发明名称 基于1范数约束的自适应波束形成方法
摘要 本发明属于雷达自适应波束形成技术领域,特别涉及基于1范数约束的自适应波束形成方法。其具体步骤为:利用雷达的接收阵列接收信号,雷达的接收阵列接收的信号包括干扰信号和目标回波信号;雷达的接收阵列为均匀线阵;用e表示设定的目标导向矢量s与目标导向矢量的估计<img file="DDA0000616848570000011.GIF" wi="36" he="67" />之间的误差向量;构建关于向量e的优化模型,求解关于向量e的优化模型,得出目标导向矢量的估计<img file="DDA0000616848570000012.GIF" wi="67" he="67" /><img file="DDA0000616848570000013.GIF" wi="227" he="73" />得出雷达的接收阵列接收信号的协方差矩阵的估计<img file="DDA0000616848570000014.GIF" wi="89" he="84" />将<img file="DDA0000616848570000015.GIF" wi="62" he="83" />的所有特征值对应的特征向量组成的矩阵表示U;将矩阵U的前K列作为目标加干扰子空间E,K为设定的自然数,得出修正后的目标加干扰子空间<img file="DDA0000616848570000016.GIF" wi="83" he="74" /><img file="DDA0000616848570000017.GIF" wi="307" he="96" />构建基于1范数约束的代价函数;求解基于1范数约束的代价函数,得出向量β;得出自适应权矢量w<sub>opt</sub>,<img file="DDA0000616848570000018.GIF" wi="267" he="95" />
申请公布号 CN104360337B 申请公布日期 2017.02.22
申请号 CN201410690971.3 申请日期 2014.11.26
申请人 西安电子科技大学 发明人 冯大政;蒋雨;解虎;侯瑞利
分类号 G01S7/41(2006.01)I 主分类号 G01S7/41(2006.01)I
代理机构 西安睿通知识产权代理事务所(特殊普通合伙) 61218 代理人 惠文轩
主权项 基于1范数约束的自适应波束形成方法,其特征在于,包括以下步骤:步骤1,利用雷达的接收阵列接收信号,雷达的接收阵列接收的信号包括干扰信号和目标回波信号;雷达的接收阵列为均匀线阵,雷达的接收阵列的阵元数为N,雷达的接收阵列的阵元间距为d,雷达的接收阵列接收的信号的样本个数为L;步骤2,将设定的目标导向矢量表示为s,将目标导向矢量的估计表示为<img file="FDA0001068562440000011.GIF" wi="59" he="58" />用e表示设定的目标导向矢量s与目标导向矢量的估计<img file="FDA0001068562440000012.GIF" wi="27" he="51" />之间的误差向量;构建关于向量e的优化模型,求解上述关于向量e的优化模型,得出设定的目标导向矢量s与目标导向矢量的估计<img file="FDA00010685624400000114.GIF" wi="29" he="54" />之间的误差向量e;得出目标导向矢量的估计<img file="FDA0001068562440000013.GIF" wi="54" he="52" /><img file="FDA0001068562440000014.GIF" wi="212" he="55" />根据雷达的接收阵列接收的信号,得出雷达的接收阵列接收信号的协方差矩阵的估计<img file="FDA0001068562440000015.GIF" wi="71" he="67" />在步骤2中,所述关于向量e的优化模型为:<maths num="0001"><math><![CDATA[<mrow><munder><mrow><mi>m</mi><mi>i</mi><mi>n</mi></mrow><mi>e</mi></munder><msup><mrow><mo>(</mo><mi>s</mi><mo>+</mo><mi>e</mi><mo>)</mo></mrow><mi>H</mi></msup><msup><mover><mi>R</mi><mo>^</mo></mover><mrow><mo>-</mo><mn>1</mn></mrow></msup><mrow><mo>(</mo><mi>s</mi><mo>+</mo><mi>e</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001068562440000016.GIF" wi="502" he="96" /></maths><maths num="0002"><math><![CDATA[<mfenced open = "" close = ""><mtable><mtr><mtd><mrow><mi>s</mi><mo>.</mo><mi>t</mi><mo>.</mo></mrow></mtd><mtd><mrow><msup><mi>s</mi><mi>H</mi></msup><mi>e</mi><mo>=</mo><mn>0</mn><mo>,</mo><msup><mrow><mo>(</mo><mi>s</mi><mo>+</mo><mi>e</mi><mo>)</mo></mrow><mi>H</mi></msup><mover><mi>R</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>s</mi><mo>+</mo><mi>e</mi><mo>)</mo></mrow><mo>&le;</mo><msup><mi>s</mi><mi>H</mi></msup><mover><mi>R</mi><mo>^</mo></mover><mi>s</mi></mrow></mtd></mtr></mtable></mfenced>]]></math><img file="FDA0001068562440000017.GIF" wi="852" he="74" /></maths>其中,s表示设定的目标导向矢量,e表示设定的目标导向矢量s与目标导向矢量的估计<img file="FDA0001068562440000018.GIF" wi="26" he="50" />之间的误差向量,e是长度为N的列向量;<img file="FDA0001068562440000019.GIF" wi="49" he="61" />表示雷达的接收阵列接收信号的协方差矩阵的估计;上标H表示共轭转置,(·)<sup>‑1</sup>表示取逆操作;步骤3,对雷达的接收阵列接收信号的协方差矩阵的估计<img file="FDA00010685624400000110.GIF" wi="49" he="61" />进行特征值分解,将<img file="FDA00010685624400000111.GIF" wi="49" he="62" />的所有特征值对应的特征向量组成的矩阵表示U;将矩阵U的前K列作为目标加干扰子空间E,K为设定的自然数,得出修正后的目标加干扰子空间<img file="FDA00010685624400000112.GIF" wi="70" he="58" /><img file="FDA00010685624400000113.GIF" wi="281" he="77" />步骤4,构建如下基于1范数约束的代价函数:<maths num="0003"><math><![CDATA[<mrow><munder><mrow><mi>m</mi><mi>i</mi><mi>n</mi></mrow><mi>&beta;</mi></munder><msup><mrow><mo>(</mo><mover><mi>E</mi><mo>&OverBar;</mo></mover><mi>&beta;</mi><mo>)</mo></mrow><mi>H</mi></msup><mover><mi>R</mi><mo>^</mo></mover><mrow><mo>(</mo><mover><mi>E</mi><mo>&OverBar;</mo></mover><mi>&beta;</mi><mo>)</mo></mrow><mo>+</mo><msup><mi>&lambda;</mi><mo>&prime;</mo></msup><mo>|</mo><mo>|</mo><mi>&beta;</mi><mo>|</mo><msub><mo>|</mo><mn>1</mn></msub></mrow>]]></math><img file="FDA0001068562440000021.GIF" wi="611" he="110" /></maths><maths num="0004"><math><![CDATA[<mfenced open = "" close = ""><mtable><mtr><mtd><mrow><mi>s</mi><mo>.</mo><mi>t</mi><mo>.</mo></mrow></mtd><mtd><mrow><msup><mrow><mo>(</mo><mover><mi>E</mi><mo>&OverBar;</mo></mover><mi>&beta;</mi><mo>)</mo></mrow><mi>H</mi></msup><mover><mi>s</mi><mo>^</mo></mover><mo>=</mo><mn>1</mn></mrow></mtd></mtr></mtable></mfenced>]]></math><img file="FDA0001068562440000022.GIF" wi="350" he="94" /></maths>其中,β是长度为K+2的列向量,||·||<sub>1</sub>表示取l<sub>1</sub>范数操作,H表示共轭转置操作,λ′为||β||<sub>1</sub>的正则化参数;步骤5,求解步骤4中基于1范数约束的代价函数,得出向量β;得出自适应权矢量w<sub>opt</sub>,<img file="FDA0001068562440000023.GIF" wi="251" he="78" />
地址 710071 陕西省西安市太白南路2号