[发明专利]一种基于短时傅里叶变换的空频自适应处理抗干扰方法

说明书

本发明公开了一种基于短时傅里叶变换的空频自适应处理抗干扰方法，包括获取阵列接收信号；将传感器阵列接收到的时域信号转换到时频域；将时频域划分为期望信号区域和干扰噪声区域；去除区域中的噪声点后在干扰区域中分离各个干扰信号；计算期望信号和各干扰信号的导向矢量，重构各频点的干扰加噪声协方差矩阵；通过MVDR算法计算各频点的自适应权矢量；本发明的方法运算简单，同时具有良好的鲁棒性，能够获得很好的干扰抑制效果。

技术领域

本发明涉及自适应抗干扰技术领域，主要涉及一种基于短时傅里叶变换的空频自适应处理抗干扰方法。

背景技术

抗干扰算法有多种形式，早些时候广泛使用的是利用阵列天线在空域上进行的空域自适应处理(SAP)，SAP算法计算复杂度较低但所能抑制的干扰数量受到阵元数量限制。为了能使阵列抑制更多的干扰，在SAP算法基础上又发展了空时自适应处理(STAP),STAP在SAP的基础上，在每个通道后面添加若干个时域抽头，使得阵列拥有更多的自由度来抑制干扰信号，STAP在不增加阵元数量同时提高了抗干扰能力，但STAP的计算复杂度较高。为了降低STAP的计算复杂度，又提出了一种空时自适应处理的次优算法即SFAP，其通过对接收信号做快速傅里叶变换(FFT)将宽带信号划分为若干频带，再在各频带上进行SAP。对于阵元数为M、延迟节点数为N的STAP算法，求解自适应权值要进行MN×MN的矩阵求逆运算，而SFAP是在各频带分别求取权值只需要进行M×M的矩阵求逆运算，从而降低了计算复杂度。

傅里叶变换是时域到频域互相转化的工具，但它没有时间定位或时间局域化的能力，为了解决这一问题，人们又在其基上发展了短时傅里叶变换(STFT)。STFT是一种典型的线性时频分析方法，它将时间信号变换到时频域，揭示了各频率分量随时间的变化趋势，把时域和频域有机地结合起来对信号进行分析。通过STFT同样可以对信号子带划分，在各子带上进行空域滤波完成SFAP。

发明内容

发明目的：本发明提供了一种基于短时傅里叶变换的空频自适应处理抗干扰方法，通过STFT将接收到的宽带信号变换至时频域，在时频域上分离各输入信号后估计各信号的延时τ，利用τ计算信号的导向矢量用以IPNC矩阵重构及波束形成。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于短时傅里叶变换的空频自适应处理抗干扰方法，包括如下步骤：

步骤S1、获取阵列接收信号S；所述阵列接收信号S为大小Ne×N的样本矩阵；Ne是阵列天线的阵元个数，N为采样点数；

步骤S2、采用短时傅里叶变换将传感器阵列接收到的时域信号转换到时频域，即对阵列接收信号S的各行数据分别进行短时傅里叶变换；

步骤S3、将时频域划分为期望信号区域Ω_s和干扰噪声区域Ω_i+n；去除区域中的噪声点；在去除噪声后的干扰区域Ω_i中分离各个干扰信号；

步骤S4、分别计算期望信号和各干扰信号的导向矢量a(f)；重构各频点的干扰加噪声协方差矩阵；

步骤S5、通过MVDR算法计算各频点的自适应权矢量ω(f)。

进一步地，所述步骤S2中采用短时傅里叶变换后的转换信号表示如下：

其中，a_i(f)为第i个信号的导向矢量，K表示有K+1个接收信号，S_i(t,f)为第i个信号的时频域表示；时频域中单信源点处的信号可表示为：

X(t,f)＝a_i(t,f)S_i(t,f)

信号导向矢量a_i(f)如下式所示：