本發(fā)明屬于衛(wèi)星導(dǎo)航抗干擾領(lǐng)域，是一種對(duì)壓制式衛(wèi)星導(dǎo)航干擾信號(hào)實(shí)現(xiàn)抑制的算法。

背景技術(shù)：

在衛(wèi)星導(dǎo)航抗干擾天線系統(tǒng)的信號(hào)處理過(guò)程中，干擾抑制算法是整個(gè)數(shù)字信號(hào)處理中核心的部分。干擾抑制算法可以分為自適應(yīng)調(diào)零類(lèi)算法和最優(yōu)數(shù)字多波束類(lèi)算法兩大類(lèi)。

自適應(yīng)調(diào)零類(lèi)算法的典型代表為功率倒置(Power Inversion，PI)算法，該算法不需要衛(wèi)星方位信息等先驗(yàn)信息，零陷深度隨干擾功率的強(qiáng)度自動(dòng)調(diào)節(jié)，對(duì)于強(qiáng)干擾信號(hào)有較好的抑制效果，因而在衛(wèi)星導(dǎo)航抗干擾領(lǐng)域的工程應(yīng)用中得到了廣泛地使用。但是，其缺點(diǎn)是對(duì)于弱干擾信號(hào)的抑制效果較差，使得其在弱干擾環(huán)境或同時(shí)存在強(qiáng)干擾和弱干擾的環(huán)境中的應(yīng)用受到限制。

最優(yōu)數(shù)字多波束算法采用數(shù)字復(fù)用技術(shù)，同時(shí)在視野空間內(nèi)形成多個(gè)最優(yōu)數(shù)字接收波束。典型的最優(yōu)數(shù)字波束為最小方差無(wú)失真響應(yīng)響應(yīng)(Minimum Variance Distorted Response，MVDR)波束。每個(gè)最優(yōu)數(shù)字波束的主瓣指向一顆導(dǎo)航衛(wèi)星，同時(shí)自適應(yīng)地在干擾方向形成零陷。最優(yōu)數(shù)字多波束算法在對(duì)干擾抑制的同時(shí)可以提升系統(tǒng)輸出信號(hào)的信噪比。但是該算法需要衛(wèi)星方位、陣列姿態(tài)等先驗(yàn)信息輔助，算法結(jié)構(gòu)復(fù)雜、計(jì)算量較大，很難在工程應(yīng)用中得到廣泛使用。

技術(shù)實(shí)現(xiàn)要素：

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種衛(wèi)星導(dǎo)航干擾抑制算法，采用歸一化后的接收數(shù)據(jù)協(xié)方差矩陣的噪聲子空間特征向量作為自適應(yīng)調(diào)零權(quán)向量對(duì)接收信號(hào)中的干擾分量進(jìn)行抑制，可以同時(shí)對(duì)接收信號(hào)中的弱功率干擾信號(hào)分量和強(qiáng)功率干擾進(jìn)行有效地抑制，易于工程實(shí)現(xiàn)。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案包括以下步驟：

第一步，計(jì)算接收數(shù)據(jù)協(xié)方差矩陣R_x的估計(jì)值其中，x(n)為由M個(gè)陣元的陣列天線在n時(shí)刻接收到的中頻數(shù)字復(fù)數(shù)信號(hào)向量，維數(shù)為M×1，M≥2；的維數(shù)大小為M×M；上標(biāo)H為共軛轉(zhuǎn)置運(yùn)算符；N為計(jì)算接收數(shù)據(jù)協(xié)方差矩陣的估計(jì)值需要的信號(hào)快拍數(shù)，N≥4M；

第二步，對(duì)接收數(shù)據(jù)協(xié)方差矩陣的估計(jì)值采用Jacobi算法進(jìn)行特征分解運(yùn)算，獲得特征值λ_m和相應(yīng)的特征向量q_m，m＝1,2,…,M；

第三步：將最小特征值λ_min作求倒數(shù)運(yùn)算并與其對(duì)應(yīng)的特征向量相乘得到未歸一化的權(quán)向量的維數(shù)大小為M×1；

第四步，對(duì)權(quán)向量進(jìn)行歸一化處理，得到歸一化的權(quán)向量其中，為權(quán)向量的第一個(gè)元素；

第五步，采用權(quán)向量w_opt對(duì)第一步中接收到的中頻數(shù)字復(fù)數(shù)信號(hào)x(n)進(jìn)行加權(quán)疊加處理，干擾抑制后的輸出信號(hào)

本發(fā)明的有益效果是：采用本發(fā)明得到的權(quán)向量w_opt省去對(duì)應(yīng)于干擾特征向量的權(quán)分量，使得加權(quán)后輸出的信號(hào)功率中只包含噪聲信號(hào)分量，可以同時(shí)對(duì)強(qiáng)干擾信號(hào)和弱干擾信號(hào)進(jìn)行有效地抑制。

附圖說(shuō)明

圖1是本發(fā)明的算法流程圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)一步說(shuō)明，本發(fā)明包括但不僅限于下述實(shí)施例。

本發(fā)明算法實(shí)現(xiàn)步驟如下：

第一步：計(jì)算接收數(shù)據(jù)協(xié)方差矩陣R_x的估計(jì)值計(jì)算表達(dá)式如下：

其中，x(n)為由M(M≥2)個(gè)陣元的陣列天線在n時(shí)刻接收到的中頻數(shù)字復(fù)數(shù)信號(hào)向量，維數(shù)為M×1；的維數(shù)大小為M×M；上標(biāo)H為共軛轉(zhuǎn)置運(yùn)算符；N為計(jì)算接收數(shù)據(jù)協(xié)方差矩陣的估計(jì)值需要的信號(hào)快拍數(shù)，需滿足N≥4M。

第二步：對(duì)接收數(shù)據(jù)協(xié)方差矩陣的估計(jì)值進(jìn)行特征分解運(yùn)算，特征分解采用Jacobi算法實(shí)現(xiàn)，獲得特征值λ_m(m＝1,2,…,M)和相應(yīng)的特征向量q_m(m＝1,2,…,M)。

第三步：將最小特征值λ_min作求倒數(shù)運(yùn)算并與其對(duì)應(yīng)的特征向量相乘得到未歸一化的權(quán)向量

的維數(shù)大小為M×1。

第四步：對(duì)第三步中得到的未歸一化的權(quán)向量進(jìn)行歸一化處理，得到歸一化的權(quán)向量w_opt，計(jì)算過(guò)程如下式所示：

其中，為權(quán)向量的第一個(gè)元素。

第五步：采用第四步中計(jì)算得到的權(quán)向量w_opt對(duì)第一步中接收到的中頻數(shù)字復(fù)數(shù)信號(hào)x(n)進(jìn)行加權(quán)疊加處理，計(jì)算過(guò)程如下式所示：

其中，上標(biāo)H為共軛轉(zhuǎn)置運(yùn)算符，y為干擾抑制后的輸出信號(hào)。

對(duì)于功率倒置算法，其權(quán)向量計(jì)算如下：

其中，w_PI為功率倒置算法計(jì)算得到的權(quán)向量，維數(shù)大小為M×1；為收數(shù)據(jù)協(xié)方差矩陣估計(jì)值的逆矩陣，維數(shù)大小為M×M；a₀＝[1,0,…,0]^T為約束向量，維數(shù)大小為M×1；K為干擾源數(shù)目，且K＜M；δ²為系統(tǒng)噪聲功率；w_jam和w_noise分為干擾信號(hào)和噪聲信號(hào)兩部分分別對(duì)應(yīng)的權(quán)向量，維數(shù)大小為M×1。

當(dāng)外界存在強(qiáng)干擾信號(hào)時(shí)(干擾信號(hào)的功率遠(yuǎn)大于噪聲信號(hào)功率)，干擾信號(hào)對(duì)用的特征值將遠(yuǎn)大于噪聲信號(hào)對(duì)應(yīng)的特征值，即

由式(6)可知，隨著干擾功率的增大，最優(yōu)權(quán)值中對(duì)應(yīng)于干擾特征向量的權(quán)分量將越來(lái)越小。因此，功率倒置法可以在強(qiáng)干擾方向上形成較深的零陷，抗干擾能力較強(qiáng)。反之，若干擾信號(hào)的功率較小(略大于噪聲信號(hào))時(shí)，最優(yōu)權(quán)值中對(duì)應(yīng)于干擾特征向量的權(quán)分量(式(5)中第二個(gè)等號(hào)右側(cè)第一項(xiàng))將略小于對(duì)應(yīng)于噪聲特征分量的權(quán)向量(式(5)中第二個(gè)等號(hào)右側(cè)第二項(xiàng))，形成的零陷變淺，抗干擾能力較差。而采用本發(fā)明得到的權(quán)向量w_opt省去對(duì)應(yīng)于干擾特征向量的權(quán)分量，使得加權(quán)后輸出的信號(hào)功率中只包含噪聲信號(hào)分量，可以同時(shí)對(duì)強(qiáng)干擾信號(hào)和弱干擾信號(hào)進(jìn)行有效地抑制。

本發(fā)明適用于GPS、BDS和GLONASS衛(wèi)星導(dǎo)航系統(tǒng)干擾抑制處理。以4單元BD2-B3頻點(diǎn)抗干擾天線抗兩個(gè)寬帶干擾為例闡述本發(fā)明的具體實(shí)施方式。

步驟1：計(jì)算4元陣列接收數(shù)據(jù)協(xié)方差矩陣的估計(jì)值數(shù)據(jù)采樣快拍數(shù)N＝256，計(jì)算得到的是維數(shù)為4×4的Hermit矩陣，計(jì)算過(guò)程如下：

步驟2：采用Jacobi算法對(duì)接收數(shù)據(jù)協(xié)方差矩陣的估計(jì)值進(jìn)行特征分解運(yùn)算，獲得特征值λ_m(m＝1,2,…,4)和相應(yīng)的特征向量q_m(m＝1,2,…,4)。

步驟3：將步驟2計(jì)算得到的最小特征值λ_min作求倒數(shù)運(yùn)算并與其對(duì)應(yīng)的特征向量相乘得到未歸一化的權(quán)向量計(jì)算過(guò)程如下：

步驟4：對(duì)步驟3中得到的未歸一化的權(quán)向量進(jìn)行歸一化處理，得到歸一化的權(quán)向量w_opt，計(jì)算過(guò)程如式(3)所示。

步驟5：采用步驟4中計(jì)算得到的權(quán)向量w_opt對(duì)第一步中接收到的中頻數(shù)字復(fù)數(shù)信號(hào)x(n)進(jìn)行加權(quán)疊加處理并輸出，計(jì)算過(guò)程如式(4)所示。

至此，完成對(duì)4單元BD2-B3頻點(diǎn)接收信號(hào)的干擾抑制處理。