本发明涉及阵列信号处理,具体涉及一种均匀线性阵列信号处理方法及设备。
背景技术:
1、阵列信号处理(array?signal?processing)在雷达、通信系统、空时自适应处理(stap)、音频信号处理和射电天文学等领域的相干信号处理中无处不在。在各种应用场景中,波束形成技术在阵列信号处理(sasp)中发挥着重要作用。这项技术通过分析接收信号的特性(如窄带源)和阵列的几何结构(如均匀线性阵列),实现了相较于单个接收器更高的相关处理增益。波束形成旨在从已知的到达方向(doa)中提取感兴趣的信号(soi),同时抑制其他因素(如干扰或环境影响)引入的干扰和噪声。
2、在传感器阵列信号处理(sasp)领域,波束形成器的设计可以基于多种准则。自20世纪60年代后期以来,capon的开创性工作关于最小方差无畸变响应(mvdr)已经在很大程度上奠定了sasp领域理论和实际应用的基础。因此,mvdr及其相关扩展至今仍然是许多sasp算法和应用的核心支柱。
3、由于神经网络具有并行计算性能和处理复杂系统的能力,神经网络在波束形成问题上具有不可忽视的优势。该研究领域有三种主流框架,分别是递归神经网络(rnn)、卷积神经网络(cnn)和图神经网络(gnn)。一般来说,rnn模型是模型驱动,避免了繁琐的训练和调试过程,神经网络方法可以以高精确运行,并且可以同时在多个复杂系统上实现,因此它们确实在以自然优势解决波束形成问题中发挥了无可或缺的作用。
技术实现思路
1、本发明的目的是针对现有技术存在的不足,提供一种均匀线性阵列信号处理方法及设备。
2、为实现上述目的,在第一方面,本发明提供了一种均匀线性阵列信号处理方法,包括:
3、接收均匀线性阵列信号,并将所述均匀线性阵列信号经取消时延处理获得时变信号数组,为用来接收原始信号的信号接收器的总数,为第个信号接收器的处理结果,,为时变信号数组的时间参数,为矩阵的转置;
4、计算所述时变信号数组的权重向量的最优解,具体如下:
5、在满足约束条件为的前提下,最小化波束形成器的输出功率为,由此获得相应的权重向量,其中,为取最小值函数,为共轭转置,为时变信号数组中的期望信号的导向矢量,为时变信号数组的协方差矩阵;
6、利用拉格朗日乘子法将所述权重向量的求解过程转化为如下形式:
7、
8、其中,为拉格朗日方程,为拉格朗日乘子;
9、根据利用拉格朗日乘子法转化后的公式分别对权重向量和拉格朗日乘子求偏导,以获得:
10、
11、并将求偏导后的公式重构为如下形式:
12、
13、
14、
15、
16、其中,为偏导符号,为期望信号的入射角度;为非奇异矩阵,为设计给定的未知向量,为大小是的向量;
17、通过迭代优化设计给定的未知向量来获得所述时变信号数组的权重向量的最优解;
18、利用所述时变信号数组的权重向量的最优解对时变信号数组进行加权组合处理,以获得输出结果为:
19、
20、其中,为所述时变信号数组的权重向量的最优解。
21、进一步的,所述时变信号数组的协方差矩阵表示为:
22、
23、其中,为期望信号的方差,为噪声加干扰协方差矩阵。
24、进一步的,所述迭代优化设计给定的未知向量的方式具体如下:
25、
26、其中,为更新索引,,为更新步长,为第次更新获得设计给定的未知向量,最后一次更新获得的即为最终迭代优化后的设计给定的未知向量,为第次更新前的设计给定的未知向量,为第次更新前的非奇异矩阵的伪逆,为比例控制系数,为积分反馈控制系数,为第次更新前的误差,为第次更新前的历史误差之和。
27、进一步的,所述的计算方式具体如下:
28、
29、其中,为第次更新前大小是的向量。
30、在第二方面,本发明提供了一种均匀线性阵列信号处理设备,包括:
31、信号接收单元,包括个信号接收器,所述个信号接收器用以接收均匀线性阵列信号,并将所述均匀线性阵列信号初步处理为时变信号数组,为第个信号接收器的处理结果,,为时变信号数组的时间参数,为矩阵的转置;
32、计算单元,用以计算所述时变信号数组的权重向量的最优解,具体如下:
33、在满足约束条件为的前提下,最小化波束形成器的输出功率为,由此获得相应的权重向量,其中,为取最小值函数,为共轭转置,为时变信号数组中的期望信号的导向矢量,为时变信号数组的协方差矩阵;
34、利用拉格朗日乘子法将所述权重向量的求解过程转化为如下形式:
35、
36、其中,为拉格朗日方程,为拉格朗日乘子;
37、根据利用拉格朗日乘子法转化后的公式分别对权重向量和拉格朗日乘子求偏导,以获得:
38、
39、并将求偏导后的公式重构为如下形式:
40、
41、
42、
43、
44、其中,为偏导符号,为期望信号的入射角度;为非奇异矩阵,为设计给定的未知向量,为大小是的向量;
45、通过迭代优化设计给定的未知向量来获得所述时变信号数组的权重向量的最优解;
46、波束形成器,用以利用所述时变信号数组的权重向量的最优解对时变信号数组进行加权组合处理,以获得输出结果为:
47、
48、其中,为所述时变信号数组的权重向量的最优解。
49、进一步的,所述时变信号数组的协方差矩阵表示为:
50、
51、其中,为期望信号的方差,为噪声加干扰协方差矩阵。
52、进一步的,所述迭代优化设计给定的未知向量的方式具体如下:
53、
54、其中,为更新索引,,为更新步长,为第次更新获得设计给定的未知向量,最后一次更新获得的即为最终迭代优化后的设计给定的未知向量,为第次更新前的设计给定的未知向量,为第次更新前的非奇异矩阵的伪逆,为比例控制系数,为积分反馈控制系数,为第次更新前的误差,为第次更新前的历史误差之和。
55、进一步的,所述的计算方式如下:
56、
57、其中,为第次更新前大小是的向量。
58、有益效果:本发明基于mvdr波束形成算法和拉格朗日算法对接收的阵列信号进行处理,通过迭代优化设计给定的未知向量来获得权重向量的最优解,充分利用了当前误差以及历史误差的反馈,相较于现有技术具有抗干扰性能以及优良的鲁棒性,可适用于均匀线性阵列信号处理,能提高信号处理的并行计算性能和处理复杂系统的能力和噪声容忍性,具有广阔的应用前景。
1.一种均匀线性阵列信号处理方法,其特征在于,包括:
2.根据权利要求1所述的一种均匀线性阵列信号处理方法,其特征在于,所述时变信号数组的协方差矩阵表示为:
3.根据权利要求1所述的一种均匀线性阵列信号处理方法,其特征在于,所述迭代优化设计给定的未知向量的方式具体如下:
4.根据权利要求3所述的一种均匀线性阵列信号处理方法,其特征在于,所述的计算方式具体如下:
5.一种均匀线性阵列信号处理设备,其特征在于,包括:
6.根据权利要求5所述的一种均匀线性阵列信号处理设备,其特征在于,所述时变信号数组的协方差矩阵表示为:
7.根据权利要求5所述的一种均匀线性阵列信号处理设备,其特征在于,所述迭代优化设计给定的未知向量的方式具体如下:
8.根据权利要求7所述的一种均匀线性阵列信号处理设备,其特征在于,所述的计算方式如下: