CN106338743A - 基于ccd解算的空频联合自适应调零算法 - Google Patents

Abstract

本发明涉及基于CCD解算的空频联合自适应调零算法。现有自适应调零算法计算量庞大，收敛速度及稳定性亟待提高。本发明采用FFT变换将每一路宽带信号分解到不同的子带内；采用CCD算法对每一个子带信号进行自适应调零处理；采用IFFT对各个子通道的对消误差进行综合，恢复出原始宽带信号与噪声。通过本发明的技术方案，提高了自适应调零天线对通道失配的容忍性，增强了调零天线干扰抑制度，同时所采用的CCD解算方法提高了最优权值收敛速度与稳健性。

Description

基于CCD解算的空频联合自适应调零算法

技术领域

本发明属于阵列信号处理技术与卫星导航抗干扰技术领域，具体涉及一种基于CCD解算的空频联合自适应调零算法。

背景技术

自适应调零算法涉及到两大核心技术：其一是算法总体框架，目前国内在卫星导航抗干扰领域集中在空时联合处理算法(STAP)。其优点是增加阵列处理自由度，以应对通道失配带来的抗干扰性能下降，但是该计算方法的自由度提高受到STAP延迟链阶数的限制。该计算方法下***的实现复杂度与资源消耗量会随着STAP阶数的提高而急剧变大。其二是最优系数解算方法，目前主要集中在RLS算法、LMS算法及其两者的各种优化。RLS算法的收敛时间及稳定性皆优于LMS算法，但是RLS算法涉及到大量的矩阵计算，其计算量与阵列个数的平方成正比。LMS算法计算量很小，但是该算法属于随机梯度类，从而决定了其收敛稳定性与收敛速度都不理想，不能应对参数快变的非平稳干扰环境。

发明内容

本发明的目的是提供一种基于CCD解算的空频联合自适应调零算法，计算量减小，收敛速度及稳定性大大提高。

本发明所采用的技术方案为：

基于CCD解算的空频联合自适应调零算法，其特征在于：

包括以下步骤：

第一步：基于FFT的子通道分解：

采用FFT变换将每一路宽带信号分解到不同的子带内；

第二步：基于CCD算法的子带干扰对消：

采用CCD算法对每一个子带信号进行自适应调零处理；

第三步：基于IFFT的子通道综合：

采用IFFT对各个子通道的对消误差进行综合，恢复出原始宽带信号与噪声。

第一步中，FFT所用复数乘法为C_M，复数加法为C_A,如下计算表达式。

$\begin{array}{c}{C}_M\∝{\log }_2{N}_{\mathrm{FFT}}\\ C_A\∝{\log }_2{N}_{\mathrm{FFT}}\end{array}---\left(2\right)$

N_FFT为FFT计算点数。

第二步中，CCD算法按照输出功率二次型梯度矢量的最大坐标方向进行最优权值搜索，迭代公式为：

${\mathrm{\ξ}}_k=d_k-W_{k-1}^H{X}_k$

$R_k={\mathrm{\λR}}_{k-1}+X_k{X}_k^H$

$r_k=\mathrm{\λ}(r_{k-1}+R_{k-1}{\mathrm{\ΔW}}_{k-1})-X_k{\mathrm{\ξ}}_k^{*}$

${\mathrm{\Δw}}_k\left(n\right)=\left\{\begin{array}{cc}-\frac{r\left(n_{max}\right)}{R(n_{max},n_{max})},& r\left(n_{max}\right)=max\left(r\right(n\left)\right)\\ 0,& elsen\end{array}\right.$

W_k＝W_k-1+ΔW_k (1)

其中：

X_k：对消通道快拍矢量；

d_k：参考通道采样数据；

W_k：最优权值系数；

ΔW_k：最优权值系数的变化率；

R_k：自相关矩阵；

ξ_k：先验对消误差；

λ：消失系数；

r_k：梯度矢量；

n_max：表示梯度矢量最大分量的下标；

k：表示时刻，n表示矢量的第n个元素；

当***收敛时，先验对消误差收敛于对消误差，对应干扰被消除，其输出只有信号与噪声。

消失系数λ限制在0.9以上。

本发明具有以下优点：

本发明提高了自适应调零天线对通道失配的容忍性，增强了调零天线干扰抑制度，同时所采用的CCD解算方法提高了最优权值收敛速度与稳健性。

通道失配指由于生产制造及环境温度等因素影响下阵列通道之间的幅频响应与相频响应出现不一致，且此不一致随着频率变化。描述该不一致的关键参数是通道失配波纹数。由图1可以看出，采用SFAP算法相对采用于STAP算法，大大提高了***的干扰抑制度。

自适应调零最优系数解算过程涉及的主要问题是计算复杂度、收敛速度及计算稳健性。由图2图3可以看出CCD算法收敛速度接近于RLS算法且当干扰信号功率参数快变时，CCD算法能够很好收敛到最优值，从而解决了RLS算法计算复杂度高和LMS算法收敛慢且不稳定的问题。

附图说明

图1为SFAP与STAP干扰抑制度比对。

图2为三平稳宽带干扰下收敛速度及精度比对。

图3为三非平稳宽带干扰下收敛速度及精度比对。

图4为空频联合处理(SFAP)框架。

图5为FFT点数对干扰抑制度的影响。

图6-9为CCD算法信号流程图。

图6为相关矩阵计算环路。

图7为梯度矢量计算环路。

图8为最优系数矢量计算环路。

图9为先验误差计算通路。

图10为简化除法与浮点除法收敛比对。

图11为实际测试数据—载噪比变化。

具体实施方式

下面结合具体实施方式对本发明进行详细的说明。

本发明涉及一种在空频联合处理(SFAP)框架下采用复数坐标轴下降算法(CCD)完成卫星导航抗干扰阵列天线自适应调零的计算方法，具有工程可实施性。该算法采用空频联合处理(SFAP)框架，通过频域变换将宽带信号分解到几百个窄带子通道。由于每个子通道带宽很窄从而能够极大地减小通道失配带来的影响。同时该算法采用复数坐标轴下降算法(CCD)进行最优权值计算，与RLS算法比较该算法计算量减小，与LMS算法比较该算法收敛速度及稳定性大大提高。

一、算法流程

本发明采用空频联合处理框架，如图4所示。AD采样信号经过DDC变换后进入SFAP算法处理。处理步骤如下：

第一步：基于FFT的子通道分解。

采用FFT变换将每一路宽带信号分解到不同的子带内。子带带宽与输入信号带宽、FFT计算点数及采样频率有关，其会影响干扰抑制度。图5给出在信号带宽与采样频率固定情况下，干扰抑制度随FFT计算点数及失配波纹数的变化关系。由图可以看出每增加一倍的FFT点数，干扰抑制度增强6dB。

第二步：基于CCD算法的子带干扰对消。

采用CCD算法对每一个子带信号进行自适应调零处理，CCD算法为复数坐标轴下降算法的间称。其按照输出功率二次型梯度矢量的最大坐标方向进行最优权值搜索，因此避免了RLS算法的矩阵求逆运算。同时CCD算法具有记忆因子，不会因为干扰参数快变而使得抗干扰失效，具有很好的计算稳健性。该算法迭代公式如下所示：

${\mathrm{\ξ}}_k=d_k-W_{k-1}^H{X}_k$

$R_k={\mathrm{\λR}}_{k-1}+X_k{X}_k^H$

$r_k=\mathrm{\λ}(r_{k-1}+R_{k-1}{\mathrm{\ΔW}}_{k-1})-X_k{\mathrm{\ξ}}_k^{*}$

${\mathrm{\Δw}}_k\left(n\right)=\left\{\begin{array}{cc}-\frac{r\left(n_{max}\right)}{R(n_{max},n_{max})},& r\left(n_{max}\right)=max\left(r\right(n\left)\right)\\ 0,& elsen\end{array}\right.$

W_k＝W_k-1+ΔW_k (1)

其中字母表示含义是：

X_k：对消通道快拍矢量，d_k：参考通道采样数据，W_k：最优权值系数，ΔW_k：最优权值系数的变化率，R_k：自相关矩阵，ξ_k：先验对消误差，λ：消失系数，r_k：梯度矢量，n_max：表示梯度矢量最大分量的下标，k：表示时刻，n表示矢量的第n个元素。

该算法的信号流图见附图6。

当***收敛时，先验对消误差收敛于对消误差，对应干扰被消除，其输出只有信号与噪声。

第三步：基于IFFT的子通道综合。

采用IFFT对各个子通道的对消误差进行综合，恢复出原始宽带信号与噪声。

二、可行性分析：

该算法为了解决实际工程问题而设计，其中考虑到的工程问题有数据吞吐率、实现资源及计算复杂度。

从数据吞吐率方面分析。算法实现过程中涉及到的核心问题是FFT与CCD算法的实现。目前主流FPGA厂商都带有FFT IP核。其数据吞吐率可以达到几百兆，亦即支持100兆以上的信号带宽。CCD采用流水线设计，数据吞吐率可以达到100兆以上，即支持100兆信号带宽。

从使用资源方面分析。以XILINX的XC7A200T为例，四路1024点FFT使用资源为％8LUT及％22DSP，可见FFT变换消耗资源不是实现瓶颈。经过FFT处理后子通道信号采样率下降到原来的FFT变换点数分之一，所以所有子通道可以共用一个CCD算法模块。以XC7A200T为例，23位宽的定点CCD算法消耗％16LUT及％16DSP。考虑到IFFT只涉及一路，综合后整个算法资源消耗量为％26LUT及％44DSP，可已满足大部分设计要求。

从计算复杂度方面分析。CCD模块涉及到的运算都是基本乘法及加法运算，唯一比较复杂的是一个除法运算。该除法运算可以使用简化的移位运算，由于CCD算法本质上每次更新的是最优权值系数的变化量，而最优系数是其变化量的积分，所以简化运算误差可以被后面的积分环路平滑掉。参考图7简化除法性能影响图，可见简化除法收敛精度与浮点除法相同，收敛时间略微长了几个采样点，对算法性能影响很小。

经过以上分析可知，该算法在数据吞吐率、资源使用率及实现复杂度方面满足高速信号处理要求，具有很好的工程应用前景。

三、实验数据：

为了验证SFAP+CCD算法的抗干扰性能，以下实验在相同环境下与STAP+LMS算法进行比较，并且算法都是在实际工程样机中已经实现。其中实验环境为宽带干扰，信号与干扰夹角大于40度。分别在干扰功率为-70dBm,-65dBm,-60dBm,-55dBm,-50dBm,-45dBm，平稳环境和功率脉冲环境下作实验。采集数据平均后绘制波形如图8所示。分析实验结果，当干扰功率加大和采用脉冲干扰时STAP+LMS算法载噪比损失很大，尤其是脉冲干扰对***影响非常剧烈。而采用SFAP+CCD算法后载噪比损失很小，且对脉冲干扰不敏感。表现出了很好的抗干扰性能及算法稳健性。

四、参数选择：

该算法涉及到的可调参数有FFT计算点数N_FFT及消失系数λ。

其中FFT计算点数主要影响干扰抑制度，经过仿真分析，给出在不同点数下干扰抑制，参考图5。同时该参数也会影响FPGA资源占用率，根据FFT理论结合FFT IP核的资源复用，推出FFT所用复数乘法为C_M，复数加法为C_A,如下计算表达式。

C_M∝log₂N_FFT

C_A∝log₂N_FFT (2)

具体使用该算法过程中要根据干扰抑制度及资源使用量进行折中。

消失系数λ主要影响抗干扰***对零点的记忆能力，以保证在干扰功率、频率及带宽这三个参数在快变过程中零点始终有效，一般限制在0.9以上。

本发明的内容不限于实施例所列举，本领域普通技术人员通过阅读本发明说明书而对本发明技术方案采取的任何等效的变换，均为本发明的权利要求所涵盖。

Claims (4)

1.基于CCD解算的空频联合自适应调零算法，其特征在于：

包括以下步骤：

第一步：基于FFT的子通道分解：

采用FFT变换将每一路宽带信号分解到不同的子带内；

第二步：基于CCD算法的子带干扰对消：

采用CCD算法对每一个子带信号进行自适应调零处理；

第三步：基于IFFT的子通道综合：

采用IFFT对各个子通道的对消误差进行综合，恢复出原始宽带信号与噪声。

2.根据权利要求1所述的基于CCD解算的空频联合自适应调零算法，其特征在于：

第一步中，FFT所用复数乘法为C_M，复数加法为C_A,如下计算表达式。

$\begin{array}{c}{C}_M\∝{\log }_2{N}_{FFT}\\ C_A\∝{\log }_2{N}_{FFT}\end{array}---\left(2\right)$

N_FFT为FFT计算点数。

3.根据权利要求2所述的基于CCD解算的空频联合自适应调零算法，其特征在于：

第二步中，CCD算法按照输出功率二次型梯度矢量的最大坐标方向进行最优权值搜索，迭代公式为：

${\mathrm{\ξ}}_k=d_k-W_{k-1}^H{X}_k$

$R_k={\mathrm{\λR}}_{k-1}+X_k{X}_k^H$

$r_k=\mathrm{\λ}(r_{k-1}+R_{k-1}{\mathrm{\ΔW}}_{k-1})-X_k{\mathrm{\ξ}}_k^{*}$

${\mathrm{\Δw}}_k\left(n\right)=\left\{\begin{array}{cc}-\frac{r\left(n_{max}\right)}{R(n_{max},n_{max})},& r\left(n_{max}\right)=max\left(r\right(n\left)\right)\\ 0,& elsen\end{array}\right.$

W_k＝W_k-1+ΔW_k (1)

其中：

X_k：对消通道快拍矢量；

d_k：参考通道采样数据；

W_k：最优权值系数；

ΔW_k：最优权值系数的变化率；

R_k：自相关矩阵；

ξ_k：先验对消误差；

λ：消失系数；

r_k：梯度矢量；

n_max：表示梯度矢量最大分量的下标；

k：表示时刻，n表示矢量的第n个元素；

当***收敛时，先验对消误差收敛于对消误差，对应干扰被消除，其输出只有信号与噪声。

4.根据权利要求3所述的基于CCD解算的空频联合自适应调零算法，其特征在于：

消失系数λ限制在0.9以上。