CN106680837B - 一种卫星导航干扰抑制算法 - Google Patents

Abstract

本发明提供了一种卫星导航干扰抑制算法，首先计算接收数据协方差矩阵的估计值，然后对接收数据协方差矩阵的估计值进行特征分解运算，获得特征值和相应的特征向量，将最小特征值作求倒数运算并与其对应的特征向量相乘得到未归一化的权向量，并进行归一化处理，采用权向量对接收到的中频数字复数信号进行加权叠加处理，得到干扰抑制后的输出信号。本发明可以同时对强干扰信号和弱干扰信号进行有效地抑制。

Description

一种卫星导航干扰抑制算法

技术领域

本发明属于卫星导航抗干扰领域，是一种对压制式卫星导航干扰信号实现抑制的算法。

背景技术

在卫星导航抗干扰天线***的信号处理过程中，干扰抑制算法是整个数字信号处理中核心的部分。干扰抑制算法可以分为自适应调零类算法和最优数字多波束类算法两大类。

自适应调零类算法的典型代表为功率倒置(Power Inversion，PI)算法，该算法不需要卫星方位信息等先验信息，零陷深度随干扰功率的强度自动调节，对于强干扰信号有较好的抑制效果，因而在卫星导航抗干扰领域的工程应用中得到了广泛地使用。但是，其缺点是对于弱干扰信号的抑制效果较差，使得其在弱干扰环境或同时存在强干扰和弱干扰的环境中的应用受到限制。

最优数字多波束算法采用数字复用技术，同时在视野空间内形成多个最优数字接收波束。典型的最优数字波束为最小方差无失真响应响应(Minimum Variance DistortedResponse，MVDR)波束。每个最优数字波束的主瓣指向一颗导航卫星，同时自适应地在干扰方向形成零陷。最优数字多波束算法在对干扰抑制的同时可以提升***输出信号的信噪比。但是该算法需要卫星方位、阵列姿态等先验信息辅助，算法结构复杂、计算量较大，很难在工程应用中得到广泛使用。

发明内容

为了克服现有技术的不足，本发明提供一种卫星导航干扰抑制算法，采用归一化后的接收数据协方差矩阵的噪声子空间特征向量作为自适应调零权向量对接收信号中的干扰分量进行抑制，可以同时对接收信号中的弱功率干扰信号分量和强功率干扰进行有效地抑制，易于工程实现。

本发明解决其技术问题所采用的技术方案包括以下步骤：

第一步，计算接收数据协方差矩阵R_x的估计值其中，x(n)为由M个阵元的阵列天线在n时刻接收到的中频数字复数信号向量，维数为M×1，M≥2；的维数大小为M×M；上标H为共轭转置运算符；N为计算接收数据协方差矩阵的估计值需要的信号快拍数，N≥4M；

第二步，对接收数据协方差矩阵的估计值采用Jacobi算法进行特征分解运算，获得特征值λ_m和相应的特征向量q_m，m＝1,2,…,M；

第三步：将最小特征值λ_min作求倒数运算并与其对应的特征向量相乘得到未归一化的权向量 的维数大小为M×1；

第四步，对权向量进行归一化处理，得到归一化的权向量其中，为权向量的第一个元素；

第五步，采用权向量w_opt对第一步中接收到的中频数字复数信号x(n)进行加权叠加处理，干扰抑制后的输出信号

本发明的有益效果是：采用本发明得到的权向量w_opt省去对应于干扰特征向量的权分量，使得加权后输出的信号功率中只包含噪声信号分量，可以同时对强干扰信号和弱干扰信号进行有效地抑制。

附图说明

图1是本发明的算法流程图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。

本发明算法实现步骤如下：

第一步：计算接收数据协方差矩阵R_x的估计值计算表达式如下：

其中，x(n)为由M(M≥2)个阵元的阵列天线在n时刻接收到的中频数字复数信号向量，维数为M×1；的维数大小为M×M；上标H为共轭转置运算符；N为计算接收数据协方差矩阵的估计值需要的信号快拍数，需满足N≥4M。

第二步：对接收数据协方差矩阵的估计值进行特征分解运算，特征分解采用Jacobi算法实现，获得特征值λ_m(m＝1,2,…,M)和相应的特征向量q_m(m＝1,2,…,M)。

第三步：将最小特征值λ_min作求倒数运算并与其对应的特征向量相乘得到未归一化的权向量

的维数大小为M×1。

第四步：对第三步中得到的未归一化的权向量进行归一化处理，得到归一化的权向量w_opt，计算过程如下式所示：

其中，为权向量的第一个元素。

第五步：采用第四步中计算得到的权向量w_opt对第一步中接收到的中频数字复数信号x(n)进行加权叠加处理，计算过程如下式所示：

其中，上标H为共轭转置运算符，y为干扰抑制后的输出信号。

对于功率倒置算法，其权向量计算如下：

其中，w_PI为功率倒置算法计算得到的权向量，维数大小为M×1；为收数据协方差矩阵估计值的逆矩阵，维数大小为M×M；a₀＝[1,0,…,0]^T为约束向量，维数大小为M×1；K为干扰源数目，且K＜M；δ²为***噪声功率；w_jam和w_noise分为干扰信号和噪声信号两部分分别对应的权向量，维数大小为M×1。

当外界存在强干扰信号时(干扰信号的功率远大于噪声信号功率)，干扰信号对用的特征值将远大于噪声信号对应的特征值，即

由式(6)可知，随着干扰功率的增大，最优权值中对应于干扰特征向量的权分量将越来越小。因此，功率倒置法可以在强干扰方向上形成较深的零陷，抗干扰能力较强。反之，若干扰信号的功率较小(略大于噪声信号)时，最优权值中对应于干扰特征向量的权分量(式(5)中第二个等号右侧第一项)将略小于对应于噪声特征分量的权向量(式(5)中第二个等号右侧第二项)，形成的零陷变浅，抗干扰能力较差。而采用本发明得到的权向量w_opt省去对应于干扰特征向量的权分量，使得加权后输出的信号功率中只包含噪声信号分量，可以同时对强干扰信号和弱干扰信号进行有效地抑制。

本发明适用于GPS、BDS和GLONASS卫星导航***干扰抑制处理。以4单元BD2-B3频点抗干扰天线抗两个宽带干扰为例阐述本发明的具体实施方式。

步骤1：计算4元阵列接收数据协方差矩阵的估计值数据采样快拍数N＝256，计算得到的是维数为4×4的Hermit矩阵，计算过程如下：

步骤2：采用Jacobi算法对接收数据协方差矩阵的估计值进行特征分解运算，获得特征值λ_m(m＝1,2,…,4)和相应的特征向量q_m(m＝1,2,…,4)。

步骤3：将步骤2计算得到的最小特征值λ_min作求倒数运算并与其对应的特征向量相乘得到未归一化的权向量计算过程如下：

步骤4：对步骤3中得到的未归一化的权向量进行归一化处理，得到归一化的权向量w_opt，计算过程如式(3)所示。

步骤5：采用步骤4中计算得到的权向量w_opt对第一步中接收到的中频数字复数信号x(n)进行加权叠加处理并输出，计算过程如式(4)所示。

至此，完成对4单元BD2-B3频点接收信号的干扰抑制处理。

Claims (1)

1.一种卫星导航干扰抑制算法，其特征在于包括下述步骤：

第一步，计算接收数据协方差矩阵R_x的估计值其中，x(n)为由M个阵元的阵列天线在n时刻接收到的中频数字复数信号向量，维数为M×1，M≥2；的维数大小为M×M；上标H为共轭转置运算符；N为计算接收数据协方差矩阵的估计值需要的信号快拍数，N≥4M；

第二步，对接收数据协方差矩阵的估计值采用Jacobi算法进行特征分解运算，获得特征值λ_m和相应的特征向量q_m，m＝1,2,…,M；

第三步：将最小特征值λ_min作求倒数运算并与其对应的特征向量相乘得到未归一化的权向量 的维数大小为M×1；

第四步，对权向量进行归一化处理，得到归一化的权向量其中，为权向量的第一个元素；

第五步，采用权向量w_opt对第一步中接收到的中频数字复数信号x(n)进行加权叠加处理，干扰抑制后的输出信号