基于空域矩阵滤波和干扰对消的强干扰抑制方法与流程

本发明涉及水声工程技术领域，是一种基于空域矩阵滤波和干扰对消的强干扰抑制方法。

背景技术：

基于阵列信号处理的doa估计方法广泛应用于声纳、雷达等领域，其中，强干扰背景下的目标方位估计首先要对干扰进行抑制。

空域矩阵滤波器应用于doa估计，可以抑制阻带区域的干扰和噪声，提高了低信噪比下的方位估计精度。但是，当有一个强干扰位于观测扇面内距离目标方位比较近时，矩阵空域滤波器失效。传统的阻塞矩阵，也可以用于去除强干扰影响，但是此技术需要预知强干扰的方位，并且会降低阻塞矩阵维数。

技术实现要素：

本发明为解决上述现有技术存在的问题，提供了一种基于空域矩阵滤波和干扰对消的强干扰抑制方法，本发明提供了以下技术方案：

一种基于空域矩阵滤波和干扰对消的强干扰抑制方法，所述方法包括如下步骤：

步骤一：建立阵元信号接收模型，设定矩阵滤波器通带，确定通带内强干扰方位；

步骤二：根据估计的强干扰方位，构造阻塞矩阵，对阻塞矩阵接收数据进行处理，去除通带内的强干扰；

步骤三：去除阻塞矩阵对协方差矩阵的影响；

步骤四：对协方差矩阵进行空域滤波处理，获得music空间谱。

优选地，所述步骤一具体为：

第一步：建立阵元信号接收模型，所述模型由n个阵元组成的均匀线列阵，有p个远场窄带平面波信号从不同方向入射到所述模型，所述阵元间距为信号频率的半波长，计算得到阵元接收信号，所述阵元接收信号通过下式表示：

n(t)＝[n1(t),n2(t),...,nn(t)]^t(2)

其中，x(t)为阵元接收信号，si(t)为源信号，p为远场窄带平面波信号数量，a(θi)为第i个源信号的阵列流形向量，n(t)为噪声向量，[·]^t为转置，n为阵元数；

第二步：设定各源信号之间以及源信号与噪声之间互不相干，各阵元的背景噪声为相互独立的零均值高斯白噪声，建立阵列接收数据的协方差矩阵，所述协方差矩阵通过下式表示：

其中，rx为阵列接收数据的协方差矩阵，k表示快拍总数，k表示快拍数，pi表示第i个源信号的能量，i为单位矩阵，[·]^h表示共轭转置,表示噪声能量,λi为特征值，ηi表示第i个特征值并且满足η1＞η2＞···＞ηn，ui是ηi对应的特征向量；

第三步：设定矩阵滤波器的通带为θ，阻带为对通带θ外的强干扰采用空域矩阵滤波器对接收的阵列信号数据进行滤波，使得通带θ内的信号无失真通过，所述空域矩阵滤波器预期响应通过下式表示：

其中，t为空域矩阵滤波器，a(θ)为指定角度域的导向矢量，为预期响应；

第四步：设定空域矩阵滤波器，对通带响应进行约束优化，使得阻带响应最大误差最小化，根据所述约束优化得到下式：

minr

其中，||·||2表示向量的2-范数。为通带响应误差约束，r为阻带约束；

第五步：估计通道θ内的强干扰方位，所述通带θ内的强干扰方位估计通过下式表示：

ui＝[u1,u2,...,up-1](7)

其中，为通带θ内的子空间方位谱，a(θm)为通带内方位的导向矢量，θm∈θ，为通带内强干扰方位的导向矢量的估计值，为通带内强干扰的估计方位，ui为rx中的强干扰子空间。

优选地，所述步骤二具体为：

第一步：根据估计出的构建阻塞矩阵，通过下式表示阻塞矩阵：

其中，b为n×n的阻塞矩阵，d为阵元间距，λ为源信号的波长；

第二步：源信号经过阻塞矩阵处理，处理后的源信号通过下式表示：

y(t)＝bx(t)(9)

其中，y(t)为经过阻塞矩阵处理后的阵列数据。

优选地，所述步骤三具体为：

第一步：采用阻塞矩阵处理协方差矩阵，处理后的协方差矩阵通过下式表示：

其中，为采用阻塞矩阵处理的协方差矩阵；

第二步：减小阻塞矩阵对协方差矩阵中高斯白噪声的影响，通过下式表示减小阻塞矩阵影响的协方差矩阵：

其中，为减小阻塞矩阵影响的协方差矩阵，为的估计值。

优选地，所述通过下式进行估计：

优选地，所述步骤四具体为：

第一步：采用矩阵滤波器处理协方差矩阵，通过下式表示处理后的协方差矩阵：

其中，为矩阵滤波器处理后的协方差矩阵，γi表示特征值，ei是与γi对应的特征矢量(i＝1,...,n)；

第二步：根据下式求解music空间谱：

其中，a(θk)为搜索导向矢量，pmusic为music空间谱，en＝[ep,ep+1,...,en]为噪声空间。

优选地，特征值γi满足γ1≥γ2≥···≥γp≥···γn，且es＝[e1,e2,...,ep-1]，es为协方差矩阵中去除通带内强干扰后，包含目标方位的信号空间。

本发明具有以下有益效果：

(1)在多个强干扰下，本发明方法不仅可以抑制观测扇面外的强干扰，还可以抑制观测扇面内目标方位较近的强干扰。

(2)与传统的阻塞矩阵相比，本发明构建了不降低维数的新阻塞矩阵，更完整地保留了目标信息。

(3)与传统doa估计方法相比，本发明在抑制了强干扰之后，提高了弱目标doa估计能力。

附图说明

图1是基于空域矩阵滤波和阻塞矩阵处理的强干扰抑制算法流程图。

图2是强干扰下music谱估计结果。

图3是本发明在强干扰下目标方位估计结果。

具体实施方式

以下结合具体实施例，对本发明进行了详细说明。

具体实施例一：

根据图1所示，本发明提供一种基于空域矩阵滤波和干扰对消的强干扰抑制方法，所述方法包括如下步骤：

步骤一：建立阵元信号接收模型，设定矩阵滤波器通带，确定通带内强干扰方位；

步骤二：根据估计的强干扰方位，构造阻塞矩阵，对阻塞矩阵接收数据进行处理，去除通带内的强干扰；

步骤三：去除阻塞矩阵对协方差矩阵的影响；

步骤四：对协方差矩阵进行空域滤波处理，获得music空间谱。

步骤一：通带内强干扰方位的确定。

首先建立阵列信号接收模型，对于一个由n阵元组成的均匀线列阵，假设有p个远场窄带平面波信号从不同方向入射到该基阵，阵元间距为信号频率的半波长，阵列接收信号可表示为

其中，si(t)为源信号，包括p-1个强干扰信号和1个目标信号。本发明假设：一个干扰位于目标观测扇面内，其他干扰位于观测扇面外，干扰强度高于目标。第i个源信号的阵列流形向量为a(θi)，噪声向量为n(t)＝[n1(t),n2(t),...,nn(t)]^t，表示各阵元接收的背景复噪声，[·]^t表示转置。这里假设各源信号之间以及源信号与噪声之间互不相关，且各阵元的背景噪声为相互独立的零均值高斯白噪声，方差为阵列接收数据的协方差矩阵表示为

其中pi表示第i个源信号的能量，k表示快拍总数，k表示快拍数，表示噪声能量，i为单位矩阵。ηi为特征值，ui是ηi对应的特征向量，特征值满足η1≥η2≥···≥ηp≥···ηn，此处假设信源数已知。ui＝[u1,u2,...,up-1]为协方差矩阵rx中强干扰的子空间。

定义矩阵滤波器的通带为θ，阻带为对于通带外的强干扰，可以采用空域矩阵滤波器t对接收的阵列信号数据进行滤波，使得通带内的信号无失真通过，该滤波器预期响应为

其中，a(θ)为指定角度域的导向矢量，为预期响应,t为空域矩阵滤波器。

设计通带响应约束阻带响应误差极大值最小化空域矩阵滤波器，对通带响应进行约束优化，使得阻带响应最大误差最小化，根据所述约束优化得到下式：

minr

式中i是一个单位矩阵，||·||2表示向量的2-范数。为通带响应误差约束，是为了保护感兴趣区间的信号特征分量，r为阻带约束，是为了滤除感兴趣区间之外的干扰特征分量。式(4)是一个凸优化问题，可以采用内点法求解。公式4的t用于求解公式5的方位

通带θ内的强干扰方位估计可以通过下式得出

其中，为通带θ内的子空间方位谱，a(θm)为通带内方位的导向矢量，θm∈θ，为估计的通带内强干扰方位的导向矢量，为通带内强干扰的估计方位。

步骤二：构建阻塞矩阵对数据进行处理。

首先，根据前一步估计出通带内强干扰方位构建阻塞矩阵如下

其中b为n×n的矩阵，是前面求出的通带内强干扰的方位角，d为阵元间距，λ为源信号的波长。

然后，经过阻塞矩阵处理之后的阵列数据可以表示为

y(t)＝bx(t)

步骤三：去除引入阻塞矩阵对协方差矩阵造成的影响。

首先，经过阻塞矩阵处理之后的协方差矩阵表示为

而可以通过如下公式进行估计

然后，减小阻塞矩阵对协方差矩阵中高斯白噪声的影响，通过下式表示减小阻塞矩阵影响的协方差矩阵

步骤四：对协方差矩阵进行空域滤波处理，做出music空间谱。

首先，经过矩阵滤波器处理之后的协方差矩阵为

其中，γi表示特征值，ei是与γi对应的特征矢量(i＝1,...,n)，并且特征值满足关系γ1≥γ2≥···≥γp≥···γn，则es＝[e1,e2,...,ep-1]为协方差矩阵中去除通带内强干扰后，包含目标方位的信号空间，en＝[ep,ep+1,...,en]为噪声空间。

然后，根据如下公式求解空间谱

其中，a(θ)为搜索导向矢量，pmusic为music空间谱。最后，通过公式(12)即可对强干扰下的弱目标进行方位估计。

具体实施例二：

下面采用仿真数据对本发明所设计的基于空域矩阵滤波和阻塞矩阵处理的强干扰抑制算法进行验证，并对结果进行说明。

仿真实验采用16阵元组成的均匀直线阵，采用信号频率的半波长为阵元间距，感兴趣区域设置为θ＝[-20°，20°]，信号波达方向为-1°，信噪比为0db，另外3个互不相关的强干扰从-35°，1°和30°方向入射到基阵，干噪比分别设置为20db，40db和30db，其中1°处的强干扰在通带范围内，其他两个强干扰在阻带内，快拍数为500。

图2为强干扰下的music空间谱图，图3为本发明提出算法的空间谱图。

由图2可知，music谱可以估计出-35°，1°和30°处的强干扰方位，但是-1°的弱目标方位难以估计。由图3可知，本发明方法抑制了感兴趣区域外的强干扰和感兴趣区域内的强干扰，估计的目标方位与目标实际方位一致。

以上所述仅是基于空域矩阵滤波和干扰对消的强干扰抑制方法的优选实施方式，基于空域矩阵滤波和干扰对消的强干扰抑制方法的保护范围并不仅局限于上述实施例，凡属于该思路下的技术方案均属于本发明的保护范围。应当指出，对于本领域的技术人员来说，在不脱离本发明原理前提下的若干改进和变化，这些改进和变化也应视为本发明的保护范围。