设备，以实现利用较少的先验知识，实现根据接收端实际情况，提高接收端的信干躁比，并且对采样协方差矩阵本身的误差进行分析，进而提高算法的合理性和精确性。其具体方案如下：

一种波束赋形鲁棒性的自适应方法，包括：

根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题；

对所述目标优化问题进行求解，得到最优导向矢量；

将所述最优导向矢量代入所述预设的优化问题模型的权重向量解，得到目标权重向量；

利用所述目标权重向量构建关于采样协方差矩阵误差的优化问题，以确定出优化后采样协方差矩阵；

将所述优化后采样协方差矩阵代入所述目标优化问题，以得到最优权重向量。

优选的，所述根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件，得到目标优化问题模型的步骤之前，进一步包括：

将θ∈[p,q]确定为目标信号在接收端的区域角范围；其中，p和q为预先获得的目标区域角。

优选的，所述根据目标信号在接收端的区域角范围，为预设的优化问题模型增加相应的约束条件的步骤，包括：

根据目标信号在接收端的区域角范围，确定出相应的约束条件；其中所述约束条件为：

式中，a表示目标信号的导向矢量，a^H表示a的共轭转置，C表示目标区域的特征矩阵，表示所述区域角范围内任一导向矢量，(θ)^H表示的共轭转置；

将作为所述预设的优化问题模型的约束条件。