抗干扰-阵列信号处理.ppt

抗干扰-阵列信号处理.ppt

《抗干扰-阵列信号处理.ppt》由会员分享，可在线阅读，更多相关《抗干扰-阵列信号处理.ppt（86页珍藏版）》请在冰豆网上搜索。

第三章阵列信号处理,通信信号处理的总体目标：

提取并利用包含在接收信号中的有用特征信息，恢复并重构原始信号（时域、频域、空域、多域联合）均衡技术就是利用接收信号的延迟样本在时域或频域上存在的差异来抑制干扰，这种差异在空域也具备时域信号具有频谱（功率谱），空域信号具有空间谱；时域处理能获得系统响应，空域处理能获得方向图；时域滤波是对不同频率的信号进行增强或抑制，空域滤波是对不同来向的信号进行增强或抑制时域处理和空域处理具有对偶关系,概述,阵列天线：

由一组各向同性的天线单元（阵元）按照一定的空间结构排列而成的天线系统阵列信号处理：

在空域分析和处理信号的一种手段，本质上是空域滤波作用：

根据信号的来波方向（directionofarrival,DOA）调整阵列的方向图（某些方向增强、某些方向减弱），跟踪期望信号，减少或消除干扰信号，提高接收信干噪比,概述,阵列天线应用：

最初主要用于雷达、声纳、军事抗干扰通信等领域，用来完成空间滤波和目标测向20世纪90年代开始将阵列天线用于移动通信领域，利用数字信号处理技术形成定向波束，以此提升系统容量（空分复用）、扩大基站覆盖范围、减小电磁污染，改善通信质量阵列天线已成为新一代宽带无线移动通信研究的热点之一,概述,阵列天线有两大类：

多波束天线阵和自适应天线阵多波束天线阵：

采用多个固定波束覆盖特定的空间区域，每个波束的指向固定。

根据目标的空间位置和方向选取相应的波束，使接收信号最佳,概述,自适应天线阵：

根据一定的准则，利用自适应算法和数字信号处理技术形成天线阵列的加权向量，对不同阵元的接收信号加权合并，在期望信号方向上形成波束主瓣，而在干扰信号方向上形成零陷，以提高接收信号的信干噪比智能天线,概述,阵列信号处理涉及的主要内容信源数估计：

获取空间分布的信源数目DOA检测与估计：

检测和估计分布在不同空间位置的信源到达阵列天线的来波方向波束形成/合成/赋形：

依据来波方向调整阵列天线各个阵元的加权参数（空间滤波），使形成的波束主瓣指向期望信号来波方向，增强在该方向的接收信号功率，同时尽可能使波束零陷对准干扰信号来波方向，降低干扰信号功率，提高接收信干噪比（SINR）,阵列信号处理基础,阵列信号处理是一种进行空间滤波的信号处理手段基本思想：

通过一定结构的天线阵列收发信号，通过对不同阵元收发信号赋以不同加权量，按需增强或抑制不同方向的辐射增益，形成定向波束，主瓣对准期望信源，同时利用自适应处理算法实时调整加权量，实现对期望信源的方向跟踪（支持期望信源移动）,阵列信号处理基础,关键部件阵列结构：

不同阵列结构的性能不同，代价也不同（线阵、园阵、面阵）信号处理器结构：

幅度加权、相位加权、幅相加权信号处理算法：

实现权值参数的自适应调整,正交混合电路实现窄带复数加权,抽头延迟线实现宽带复数加权,阵列信号处理基础,阵列天线在移动通信系统中的应用：

一般用在基站，且上下行均形成定向波束上行接收：

对各天线单元接收信号加权求和获得空间分集增益下行发射：

TDD方式（上下行工作频率相同）：

利用接收获得的加权向量，对不同终端选择加权发送（分时形成指向期望用户的定向波束）FDD方式（上下行工作频率不同）：

利用导频检测信道特性，指导加权向量更新（分时形成指向期望用户的定向波束）效用：

获得空间分集，扩大覆盖、降低功率、提高容量；抵御远近效应（CDMA系统）；提供SDMAMIMO：

空间分集（扩大覆盖）+空间复用（提升容量）,数学模型,由L个阵元组成阵列结构：

a为空间辐射源的单位方向向量；pi为阵元i的位置坐标，以坐标原点为参考相位中心阵元i接收信号相对于坐标原点的时延,等距线阵,阵元n接收信号形式传输时延窄带信号接收信号,等距线阵,阵列接收信号向量阵列方向向量阵列接收信号向量多个辐射源不同来波方向阵列接收信号向量阵列方向矩阵（阵列流形）阵列输出信号,均匀园阵,N个阵元均匀分布在半径为R的圆周上阵元分布圆心角度阵元位置坐标阵元n接收信号阵列接收信号向量阵列方向向量,二维等距面阵,阵元的坐标阵元接收信号加权系数,二维等距面阵,阵列输出归一化输出,信源数估计：

检测入射到阵列的信源数基于特征值分解方法：

估计最小特征值重数序列假设检验：

设置一个阈值赤池信息准则和最小描述长度准则：

无须设置阈值变换域方法：

解相关处理,信源数估计,DOA检测与估计,DOA检测与估计：

检测和估计信源的来波方向，也称为空间谱估计基本思想：

利用空间阵列实现空间信号的参数估计空间谱估计系统包括辐射源、天线阵列和空间谱算法处理器三部分，划分为目标空间、观察空间和估计空间,目标空间：

由辐射源参数和复杂环境参数张成观察空间：

由天线阵列构成，接收信号包括信号特征（方向、距离、极化等）和环境特征（噪声、干扰等）估计空间：

利用空域滤波技术从观察数据中提取信号特征参数,DOA检测与估计基本原理：

远场辐射源到达阵列中不同阵元会产生路程差（波程差），该路程差导致接收阵元之间存在相位差，空间谱估计就是利用不同阵元之间存在的相位差实现DOA估计如图：

阵元间距d，电波传播时延对应的相位差,DOA检测与估计,DOA检测与估计算法分类按照是否需要训练序列分类非盲DOA估计：

LMS算法、AG算法、RLS算法、DMI算法盲DOA估计：

CMA算法、空间谱估计算法、有限符号集算法、循环平稳算法、判决反馈和模糊神经网络算法等按照检测方法分类传统法：

基于经典波束形成技术，要求阵元数多极大似然法：

低信噪比环境性能好，运算量大综合法：

充分利用信号特征，有前景子空间法：

利用输入数据矩阵特征结构,DOA检测与估计,传统法,延迟相加法阵列输出阵列输出功率期望信号以角度入射到阵列上，信号功率噪声方差最大输出功率时,传统法,空间谱（功率与角度的关系）：

搜索谱峰获得DOA估计存在问题：

主波束太宽，要求信噪比高,8阵元，SNR50dB，入射方向30度,8阵元，SNR50dB，入射方向30、45度,传统法,Capon最小方差法：

针对多个辐射源，用一部分自由度形成波束，另一部分自由度形成零陷优化问题最小方差最优加权向量空间谱,传统法,存在的问题：

对相关信号无效、要求高信噪比、运算量大,8阵元，SNR50dB，入射方向5

（1）、30

（2）、40（3）度；信号1期望，2、3干扰，且1、3相关,8阵元，SNR10dB，入射方向5

（1）、30

（2）、40（3）度；信号1期望，2、3干扰,子空间法,瑞利限：

一定阵列长度下能达到的最小分辨率超分辨算法：

MUSIC算法子空间法的理论依据：

将线性空间的概念引入DOA估计，假定阵元数大于信源数，阵列数据的信号分量一定位于某个低秩的子空间，在一定条件下，该子空间能唯一确定信号的DOA，且利用奇异值分解能求出该DOA子空间法的实现方法：

利用信号子空间和噪声子空间之间的正交性，扫描整个空间获得空间谱，通过寻找谱峰对应角度，即可获得信源的DOA估计,MUSIC算法MultipleSignalClassification,基本思想：

对输入协方差矩阵进行特征值分解，获得信源数估计、DOA估计、信号强度估计（1979年由Schmidt提出）阵元M个，信源K个阵列输入信号阵列输入协方差矩阵,MUSIC算法,假设的特征值为存在特征方程所以从而的特征值分析表明，是正定的，K个信源，有K个特征值意味着对应的M个特征值中，有个特征值等于噪声方差最小特征值重数N=M-K，信源数为,MUSIC算法,进一步假设特征值对应的特征向量为根据，对于最小特征值部分：

有重要关系通过求取接收信号协方差矩阵最小特征值对应的特征向量，搜索与之正交的导向向量，获得信号方向向量估计值。

MUSIC算法,噪声子空间对应于噪声特征向量矩阵对于信号DOA，应满足MUSIC空间谱信号相关矩阵,MUSIC算法,MUSIC空间谱不是任何意义下的真实谱，可以理解为信号方向向量与噪声子空间之间的距离MUSIC算法的性能：

对主特征值的估计误差服从渐进联合高斯分布，其均值为零对波达方向的估计误差也服从渐进联合高斯分布，其均值为零信号样本足够多、接收信噪比足够高、信号模型足够准确，MUSIC算法能获得任意DOA估计精度（超分辨）,MUSIC算法流程,根据N次快拍接收信号样本计算输入协方差矩阵（时间平均）对输入协方差矩阵进行特征值分解利用最小特征值重数获得信源数估计计算MUSIC空间谱搜索谱峰获得信号DOA估计,MUSIC算法应用举例,8阵元，SNR5dB，入射方向5、30、45度,8阵元，SNR10dB，入射方向5、30、35度,8阵元，SNR10dB，入射方向5、30、40度,MUSIC算法改进,实施MUSIC算法要求样本数足够多、接收信噪比足够高，否则，DOA估计分辨率会严重下降最小范数算法：

用表示接收信号协方差矩阵中噪声子空间特征向量的线性组合，必定与信号子空间正交对施加约束条件，是其第一个元素为1，且范数最小，其最小范数问题的求解为：

最小范数空间谱为：

MUSIC算法改进,求根MUSIC算法：

基本MUSIC算法的一种多项式求根形式，其基本思想源于矩阵论中的Pisarenko分解定义多项式为了从噪声特征向量中同时提取出信号相关信息，应求取的零点，但由于该函数不是z的多项式，将其替换为求根MUSIC多项式上述多项式的根是单位圆镜像的，具有最大幅值的K个根对应的相位就是波达方向估计值在小样本数条件下，该算法较基本MUSIC算法性能要好,相干信源的DOA估计前向平滑,MUSIC算法实施的前提：

到达天线阵的信号必须彼此独立才能保证输入协方差矩阵满秩，对于彼此相关或相干的多个信号，无法分辨基本思想：

利用空间平滑预处理修正输入协方差矩阵，将等距线阵划分为若干个均匀重叠的前向子阵，0,p-1为第1前向子阵；1,p为第2前向子阵，pM，每个子阵都有自己的参考相位中心第l个前向子阵列的接收信号向量对应的协方差矩阵,相干信源的DOA估计前向平滑,所有前向子阵列的输入协方差矩阵平均前向空间平滑预处理是以降低阵列孔径为代价的，此法能获得M/2个相关信源的来波方向估计,8阵元，SNR50dB，入射方向5

（1）、30

（2）、45（3）度；信号1期望，2、3干扰，且1、2、3为相干信号,相干信源的DOA估计前/后向平滑,前向/后向共轭空间平滑也能基于MUSIC算法执行相干信号来波方向估计基本思想：

将M元阵列划分为L个均匀重叠子阵，子阵阵元数pM，其中0,p-1为第1前向子阵列；1,p为第2前向子阵列，,M,M-p+1为第1后向子阵；M-1,M-p为第2后向子阵，。

所有子阵都有自己的参考相位中心所有前向子阵平均获得阵列前向协方差矩阵，所有后向子阵平均获得阵列后向共轭协方差矩阵，再将前/后向协方差矩阵平均得到修改后的阵列协方差矩阵，对该矩阵执行MUSIC算法,相干信源的DOA估计前/后向平滑,此法能获得2M/3个相干信源的来波方向估计：

4个相干信号分别从5、25、45、60入射到10元均匀线阵，子阵阵元数为5。

前向/后向空间平滑（FBSS）能检测出所有4个DOA，而前向空间平滑（FSS）只能识别3个DOA，且估计DOA与真实DOA不符,ESPRIT算法Estimatingsignalparametersviarotationalinvariancetechnique,基本思想：

将阵列在结构上划分为两个完全相同的子阵，两个子阵中对应阵元之间的距离相等，匹配成对，即每对阵元之间具有相同的平移距离，这样两个子阵的接收信号仅相差一个旋转不变因子，该因子中包含了各个辐射源的DOA信息，通过求解广义特征方程就能获得DOA估计这种旋转不变性有两种实现手段：

通过阵列分解获得两个相同子阵（从空域角度获得，但会减少阵列的空间自由度）通过某种变换获得类似的两个子阵（从时域角度获得，但需要接收多个信号样本）,ESPRIT算法,ESPRIT算法的特点：

无需像MUSIC算法那样搜索所有导向向量，而是直接由特征值解算DOA信息，可大幅减少运算量；无需精确已知阵列流型向量，对阵列校准要求不严格。

但ESPRIT算法与MUSIC算