CN1700606A - 反干扰前置处理器 - Google Patents

Abstract

一种盲目反干扰前置处理器，用来检测并防止由于强大干扰造成的效能退化。反干扰前置处理器包括一个干扰检测器，根据接收数据相关矩阵(correlation matrix)的特征值(eigen－value)分布状态判断是否有强大的干扰在接收数据中，以及一个最佳组合器，在某些相位产生无信区(null)压制检测到的强大干扰，并在某些相位产生主波束(main－beam)接收期望信号(signal－of－interest；SOI)。本发明更揭露一种GPS接收器，包括反干扰前置处理器、相关器、相位补偿器、以及硬决策(hard decision)检测器。反干扰前置处理器的输出传送给相关器，以恢复比特流。GPS数据的各个子帧里第一个字所包括的8位前文(preamble)，被用来检测由最佳组合器造成的相位旋转。

Description

反干扰前置处理器

技术领域

本发明涉及一种适用于无线通***的反干扰前置处理器，特别涉及一种设计给全球定位***(Global Positioning System；GPS)接收器的盲目反干扰前置处理器。

背景技术

全球定位***(Global Positioning System；GPS)利用卫星定位技术，提供飞机、船、以及车子等交通工具准确的导航信息。GPS接收器可以藉由展频技术与高处理增益，有效的将卫星传来的导航信息信号萃取。可是如果有任何强大干扰源与信息信号共存时，接收器的效能便会显著的被降级。这种干扰信号为数据信号的干扰(jammer)。干扰功率值与信号功率值的比例通常小于40dB，即40dB的干扰-信号比(jammer-to-sinal ratio；JSR)为可容许的范围。实际操作时，维持这样的比例通常为不可能的，因为有时地面上接收到的GPS卫星信号强度仅为-160dBm，而一些偶然或非偶然的无线电频率干扰很容易超过此理想比例，造成接收器无法正常工作。由此可知，有关压抑干扰的技术为目前热门的课题。

波束产生器(beamformer)为一种线性组合器，利用大小为Mx1的多个(complex)权向量(weight vector)w，将数组数据向量x转换为纯量输出y，其中M代表天线的数目：

y＝w^Hx                            公式(1)

上述波束产生器的设计包含，将期望信号(SOI)的合成引导向量(composite steering vector)a_d中对应单位响应限制(unit responseconstraint)的输出功率缩小。藉由解下列最佳化问题，可得到最佳权向量(optimum weight vector)w。

$\underset{w}{\min }---E\left\{{\left|y\right|}^2\right\}\≡w^H\mathrm{Rw}$

subject to：w^Ha_d＝1                     公式(2)

其中，R为一个大小为MxM的数据相关矩阵，定义为：

$R=E\left\{{\mathrm{xx}}^H\right\}={\mathrm{\σ}}_d^2{a}_d{a}_d^H+A_u{S}_u{A}_u^H+{\mathrm{\σ}}_n^{2}I$

$\≈A_u{S}_u{A}_u^H+{\mathrm{\σ}}_n^{2}I$ 公式(3)

其中矩阵大小为K×K的矩阵 $S_u=E\left\{s_u{s}_u^H\right\}$ 代表包含干扰源的来源相关矩阵。噪声相关矩阵按照白空间假设(spatial whiteness assumption)，为σ_n ²I。这里注意到，公式(3)的估计算式是根据期望信号远大于干扰能量的事实而导出的，即 ${\mathrm{\&sigma;}}_n^2<<{\mathrm{\&sigma;}}_i^2,$ 其中σ_i ²代表干扰的功率。实施上，公式(3)的数据相关矩阵会被公式(4)的时间平均(time-averaging)算式取代。

$\hat{R}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}x\left[n\right]x^H\left[n\right]$ 公式(4)

其中，x[n]代表接收数据的第n个抽样值，而N则为抽样的总数。

公式(2)中的线性限制最小变异数(Linear Constrained MinimumVariance；LCMV)问题的解答为：

w＝R^-1a_d                           公式(5)

这个公式中w的常数增益因为不影响输出SINR效能值而被省略。无法实施LCMV波束产生器的最主要原因是合成引导向量(composite steeringvector)a_d不可能实际的被实施。

另一种取得常用的方法为取得信号权(signal weights)，以产生期望时序信号S_d与波束产生器的输出y之间的最小均方错误(Minimum Mean SquareError；MMSE)。也就是信号权是根据下列的最小化公式得到的。

$\mathrm{\&epsiv;}=E\left\{{|S_d-y|}^2\right\}=E\left\{{|S_d-w^{H}x|}^2\right\}$

$=E\left\{S_d{S}_d^{*}\right\}-w^{H}E\left\{x{s}_d^{*}\right\}-x^{H}E\left\{w{s}_d\right\}+w^{H}E\left\{x^{*}{x}^T\right\}w$ 公式(6)

产生的解答可由以下公式得到的。

w＝R^-1d_s                                公式(7)

其中d_s＝E{x^*S_d}。

发明内容

本发明的一目的在于提供一种干扰检测器，用来判断是否有强大的干扰出现。

本发明的另一目的在于当接收器接收到包含强大干扰的信号时，能减轻效能退化(performance degradation)。

本发明的一个实施例中揭露一种盲目(blind)反干扰前置处理器，用来减轻因为强大干扰而造成的效能退化，其中包括一个干扰检测器。干扰检测器计算与接收信号有关的一个数据相关矩阵R，并根据该矩阵的特征值(eigen-value)分布状态判断接收数据是否被强大的干扰影响。反干扰前置处理器更包括一个最佳组合器，当干扰检测器判断到有强大干扰时，根据变换数据(transformed data)Tx构成一个权向量，否则根据接收数据x构成权向量。权向量被用来控制搜集期望信号(SOI)的波束图案。

与接收数据有关的数据相关矩阵R是由如公式(4)所显示的时间平均算式估计得到的。

数据相关矩阵R的特征值分布是由计算平均追踪(averaged trace)与数据关系矩阵R的确定数根(root of determinate)之间的比例， 其中M代表特征值的数目。追踪的计算是为累加数据关系矩阵R中对角线的数值。干扰检测器根据此比例是否大于一默认值，例如10，判断所接收的信号中有没有强大的干扰。

导变换数据Tx的变换矩阵T是一个与干扰正交(orthonormal)矩阵Uj有关的补投影(complementary projection)矩阵， $T=I-U_j{U}_j^H.$

本发明的另一实施例揭露一种GPS接收器，包括至少一根天线、反干扰前置处理器、相关器(correlator)、以及相位补偿器。其中反干扰前置处理器可与先前叙述的实质上相同。天线接收从卫星传来的GPS信号，并根据权向量输出加权并累加的数据。反干扰前置处理器检测并藉由产生特定权向量，压制接收数据中强大的干扰，特定权向量依据检测信号中判断强大干扰的方向，设计为阻隔接收的这些有强大干扰的方向。相关器展开反干扰前置处理器的输出，以萃取被传送的数据。最终，相位补偿器检测并弥补被反干扰前置处理器旋转的相位。在一实施例中，GPS接收器更可包括一个硬决策(harddecision)检测器，与相位补偿器连接，用来恢复GPS的数据位。

相位补偿器是根据GPS数据中各子帧第一个字的预设前文(preamble)，检测被反干扰前置处理器引进的相位旋转。相位补偿器包括一前文萃取器、一相位对齐乘法器、以及一累加器。前文萃取器将前文的位置找到，并传给相位对齐乘法器，藉由将恢复被展开(despread)的数据与预设前文相成，补偿前文位的相位。累加器于是将连续处理过的前文相加。

为了让本发明的上述和其它目的、特征、和优点能更明显易懂，下文特举一较佳实施例，并配合附图，作详细说明如下。

附图说明

图1为根据本发明第一实施例的反干扰前置处理器的结构图。

图2为图1中显示的反干扰检测器的结构图。

图3为根据本发明第二实施例的GPS接收器的结构图。

图4显示使用在GPS***中遥测(Telemetry；TLM)字的数据格式。

图5为图3中显示的相位补偿器的结构图。

附图符号说明

1：反干扰前置处理器；

10：干扰检测器；

12：最佳组合器；

141-14M、301-30M：天线；

102-108：计算单元；

3：GPR接收器；

32：反干扰前置处理器；

34：相关器；

36：相位补偿器；

38：硬决策检测器。

具体实施方式

在无线通信***中，数组(array)处理技术普遍的被用来减轻衰减的影响。位了有可信赖的通信品质，在有干扰的环境下，天线输出会被加权并累加，以接收最大的期望信号(signal-of-interest)。直接序列展频(DirectSequence Spread Spectrum；DSSS)***中，与最大信号-干扰加噪声比例(maximum signal to interference plus noise ratio；MSNR)波束产生器有关的最佳加权值(weight)是直接利用相关器的输入与输出信号所构成的。以数学式表示，最佳加权值可由公式(8)得到：

$\mathrm{Rw}=\mathrm{\&lambda;}\tilde{R}w$ 公式(8)

其中， 代表与恢复被展开(despread)数据有关的数据相关矩阵。公式(7)中特征算式(eigen-equation)的答案是由最大特征值相关的固有向量(eigenvector)而算得的。当路径延迟可被准确的估计时，MSNR波束产生器可以有效的对付强大的干扰。可是当有强大干扰时，SOI路径的延迟很难被准确的估测，因此相关器无法成功的萃取SOI。如此会使MSNR准则中的预期信号被消除。所以一个补偿办法就是在送进相关器之前，就先压抑强大的干扰。

在DSSS信号环境中，如果所有信号都有相近的功率与处理增益，即展开码的长度也相同，在恢复被展开之前被干扰的信号的统计特质会与白高斯噪声(white Guassian noise)相近似。也就是说，恢复被展开的数据相关矩阵的特征值会几乎相同，因此特征值的分布会很小。另一方面，特征值分布会因为各个信号功率不相近而增加。因此特征值的分布情况可以用来判断强大干扰是否存在。

第一实施例

如图1所示，本发明揭露一种盲目反干扰前置处理器1，包括一个干扰检测器10与一个最佳组合器12。

干扰检测器10根据接收信号的数据相关矩阵中特征值的分布，判断是否有强大干扰存在。根据特征值的特性，数据相关矩阵R的特征值乘积可以如公式(9)一般，由R的确定数(determinant)表示。

λ₁xλ₂x...xλ_M＝det(R)              公式(9)

其中，λ_i(i＝1，2，...M)代表特征值，以及det(.)代表确定数算式。当***中没有强大干扰时，数据相关矩阵的确定数det(R)大概等于M个特征值的乘积，如下列所示。

det(R)≈σ^2M                         公式(10)

其中σ²为恒等(identical)信号功率(特征值)，与接收数据相关矩阵的噪声功率几乎相同。而这个恒等信号功率由下列算式而估计得到。

${\mathrm{\&sigma;}}^2\&ap;\sqrt[M]{\det \left(R\right)}$ 公式(11)

数据相关矩阵R的特征值的总合可由R的对角线数值的总合得知，称做R的追踪(trace)。

$\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_i=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{R}_{\mathrm{ii}}\&equiv;\mathrm{tr}\left(R\right)$ 公式(12)

其中R_ii代表数据相关矩阵R的对角线数值，而tr(.)则为代表总功率的追踪算式。根据公式(12)，如果***没有强大干扰时，恒等信号功率可由tr(R)/M算得，即：

λ₁≈σ²≈tr(R)/M                     公式(13)

根据公式(11)及(13)，没有强大干扰的***中，

的值大约会等于tr(R)/M。

$\mathrm{\&gamma;}=\frac{\mathrm{tr}\left(R\right)}{\mathrm{Mx}\sqrt[M]{\det \left(R\right)}}\&ap;1$ 公式(14)

因此，公式(14)的结果可以被当作检测是否有强大干扰的依据。当有强大干扰时，γ的值会远大于1。相反的，如果计算出来的结果接近1时，γ≈1，干扰检测器便判断没有强大的干扰。

干扰检测器的所有步骤可藉由图2以及下列的叙述做概括。

首先，接收的数据相关矩阵根据公式(4)， $\hat{R}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}x\left[n\right]x^H\left[n\right],$ 被计算。

图2也显示方块102计算从M个天线141-14M接收的信号的数据相关矩阵R。

特征值的乘积与总合会分别根据公式(9)，λ₁xλ₂x...xλ_M，＝det(R)，以及公式(12)， $\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_i=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{R}_{\mathrm{ii}}\&equiv;\mathrm{tr}\left(R\right),$ 被计算出来，因此而获得对应的det(R)104以及tr(R)106。

接着，如公式(14)， $\mathrm{\&gamma;}=\frac{\mathrm{tr}\left(R\right)}{\mathrm{Mx}\sqrt[M]{\det \left(R\right)}}\&ap;1,$ 显示的比例γ会由方块108计算。当此比例γ远大于1时，干扰检测器判断出强大干扰存在，否则只有与SOI相较之下微小的干扰存在。当检测到强大干扰后，下个步骤则为将接收数据转换，以消除此强大干扰。根据特征分解技术，数据相关矩阵R可被展开：

$R\&ap;U_s{\mathrm{\&Lambda;}}_s{U}_s^H+U_j{\mathrm{\&Lambda;}}_j{U}_j^H$ 公式(15)

其中U_s与U_j分别代表SOI与强大干扰中分布的特征值相关的信号子空间(subspace)以及干扰子空间。对角线矩阵Λ_s与Λ_j分别是由SOI与强大干扰的特征值构成的。这里须注意一点，公式(15)的估测试基于假设有强大干扰存在的情况。假设强大干扰的功率比SOI还大许多，U_j的主要特征向量构成强大干扰的子空间。另一个U_s中特征向量补足子空间，大约与强大干扰的有效引导向量(effective steering vectors)成正交(orthogonal)。因此压抑强大干扰的转换矩阵T通常为与干扰正交矩阵U_j相关的补投影(complementaryprojection)矩阵。

$T=I-U_j{U}_j^H$ 公式(16)

当图1中干扰检测器10判断到天线141-14M接收的信号是否有强大干扰时，会将信息传递给最佳组合器12。最佳组合器12根据是否有强大干扰存在而产生权向量w。

如果干扰检测器10检测到有强大干扰，权向量w是根据转换数据Tx产生的，以确保强大干扰被有效的压抑。本发明中，权向量是根据如公式(17)所示的最大信号加噪声-噪声比例(maximum signal plus noise-to-noiseratio；MSNNR)而计算得到的。

$\underset{w}{\max }\frac{E\left\{{\left|w^H\mathrm{Tx}\right|}^2\right\}}{E\left\{{\left|w^H\mathrm{Tn}\right|}^2\right\}}\&equiv;\frac{w^H\mathrm{TRTw}}{w^H{T}^{2}w}=\frac{w^H\mathrm{TRTw}}{w^H\mathrm{Tw}}$ 公式(17)

公式(17)的答案是由特征算式的主要模式(即对应最大特征值的特征向量)求得。

TRTw＝ηTw                              公式(18)

其中，η代表公式(18)中特征算式的最大特征值。由于T是一个幂等矩阵(idempotent matrix)，因此T²＝T。由于强大干扰被压抑，由权向量w得到的波束图案可以同时产生主波束(main beam)搜集SOI，并且产生无讯区(nulls)来压抑强大的干扰。

当强大干扰不存在时，权向量w可以直接根据接收数据而获得，同样地，MSNNR的原理可以在这里被使用。

$\underset{w}{\max }\frac{E\left\{{\left|w^{H}x\right|}^2\right\}}{E\left\{{\left|w^{H}n\right|}^2\right\}}\&equiv;\frac{w^H\mathrm{Rw}}{w^{H}w}$ 公式(19)

公式(19)的答案可由 $\mathrm{Rw}=\widetilde{\mathrm{\&eta;}}w$ 推倒而得知，其中，

代表最大的特征值。明显地，由权向量w获得的波束图案会产生一个用来搜集SOI的主波束。

第二实施例

图3显示一个根据本发明第二实施例的GPR接收器3。GPS接收器3主要包括反干扰前置处理器32、相关器34、相位补偿器36、以及硬决策检测器38。图3的反干扰前置处理器32可以与第一实施例描述的盲目反干扰前置处理器相同。反干扰前置处理器32的输出被相关器34恢复之前被展开并萃取被传递的数据。相位补偿器36需要弥补反干扰前置处理器32中最佳组合器所引进的相位旋转。如果被旋转的相位不被更正，将会造成严重的效能退化。因此相位补偿器36根据GPS数据中每一个子帧对应的第一个/遥测字(Telemetry；TLM)中8位的预设前文(preambles)估计结合机制中引进的相位旋转角度。对应遥测字(TLM)的数据格式显示在图4中，其中每个字包括30位的数据。

前文位(0，1)的相位差被隐藏在接收数据中，可藉由将恢复被展开的数据与预设前文位相乘而对齐。由于恢复被展开的数据与预设前文位的乘积可以消除对应前文位的相位影响，对齐的相位数据中许多位可同时被处理。估计的相位也可以藉由下列公式算出。

公式(20)

对应相位补偿器的图显示在图5中。这里因为实施便利的理由，将为了对齐相位的乘法器由前文萃取器代替。图5中，相位补偿器包括一个前文位萃取器，用来寻找前文位的位置，一个相位对齐乘法器，用来补偿前文位中的相位，以及一个累加器，用来累加连续处理的前文位。

图3的相位补偿器36于是将输出送进硬决策检测器38，以恢复GPS数据位。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何熟习此技艺者，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，因此本发明的保护范围当视后附的申请专利范围所界定者为准。

Claims (18)

1.一种反干扰前置处理器，用来减轻因一强大干扰造成的接收效能退化，该反干扰前置处理器包括：

一干扰检测器，计算与一接收信号相关的一数据相关矩阵R，并根据该数据相关矩阵的特征值分布判断该接收信号是否包括该强大干扰；以及

一最佳组合器，如果该干扰检测器判断该强大干扰存在时，根据一转换数据Tx产生一权向量，否则根据该接收数据x产生该权向量；

其中，该权向量控制搜集一期望信号的一波束图形。

2.如权利要求1所述的反干扰前置处理器，其中，该数据相关矩阵R是由一时间平均算式估计而得， $\hat{R}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}x\left[n\right]x^H\left[n\right],$ 其中x[n]代表该接收信号的第n次抽样，并且N代表抽样的数目。

3.如权利要求2所述的反干扰前置处理器，其中，判断该特征值分布是利用计算一平均追踪与该数据相关矩阵R的一确定数根之间的一比例， $\frac{M\sqrt[M]{\det \left(R\right)}}{\mathrm{tr}\left(R\right)},$ 其中M代表特征值的数目。

4.如权利要求3所述的反干扰前置处理器，其中，该追踪的计算是为累加该数据关系矩阵R中多个对角线数值。

5.如权利要求3所述的反干扰前置处理器，其中，该干扰检测器根据该比例是否大于一默认值，判断该接收信号中有没有强大的干扰。

6.如权利要求5所述的反干扰前置处理器，其中，该默认值为10。

7.如权利要求1所述的反干扰前置处理器，其中，导出该变换数据Tx的变换矩阵T为与一干扰正交矩阵Uj有关的一补投影矩阵， $T=I-U_j{U}_j^H.$

8.一种全球定位***接收器，其中包括：

至少一根天线，接收多个信号，并且输出根据一权向量加权并累加的数据，其中该权向量控制搜集期望信号的一波束图案；

一反干扰前置处理器，连接于该天线，检测该接收信号中有无强大的干扰，以及利用产生该权向量压抑强大干扰；

一相关器，将从该反干扰前置处理器的输出恢复被展开并萃取被传送的数据；以及

一相位补偿器，连接于该相关器，以检测并补偿相位旋转。

9.如权利要求8所述的GPS接收器，更包括一硬决策检测器，连接至该相位补偿器，用来恢复该GPS数据位。

10.如权利要求8所述的GPS接收器，其中，该反干扰前置处理器包括：

一干扰检测器，计算与该接收信号相关的一数据相关矩阵R，并根据该数据相关矩阵的特征值分布判断该接收信号是否包括强大干扰；以及

一最佳组合器，如果该干扰检测器判断到有强大干扰时，根据一转换数据Tx产生该权向量，否则根据该接收数据x产生该权向量。

11.如权利要求10所述的GPS接收器，其中，该数据相关矩阵R是由一时间平均算式估计而得， $\hat{R}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}x\left[n\right]x^H\left[n\right],$ 其中x[n]代表该接收信号的第n次抽样，并且N代表抽样的数目。

12.如权利要求10所述的GPS接收器，其中，判断该特征值分布是利用计算一平均追踪与该数据相关矩阵R的一确定数根之间的一比例， $\frac{M\sqrt[M]{\det \left(R\right)}}{\mathrm{tr}\left(R\right)},$ 其中，M代表特征值的数目。

13.如权利要求12所述的GPS接收器，其中，该追踪的计算是为累加该数据关系矩阵R中多个对角线数值。

14.如权利要求12所述的GPS接收器，其中，该干扰检测器根据该比例是否大于一默认值，判断该接收信号中有没有强大的干扰。

15.如权利要求14所述的GPS接收器，其中，该默认值为10。

16.如权利要求10所述的GPS接收器，其中，导出该变换数据Tx的变换矩阵T为与一干扰正交矩阵Uj有关的一补投影矩阵， $T=I-U_j{U}_j^H.$

17.如权利要求8所述的GPS接收器，其中，该相位是根据GPS数据里各子帧中第一个字的前文，补偿器检测该反干扰前置处理器造成的该相位旋转。

18.如权利要求17所述的GPS接收器，其中该相位补偿器包括：

一前文萃取器，寻找一前文的位置；

一相位对齐乘法器，藉由将恢复被展开的数据与预设前文相成，补偿该前文位的相位；以及

一累加器，将连续处理过的该前文相加。

Images