[发明专利]一种基于数据相关约束的鲁棒自适应波束形成方法

说明书

本发明提出一种基于数据相关约束的鲁棒自适应波束形成方法，包括：计算样本协方差矩阵对所述样本协方差矩阵进行特征值分解；利用Capon空间谱重构期望信号协方差矩阵求解关于感兴趣信号的导向矢量的优化问题；计算最优导向矢量，再获取最优权重矢量。本发明通过建立有关波束形成器灵敏度的优化问题，既可以避免信号自相消，又使得权值矢量避免收敛于样本协方差中的干扰成分。另外在优化问题的求解过程中通过巧妙的变换减少了计算上的复杂度，因此该算法不仅提高了系统的鲁棒性，还降低了计算的复杂度。

技术领域

本发明属于信号处理领域，特别涉及一种基于数据相关约束的鲁棒自适应波束形成方法。

背景技术

波束形成技术作为阵列信号处理的一个重要研究方向，广泛应用于无线通信、雷达、声呐、地震勘测和射电天文等领域。其实质就是对各阵元进行加权空域滤波，使得波束的主瓣对准增强期望信号(Signal of interest,SOI)，旁瓣和零陷对准干扰信号，从而提高信号与干扰加噪声比(Signal to Interference plus Noise Ratio，SINR)。常见的Capon波束形成器在协方差矩阵和导向矢量准确已知的情况下，可以得到很好的输出信噪比，但是由于远近效应、阵元校准和波达方向角等误差因素的存在，会使得协方差矩阵和导向矢量存在一定的误差，从而使得波束形成方法的性能大幅下降。

针对这个问题，对角加载(dialog loading,DL)方法和其扩展方法是最为常见的解决方法，该方法充分的考虑当真实的SOI导向矢量与假定的SOI导向矢量之间出现不匹配时权矢量会较大，因此采用加入权矢量的正则化项，此时系统在真实导向矢量处的信号增益衰减不会太快，提高了系统的鲁棒性。这种算法的最优解中含有不确定的加载因子，在参考文献J.Li,P.Stoica,and Z.Wang,“On robust capon beamforming and diagonallaoding”.IEEE Trans.Signal Processing.,vol.51,no.9,pp.2407-2423,July 2003.中详细讨论了加载因子与导向矢量的失配程度的关系，但是该方法中最优估计的收敛于样本协方差的主特征值，那么当干扰信号较大时，会出现近似收敛于干扰信号的情况。在参考文献Khabbazibasmenj A,Vorobyov S A,Hassanien A.“Robust Adaptive BeamformingBased on Steering Vector Estimation With as Little as Possible PriorInformation”.IEEE Transactions on Signal Processing,vol.60,no.6,pp.2974-2987,2012.中考虑用导向矢量约束将SOI明显区分于干扰信号，有效的避免最优估计的收敛于干扰信号。但是这种约束方法无法充分利用实时观测值进行自适应调整约束的范围，在参考文献Huang L,Zhang J,Xu X,et al.“Robust Adaptive Beamforming With a NovelInterference-Plus-Noise Covariance Matrix Reconstruction Method”.IEEETransactions on Signal Processing,vol.63,no.7,pp.1643-1650,2015中充分的考虑基于观测数据相关性的约束，即基于观测数据重构干扰加噪声的协方差矩阵，再利用重构的协方差矩阵进行约束，但是这种算法的计算复杂度极高。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于数据相关约束的鲁棒自适应波束形成方法，以解决现有技术的缺陷。

为实现上述目的及其他相关目的，本发明提供一种基于数据相关约束的鲁棒自适应波束形成方法，该方法包括：

计算样本协方差矩阵

对所述样本协方差矩阵进行特征值分解；

利用Capon空间谱重构期望信号协方差矩阵