织梦网站后台一键更新没反应,网推项目平台,旅游网站怎么用dw做,网站怎么做微信支付功能卫导调零天线功率倒置算法原理及MATLAB仿真 文章目录 前言一、调零天线简介二、功率倒置自适应算法三、MATLAB仿真四、MATLAB代码总结 前言 \;\;\;\;\; 自适应调零抗干扰技术可以很大程度改善导航抗干扰性能#xff0c;也是目前导航抗干扰技术中不可或缺的#xff0c;其研究意… 卫导调零天线功率倒置算法原理及MATLAB仿真 文章目录 前言一、调零天线简介二、功率倒置自适应算法三、MATLAB仿真四、MATLAB代码总结 前言 \;\;\;\;\; 自适应调零抗干扰技术可以很大程度改善导航抗干扰性能也是目前导航抗干扰技术中不可或缺的其研究意义重大。本文详细推导了调零天线功率倒置算法的原理并在MATLAB上完成了对自适应调零抗干扰技术的仿真仿真包含单个干扰和多个干扰。 提示以下是本篇文章正文内容转载请附上链接
一、调零天线简介 \;\;\;\;\; 我们知道导航信号是由远在两万多公里之外的卫星发射的这么远的距离让信号的强度衰减得很多所以等信号到达接收机时已经十分微弱了到达地表时功率仅为155 160 dBW。再加上导航信号深深地淹没在地表复杂的电磁环境中信噪比极低。这样一来导航接收机便极易受到干扰信号的影响。 \;\;\;\;\; 针对这种情况各式各样的抗干扰技术也随之出现其中就包括自适应调零抗干扰技术。在自适应调零天线的研究中自适应算法意义重大而功率倒置( Power InversionPI) 算法于1972年被Compton提出就是其中应用最广泛的。功率倒置算法是一种不需要先验信息的算法其对强干扰信号具有优秀的抗干扰性能。
二、功率倒置自适应算法 \;\;\;\;\; 考虑 N 1 N1 N1 个阵元间距为半波长的均匀线阵其结构如下图所示。 \;\;\;\;\; 空间远场电磁波以 θ \theta θ 角入射到阵面。则输入信号 x ( k ) \mathbf{x}(k) x(k)可以表示为 x ( k ) [ x 0 ( k ) x 1 ( k ) . . . x N ( k ) ] T \mathbf{x}(k)[x_0(k)\quad x_1(k)\quad...\quad x_N(k)]^T x(k)[x0(k)x1(k)...xN(k)]T \;\;\;\;\; 假设将第零个阵元接收的信号为参考信号 x 0 ( k ) s ( k ) ∑ m 1 M s m ( k ) n 0 ( k ) x_0(k)s(k)\sum_{m1}^Ms_m(k)n_0(k) x0(k)s(k)m1∑Msm(k)n0(k) 其中 s ( k ) s(k) s(k)为期望信号 s m ( k ) s_m(k) sm(k)为第 m m m个干扰信号 ( m 1 , … , M ) , n 0 ( k ) (m1,\ldots,M),n_0(k) (m1,…,M),n0(k)为高斯白噪声。假设干扰和期望都是窄带信号则剩下的辅助阵元所构成的阵列接收信号矢量可以表示为 x a ( k ) [ x 1 ( k ) x 2 ( k ) . . . x N ( k ) ] T s ( k ) v a ( θ ) ∑ m 1 M s m ( k ) v a ( θ m ) n ( k ) \begin{aligned}\mathbf{x}_a(k)[x_1(k)\quad x_2(k)\quad...\quad x_N(k)]^T \\ s(k)\mathbf{v}_a(\theta)\sum_{m1}^Ms_m(k)\mathbf{v}_a(\theta_m)\mathbf{n}(k)\end{aligned} xa(k)[x1(k)x2(k)...xN(k)]Ts(k)va(θ)m1∑Msm(k)va(θm)n(k) 式中 v a ( θ ) \mathbf{v}_a(\theta) va(θ)表示期望信号的方向矢量其决定于该期望信号的 DOA 值 θ \theta θ v a ( θ m ) \mathbf{v}_a(\theta_m) va(θm)表示第 m m m 个干扰信号的方向矢量其决定于该干扰信号的 DOA 值 θ m \theta_m θm 。 \;\;\;\;\; 事实上卫星导航调零天线技术适用于期望信号比较弱干扰信号较强的无线环境上述接收信号模型中的期望信号由于扩频调制的影响远小于噪声。所以上面两个式子可以简化为 x 0 ( k ) ∑ m 1 M s m ( k ) n 0 ( k ) x_0(k)\sum_{m1}^Ms_m(k)n_0(k) x0(k)m1∑Msm(k)n0(k) x a ( k ) [ x 1 ( k ) x 2 ( k ) . . . x N ( k ) ] T ∑ m 1 M s m ( k ) v a ( θ m ) n ( k ) \begin{aligned}\mathbf{x}_a(k)[x_1(k)\quad x_2(k)\quad...\quad x_N(k)]^T \\ \sum_{m1}^Ms_m(k)\mathbf{v}_a(\theta_m)\mathbf{n}(k)\end{aligned} xa(k)[x1(k)x2(k)...xN(k)]Tm1∑Msm(k)va(θm)n(k) \;\;\;\;\; 功率倒置算法的主要思想是主阵元接收信号 x 0 ( k ) x_0(k) x0(k)作为参考信号将辅助阵元接收信号 x a ( k ) x_a(k) xa(k)通过功率倒置准则使得加权求和后的信号与参考信号的均方误差最小。 \;\;\;\;\; 这种算法不区分有用信号与干扰信号只致力于使阵列输出功率最小。它的稳态方向图将在干扰信号方向引入零点。而且干扰信号功率愈强引入的零点深度就愈深。在干扰被大大抑制之后就能获得很好的信干噪比。 \;\;\;\;\; 功率倒置阵元选择的加权矢量为 w a ( k ) [ w 1 ( k ) w 2 ( k ) . . . w N ( k ) ] T \mathbf{w}_a(k)[w_1(k)\quad w_2(k)\quad...\quad w_N(k)]^\mathrm{T} wa(k)[w1(k)w2(k)...wN(k)]T 则阵列的输出信号为 y ( k ) x 0 ( k ) − w a H ( k ) x a ( k ) y(k)x_0(k)-\mathbf{w}_a^H(k)\mathbf{x}_a(k) y(k)x0(k)−waH(k)xa(k) \;\;\;\;\; 根据功率倒置算法的基本原理可知最终得到的最优权矢量 w o p t \mathbf{w}_{opt} wopt应该是如下代价函数达到最小 J ( w a ) E { y 2 ( k ) } J(\boldsymbol{\mathbf{w}}_{a})E\{y^{2}(k)\} J(wa)E{y2(k)} \;\;\;\;\; 根据拉格朗日乘子算法可解得权值的最优解为 w o p t R a a − 1 r a 0 \mathbf{w}_{opt}\mathbf{R}_{aa}^{-1}\mathbf{r}_{a0} woptRaa−1ra0 其中 r a 0 \mathbf{r}_{a0} ra0为参考阵元与辅助阵元上信号的互相关向量 R a a \mathbf{R}_{aa} Raa为辅助阵元上信号的自相关矩阵满足 r a 0 E { x a ( k ) x 0 ∗ ( k ) } \mathbf{r}_{a0}E\{\mathbf{x}_a(k)x_{0}^{*}(k)\} ra0E{xa(k)x0∗(k)} R a a E { x a ( k ) x a H ( k ) } \mathbf{R}_{aa}E\{\mathbf{x}_a(k)\mathbf{x}_a^H(k)\} RaaE{xa(k)xaH(k)} \;\;\;\;\; 上述算法的基本思想在于如果干扰信号具有较大的干噪比而期望信号又较小则系统输出 y ( k ) y(k) y(k) 为干扰被消除后的信号。如果把 N 1 N1 N1 个阵元视为完整的阵列则阵列权矢量和方向矢量为 w [ 1 − w a ] T \mathbf{w}[1\quad -\mathbf{w}_a]^\mathrm{T} w[1−wa]T v ( θ ) [ 1 − v a ( θ ) ] T \mathbf{v}(\theta)[1\quad -\mathbf{v}_a(\theta)]^\mathrm{T} v(θ)[1−va(θ)]T \;\;\;\;\; 阵列的方向图函数为 B ( θ ) w H v ( θ ) B(\theta)\mathbf{w}^H\mathbf{v}(\theta) B(θ)wHv(θ)
三、MATLAB仿真
当只有一个干扰时参数设置如下 仿真结果为 当有4个干扰时参数设置如下 仿真结果为
四、MATLAB代码
卫星导航自适应调零天线功率倒置算法仿真MATLAB代码 总结 \;\;\;\;\; 以上就是今天要分享的全部内容本文详细介绍了自适应调零天线抗干扰技术的原理展示了MATLAB仿真的结果包含单个干扰和多个干扰下该算法抗干扰的效果。
