基于子空间理论的天线阵列模型失配量化分析方法
本申请涉及卫星通信,特别是涉及一种基于子空间理论的天线阵列模型失配量化分析方法。
背景技术:
1、全球导航卫星系统(gnss)作为重要的时空基准基础设施,广泛应用于测绘、交通、通信等关键领域,其接收机的抗干扰性能直接影响系统可靠性。阵列信号处理技术通过多天线阵元形成空间指向性,利用子空间理论(如 music、esprit 等算法)实现干扰抑制,是提升 gnss 接收机抗干扰能力的核心手段。
2、子空间干扰抑制算法的性能依赖于理想信号模型假设,即假设接收信号的导向矢量与理论标称值完全一致。然而,实际应用中存在多种模型失配因素:例如,阵列阵元位置误差、通道幅相不一致、信号多径传播导致的波达方向(doa)偏移、或干扰信号带宽扩展引起的窄带模型失效等,这些因素会导致真实导向矢量与标称值产生偏差,破坏理想子空间结构(信号子空间与噪声子空间的正交性)。
3、现有技术中,对子空间算法的性能分析多基于理想模型,缺乏对模型失配的量化研究:仅定性指出失配会导致干扰抑制性能下降,无法明确失配程度如何影响系统指标,如干扰残余量、信号自零陷能量损失等,也难以建立失配参数与输出信干噪比(sinr)的定量关系。这导致工程实践中无法针对性地优化阵列设计或补偿失配误差,限制了 gnss 阵列接收机在复杂环境下的抗干扰效能。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够可为 gnss 阵列接收机的模型失配补偿、阵列校准及抗干扰算法优化提供理论依据,提升系统在复杂失配场景下的可靠性的基于子空间理论的天线阵列模型失配量化分析方法。
2、一种基于子空间理论的天线阵列模型失配量化分析方法,所述方法包括:
3、获取天线阵列的接收信号;接收信号包括干扰信号和期望信号;根据期望信号、干扰信号以及噪声互不相关的特性构建理想协方差矩阵;
4、对理想协方差矩阵引入干扰失配误差矢量,构建实际接收信号协方差矩阵模型,将实际接收信号协方差矩阵模型分解为理想协方差矩阵与失配扰动矩阵之和,输出理想协方差矩阵表达式及扰动矩阵表达式;
5、在实际接收信号协方差矩阵模型基础上结合矩阵扰动理论,分析模型失配对理想协方差矩阵最小特征值的影响,明确最小特征值增量与干扰失配误差矢量投影分量能量的关联,推导得到存在失配时的最小特征值;
6、根据结合子空间干扰抑制算法和最小特征值建立输出sinr与最小特征值的定量关系,输出sinr与最小特征值的关联表达式及残留干扰功率表达式;
7、引入期望信号导向矢量失配场景,将真实期望信号导向矢量分解为与标称期望信号导向矢量一致的分量及正交分量,推导信号自零陷导致的期望信号能量损失规律;
8、根据最小特征值、sinr与最小特征值的关联表达式以及残留干扰功率表达式和期望信号能量损失规律,量化模型失配导致的信号自零陷、干扰抑制不完全及噪声基底增强程度,输出模型失配与系统抗干扰性能恶化指标的定量对应关系,完成天线阵列模型失配的量化分析。
9、上述基于子空间理论的天线阵列模型失配量化分析方法,本申请通过先获取含干扰与期望信号的接收信号,基于三者互不相关特性构建理想协方差矩阵,再引入干扰失配误差矢量得到实际协方差矩阵,并结合矩阵扰动理论推导出失配时的最小特征值,明确最小特征值增量与干扰失配误差矢量投影分量能量的关联,使得工程中可通过反向计算,依据允许的最小特征值增量确定可接受的干扰失配误差阈值,为针对性补偿干扰导向矢量偏差提供量化目标,避免盲目补偿。然后在阵列校准时,建立输出 sinr 与最小特征值的定量关系并推导残留干扰功率表达式,通过建立残留干扰功率与失配误差的关联,可将校准精度需求转化为具体的失配误差控制范围,避免校准过度或不足。最后引入期望信号导向矢量失配场景,将真实导向矢量分解为与标称值一致及正交的分量,推导得出能量损失与正交分量系数平方正相关的信号自零陷规律。这一规律为子空间抗干扰算法的优化提供关键依据,可在算法中加入正交分量识别与保护模块,减少对期望信号有用能量的误抑制;同时,结合失配与 sinr、残留干扰、自零陷的定量对应关系,可动态调整算法加权矢量设计,根据实时估算的失配程度调整约束条件,避免理想模型假设导致的性能恶化。通过量化分析,将失配影响转化为可计算、可控制的量化指标,为 gnss 阵列接收机在复杂失配场景下的失配补偿、阵列校准及算法优化提供了清晰的理论支撑与操作依据,最终有效提升系统抗干扰可靠性。
1.一种基于子空间理论的天线阵列模型失配量化分析方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于子空间理论的天线阵列模型失配量化分析方法,其特征在于,根据期望信号、干扰信号以及噪声互不相关的特性构建理想协方差矩阵,包括:
3.根据权利要求1所述的基于子空间理论的天线阵列模型失配量化分析方法,其特征在于,对所述理想协方差矩阵引入干扰失配误差矢量,构建实际接收信号协方差矩阵模型,包括:
4.根据权利要求1至3任意一项所述的基于子空间理论的天线阵列模型失配量化分析方法,其特征在于,将所述实际接收信号协方差矩阵模型分解为理想协方差矩阵与失配扰动矩阵之和,输出理想协方差矩阵表达式及扰动矩阵表达式,包括:
5.根据权利要求4所述的基于子空间理论的天线阵列模型失配量化分析方法,其特征在于,在所述实际接收信号协方差矩阵模型基础上结合矩阵扰动理论,分析模型失配对理想协方差矩阵最小特征值的影响,明确最小特征值增量与干扰失配误差矢量投影分量能量的关联,推导得到存在失配时的最小特征值,包括:
6.根据权利要求1所述的基于子空间理论的天线阵列模型失配量化分析方法,其特征在于,根据结合子空间干扰抑制算法和所述最小特征值建立输出sinr与最小特征值的定量关系,输出sinr与最小特征值的关联表达式及残留干扰功率表达式,包括:
7.根据权利要求6所述的基于子空间理论的天线阵列模型失配量化分析方法,其特征在于,所述残留干扰功率表达式为:
8.根据权利要求1所述的基于子空间理论的天线阵列模型失配量化分析方法,其特征在于,所述真实期望信号导向矢量为
9.根据权利要求8所述的基于子空间理论的天线阵列模型失配量化分析方法,其特征在于,所述期望信号能量损失规律为能量损失程度与正交分量的分解系数的平方正相关,越大,对真实期望信号正交分量的抑制越强,的差值越大,期望信号能量损失越显著,即信号自零陷现象越严重,其中,表示期望信号的初始功率,表示处理后的期望信号输出功率。
10.根据权利要求1所述的基于子空间理论的天线阵列模型失配量化分析方法,其特征在于,根据所述最小特征值、sinr与最小特征值的关联表达式以及残留干扰功率表达式和所述期望信号能量损失规律,量化模型失配导致的信号自零陷、干扰抑制不完全及噪声基底增强程度,输出模型失配与系统抗干扰性能恶化指标的定量对应关系,完成天线阵列模型失配的量化分析,包括;
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com