[发明专利]基于交替方向乘子法的鲁棒自适应波束形成算法有效

专利信息
申请号: 201911347121.2 申请日: 2019-12-24
公开(公告)号: CN110988854B 公开(公告)日: 2022-10-28
发明(设计)人: 王彤;苏昱煜;冯建婷;路彤 申请(专利权)人: 西安电子科技大学
主分类号: G01S13/00 分类号: G01S13/00;G01S7/02
代理公司: 西安睿通知识产权代理事务所(特殊普通合伙) 61218 代理人: 包春菊
地址: 710071*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 交替 方向 乘子法 自适应 波束 形成 算法
【权利要求书】:

1.基于交替方向乘子法的鲁棒自适应波束形成算法,其特征在于,包括以下步骤:

步骤1,设一个阵元数为M的均匀线阵,在角度θl和角度θs处分别接收到L个干扰信号和1个期望信号,得到第k个快拍处的接收数据x(k),其中,l=1,2,…,L;利用第k个快拍处的接收数据x(k)计算,得估计的理想的协方差矩阵

设定期望信号的导向矢量为ae,根据设定的期望信号的导向矢量ae和估计的理想的协方差矩阵建立信号优化模型:

s.t.||ae||2=M

其中,M为阵元数,C为在干扰区域的积分矩阵,△0为门限值,Θ为期望信号所在的角度区域,是Θ的补集,d(θ)是与天线阵列几何结构所定义的方向θ相关联的导向矢量;

估计的理想的协方差矩阵的表达式为:

其中,K为快拍总数;

步骤2,构造干扰子空间的投影矩阵PI,根据所述干扰子空间的投影矩阵PI和估计的理想的协方差矩阵得到估计的干扰加噪声协方差矩阵

采用估计的干扰加噪声协方差矩阵代替干扰区域的积分矩阵C,采用△0′代替门限值△0,并引入辅助变量将所述信号优化模型转化转换为实值变量优化模型;利用拉格朗日乘子法将所述实值变量优化模型转换为增广的拉格朗日函数;其中,

步骤2包含以下子步骤:

子步骤2.1,其中,Θl表示第l个干扰所在的角度区域,γi和ei分别是C′的特征值和特征向量,i=1,2,…,L,L+1,…,M;U=UI+UN,UI=[e1,e2...,eL]表示干扰子空间,UN=[eL+1,eL+2...,eM]表示噪声子空间;

根据所述干扰子空间UI构造干扰子空间的投影矩阵PI,表达式为:根据所述干扰子空间的投影矩阵PI和估计的理想的协方差矩阵得到估计的干扰加噪声协方差矩阵为:

其中,表示估计的噪声功率,n=L+2,L+3,…,M;

子步骤2.2,采用估计的干扰加噪声协方差矩阵代替干扰区域的积分矩阵C,采用△0′代替门限值△0,其中,△0′为:

令:

其中,B∈CM×M;和分别表示实部和虚部,且

令:

其中,则实值变量优化模型为:

||u||2≤△0

||v||2=M;

其中,M为阵元数;

子步骤2.3,增广的拉格朗日函数的表达式为:

其中,分别是拉格朗日乘子向量,ρ0是步长;

步骤3,利用交替方向乘子法对所述增广的拉格朗日函数进行求解,得导向矢量的最终估计值和权矢量的最终估计值

2.根据权利要求1所述的基于交替方向乘子法的鲁棒自适应波束形成算法,其特征在于,步骤1中,第k个快拍处的接收数据x(k)的表达式为:

x(k)=s(k)+i(k)+n(k)

其中,s(k)表示期望信号数据矢量,i(k)表示干扰信号数据矢量,n(k)表示噪声矢量。

3.根据权利要求1所述的基于交替方向乘子法的鲁棒自适应波束形成算法,其特征在于,步骤3包含以下子步骤:

若迭代次数q=1,λ12=0,则导向矢量的最终估计值其中,θp为期望信号的方向;权矢量的最终估计值

若迭代次数q≠1,导向矢量的最终估计值和权矢量的最终估计值通过以下步骤求解:

1)对于u=uq,v=vq,可以通过最小化增广的拉格朗日函数来求解:

其中,的解为:

2)对于将最小化增广的拉格朗日函数分解为两个优化子问题:

s.t.||u||2≤△0

s.t.||v||2=M

其中,M为阵元数;

由两个优化子问题得uq+1,vq+1为:

3)对于u=uq+1,v=vq+1,λ12可以通过最小化增广的拉格朗日函数求解,并更新拉格朗日乘子为:

4)q≠1,u=uq,v=vq,迭代更新步骤1)、2)、3),直到qqmax或结束迭代,得到导向矢量的最终估计值为权矢量的最终估计值为其中,qmax为最大迭代数,ε为阈值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911347121.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top