文章信息
- 郑建生, 陈鲤文, 代永红, 陈志刚, 徐鑫刚
- ZHENG Jiansheng, CHEN Liwen, DAI Yonghong, CHEN Zhigang, XU Xingang
- GNSS接收机抗干扰自适应调零技术性能估计
- Performance Estimates of GNSS Receiver Jamming with Adaptive Nulling Technique
- 武汉大学学报·信息科学版, 2015, 40(8): 1006-1011
- Geomatics and Information Science of Wuhan University, 2015, 40(8): 1006-1011
- http://dx.doi.org/10.13203/j.whugis20130742
-
文章历史
- 收稿日期: 2013-12-05
2. 福建工程学院信息科学与工程学院, 福建 福州, 350108
2. Information Science and Engineering School, Fujian University of Technology, Fuzhou 350108, China
在卫星通信领域,GNSS接收机常受到外界射频干扰,导致卫星导航系统性能下降,甚至无法 工作。自适应波束形成技术广泛应用于雷达、声纳、地震学、麦克风阵列语音处理以及无线通信等领域,在干扰抑制性能方面和收敛速度方面表现突出。Fante提出将自适应天线零陷技术应用到GPS接收机抗干扰中,将天线作为空间滤波手段,利用目标到卫星的已知几何关系,并根据已知的或可以推测的干扰源的位置,形成带指向的波束[1]。
当有用信号的导向矢量和真实值之间存在失配时,波束形成器的性能会急剧下降。Myrich提出了线性约束最小方差(LCMV)准则下的GPS接收机时空最小化方案,即功率倒置(PI)技术[2],该方法在保证期望信号不衰减的情况下,使阵列输出的方差(即输出功率)最小化。Widrow等人提出了最小均方误差准则及数字实现的最小均方差(LMS)算法[3]。Reed等人提出样本协方差矩阵直接求逆(DMI)算法[4, 5]。目前,研究者已经提出利用空时导向矢量联合估计有用信号的波达方向(DOA)和未知信号的DOA[6]以形成不确定集约束的波束形成算法[7, 8],这些算法可以控制天线方向图的某些零点,在增益幅度不一致的条件下,使它们分别对准来自多个方向的噪声信号干扰源。闫冰冰等还提出用简易特征空间的稳健自适应波束形成,在天线阵的方向图中产生对着干扰源方向的零陷,以增加抗干扰的效能[9]。但以上采用的PI算法分辨率较低,会产生大量干扰源方向以外的零陷抑制,将有用信号滤去。当信干噪比(SINR)下降时,性能劣化严重,甚至会造成干扰误判问题。
经典的空间谱估计多重信号分类算法(MUSIC)具备超分辨特性,已被应用到DOA的估计中,在雷达、通信、声纳等领域得到了成功应用。近年来,一些学者提出适用于任意阵列变换域的二维波达计算[10, 11],采用修正的MUSIC算法对相关信号源进行DOA估计。Kazufumi等用MUSIC算法的FFT变换来实现[12]导向矢量信号的未知信源数估计。郭跃等研究了阵元间距对MUSIC算法的影响[13]。由于GNSS接收机遇到强干扰时,它的来波方向也是未知和时变的,因此,本文提出将MUSIC算法应用到GNSS接收机抗射频干扰领域,来估计来波方向并形成抑制零陷,解决了在低信干比条件下,PI算法分辨率失效的问题。
1 阵列干扰信号模型为了方便地建立阵列信号模型,假设如下:
1) 阵元的间距为λ/2,且不考虑阵元之间存在耦合情况;
2) 把单位阵元当作点阵元来考虑;
3) 系统噪声为均值为0,方差为δ2的高斯白噪声,并且每个阵元之间噪声是独立的;
4) 每个阵元均为全方向天线时,把接收信号当成是平面波。
依照上述设定,构造信号模型。假设空间中一组阵列天线的阵元数是M,且可以接收到的信号数量为N。设定参考阵元为第一个阵元,若第i个信号到天线阵列的入射角度为θi且信号定义为Si(t)ejωt,那么,第m个阵元所接收到的信号可以表示为:
式中,ami是第m个阵元对第i个信号源的幅度响应,每个阵元均为全向天线,ami可取值为1;τi是当入射信号以θi角度到达阵列相邻阵元的时延;ω是入射信号的角频率。假设辐射源Si(t)为窄带信号:
如果相邻阵元之间的相位差为φi,可以得到阵中每个阵元的输出矢量形式:
可化简为:
式中,e为复数,代表各阵元的时延参考信号,具体表示为第i个阵元接收到的第一个到达信号。则式(4)可以记为:
式中,X(t)=[x1(t),x2(t),…,xM(t)]T; a(φi)=[1,ejφi,…,xM(t)]T; a(φi)为导向向量。信源个数为N,接收到的阵列信号是:
式(6)表示为矩阵形式:
PI算法采用LCMV准则,在保证期望信号不衰减的情况下,使阵列输出的方差(即输出功率)最小化。在数字信号处理中,将以上连续信号量离散化,可表示为:
式中,Rxx=E[X(n)XH(n)],为接收数据协方差矩阵;w =[w1,…,wM]T,为加权矢量; s是一个给定的列向量,s =[1,0,…,0]T;上标H表示矩阵共轭。利用拉格朗日方程,可以很容易求得最优解为:
MUSIC算法是一种基于特征结构子空间的超分辨方法,将其应用于GNSS抗干扰是十分有效的。MUSIC算法可使角度分辨率提高。令天线阵列接收协方差矩阵为:
由于强干扰信号互不相关,所以ARssAH是满秩矩阵。式中,Rss是干扰信号的自相关矩阵,定义为Rss=E[s·sH],σn2为噪声方差。
令Rxx的特征值为{λ0,…,λM-1} ,使得
利用式(11),将其改写为:
则ARssAH的特征值为:
假设关于特征值λi的特征向量为qi,满足:
对于个最小特征值σn2相关的特征向量,可推出:
因此有:
因为A满秩,Rss非奇异,所以
式中,A=(a(θ0,φ0),…,a(θD-1,φD-1) ,θ代表仰角,φ代表方位角。
这表明与个最小特征值σn2对应的特征向量张成的噪声子空间和 个导向矢量正交,构造一个包含噪声特征向量的矩阵:
信号分量的导向矢量与噪声子空间特征向量正交,即
MUSIC谱中个最大谱峰为式(19)的倒数,由式(20)实现波达方向的超分辨估计:
当a(θ,φ)和Vn正交性时,输出功率最小,式(20)变为:
采用MUSIC算法搜索得到个干扰信号的导向矢量记为T,有T=[a(θ0,φ0),a(θ1,φ1),…,a(θD-1,φD-1)],构建加深的采样波束:
自适应波束的权系数变成:
具体计算步骤如下:(1) 建立阵列干扰信号模型;(2) 由阵列的接收数据得到数据协方差矩阵Rxx ,进行特征分解;(3) 对 Rxx特征值进行信号源数判断;(4) 确定信号子空间与噪声子空间;(5) 分别对方位角和仰角进行谱峰搜索;(6) 寻找正交值最小值,即干扰信号波达方向;(7) 求出干扰抑制方向谱的分布场;(8) 将MUSIC算法估计出的干扰导向矢量组成转换矩阵T;(9) 建立新的自适应波束的权系数,,其中
。
为了方便比较,设方位角相同,可在横轴为仰角,纵轴为阵列方向增益的二维平面上进行观察。如图1所示,基于MUSIC算法的最小功率估计算法比传统的PI算法产生更深的零陷,抗干扰效果提升显著。
![]() |
图 1 采用MUSIC算法前后干扰抑制效果比较 Fig. 1 Compare the Different Suppress Effect with and Without the MUSIC Algorithom |
为了比较两种算法的DOA估计效果,进行了如下的仿真实验。期望卫星选取为C/A码,考虑天线阵的阵元数M为7,半径为半个波长。三个强窄带干扰为连续波干扰(CWI),入射仰角分别为30°、40°、70°;入射方位角分别为50°、120°、170°。此外假设白噪声为不相关高斯白噪声,平均功率为0。
实验1 假设天线阵为平面均匀中心圆阵,取其中一个阵元放在圆心,其余6个均匀分布在半径为半个波长的圆上,输入信号的信干比为80 dB。图2是平面均匀中心圆阵方向谱的立体图。x轴为仰角,y轴为方位角,z轴为方向谱增益。图2(a)是采用MUSIC-PI算法得到的方向谱增益,图2(b)是采用PI算法得到的方向谱增益。从图2看出,两种方法都准确找到了对应的强窄带干扰的方向。同时MUSIC-PI算法得到的方向谱增益分别达到-247.4 dB、-236 dB、-251.7 dB。PI算法得到的方向谱增益分别达到-147.5 dB、-120.7 dB、-149.8 dB。这说明采用MUSIC-PI算法的方向谱增益大,GNSS接收机的DOA估计性能得到显著提升。
![]() |
图 2 平面中心圆阵抗干扰抑制的立体图(80 dB) Fig. 2 Perspective View of the Centeral Circular Array of Interference Suppression in 80 dB |
实验2 假设天线阵为平面均匀中心圆阵,输入信号的信干比从原来的80 dB降到20 dB。图3(a)是采用MUSIC-PI算法得到的方向谱增益,图3(b)是采用PI算法得到的方向谱增益。从图3中可以看出,两种算法都准确找到了对应的强窄带干扰的方向。同时MUSIC-PI算法得到的方向谱增益分别达到-123.1 dB、-120.5 dB、-86.49 dB。而PI算法得到的方向谱增益分辨率低,无法准确找到干扰的谱峰方向,误判率高。这说明在低信干比条件下,只能采用MUSIC-PI算法进行GNSS接收机的DOA估计。
![]() |
图 3 平面均匀中心圆阵方向谱的立体图(20 dB) Fig. 3 Perspective View of the Centeral Circular Array of Interference Suppression in 20 dB |
图4是平面均匀中心圆阵方向谱的俯视图,能进一步验证图3的结论。图4(a)中采用MUSIC-PI算法得到的方向谱增益图能够准确地找到三个强干扰信号的零陷。而图4(b)采用PI算法得到的零陷图除三个干扰的零陷点外,还出现了大量的随机带状分布的零陷。并且大量的零陷连在一起,无法分辨三个强干扰信号的零陷。
![]() |
图 4 平面均匀中心圆阵方向谱的俯视图(20 dB) Fig. 4 Top View of the Centeral Circular Array of Interference Suppression in 20 dB |
实验3 在实验1的条件下,改变三个强窄带干扰的入射方向。入射仰角分别为30°、31°、70°;入射方位角分别为50°、50°、170°。即其中两个强干扰靠得很近,入射仰角只相差1°,入射方位角相同。图5(a)采用MUSIC-PI算法可以区分这两个相邻干扰,而图5(b)采用PI算法却无法区分这两个相邻干扰。实验结果表明,MUSIC-PI算法的方向分辨精度要高于PI算法。
![]() |
图 5 DOA分辨精度对比图 Fig. 5 Comparison Chart of the DOA Resolution |
以上三个仿真实验验证了MUSIC-PI算法在干扰DOA估计方面的有效性,相比于PI算法优势明显。
4 结 语通过方向谱的分析,我们找到了MUSIC算法下干扰信号源的最小输出功率所对应的方向,与传统的PI算法相比,信干比为80 dB时,采用MUSIC-PI算法对强干扰的DOA分辨能力效果明显优于PI算法,只在干扰信号的方向形成更深的零陷,没有多余的抑制零陷,防止了有用信号被抑制。当信干比从80 dB降到20 dB时,PI算法存在误判的可能性,而MUSIC-PI算法仍能够准确找到干扰方向,自适应调零的鲁棒性强。在区别小角度干扰方面,MUSIC-PI算法的方向分辨率优于PI算法。结果表明,基于改进的MUSIC最小功率算法比传统的功率倒置算法产生更深的零陷,抑制效果提高显著。
[1] | Fante R L, Vacarro J J . Wideband Cancellation of Interference in a GPS Receive Array[J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(2): 549-564 |
[2] | Myrick W L, Zoltowski M D, Goldstein J S. Anti-jam Space-time Preprocessor for GPS Based on Multistage Nested Wiener Filter[J]. IEEE MILCOM, 1999: 675-681 |
[3] | Widrow B. Adaptive Antenna Systems[J]. Proe. IEEE, 1967, 63: 719-720 |
[4] | Reed I S, Mallett J D, Brennan L E. Rapid Covengence Rate in Adaptive Arrays[J]. IEEE Trans. on A. E. S., 1974,10(6): 853-863 |
[5] | Zhao Hongwei, Lian Baowang, Feng Juan. Space-time Adaptive Processing for GPS Anti-jamming Receiver [J]. Physics Procedia, 2012, 33: 1 060-1 067 |
[6] | Yang Qun, Cao Xiangyu,Gao Jun. DOA Estimation with Unknown Sources Number Based on Steering Vector Signal[J]. Systems Engineering and Electronics, 2013,8:2 027-2 031(杨群,曹祥玉,高军. 基于导向矢量信号的未知信源数DOA估计算法研究[J]. 系统工程与电子技术, 2013,8: 2 027-2 031) |
[7] | Jiang Baifeng, Lv Xiaode. A DOA Estimation Pre-processing Method Based on Steering Vector Transformation[J]. Journal of Electronics & Information Technology, 2012, 34(7): 1 552-1 557(蒋柏峰, 吕晓德.一种基于导向矢量变换的DOA估计预处理方法[J].电子与信息学报,2012, 34(7): 1 552-1 557) |
[8] | Liu Congfeng, Liao Guisheng. Robust Capon Beamforming Algorithm Under the Steering Vector Uncertainty Set[J]. Journal of Xidian University, 2010,37(2):197-203(刘聪锋,廖桂生.导向矢量不确定集约束的稳健Capon波束形成算法[J]. 西安电子科技大学学报(自然科学版),2010,37(2):197-203) |
[9] | Yan Bingbing, Dai Yuehua, Chen Junning. Simplified Eignspace-based Robust Adaptive Beamforming Algorithm[J]. Application Research of Computer, 2011,28(11):4 057-4 059 (闫冰冰,代月花,陈军宁. 一种简化特征空间稳健自适应波束形成算法[J]. 计算机应用研究, 2011 , 28 (11) : 4 057-4 059) |
[10] | Yan Fenggang, Jin Ming, Qiao Xiaolin. Fast 2-D DOA Estimation Method in Transformed Domain with Arbitrary Arrays[J]. Acta Electronica Sinica, 2013,41(5):936-942 (闫锋刚,金铭,乔晓林. 适用任意阵列的变换域二维波达角快速估计算法[J].电子学报,2013,41(5):936-942) |
[11] | Li R, Xu L, Shi X W, et al. Two-dimensional NC-Music DOA Estimation Algorithm with a Conformal Cylindrical Antenna Array [J]. Journal of Electromagnetic Waves and Applications, 2011, 25: 805-818 |
[12] | Hirata K , Kirimoto T , Mano S . A Fast Computation Algorithm for DOA Evaluation Function of MUSIC Algorithm in Circular Array Antennas [J]. Electronics and Communications in Japan Part 1, 2001, 84 (8): 1 046-1 052 |
[13] | Guo Yue, Wang Hongyuan,Zhou Zou. Effect of Array Elements Spacing on MUSIC Algorithm [J]. Acta Electronica Sinica, 2007,35(9):1 675- 1 679 (郭跃,王宏远,周陬, 阵元间距对MUSIC算法的影响[J]. 电子学报,2007, 35(9):1 675-1 679) |