自适应阵列处理的数学模型

最新推荐文章于 2024-03-28 15:39:01 发布

比对，测量的本质！

最新推荐文章于 2024-03-28 15:39:01 发布

阅读量920

点赞数

分类专栏：阵列信号处理

本文链接：https://blog.csdn.net/boayel/article/details/118073010

版权

阵列信号处理专栏收录该内容

3 篇文章 8 订阅

订阅专栏

空间自适应阵列

考虑含有N个阵元的均匀直线阵列（ULA），假设各阵元均为各向同性阵元，阵元间距为d。各阵元接收的信号进入自适应阵列处理器进行加权相加，得到阵列输出。假设P+1个空间入射信号均为远场窄带信号，其中期望信号角度为 ${{\theta }_{0}}$ ，P个干扰的角度分别为 ${{\theta }_{1}},{{\theta }_{2}},\cdots ,{{\theta }_{P}}$ 。

图中Rc代表各阵元接收机， ${{x}_{1}}\left( k \right),{{x}_{2}}\left( k \right),\cdots ,{{x}_{N}}\left( k \right)$ 分别为N个接收通告的输出信号， ${{w}_{1}},{{w}_{2}},\cdots ,{{w}_{N}}$ 分别为各阵元通道接收信号的加权值。

下图为各阵元接收机的示意图，包括两个正交通道，首先对阵元接收信号分别进行下变频，然后通过低通滤波器，再进行A/D变换，得到接收信号的同相分量 ${{x}_{\text{I}}}\left( k \right)$ 和正交分量 ${{x}_{\text{Q}}}\left( k \right)$ ，数字化后的信号 $x\left( k \right)={{x}_{\text{I}}}\left( k \right)+\text{j}{{x}_{\text{Q}}}\left( k \right)$ 进入自适应阵列处理器完成空域滤波。

阵列信号模型

阵列接收的快拍数据可表示为

$\mathsf{X}\left( t \right)=\mathsf{AS}\left( t \right)+\mathsf{n}\left( t \right)$

式中，

$\mathsf{X}\left( t \right)$ 为 $N\times 1$ 阵列数据向量， $\mathsf{X}\left( t \right)={{\left[ {{x}_{1}}\left( t \right),{{x}_{2}}\left( t \right),\cdots ,{{x}_{N}}\left( t \right) \right]}^{\text{T}}}$

$\mathsf{s}\left( t \right)$ 为 $(P+1)\times 1$ 复包络向量， $\mathsf{s}\left( t \right)={{\left[ {{s}_{1}}\left( t \right),{{s}_{2}}\left( t \right),\cdots ,{{s}_{P}}\left( t \right) \right]}^{\text{T}}}$

$\mathsf{A}\left( t \right)$ 为 $N\times (P+1)$ 阵列流形矩阵， $\mathsf{A}\left( t \right)=\left[ \mathsf{a}\left( {{\theta }_{1}} \right),\mathsf{a}\left( {{\theta }_{2}} \right),\cdots ,\mathsf{a}\left( {{\theta }_{P}} \right) \right]$

其中，

为第k个信源的导向矢量，其中

${{\beta }_{k}}=\frac{2\pi }{\lambda }d\sin {{\theta }_{k}}$

阵列的协方差矩阵定义为

$\mathsf{R}=\text{E}\left[ \mathsf{X}\left( t \right){{\mathsf{X}}^{\text{T}}}\left( t \right) \right]=\mathsf{A}{{\mathsf{R}}_{\text{S}}}{{\mathsf{A}}^{\text{H}}}+\sigma _{\text{n}}^{2}\mathsf{I}\$

其中， ${{\mathsf{R}}_{\text{S}}}=\text{E}\left[ \mathsf{S}\left( t \right){{\mathsf{S}}^{\text{H}}}\left( t \right) \right]\$ 为信号复包络协方差矩阵， $\sigma _{\text{n}}^{2}\$ 为阵元噪声功率。

信噪比定义为每个阵元上的期望信号功率与噪声功率之比

$\text{SNR}=\frac{\sigma _{\text{S}}^{2}}{\sigma _{\text{n}}^{2}}\$

其中， $\sigma _{\text{S}}^{2}=\text{E}\left[ {{\left| {{s}_{0}}\left( t \right) \right|}^{2}} \right]\$ 为期望信号功率。信噪比用dB数表示 $\text{SNR}\left( \text{dB} \right)=10\log \left( {\sigma _{\text{S}}^{2}}/{\sigma _{\text{n}}^{2}}\; \right)\$ 。

第k个干扰的干噪比定义为

$\text{IN}{{\text{R}}_{k}}=\frac{\sigma _{k}^{2}}{\sigma _{\text{n}}^{2}}\$

$\sigma _{k}^{2}=\text{E}\left[ {{\left| {{s}_{k}}\left( t \right) \right|}^{2}} \right]$ 为第k个干扰的功率。用dB数表示 $\text{IN}{{\text{R}}_{k}}\left( \text{dB} \right)=10\log \left( {\sigma _{k}^{2}}/{\sigma _{\text{n}}^{2}}\; \right)$ 。

阵列方向图

阵列方向图定义为给定阵列权矢量对不同角度信号的阵列响应

$F\left( \theta \right)={{\mathsf{W}}^{\text{H}}}\mathsf{a}\left( \theta \right)$

$\mathsf{W}={{\left[ {{w}_{1}},{{w}_{2}},\cdots ,{{w}_{N}} \right]}^{\text{T}}}$

$a\left( \theta \right)={{\left[ \begin{matrix} \begin{matrix} \begin{matrix} 1,{{e}^{\text{j}\frac{2\pi }{\lambda }d\sin \theta }},\cdots ,{{e}^{\text{j}\frac{2\pi }{\lambda }\left( N-1 \right)d\sin \theta }} \\ \end{matrix} \\ \end{matrix} \\ \end{matrix} \right]}^{\text{T}}}$

一般对 $F\left( \theta \right)$ 取模的平方并进行归一化，然后取对数，即方向图增益为

$G\left( \theta \right)=\frac{{{\left| F\left( \theta \right) \right|}^{2}}}{\max {{\left| F\left( \theta \right) \right|}^{2}}}$

$G\left( \theta \right)\left( \text{dB} \right)=10\log G\left( \theta \right)$

通常约定阵列方向为0度，顺时针方向为正角度方向，逆时针方向为负角度方向。

比对，测量的本质！

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
自适应阵列处理的数学模型

自适应阵列处理的数学模型空间自适应阵列考虑含有个阵元的均匀直线阵列（ULA），假设各阵元均为各向同性阵元，阵元间距为。各阵元接收的信号进入自适应阵列处理器进行加权相加，得到阵列输出。假设个空间入射信号均为远场窄带信号，其中期望信号角度为，个干扰的角度分别为。图中Rc代表各阵元接收机，分别为个接收通告的输出信号，分别为各阵元通道接收信号的加权值。下图为各阵元接收机的示意图，包括两个正交通道，首先对阵元接收信号分别进行下变频，然后通过低通滤波器，再进行A/D变换，得到接收信号的同相分.
复制链接

扫一扫

专栏目录