基于旁瓣相消器的自适应零陷展宽算法的制作方法

本发明涉及阵列信号处理技术领域，尤其涉及基于旁瓣相消器的自适应零陷展宽算法。

背景技术：

自适应波束形成零陷展宽算法是抑制由于基阵平台抖动、干扰源运动等引起的非平稳干扰的有效手段，在雷达、语音信号处理、声呐和通信等领域已经得到了深入的研究。但在阵列平台相对干扰源方位作单一方向转动时，传统的零陷展宽算法产生的零陷深度变浅，算法性能严重下降，特别是对抗短时间内的大偏差角干扰时，需要通过提高权矢量的更新速率或者加宽零陷区域来换取高信噪比输出，干扰抑制效果较差。

近二十多年来，众多学者提出了很多零陷展宽算法，简单且实用的一类方法统称为协方差矩阵锥化理论(cmt)。该理论通过把训练数据的协方差矩阵与一个锥化矩阵进行hadamard乘积以实现零陷展宽。不管是全自适应阵列的锥化矩阵还是部分自适应阵列的锥化矩阵，都没有考虑锥化矩阵的相位问题。而对雷达而言，相位信息意味着方位信息。换句话说，实锥化矩阵产生的宽零陷对位置不敏感，展宽的零陷区域只能关于干扰源位置对称，展宽形式固定，对环境适应性不强。

技术实现要素：

针对现有技术中存在的问题，本发明的目的在于提供一种基于旁瓣相消器的自适应零陷展宽算法，该方法无需干扰源角度信息，可以有效控制零陷区域端点，降低天线副瓣电平和加深零陷，提高抗干扰性能；同时，锥化矩阵只与阵元分布和展宽宽度有关，可以离线生成，适合工程使用。

为达到上述目的，本发明采用以下技术方案予以实现。

基于旁瓣相消器的自适应零陷展宽算法，包括以下步骤：

步骤1，选择权值训练时间段，得到主阵列和辅助阵列的训练样本，并分别计算辅助阵列训练样本的自协方差矩阵和主辅阵列训练样本的互协方差矩阵

步骤2，根据主辅阵列阵元的相对位置、零陷两侧展宽宽度以及虚拟干扰源个数，得到辅助阵列训练样本的自协方差矩阵的锥化矩阵txx和主辅阵列训练样本的互协方差矩阵的锥化矩阵txy；

步骤3，根据辅助阵列训练样本的自协方差矩阵主辅阵列训练样本的互协方差矩阵以及辅助阵列训练样本的自协方差矩阵的锥化矩阵txx和主辅阵列训练样本的互协方差矩阵的锥化矩阵txy，计算重新构造后的辅助阵列训练样本自协方差矩阵和主辅阵列训练样本的互协方差矩阵并进一步计算互相关矢量

步骤4，根据重新构造后的辅助阵列训练样本自协方差矩阵以及互相关矢量计算辅助阵列最优权向量并对主阵列和辅助阵列接收的回波数据进行波束合成，计算旁瓣对消器的输出。

与现有技术相比，本发明的有益效果为：

第一，本发明的基于旁瓣相消器的自适应零陷展宽算法由于在常规锥化矩阵中添加了相位信息，得到了复锥化矩阵，所以克服了零陷区域只能关于干扰源角度左右对称的限制，因此能够在环境先验信息已知的情况下自适应调节零陷区域；

第二，本发明基于旁瓣相消器的自适应零陷展宽算法由于采用复锥化矩阵展宽零陷区域，不仅可以实现角度扩散，而且可以有针对性地展宽干扰源相对雷达平台运动方向的零陷区域。这种方法形成的零陷不仅比常规零陷展宽的副瓣电平低，而且形成的零陷更深、展宽的零陷区域更宽，鲁棒性更强。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的基于旁瓣相消器的自适应零陷展宽算法的流程图；

图2(a)为本发明的基于旁瓣相消器的自适应零陷展宽算法与常规实锥化矩阵零陷展宽方法的左侧等零陷展宽合成方向图；

图2(b)为本发明的基于旁瓣相消器的自适应零陷展宽算法与常规实锥化矩阵零陷展宽方法的右侧等零陷展宽合成方向图；

图3为本发明的基于旁瓣相消器的自适应零陷展宽算法与常规实锥化矩阵零陷展宽方法的自适应零陷展宽前后合成方向图；

图4为本发明的基于旁瓣相消器的自适应零陷展宽算法与常规实锥化矩阵零陷展宽方法的输出信干噪比随角度偏差变化图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明的基于旁瓣相消器的自适应零陷展宽算法的流程图，参考图1，本发明实施例提供了一种基于旁瓣相消器的自适应零陷展宽算法，包括以下步骤：

步骤1，选择权值训练时间段，得到主阵列和辅助阵列的训练样本，并分别计算辅助阵列训练样本的自协方差矩阵和主辅阵列训练样本的互协方差矩阵

包含以下子步骤：

子步骤1a，从主、辅阵列中分别选择只包含干扰加噪声的时间段作为权值训练时间段，分别得到k个快拍数x(k)、y(k)；并将x(k)作为辅助阵列训练样本，将y(k)作为主阵列训练样本，其中，k＝1,2,...,k；

子步骤1b，根据训练样本x(k)，计算得到辅助阵列训练样本的自协方差矩阵

其中，x(k)＝[x1(k),x2(k),...,xα(k),...,xm(k)]^t，为k时刻辅助阵列训练样本的m×1维数据矢量，xα(k)表示k时刻辅助阵列第α个阵元接收数据，其中α＝1,2,...,m，m表示辅助阵列阵元总数，k＝1,2,...,k；(·)^t表示转置；(·)^h表示共轭转置；

子步骤1c，根据训练样本y(k)，计算得到主辅阵列训练样本的互协方差矩阵

其中，y(k)＝[y1(k),...,yβ(k),...,yn(k)]^t，为k时刻主阵列训练样本的n×1维数据矢量，yβ(k)表示k时刻主阵列第β个阵元训练样本数据，其中β＝1,2,...,n，n表示主阵列阵元总数，k＝1,2,...,k。

步骤2，根据主辅阵列阵元的相对位置、零陷两侧展宽宽度以及虚拟干扰源个数，得到辅助阵列训练样本的自协方差矩阵的锥化矩阵txx和主辅阵列训练样本的互协方差矩阵的锥化矩阵txy。

包含以下子步骤：

子步骤2a，计算辅助阵列训练样本的自协方差矩阵的锥化矩阵txx：

[c1]m,n＝π(im-in)d/λ

其中，txx和c1分别为m×m维矩阵，[·]m,n表示矩阵的第m(m＝1,2,...,m)行第n(n＝1,2,...,m)列；j为虚数单位，λ为工作波长；d为主阵列阵元间距，im、in分别为辅助阵列中第m、n个阵元相对主阵列第1个阵元的位置；wl、wr分别为零陷左、右两侧零陷展宽宽度；i1、i2分别为零陷左、右两侧添加的虚拟干扰源个数，且wl＝i1·△u，wr＝i2·△u，其中，△u＝(wl+wr)/(i1+i2)；

子步骤2b，计算主辅阵列训练样本的互协方差矩阵的锥化矩阵txy：

[c2]m,v＝π(im-(v-1))d/λ

其中，txy和c2分别为m×n维矩阵；[·]m,v表示矩阵的第m行第v列，其中m＝1,2,...,m，v＝1,2,...,n；im为辅助阵列中第m个阵元相对主阵列第1个阵元的位置，v-1为主阵列中第v个阵元相对主阵列第1个阵元的位置，d为主阵列阵元间距。

步骤3，根据辅助阵列训练样本的自协方差矩阵主辅阵列训练样本的互协方差矩阵以及辅助阵列训练样本的自协方差矩阵的锥化矩阵txx和主辅阵列训练样本的互协方差矩阵的锥化矩阵txy，计算重新构造后的辅助阵列训练样本自协方差矩阵和主辅阵列训练样本的互协方差矩阵并进一步计算互相关矢量

包含以下子步骤：

子步骤3a，计算重新构造后的辅助阵列训练样本自协方差矩阵

其中，⊙为哈达马乘积；

子步骤3b，计算重新构造后的主辅阵列训练样本的互协方差矩阵

子步骤3c，进一步计算互相关矢量

其中，wq为主阵列静态权矢量。

步骤4，根据重新构造后的辅助阵列训练样本自协方差矩阵以及互相关矢量计算辅助阵列最优权向量并对主阵列和辅助阵列接收的回波数据进行波束合成，计算旁瓣对消器的输出。

包含以下子步骤：

子步骤4a，根据最小均方误差准则，计算辅助阵列最优权向量

其中，上标-1表示求逆操作；

子步骤4b，对主阵列和辅助阵列接收的回波数据进行自适应零陷展宽波束合成，计算旁瓣对消器的输出：

其中，t为主阵列和辅助阵列接收的回波数据所处的时刻，满足t∈tapply，tapply>0，其中tapply为权值应用时间；xapply(t)为t时刻m×1维辅助阵列接收的回波数据；gapply(t)为t时刻主阵列接收的回波数据波束合成的输出信号，yapply(t)为t时刻n×1维主阵列接收的回波数据；zapply(t)为t时刻旁瓣对消器的输出信号。

经过自适应零陷展宽的对消处理后，可在有效接收期望信号的同时，并稳健地抑制强方向性非平稳干扰。

至此，完成了本发明提出的基于旁瓣相消器的自适应零陷展宽算法对接收回波数据的处理。

本发明的效果通过以下仿真实验进一步说明：

1、仿真条件：

设天线阵为等距直线阵，主阵列阵元数为32，阵元为理想的全向天线，阵元间距为半波长，窗函数选取切比雪夫窗，第一旁瓣电平为-30db，应用于静态权矢量以降低副瓣电平，选择5个阵元作为辅助阵列阵元放置在主阵列内，均为全向天线，辅助阵列相对主阵列第一个阵元参考单元的位置分别是[0,7,15,19,30]，单位为半波长，左右两侧展宽宽度分别为wl、wr，单位是角度余弦，令i1+i2＝10，取快拍数k＝1000，对角加载量为6db。天线内噪声为高斯白噪声，假设期望信号方向为与主天线法线方向夹角为0°。为了形成对比，将常规零陷展宽方法也应用于以下实验中。

2、仿真内容：

仿真1，假设一个干噪比为40db的不相关干扰从37°方向入射到阵列上，常规零陷展宽总宽度为参数width＝0.105。为了体现本发明所提出的算法的性能，本实验仿真得到了两个对比图。在图2(a)中，设置本发明实施例提出的算法参数为wl＝0.052、wr＝0.004，在图2(b)中，设置本发明实施例提出的算法参数为wl＝0.004、wr＝0.052，即为形成有效对比，本发明实施例提出的算法有针对性地展宽零陷区域。

仿真2，假设雷达脉冲重复周期(prt)2ms，在一个prt内，干噪比为60db的干扰信号从37°方向入射到阵列上，同时一个信噪比为15db的目标存在雷达的回波信号中。雷达天线逆时针转动，其转速为20r/min，则一个prt内干扰相对阵列法线方向角度变动了0.24°。设定起始角度为训练数据中干扰的入射角度，将训练数据得到的自适应权值应用于接下来29个prt中，图4为输出信干噪比随角度偏差变化图。实验中，设常规等零陷展宽总宽度为width＝0.070，设本发明实施例提出的方法中顺时针方向展宽wl＝0.0035，逆时针方向展宽wr＝0.061，每个角度偏差的输出信干噪比均通过2000次蒙特卡洛实验取平均。

3、仿真结果分析：

从图2可以看出，在同侧等零陷展宽条件下，本发明实施例提出的算法形成的零陷更深，同时副瓣电平降低，因此抗干扰能力更强。如前所述，在雷达平台与干扰源发生作相对单一方向的移动时，采用本发明实施例提出的方法有方向性地展宽零陷，可以加深零陷，进而提高雷达自适应抗干扰能力。

从图3可以看出，本发明实施例提出的方法除了可以得到与常规零陷展宽相同的零陷深度外，其展宽角度还可以根据先验信息进行指定方向地移动，从而在干扰移出常规零陷区域范围后，在不更新权值的情况下依然保持较高的干扰抑制性能，从而减少自适应权向量的更新速度，减少计算量。

从图4中可以看出，短时间内，即prt个数较少时，对应于图4中角度偏差在2°之前，两种方法对干扰都起到了最大程度的抑制性能，但是当prt个数逐渐增多，权值应用时间变长，常规零陷展宽得到的权值与干扰角度出现失配现象，随着失配程度增大，干扰抑制性能迅速下降，使得输出信噪比降低，严重影响雷达对目标的检测。而对于本发明实施例提出的算法，即使有较长的权值应用期，雷达依然可以保持较深零陷，同时增加了零陷展宽宽度，降低了权矢量更新速率，提高了抗干扰稳健性。

综上所述，仿真实验验证了本发明的正确性、有效性和可靠性。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。