[发明专利]一种基于张量的分布式扩散自适应抗干扰方法

说明书

本发明属于分布式波束形成领域，具体为一种基于张量的分布式扩散自适应抗干扰方法，用以解决阵元数较大时传统分布式阵列自适应抗干扰方法复杂度变大、收敛速度变慢、实时性降低的问题。本发明将高维的全局多线性问题转化为若干个低维线性问题，具体表现为通过基于分集的张量模型，使本发明方法在子阵水平上并行处理，在自适应过程达到平稳后，选取任一节点的稳态权向量作为最终权向量，并利用该权张量对接收信号进行滤波。和传统的波束协调算法相比，本发明方法具有更快的收敛速度，更低的计算复杂度，从而具有更好的实时性。此外节点间共享的数据是所有子阵的回归矢量，而非原始的阵列接收信号，因此减少了共享的数据总量，提高了节点通信效率。

技术领域

本发明属于分布式波束形成领域，主要涉及分布式自适应策略和多线性协同滤波，具体为一种基于张量的分布式扩散自适应抗干扰方法。

背景技术

阵列抗干扰应用领域由来已久，多年来已经形成很多成熟的理论。基于最小均方误差(MMSE)准则的LMS算法及其拓展而来的归一化LMS算法、变步长LMS算法，基于最小二乘准则(LS)的RLS算法等，此类算法适用于量测信号(期望信号)易获取的应用场景；基于最小方差无失真响应(MVDR)准则和线性约束最小方差(LCMV)准则的数字波束形成算法适用于部分信号或干扰方向已知的干扰抑制场景，相对应的还有基于最大信干噪比(MSINR)准则的波束形成算法。然而，在信号处理算法日趋完善的今天，已有的较为成熟的模型和理论在某些应用背景下需要进一步发展，科研工作者一直致力于在各个方面优化理论，完善方法，做到抗干扰算法高成效，低复杂度，低时耗，低成本等。近年来，基于张量的阵列信号处理理论日臻完善，也越来越多地应用到阵列抗干扰中，2016年，Lucas N.Ribeiro等人在文献《Tensor Beamforming for multilinear translation invariant arrays》中提出了一种基于MMSE准则的张量波束形成算法，有效地降低数据计算的复杂度，从而耗时小、效率高。张量信号处理的优势在于很好的将低维数据和高维数据进行分解或合并转化，从而降低问题的复杂程度或者提高算法的精度，使之符合人们的期望。

下面给出一些必要的张量运算法则：

假设是任一D阶张量，其元素为其中i_d∈{1,2,…,I_d}，d＝1,2,…,D；张量和D个矩阵d＝1,2,…,D，j_d∈{1,2,…,J_d}的多线性积定义为：

其中，元素

D个向量d＝1,2,…,D的外积为一个D阶张量定义为：

其中，元素张量的元素为

相对于单阵列抗干扰研究，分布式阵列网络越来越受到科研工作者的青睐，分布式阵列抗干扰算法应运而生。自从2006以来，Ali H.Sayed等人对分布式自适应算法进行了大量的深入的研究；在2012年，他在文献《Beam coordination via diffusion adaptationover array network》中将分布式自适应策略应用到阵列抗干扰中，提出了用自适应和结合(ATC)算法求解出最优权向量，并利用该权向量对任一阵列的接收信号进行滤波以达到保留期望信号并抑制干扰的目的。

下面给出波束协调算法：

考虑一个包含N个节点的网络，各节点包含完全相同的天线阵列，其中各阵列阵元数为M_s；假设有一个期望的远场复窄带信号入射到天线阵列网络上，同时受到P-1个复窄带信号的干扰，则阵列k的离散复基带接收信号表示为：