CN104808219A - 一种新型的空时联合抗干扰方法 - Google Patents

Abstract

本发明涉及一种卫星导航设备上的空时阵列天线抗干扰方法，具体为一种新型的空时联合抗干扰方法。本发明提出了一种新型的空时联合抗干扰方法，该方法利用改进的频域窄带干扰滤出技术来提前抑制掉导航信号方向上的窄带干扰，再结合变步长最小均方误差实现空时阵列权值的迭代求解，以降低该方法的运算复杂度。本发明由于能够抑制导航信号方向的干扰，算法复杂度低，实现简单，特别适合未来小型化高动态抗干扰终端的应用。

Description

一种新型的空时联合抗干扰方法

技术领域

本发明涉及一种卫星导航设备上的空时阵列天线抗干扰方法，尤其是涉及基于先利用频域滤波方法滤除导航信号方向上的窄带干扰，再利用变步长算法求取空时二维权矢量的卫星导航信号抗干扰方法，具体为一种新型的空时联合抗干扰方法。

背景技术

随着卫星导航应用电磁空间环境的日益复杂，导航终端精密定位也变的日益困难，各种导航终端抑制干扰技术随之产生。传统的接收机抗干扰技术有空域滤波技术、时域滤波技术和频域滤波技术，这些抗干扰技术在性能上均存在一定的缺陷。空时自适应处理技术在不增加阵元的情况下，可以抑制的干扰数目大大增加，且具有在宽带内处理干扰的能力，从而使接收机的抗干扰能力有质的提高。

目前，空时抗干扰技术的关键点在于空时权矢量求解的实现方法。权矢量求解的一般流程图如图(1)所示。在阵列天线的各个阵元上增加相同数目的延迟抽头，从而形成空时二维联合处理结构，从单个阵元的角度来看，形成时域FIR结构；从同一个时间节点来看，形成空域滤波结构。通过空时联合处理可以抑制单频、窄带、宽带干扰信号。

空时二维自适应抗干扰处理技术通常使用线性约束最小方差(LCMV)准则，原理是根据卫星信号功率远远低于噪声和干扰功率，从而对空时联合处理结构中的空域和时域进行约束以调整权值，使输出信号方差最小，大大削弱干扰能量。最小方差无失真响应(MVDR)准则是LCMV准则的一种特例。当卫星信号空时导向矢量S己知时，约束卫星信号空时方向上的响应g＝1，输出信号功率最小即： $W_{\mathrm{opt}}=\arg \min W^H{R}_x^{-1}\mathrm{W\; s}.t.W^{H}S=1---\left(1\right),$ 基于线性约束最小方差准则的最优权值闭合解可以表达为:式中，W＝[ω₁₁,ω₁₂,…,ω_MP]^T为MP×1维向量，M为阵列天线的阵元数，P为延迟单元数目；R_X＝E(XX^H)为MP×MP维的接收信号协方差矩阵；X＝(x₁₁,x₁₂,…,x_MP)^T为MP×l信号向量；S为MP×l维的约束向量。直接利用(2)式进行权值计算时，会引入矩阵求逆公式，当M，P维数较大时，可获得较好的抗干扰效果，并且增加抗干扰数目。但其运算量增大，大的运算量会导致***复杂性增加，导致***的实时性变差。鉴于此，一般采用递推算法来求解权值。

设阵元1接收到的信号x₁(n)为期望信号，即d(n)＝x₁(n)。则滤波器的输出为：y(n)＝W‘^HX′，e(n)＝W₁ ^Hd(n)-y(n)(3)，其中W‘＝(ω₂₁,ω₂₂,…,ω_MP)^T,X′＝(x₂₁,x₂₂,…,x_MP)^T,W₁＝[1,1,…,1]^T，利用最陡下降法可以推导出W的递推公式为:W_n+1′＝W_n′+2μX_ne(n)^*  (4)，式中μ为一常数，称为收敛因子。根据式(4)不断迭代更新就可以得到最优权值W_opt的估计值。稳定后的权值输出为：W＝[W₁ ^T,W_opt ^T]^T  (5)，由上述可知，步长固定的迭代算法能够避免矩阵的求逆过程，从而使计算量得到明显的降低。但是固定步长的迭代算法在求解阵列加权值会遇到收敛速度与稳态误差不兼容的问题，这会导致算法在抗干扰能力方面有所下降。

当干扰信号的方向与导航信号相同的时候，会在其来波方向产生很深的零陷,导致导航信号受到严重减弱。目前常用结合IIR陷波滤波器和空时FIR滤波器的STAP算法,可以解决这方面的问题。但是由于FIR滤波器抽头的限制,自适应处理器的频率分辨力很低,同时由于窄带干扰的频谱和统计特性是未知的,因此该方法不适合捕获快速变化的信号。

发明内容

本发明为了有效地抑制与导航信号同方向的窄带干扰，避免空时抗干扰算法计算过程复杂、难以工程实现的缺点，提供了一种新型的空时联合抗干扰方法。

本发明是采用如下的技术方案实现的：一种新型的空时联合抗干扰方法，包括以下步骤：

每个阵元首先对阵列接收信号中的每一路进行采样，然后进行射频下变频转换并数字化，得到数字化中频信号X_i，X_i＝(x_i1，x_i2，...，x_iP)，i＝1，2，3，...M；

将数字化中频信号X_i输入到LMS频域滤波器中，通过滤波器中的频域LMS迭代算法将导航信号方向的窄带干扰滤除，得到过滤信号Z_i(k)＝(z_i1,z_i2,…,z_iP)(i＝1,2,…,M)，频域LMS迭代算法的频域权值系数迭代公式为:U(k+1)＝αU(k)+2uE(k)*F(k)，其中，U(k+1),U(k)分别为k+1和k时刻的滤波系数向量；α为权值因子；μ为收敛因子；F(k)为数字化中频信号X_i的傅里叶变换；E(k)＝F(k)-U(k)*F(k)，为误差信号；*为向量点乘，则Z_i(k)＝f^-1(U(K)*F(K))，其中f^-1为傅里叶逆变换；

将过滤信号Z_i(k)送入空时阵列信号处理滤波器中，进一步消除窄带宽带干扰，该滤波器算法的步长更新公式为： $\left\{\begin{array}{c}\mathrm{\μ}\left(k\right)=\mathrm{\α}\tanh \left|\mathrm{\βe}\left(k\right)e(k-1)\right|\\ \mathrm{\μ}\left(k\right)=\mathrm{\α}(1-\frac{1}{(100\×e\left(k\right)e(k-1))}+\mathrm{\μ}(k-1)\end{array}\right.,$ 变步长最小均方误差算法迭代出最优权值的步骤为：阵列信号处理滤波器的第2个到第M个阵元接收的信号可以表示为：Z(k)＝(Z₂,Z₃,…Z_M)^H，经空时阵列信号处理后可以表示为：Y(k)＝W‘^HZ(k)，将第一个阵元接收到的信号与接收信号Y(k)作差得到阵元的误差信号：e(k)＝W₁ ^HZ₁(k)-Y(k)；利用最陡下降法可以推导出W的递推公式为:W_k+1′＝W_k′+2μ(k)Z(k)e(k)^*，则稳定后的最优加权值为W_opt，此时空时阵列信号处理滤波器输出纯净的导航信号 $y^{\′\left(k\right)}=e\left(k\right)={W_1}^H{Z}_1\left(k\right)-$ $W_{\mathrm{opt}}^{H}Z\left(k\right).$

经过改进的LMS频域干扰预处理可以在尽量保证导航信号没有所示的前提下，尽可能的滤除与导航信号同方向的窄带干扰。将预滤除的信号送入空时阵列信号处理单元，通过改进的最小均方算法可以在保证抗干扰性能的前提下，降低算法的复杂度。该技术更适合未来小型化高动态接收机的应用。

附图说明

图1为频域LMS窄带干扰抑制原理图。

图2为传统的空时自适应抗干扰原理图。

图3为本发明的空时自适应抗干扰原理图。

具体实施方式

每个阵元首先对阵列接收信号中的每一路进行采样，然后进行射频下变频转换并数字化，得到数字化中频信号X_i，X_i＝(x_i1，x_i2，...，x_iP)，i＝1，2，3，...M；

将数字化中频信号X_i输入到LMS频域滤波器中，通过滤波器中的频域LMS迭代算法将导航信号方向的窄带干扰滤除，得到过滤信号Z_i(k)，频域LMS迭代算法的频域权值系数迭代公式为:U(k+1)＝αU(k)+2μE(k)*F(k)，其中，U(k+1),U(k)分别为k+1和k时刻的滤波系数向量；α为权值因子；μ为收敛因子；F(k)为数字化中频信号Xi的傅里叶变换；E(k)＝F(k)-U(k)*F(k)为误差信号；*为向量点乘，则Z_i(k)＝f^-1(U(K)*F(K)),其中f^-1为傅里叶逆变换；权值系数向量U(k+1)可以表示为：U(k+1)＝aU(k)+2μ[1-U(k)]*F(k)*F(k)，权值系数向量U(k+1)的数学期望可表示为：E{U(k+1)}＝aE{U(k)}+2μ[E{‖F(k)‖²}-E{U(k)‖F(k)‖²}]，在这里令E{‖F(k)‖²}＝σ²，其中σ²为数字化中频信号X_i的功率，则E{U(k+1)}＝[a-2μσ²]E{U(k)}+2μσ²，因此，U(∞)可以表示为： $U(\∞)={\lim }_{k\→\∞}U\left(k\right)=\frac{2\mathrm{\μ}{\mathrm{\σ}}^2}{1-a+2\mathrm{\μ}{\mathrm{\σ}}^2},$ 在这里令 $B=\frac{1-a}{2\mathrm{\μ}},$ 则 $U(\∞)=\frac{{\mathrm{\σ}}^2}{{\mathrm{\σ}}^2+B},$ 因此当σ²＞＞B时，U(∞)≈1，可以看出权值泄漏因子a的作用：在对大功率信号抑制足够大的前提下，对小功率信号的抑制大大减小，即LMS频域滤波器可滤除掉干扰的情况下不会对导航信号产生太大抑制；

将过滤信号Z_i(k)送入空时阵列信号处理滤波器中，进一步消除窄带宽带干扰，该滤波器算法的步长更新公式为： $\left\{\begin{array}{c}\mathrm{\μ}\left(k\right)=\mathrm{\α}\tanh \left|\mathrm{\βe}\left(k\right)e(k-1)\right|\\ \mathrm{\μ}\left(k\right)=\mathrm{\α}(1-\frac{1}{(100\×e\left(k\right)e(k-1))}+\mathrm{\μ}(k-1)\end{array}\right.,$ 变步长最小均方误差算法迭代出最优权值的步骤为：阵列信号处理滤波器的第2个到第M个阵元接收的信号可以表示为：Z(k)＝(Z₂,Z₃,…Z_M)^H,经空时阵列信号处理后可以表示为：Y(k)＝W‘^HZ(k)，将第一个阵元接收到的信号与接收信号Y(k)作差得到阵元的误差信号：e(k)＝W₁ ^HZ₁(k)-Y(k)；利用最陡下降法可以推导出W的递推公式为:W_k+1′＝W_k′+2μ(k)Z(k)e(k)^*，则稳定后的最优加权值为W_opt，此时空时阵列信号处理滤波器输出纯净的导航信号 该算法利用误差信号的自相关估计和上一步的步长因子共同确定步长因子的迭代公式，在迭代初始阶段，由于误差函数自相关值较大，双曲正弦函数的值也较大，导致较快的收敛速度；在迭代收敛后，由于信号误差值变化较小，步长因子的变化随之减小，收敛值趋于稳定，最终滤波器输出纯净的导航信号。

Claims (1)

1.一种新型的空时联合抗干扰方法，其特征在于包括以下步骤：

每个阵元首先对阵列接收信号中的每一路进行采样，然后进行射频下变频转换并数字化，得到数字化中频信号X_i，

X_i＝(x_i1，x_i2，...，x_iP)，i＝1，2，3，...M；

将数字化中频信号X_i输入到LMS频域滤波器中，通过滤波器中的频域LMS迭代算法将导航信号方向的窄带干扰滤除，得到过滤信号Z_i(k)＝(z_i1,z_i2,…,z_iP)(i＝1,2,…,M)，频域LMS迭代算法的频域权值系数迭代公式为:U(k+1)＝αU(k)+2μE(k)*F(k)，其中，U(k+1),U(k)分别为k+1和k时刻的滤波系数向量；α为权值泄漏因子；μ为收敛因子；F(k)为数字化中频信号X_i的傅里叶变换为；E(k)＝F(k)-U(k)F(k)为误差信号；*为矩阵点乘，则Z_i(k)＝f^-1(U(K)*F(K))，其中f^-1为傅里叶逆变换；

将过滤信号Z_i(k)送入空时阵列信号处理滤波器中，进一步消除窄带宽带干扰，该滤波器算法的步长更新公式为： $\left\{\begin{array}{c}\mathrm{\μ}\left(k\right)=\mathrm{\α}\tanh \left|\mathrm{\βe}\left(k\right)e(k-1)\right|\\ \mathrm{\μ}\left(k\right)=\mathrm{\α}(1-\frac{1}{(100\×e\left(k\right)e(k-1))})+\mathrm{\μ}(k-1)\end{array}\right.,$ 变步长最小均方误差算法迭代出最优权值的步骤为：阵列信号处理滤波器的第2个到第M个阵元接收的信号可以表示为：Z(k)＝(Z₂,Z₃,…Z_M)^H,经空时阵列信号处理后可以表示为：Y(k)＝W‘^HZ(k)，将第一个阵元接收到的信号与接收信号Y(k)作差得到阵元的误差信号：e(k)＝W₁ ^HZ₁(k)-Y(k)；利用最陡下降法可以推导出W的递推公式为:W_k+1′＝W_k′+2μ(k)Z(k)e(k)^*，则稳定后的最优加权值为W_opt，此时空时阵列信号处理滤波器输出纯净的导航信号 $y^{\′\left(k\right)}=e\left(k\right)={W_1}^H{Z}_1\left(k\right)-$ $W_{\mathrm{opt}}^{H}Z\left(k\right).$