基于泰勒估計的主瓣干擾抑制方法

宋磊 李恒風

摘要：

當有源干擾進入主瓣時，傳統自適應波束形成的方向圖會在主瓣內出現嚴重波形失真，主瓣內形成零陷，旁瓣電平陡增等問題。為此，利用泰勒估計獲得真實協方差矩陣的估計，通過特征分解構建特征投影矩陣，構造旁瓣零陷加深的凸優化模型求解自適應陣列權值矢量，最后將此抑制干擾的方法和基于阻塞矩陣預處理與基于特征投影預處理等兩類預處理方法進行實驗仿真及性能對比，從而證明了基于泰勒估計的主瓣干擾抑制方法的優點。

關鍵詞：

泰勒估計；主瓣干擾；自適應波束形成；協方差矩陣

中圖分類號：

TN95

文獻標志碼：A

自適應波束形成技術已經廣泛的應用到通信、雷達、聲吶等多個領域［1-4］，目前傳統自適應波束形成方法對旁瓣干擾都有不錯的抑制效果，被廣泛應用到工程實踐中［5-9］。由于主瓣干擾在空域中更接近目標，當干擾從主瓣進入天線陣列時，傳統的自適應波束形成算法在陣列方向圖的主瓣內形成零陷，導致波束方向圖畸變、主波束峰值偏移、旁瓣電平升高等問題，造成陣列輸出信干噪比下降，嚴重影響自適應波束形成算法性能［10］。針對主瓣干擾的抑制方法研究已經受到國內外廣泛關注，研究的理論成果也日漸豐富。采用典型的旁瓣干擾抑制系統和干擾模型的旁瓣干擾抑制方法［11］可以有效地抑制旁瓣干擾，但仍存在主瓣峰值的失真和偏移。針對主瓣干擾的抑制，頻域均衡方法解決了主瓣峰值偏移問題［12］，但在寬帶或不同極化干擾的情況下是無效的。極化域空域聯合濾波的方法將MIMO系統與發射機極化選擇相結合，實現了寬帶情況下更好的主瓣干擾抑制性能［13］。但是，采用該方法時，目標的極化狀態和干擾特征必須事先知道，這就限制了干擾抑制方法的實際應用?；诰仃嚶摵蠈腔卣魇噶康拿ぴ捶蛛x抗主瓣干擾算法［14］和基于尋找峭度的局部極值點的Fast ICA盲分離算法［15］可以實現抗主瓣干擾，然而這些方法的應用都有一個重要的前提條件，即采樣信號獨立同分布且采樣點數足夠多，當采樣存在重尾或者采樣數據混入了目標信號、采樣點數不足時，這些方法的抗干擾效果將急劇下降甚至產生嚴重后果。為此，本文提出了基于泰勒估計的主瓣干擾抑制方法，基于泰勒估計對真實協方差矩陣進行估計，采用構建的特征投影矩陣來構造旁瓣零陷加深的凸優化模型，獲得自適應陣列權值矢量，并將抑制干擾的方法和基于阻塞矩陣預處理與基于特征投影預處理等兩類預處理方法進行實驗仿真及性能對比，證明了基于泰勒估計的主瓣干擾抑制方法的優點。

綜上所述，本文提出的基于泰勒估計的零陷加深主瓣干擾抑制方法的整個算法流程框圖如圖1所示。

基于泰勒估計的主瓣干擾抑制方法相較于傳統BMP類和EMP類方法更加簡潔高效，解決了在采樣點數不足、采樣存在重尾等情況下采樣協方差矩陣估計誤差較大的問題，獲得了較為準確的真實協方差矩陣的估計；利用泰勒估計協方差矩陣進行MUSIC瞬時頻率估計，提高了波達方向的譜峰搜索概率，有效減小了主瓣干擾波達方向的估計誤差，解決了在訓練數據混入目標信號的情況下，傳統EMP方法篩選主瓣干擾特征向量容易出錯的問題，顯示出了良好的魯棒性；構建旁瓣零陷加深的凸優化模型，解決了傳統自適應波束形成MVDR等算法在主瓣方向圖內波形畸變、旁瓣電平陡增等嚴重問題。在抑制主瓣干擾以及旁瓣干擾等的同時有效提高了輸出信噪比。

4 仿真實驗與分析

為驗證本文基于泰勒估計的主瓣干擾抑制方法在不同場景下的性能，模擬在采樣信號混入主瓣干擾、采樣點數不足等情況下，分析比較分別使用采樣協方差矩陣和泰勒估計協方差矩陣的MUSIC瞬時頻率估計精度差異問題。仿真實驗采用的陣列為各向同性的等距均勻線陣，17個陣元以半波長的間隔等距放置。干擾信號均設置為噪聲調頻干擾且互不相干，入射方向為-35°，20°，2°，干噪比分別為40 dB，30 dB，5 dB。假定入射方向為2°的干擾信號為主瓣干擾，其余為旁瓣干擾信號。

4.1 瞬時頻率估計仿真實驗驗證結果

實驗對比了使用采樣協方差矩陣的入射信號MUSIC空間譜和使用泰勒估計協方差矩陣的MUSIC空間譜，如圖2所示。

對于給定的采樣點數nn≥10，使用泰勒估計協方差矩陣的MUSIC瞬時頻率估計分布能完整顯示出所有的3個入射信號譜峰，且空間譜峰幅度均遠遠大于基于采樣協方差矩陣的空間譜峰幅度，提升了譜峰檢測概率的同時，譜峰分布清晰無偏移，能準確的通過搜索譜峰位置找到入射信號的DOA?；诓蓸訁f方差矩陣的MUSIC空間譜峰幅度均不高于0 dB，增大了譜峰檢測難度的同時，譜峰分布出現偏移，特別對主瓣干擾的DOA估計出現高達2°的偏差，嚴重影響了后續特征投影矩陣的構建過程中，主瓣干擾特征向量的正確篩選，甚至于在后續自適應波束形成時導致嚴重后果。特別地，當采樣點數較少時，基于采樣協方差矩陣的空間譜峰陡降甚至譜峰消失，不能完全地對旁瓣干擾信號的DOA做出準確估計，魯棒性較差。

4.2 傳統EMP類方法、SMI方法的性能退化實驗驗證

仿真實驗設置采樣點數從50減少到10的過程，分別比較相同方法的陣列方向圖變化情況，實驗結果如圖3所示。

在采樣點數足夠的時候，傳統EMP方法能基本濾除主瓣干擾，陣列方向圖主瓣內并不會形成零陷；但是當采樣點數不足或者采樣數據混入目標信號時，傳統EMP方法性能嚴重下降，對主瓣干擾和旁瓣干擾的抑制能力退化嚴重（圖3（a））。

在采樣點數足夠多時，協方差矩陣重構方法利用噪聲子空間的小特征值的平均值代替主瓣干擾的較大特征值，對改善傳統EMP方法的旁瓣電平升高、旁瓣干擾入射方向零陷不深等問題具有良好的效果；但是當采樣點數不足、采樣存在重尾時，采樣協方差矩陣估計誤差很大，基本喪失濾除主瓣干擾、旁瓣干擾的能力（圖3（b））。

簡單協方差矩陣求逆方法只是傳統自適應波束形成的一種，在主瓣干擾存在時，均不能濾除主瓣干擾，而且旁瓣電平也基本沒有抑制作用，在采樣點數較少時抗干擾能力很差（圖3（c））。

基于泰勒估計協方差矩陣的零陷加深主瓣干擾抑制方法的魯棒性很強，即使采樣點數不足、采樣存在重尾時陣列方向圖依然可以保持很高的主瓣增益以及較低的旁瓣電平，且主瓣不偏移，具備零陷加深算法的優良性能（圖3（d））。

綜上所述，傳統EMP類方法和采樣協方差矩陣求逆方法（SMI）在采樣點數不足時性能嚴重退化，基本不能很好地抑制主瓣和旁瓣干擾。而基于泰勒估計協方差矩陣零陷加深方法具有很強的魯棒性，對主瓣和旁瓣干擾抑制效果明顯。

4.3 不同方法的性能對比

在給定相同采樣點數條件下，分析比較本部分方法和傳統EMP類方法、SMI方法以及靜態方法的各個性能指標。

（1）在相同采樣點數條件下，各個方法的陣列方向圖如圖4所示?？梢钥闯?，采樣點數不足時，本文方法與靜態方向圖最為接近，在主瓣內沒有零陷，主瓣增益較高且主瓣對準信號入射方向0°的同時，旁瓣電平較低且在旁瓣干擾入射方向-35°和20°形成了高達-330 dB零陷。EMP、SMI方法均不同程度出現主瓣偏移、旁瓣電平陡增等現象，顯示出基于泰勒估計協方差矩陣零陷加深方法良好的魯棒性以及對主瓣旁瓣干擾顯著的抑制能力。在低采樣點條件下本文方法具有明顯的性能優勢。

從圖5可以看出，采樣點數較多時，EMP類方法能形成良好的主瓣波形的同時保持較低的旁瓣電平，SMI方法在主瓣干擾存在時方向圖嚴重畸變。本文方法既能改善EMP類方法主瓣偏移的問題，又能形成超低零陷，顯示出明顯的優越性。

（2）泰勒估計協方差矩陣、采樣協方差矩陣估計誤差隨采樣點數的變化。仿真估計協方差矩陣的誤差公式為

error=E‖－M‖‖M‖2F（21）

其中，為估計協方差矩陣；M為真實協方差矩陣；‖·‖F為矩陣的F范數。

每組數據都是經過100次蒙特卡洛實驗再取平均值，仿真結果如圖6所示，可知，泰勒估計協方差矩陣誤差非常小。隨著采樣點數的增加，采樣協方差矩陣的估計誤差也在逐漸減小，但始終高于泰勒估計協方差矩陣誤差。而采樣協方差矩陣的估計誤差決定了后續特征分解得到的信號子空間和噪聲子空間的準確程度，采樣點數較少時，采樣協方差矩陣估計誤差很大，導致后續算法性能嚴重下降；而泰勒估計協方差矩陣的估計誤差始終非常小，算法魯棒性強。

（3）輸出信干噪比SINR性能指標對比分析。仿真實驗分析比較了本文方法和EMP類方法、靜態方法的輸出信干噪比隨采樣點數的變化。蒙特卡洛實驗次數為100，仿真結果如圖7所示。在采樣點數較少時（小于20），采樣協方差矩陣求逆方法均遭受嚴重的性能退化問題，輸出信噪比很低，對主瓣旁瓣干擾抑制困難；當采樣點數逐漸增多時，采樣協方差矩陣的估計逐漸貼近真實協方差矩陣，利用協方差矩陣特征分解構造的特征投影矩陣B對主瓣干擾抑制作用逐漸明顯，輸出信干噪比逐漸逼近本部分方法。

5 結論

針對雷達主瓣的有源干擾，本文主要研究基于泰勒估計的零陷加深算法，并提出一種抑制主瓣干擾的方法。首先給出了詳細的基于泰勒估計的協方差矩陣的理論推導以及基于MM算法的求解泰勒估計協方差矩陣的迭代過程，其次將傳統EMP類篩選主瓣干擾對應的特征向量的方法和MUSIC空間譜相結合，準確構建了特征投影矩陣以抑制主瓣干擾。然后構造旁瓣電平零陷加深的凸優化模型來求解自適應權值向量，最后將本文方法和EMP類方法、SMI方法等進行性能比較分析。仿真結果表明，針對本文所提出的基于泰勒估計零陷加深主瓣抑制干擾方法在低采樣條件下對主瓣和旁瓣干擾抑制效果依然顯著，在陣列方向圖、協方差矩陣估計誤差以及輸出信干噪比SINR等性能指標上均明顯優于其他方法，顯示出良好的魯棒性和優越性。

參考文獻

［1］宋虎，顧紅，王建，等. 主瓣干擾下的自適應旁瓣對消算法設計［J］. 系統工程與電子技術， 2015， 37（8）： 1723-1728.

［2］王杰貴. 應用于雷達電子戰系統的寬帶DBF技術［J］. 航天電子對抗， 2006， 22（5）： 39-41.

［3］吳曼青．數字陣列雷達及其進展［J］. 中國電子科學研究學報， 2006， 1（1）： 116．

［4］LI J K， CHEN X D， YI W， et al. Eigenspace-based generalized sidelobe canceler beamforming applied to medical uItrasound imaging［J］. Sensors， 2016， 16（8）： 1192.

［5］LIU J， LIU W J， LIU H W， et al. Average SINR calcuIation of a persymmetric sample matrix inversion beamformer［J］. IEEE Transations on Signal Processing， 2016， 64（8）： 2135-2145.

［6］LI Y， MA H， CHENG L. Iterative robust adaptive beamforming［J］. Eurasip Journal on Advances in Signal Processing， 2017， 2017（1）： 58.

［7］WANG Y S， BAO Q L， CHEN Z P. Robust adaptive beamforming using IAA-based interference-plus-noise covariance matrix reconstruction［J］. Electronics Letters， 2016， 52（13）： 1185-1186.

［8］YANG X P， YIN P L， ZENG T， et al. Applying auxiliary array to suppress mainlobe interference for ground-based radar［J］. IEEE Antennas & Wireless Propagation Letters， 2013， 12（2）： 433-436.

［9］MA J Z， SHI L F， LI Y Z， et al. Angle estimation of extended targets in main-lobe interference with polarization filtering［J］. IEEE Transactions on Aerospace & Electronic Systems， 2013， 53（1）： 169-189.

［10］ 高陽，許稼，龍騰. 阻塞矩陣抗干擾方法性能分析［J］. 信號處理， 2015， 31（10）： 1361-1365.

［11］ SHNIDMAN D A， SHNIDMAN N R. Sidelobe blanking with expanded models［J］. IEEE Transactions on Aerospace and Electronic Systems， 2011， 47（2）： 790-805.

［12］ XIE N， WANG H， LIN X H. Adaptive frequency-domain equalization with narrowband interference suppression［J］. Wireless Personal Communications， 2013， 70： 267-281.

［13］ XIANG Z， CHEN B X， YANG M L. Transmitter polarization optimization with polarimetric MIMO radar for mainlobe interference suppression［J］. Digital Signal Processing， 2017， 65： 19-26.

［14］ 王建明，伍光新，周偉光. 盲源分離在雷達抗主瓣干擾中的應用研究［J］. 現代雷達， 2010， 32（10）： 46-49.

［15］ 王文濤，周青松，劉興華，等. Fast ICA盲分離算法在雷達抗主瓣干擾中的應用研究［J］. 現代雷達， 2015， 37（12）： 40-44.

Mainlobe Interference Suppression Method Based on Taylor Estimation

SONG Lei1， LI Heng-feng2

（1. China Research Institute of Radiowave Propagation， Qingdao 266107， China;

2.College of Electronics and Information， Qingdao University， Qingdao 266071， China）

Abstract：

When the active jamming enters the main lobe， the directional diagram of traditional adaptive beamforming causes serious waveform distortion， forms the nulls in the main lobe， and the level increase in sidelobe. Taylor estimation was used to obtain an estimate of the covariance matrix， to construct a feature projection matrix through feature decomposition， and to construct a convex optimization model with deepening sidelobe nulls to solve the adaptive array weight vector. Finally， the proposed method was experimentally simulated and compared with the methods of preprocessing based on blocking matrix and preprocessing based on feature projection， to prove the advantages of the main lobe interference suppression method based on Taylor estimation.

Keywords：

Taylor estimation; main lobe interference; adaptive beamforming; covariance matrix

收稿日期：2023-06-05

通信作者：

宋磊，男，高級工程師，主要研究方向為雷達信號處理、自適應波束形成。E-mail：songlcrirp@aliyun.com