一种基于特征子空间判决的自适应干扰抑制方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115993591A(43)申请公布日2023.04.21(21)申请号202211440723.4(22)申请日2022.11.17(71)申请人哈尔滨工程大学地址150001黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室(72)发明人生雪莉李德文曹然李理尹家瑞张晓(51)Int.Cl.G01S7/54(2006.01)G01S15/88(2006.01)G01H3/00(2006.01)G06F17/16(2006.01)G06F18/213(2023.01)权利要求书2页说明书7页附图3页(54)发明名称一种基于特征子空间判决的自适应干扰抑制方法(57)摘要本发明的目的在于提供一种基于特征子空间判决的自适应干扰抑制方法，包括如下步骤：计算得到满秩的样本协方差矩阵；分解出N个按从大到小分布的特征值和与之对应的特征向量，获得前D个大特征值对应的特征向量张成的主子空间和N‑D个小特征值对应的特征向量张成的噪声子空间；寻找主子空间和噪声子空间内的目标信号分量，若存在，将其找出且删除，剩余的两个子空间合并形成干扰加噪声子空间；重构协方差矩阵，最后通过计算空间谱，实现强干扰信号抑制，准确估计弱目标方位。本发明无需计算干扰和目标信号的功率，计算效率更高；环境失配影响较小，稳健性更高；适用于目标声源运动场景，实际海试数据证实其有效性，有较强的工程实用价值。CN115993591ACN115993591A权利要求书1/2页1.一种基于特征子空间判决的自适应干扰抑制方法，其特征是：(1)将由N个水听器按照d的间距均匀分布组成的水平阵列放置在设定深度的海水中，从不同方向Θ＝[θ1，θ2，…，θK]处接收K个窄带信号，其中包含1个目标信号和K‑1个干扰信号，且目标信号的信噪比最弱，阵列接收的信号模型可写成：x(t)＝A(τ)s(t)+n(t)，t＝t1，…，tT‑j2πfτA(τ)＝e，τ＝dsinθk/c，f为信号频率，c为水下声速，s(t)＝[s1(t)，…，sk(t)]为入射信号分量，n(t)为高斯白噪声，θk∈(o°，180°)，k＝1，2，…，K；样本协方差矩阵是利用有限快拍数为L条件下的采样数据估计得到的，即其中，上标H表示共轭转置，为N×N的复数矩阵；(2)通过将样本协方差矩阵进行特征分解，得到：其中，λ1，λ2，…，λN和e1，e2，…，eN分别为样本协方差矩阵特征分解得到的特征值和特征向量，且特征向量之间相互正交；将特征值按照从大到小顺序分布为：λ1＞…＞λd＞λd+1＞…＞λN根据特征值的大小分布，将前D个大特征值对应的特征向量组成主子空间UZ，剩余N‑D个小特征值对应的特征向量组成噪声子空间UN，分别表示为：UZ＝[e1，e2，…，eD]，UN＝[eD+1，e2，…，eN]；(3)根据波束形成CBF方法预估目标信号方位θ0，选取其所在方位，设为[θS1，θS2]，满足0°≤θS1＜θ0＜θS2≤180°，方位区间的网格大小为0.1°，共Q＝(θS2‑θS1)/0.1+1个值，构造Q个导向矢量，即：其中，A(θSi)为N×1的复数向量，[θS1，θS2]区间内可形成波束扫描的导向矢量矩阵：A＝[A1，A2，…，AQ]其中，A为的N×Q复数矩阵，Ai为N×1的复数向量，i∈[1，…，Q]；在预估目标信号范围内，构造一个判决因子，通过Q个导向矢量在N个特征向量之间遍历，寻找主子空间和噪声子空间内的目标信号分量，形成的判决因子如下表示：其中，DFi表示目标信号大体方位对应的导向矢量遍历子空间内的特征向量的结果；A(θk)表示目标信号大体方位对应的导向矢量，为N×Q的复数矩阵，e(n)表示样本协方差矩阵特征分解得到的N个特征分量，每个特征向量为N×1的复数矩阵，上标H表示共轭转置；根据目标信号导向矢量与对应的特征向量关系，设置判决阈值为其中N是阵元数，γ是判决系数，表示目标信号导向矢量与对应特征向量之间的关联程度；通过判决因子来对主子空间和噪声子空间内每个特征向量进行遍历判决，并对其进行2CN115993591A权利要求书2/2页分离，得到干扰和噪声子空间UI+N和信号子空间Us：如果DFi＜η，则e(n)∈UI+N；如果DFi≥η，则e(n)∈Us；(4)利用正交投影的方式将得到的干扰和噪声子空间UI+N，从样本协方差矩阵中去除，且重构样本协方差矩阵即：其中，P⊥为干扰和噪声子空间的正交投影矩阵，即I为单位矩阵，上标H为共轭转置；将重构样本协方差矩阵代入CBF的空间功率谱估计，得到空间谱输出结果：其中，ω(θ)＝A(θ)/N，θ∈[0°，180°]。2.根据权利要求1所述的一种基于特征子空间判决的自适应干扰抑制方法，其特征是：步骤(1)中的N