基于JADE的时变窄带干扰抑制方法

摘要

本发明公开了一种基于JADE的时变窄带干扰抑制方法，其步骤包括：(1)雷达录取回波；(2)判断是否存在窄带干扰；(3)预处理；(4)分离基信号；(5)提取干扰信号；(6)剔除干扰信号；(7)判断是否遍历完所有方位回波；(8)结束遍历。本发明通过采用近似联合对角化JADE方法直接在信号数据域提取窄带干扰，充分利用雷达信号与干扰信号统计特性的差异性，能够有效地抑制时变的窄带干扰，保留有用回波信号，克服了小波变换法耗时多、复数经验模态分解法对干扰信号分离不彻底的不足，具有信号损失小、抑制效果好的优点。

主权项

1.基于JADE的时变窄带干扰抑制方法，包括如下步骤：(1)雷达录取回波，得到以距离为行向量，以方位为列向量的回波数据；(2)判断回波数据是否存在窄带干扰：2a)对回波数据的列向量进行傅里叶变换，得到一维距离像；2b)按照下式计算一维距离像的相对幅度比：$R=\frac{\max \left(\right|\left|P\right|\left|\right)}{\mathrm{mean}\left(\right|\left|P\right|\left|\right)}$其中，R表示一维距离像的相对幅度比，max(·)表示求最大值运算符号，||·||表示求模值运算符号，P表示一维距离像，mean(·)表示求均值运算符号；2c)判断一维距离像的相对幅度比是否大于或等于幅度阈值，若是，则执行步骤(3)；否则，执行步骤(7)；(3)预处理：3a)以定长在回波数据的列向量中滑动选取数据，以每次所选取的数据为行向量，组成数据矩阵；3b)分别计算数据矩阵每行的均值，将数据矩阵的各行数据分别与其所在行对应的均值相减，并将差值依次作为行向量中的元素，组成零均值数据矩阵；3c)计算零均值数据矩阵的协方差矩阵，并对协方差矩阵进行特征值分解，得到特征值对角矩阵和特征向量矩阵；3d)按照下式计算白化矩阵：W＝Λ^-1/2Q^H其中，W表示白化矩阵，Λ表示特征值对角矩阵，Λ^-1/2表示对Λ进行开方求逆得到的矩阵，Q表示特征向量矩阵，Q^H表示Q的共轭转置矩阵；3e)将白化矩阵与步骤3b)得到的零均值数据矩阵相乘，得到白化观测矩阵；(4)分离基信号：4a)按照下式计算白化观测矩阵的四阶协方差矩阵：$C=\frac{1}{N}\underset{k=1}{\overset{N}{\Sigma }}\left[Z_k^H{Z}_k{Z}_k{Z}_k^H\right]-2\mathrm{RR}-\mathrm{tr}\left(R\right)R$其中，C表示白化观测矩阵的四阶协方差矩阵，N表示白化观测矩阵的列数，表示对第1项到第N项的求和运算符号，k表示白化观测矩阵列向量的编号，Z_k表示白化观测矩阵第k列向量，表示Z_k的共轭转置向量，R表示白化观测矩阵的自相关矩阵，tr(R)表示对自相关矩阵R求矩阵迹得到的数值；4b)对四阶协方差矩阵进行特征值分解，得到一组特征向量，依次将每一个特征向量与自身的共轭转置向量相乘，得到各特征向量对应的转换矩阵；4c)按照下式计算四阶累积量矩阵：$C_p=\frac{1}{N}\underset{k=1}{\overset{N}{\Sigma }}\left[Z_k^H{E}_p{Z}_k{Z}_k{Z}_k^H\right]-{\mathrm{RE}}_{p}R-\mathrm{tr}\left(E_{p}R\right)R-{\mathrm{RE}}_p^{H}R$其中，C_P表示第p个特征向量对应的四阶累积量矩阵，p表示特征向量的标号，p的取值范围为[1，L]，L表示步骤3a)中选取的定长，N表示白化观测矩阵的列数，表示对第1项到第N项的求和运算符号，k表示白化观测矩阵列向量的编号，Z_k表示白化观测矩阵第k列向量，表示Z_k的共轭转置向量，E_p表示第p个特征向量对应的转换矩阵，R表示白化观测矩阵的自相关矩阵，tr(·)表示求矩阵迹运算符号，表示E_p的共轭转置矩阵；4d)按照联合对角化法计算Givens旋转矩阵；4e)利用JADE计算基信号矩阵；(5)提取干扰信号：5a)依次将基信号矩阵中的行向量作为基信号，按照下式计算各基信号的峰值能量比：${\tau }_m=\frac{\max \left[\mathrm{FT}\left(y_m\right)\right]}{E\left[\mathrm{FT}\left(y_m\right)\right]}$其中，τ_m表示第m个基信号的峰值能量比，m表示基信号矩阵的行数，max(·)表示计算最大值运算符号，FT(·)表示傅里叶变换运算符号，y_m表示基信号矩阵的第m行向量，E(·)表示求均值运算符号；5b)将峰值能量比大于或等于能量阈值的基信号作为干扰基信号；5c)以干扰基信号为行向量，组成干扰信号矩阵；(6)剔除干扰信号：6a)按照最小二乘法估计干扰信号的复包络，得到复包络向量；6b)将复包络向量和步骤5c)得到的干扰信号矩阵相乘，将乘积作为重构的干扰信号；6c)将回波数据的列向量与重构的干扰信号相减，得到剔除干扰后的回波数据的列向量；(7)判断是否遍历完所有回波数据的列向量，若遍历完，则执行步骤(8)；否则，执行步骤(2)；(8)获取剔除干扰后的回波数据。