[发明专利]一种卫星导航接收机抗干扰方法

说明书

技术领域

本发明涉及卫星导航接收机数据处理研究领域，尤其涉及一种卫星导航接收机抗干扰方法。

背景技术

传统的卫星导航接收机天线为全向单天线，它不考虑卫星的方位，在接收来自空中的所有导航信号的同时，也接收其覆盖频段的所有干扰信号，当干扰强度超过接收机的容忍限度时，将严重影响接收机性能，使其设计功能无法实现。为此，采用自适应调零天线，在实际工作中，其阵列单元的物理位置不作改变，而是通过阵列信号处理，在空域中分辨出干扰信号的来向，利用空时联合算法，自适应地改变天线的方向图，当干扰信号和有用信号来向不同时，将零陷方向对准干扰信号，充分抑制干扰，提高信干噪比，从而提高卫星导航系统在战场恶劣电磁条件下的实用性。

空时二维联合抗干扰算法，在空域和时域上对干扰分别进行抑制，与纯空域滤波方式相比，空时算法能够在较少天线数的情况下抑制较多的干扰，具备更优异的抗干扰能力。而空时处理算法最大的问题就是自相关矩阵维数过多，直接进行矩阵求逆运算量太大，在现有硬件条件下很难做到实时处理。因此，以降低计算量为主要目的简化算法是卫星导航接收机空时抗干扰研究的重要问题。

空时二维联合处理的基本思想是在天线阵列后加上若干个延迟单元，延迟单元相当于频域滤波器，可以在频域上对干扰进行抑制。现有一均匀圆阵，天线个数为M，延迟单元数为P，时延间隔为T，如图3所示。

当接收到的阵列信号入射到阵列上时，第m个阵元的第p个抽头接收到的信号为：                                                ；其中，上式中M阵元数，P为每个天线的延迟单元数，T为每个抽头的时延，要求T<1／B，B是信号带宽。设第m个阵元的第P个抽头的权值为，则滤波器的输出为：

（4）

若写成矩阵形式为：

（5）

其中，式5中：

（5.1）

（5.2）

图3中，共有M组天线，每个天线接收到的数据有P次延迟。对于每一个天线，P次延迟形成了一个时域滤波器；对于每一次延迟数据，有M个天线接收的数据。这样，一次处理就有空域和时域两维上共M×P个数据。也就是说，从每个阵元通道来看，各级延时构成了FIR滤波，可以在时域上去除干扰；相同的时间延迟节点看，不同的阵元构成了空域的自适应滤波，可以分辨空间干扰源，形成空域零陷抑制空域干扰。由此可以看出，空时二维联合处理是空域天线阵列在时域上的扩展，相当于在不增加天线数的前提下增加了滤波器的自由度，从而能够比单纯的空域滤波滤除更多的干扰。

现有的空时联合抗干扰算法大致分两类：直接矩阵求逆算法和采用自适应准则实现的抗干扰算法，自适应准则有线性约束最小方差(LCMV，Linearly Constrained Millimulil Variance)准则、最大信干噪比(Maximum Signal to Interference and Noise Ratio)准则和最小均方误差(MMSE，Minimum Mean-square Error)准则等。

1. 线性约束最小方差(LCMV)准则

线性约束最小方差准则的主要思想是，在满足一定的线性约束条件（通常使用如式（6.1）所示的约束条件下，使输出的信号功率最小，也称为最小功率准则。通常令式（6.1）中的常数c=1，该算法也称为功率倒置算法。

（6）

（6.1）

其中，为阵列接收信号（有用信号、干扰信号和噪声的叠加）的协方差矩阵。s表示导向矢量，为方位角，为俯仰角，n为数据长度。利用拉格朗日乘数法，可以求得LCMV算法最优权向量为：

 （6.2）

2． 功率倒置算法权向量的求解

功率倒置算法就是选择的最佳值使输出功率最小的问题，即：

   （7.1）

其中

 （7.2）

为输入数据的自相关矩阵。

构建拉格朗日代价函数：

 （7.3）

其中为拉格朗日乘数。

令，可得

 （7.4）

3. 自适应最小均方误差（NLMS）算法

矩阵求逆在硬件上的实现复杂度高，且实时性差。为了避免矩阵求逆，我们可以采用最陡下降法得到的递归方程，方法如下：