[发明专利]多特征融合认知型水声通信空快时自适应处理算法

说明书

本发明公开了一种多特征融合认知型水声通信空快时自适应处理算法，在传统空快时自适应阵列处理算法的基础上引入了基于干扰特征分析的干扰认知功能；采用阵列协方差矩阵特征分解计算出干扰源个数，并采用MUSIC空间谱分析估计出目标用户方向和干扰来波方向；以及采用基于负熵最大的Fast‑ICA的盲源分离算法进行干扰信号分离，采用包络检测分析时域特征，采用短时傅里叶变换分析时频谱，从而提取干扰特征识别干扰类型；最后根据干扰类型选取合适的干扰样本进行空快时自适应对消，提高自适应算法的收敛速度。有益效果：实现了空快时自适应算法的降维处理和对消样本选取，保证了空快时自适应处理的快速可靠收敛。

技术领域

本发明涉及一种水声通信空快时自适应处理算法，特别是涉及一种多特征融合认知型水声通信空快时自适应处理算法，属于水声通信抗干扰技术领域。

背景技术

由于电磁波在水中衰减严重，传输距离受限，水声通信技术成为海洋开发探索和潜艇通信的重要手段。浅海水声通信面临着来自多方面的干扰，水声通信常见干扰形式主要为噪声调频干扰、脉冲干扰以及线性扫频干扰等。噪声调频干扰具有宽带宽、功率谱均匀和干扰功率大的特点；脉冲干扰具有持续时间短，瞬时功率大，信号因大瞬时功率影响可能出现饱和或限幅的特点；线性扫频干扰具有频率特征成线性的特点。

相对于目标通信的其它用户干扰，航线船只与风暴造成的连续波干扰，海洋生物鸣叫和人类在海洋中的施工造成的脉冲干扰，极大的降低了水声通信系统性能。虽然大部分干扰都能被空快时自适应处理算法有效抑制，但是有些干扰不能直接采用空快时自适应处理算法进行处理，例如脉冲干扰，自适应算法收敛受到脉冲干扰出现位置的影响，抑制难度较大。

发明内容

本发明的主要目的在于，克服现有技术中的不足，提供一种多特征融合认知型水声通信空快时自适应处理算法，实现空快时自适应算法的降维处理和对消样本选取，保证空快时自适应处理的快速可靠收敛。

为了达到上述目的，本发明所采用的技术方案是：

一种多特征融合认知型水声通信空快时自适应处理算法，包括以下步骤：

1)将接收阵列接收到的信号在目标用户方向形成波束并作为主通道信号输出，以及抽取接收阵列中的阵列数据作为辅助通道信号输出给干扰认知单元和干扰识别单元；

2)干扰认知单元采用阵列协方差矩阵特征分解计算出干扰源个数，并采用MUSIC空间谱分析估计出目标用户方向和干扰来波方向；

3)根据干扰源个数，确定盲源分离算法中的盲源分离通道数和空域快时间域二维自适应算法中的自适应通道维数；所述盲源分离通道数和自适应通道维数均等于干扰源个数；

4)干扰识别单元采用基于负熵最大的Fast-ICA的盲源分离算法进行干扰信号分离，对分离后的干扰信号采用时频分析提取时频谱和采用包络统计特征分析提取时域包络特征，并将提取的时频谱和时域包络特征融合认知为干扰多特征；

5)根据干扰多特征，干扰识别单元采用决策树分类器进行干扰类型分类；根据分类好的干扰类型，干扰识别单元选取干扰样本输出给干扰对消抑制单元；所述干扰类型包括脉冲干扰、线性扫频干扰和噪声调频干扰；

6)干扰对消抑制单元采用空域快时间域二维自适应算法进行空快时自适应对消，从而对波束进行干扰抑制后输出。

本发明进一步设置为：所述步骤2)中的采用阵列协方差矩阵特征分解计算出干扰源个数，具体为，

2-1)设抽取的辅助通道个数为N_A个，每个辅助通道的采样数据为N_s，则将k时刻的辅助通道数据矩阵写成向量形式为，