[发明专利]一种零范数约束的自适应稀疏阵列波束形成方法

说明书

本发明提供了一种零范数约束的自适应稀疏阵列波束形成方法，属于自适应天线控制领域。本发明根据阵列阵元接收到的数据进行来波方向估计，得到目标的信号方位，利用干扰信号方位与期望信号方位得到导向矩阵，采用导向矩阵和零范数对加权系数向量进行约束，导出目标函数。应用数学方法将带有约束的最小化优化问题转换为无约束下的极值问题，得到极值问题表达式。采用陡梯度下降方法进行求解，得到稀疏后的加权系数向量，并利用稀疏后的加权系数向量实现波束形成，得到天线阵列输出数据。本方法能够在保证期望信号的增益、抑制干扰信号的情况下，减少波束形成所需天线阵的阵元数量，减少波束形成对能量和系统硬件计算能力的需求。

技术领域

本发明属于自适应天线控制领域，尤其涉及一种零范数约束的自适应稀疏阵列波束形成方法。

背景技术

自适应波束形成技术广泛应用于雷达、声呐、移动通信、地震、生物医学工程等领域。其作用是在空域上加强来自某一方向的信号，在干扰方向形成零陷抑制干扰，提高输出信干噪比(SINR)。传统的自适应波束形成方法依赖于天线阵列，在已知期望信号导向矢量的情况下，利用加权系数向量对天线阵列中每个阵元的数据进行加权，形成期望的波束方向图。在实际应用中，波束性能受到系统硬件计算能力以及能量供应的限制，对于冷却设备、供电电缆等附属设备也具有较高的要求。当能量供应不足或计算能力不够时，会导致波束性能急剧下降。

针对波束形成技术所受到的限制，一种有效的思路是使天线阵列加权系数向量呈现稀疏性，减少所使用的天线阵元数量。目前有大量的基于范数约束的稀疏辨识算法，例如RZA-LMS(Y.Chen,Y.Gu,and A.O.Hero III,“Sparse LMS for system identification,”in Proc.IEEE Int.Conf.Acoust.,Speech,Signal Process.(ICASSP),Ann Arbor,MI,USA,Apr.2009,pp.3125–3128.)、基于贝叶斯稀疏化算法(H.Zayyani,M.Babaie-Zadeh,andC.Jutten,An iterative Bayesian algorithm for sparse component analysis(SCA)inpresence of noise[J].IEEE Trans.Signal Process.,vol.57,no.10,pp.4378–4390,Oct.2009.)等。这些算法利用范数约束实现稀疏的特点运用到稀疏系统辨识中，根据系统的稀疏特性来加速算法收敛，使算法达到更高的性能。

与稀疏系统辨识问题类似，将范数约束应用到波束形成技术上，可以使天线阵列呈现稀疏性。不同的是，稀疏系统辨识问题是利用系统本身的稀疏特性同时利用范数约束促进稀疏的特点来加速算法收敛，而将范数约束应用到波束形成领域，是要利用范数约束促进稀疏的特性，使波束形成滤波器的加权系数向量具有稀疏性。目前将范数约束的稀疏算法应用在波束形成问题上较为经典的是一种基于l-1范数约束的自适应波束形成算法L₁-WCNLMS。L₁-WCNLMS方法利用l-1范数对加权系数向量进行约束，使加权系数向量中各个系数的绝对值减小，通过迭代运算，一些系数向量逐渐减小接近于零，从而得到加权系数向量的稀疏解。该方法虽然能得到稀疏阵列，但是需要的迭代次数较多，最终得到的稀疏阵列的稀疏程度不足，在性能上仍有加强的空间。

发明内容

本发明提供了一种零范数约束的自适应稀疏阵列波束形成方法，目的在于保证波束性能的零范数约束的自适应稀疏阵列波束形成的前提下又能够减少工作阵元数量。

本发明的目的通过以下方法实现：

步骤一：根据阵列阵元接收到的数据x_k进行来波方向估计，得到强干扰目标的信号方位。

步骤二：利用步骤一得到的干扰信号方位与期望信号方位(已知)得到导向矩阵C。