一种基于导航接收机的空时自适应抗干扰方法

摘要

本发明公开了一种基于导航接收机的空时自适应抗干扰方法，1)天线阵列接收射频模拟信号，经过模拟下变频、数字采样后得到数字中频信号；2)将采样的信号数字正交下变频变为数字基带信号；3)基带信号分为两路，其中一路将数据送至DSP(数字信号处理芯片)，计算自适应算法的最优权值；4)数字信号处理芯片上电初始化后，0核和1核依据自适应算法计算自适应权值；5)一路基带信号结合权值空时自适应滤波；6)滤除干扰后的信号上变频，模数转换，输出导航信号。本发明以小的运算量实现了高性能的空时自适应抗干扰，可用于导航接收机的位置定位。

说明书

技术领域

本发明属于卫星导航通信，具体涉及一种基于导航接收机的空时自适应抗干扰方法， 其可用于卫星导航通信的抗干扰。

背景技术

GNSS(GlobalNavigationSatelliteSystem)即全球卫星导航系统，是伴随着现代科技 不断发展起来的一个卫星导航定位系统。地面的接收机接收到卫星的信号进行解算，实 现定位授时等功能。GNSS已经在诸如军事、农业、测绘、气象等领域发挥出了巨大的 作用。目前全球各个国家都将其视为一个重点发展领域，并将会对国计民生产生重大影 响。

随着空间频谱的日益复杂，导航接收机的抗干扰研究也逐渐成为科研的重点与热点， 其提高了接收机的稳定性也拓展了应用范围。特别是我国北斗II代卫星导航系统的逐渐 组网，以及其在军事中的应用增多，抗干扰的研究与应用更显示出其的价值。

国外在接收机抗干扰上的研究已经十分深入，并问世了大量的产品。窄带干扰方面， 早在1988年Milstein就已经对窄带干扰抑制技术做出了总结，之后此方面技术快速发展。 而在宽带干扰方面，当前常使用的是自适应阵列技术，2000年，Fante首次对STAP抗干 扰技术给出了比较完成的阐述，美军认为这是抗干扰技术方面上的巨大突破。其中， LockheedMartin公司、RockwellCollins公司等已经在此领域耕耘多年，并装备到了武器 系统中。今年来，国内也开始研究相关理论与技术，并设计出了基于空时自适应的抗干 扰原型机。然而由于导航接收机复杂的使用环境，比如在汽车行进过程中，遇到颠簸或 是拐歪时接收机方位发生变化，要求较高的实时性，或是距离干扰源距离较近，需要较 高的抗干扰性能，当前的抗干扰设备仍不能满足要求。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于导航接收机的空时自适应 抗干扰方法，该方法采用相关相减多级维纳滤波算法的空时自适应滤波方法，并结合信 息论的MDL(Minimumdescriptionlength，最小描述长度)准则估计信号干扰数量，以 避免大的运算量，提升抑制干扰容限，提高导航接收机的使用范围。

实现本发明目的技术思路是：以FPGA(FieldProgrammableGateArray，现场可编程 门阵列)逻辑芯片与DSP(Digtialsingnalprocess，数字信号处理芯片)为核心处理平台， FPGA为主处理器，DSP为协处理器完成设计功能，具体实现步骤包含如下：

1)阵列天线接收导航信号后首先经过射频模块变为模拟中频信号，然后将模拟中频 信号送至ADC模数采样进入FPGA，得到M维数字信号 x(n)＝[x₁,x₂,...,x_M]^T＝As(n)+v(n)，其中M为天线数目， A＝[a(θ₁),a(θ₂),...,a(θ_M)]为接收阵列的天线方向矢量，s(n)为接收到的导航信号， v(n)为系统的白噪声；

2)将x(n)正交下变频低通滤波，得到正交的两路数字基带信号I(n)和Q(n)；

3)数字基带信号I(n)和Q(n)分别分成两路，一路信号根据DSP的指令传送至DSP 端计算自适应权值，一路信号则进行空时自适应滤波；

4)采用数字信号处理芯片C6678进行数据处理，0核从FPGA读取数据并使用相关 相减多级维纳算法计算权值，同时1核则使用MDL准则计算干扰信号数量，根据干扰信 号数量调整多级维纳滤波中的降维次数；

5)接收计算得出的自适应权值，与经过P阶延迟的M路信号空时自适应滤波；

6)滤除干扰后的信号上变频，数模转换，在射频输出模拟导航信号。

优选的技术方案，所述步骤1)中使用M个天线组成均匀圆阵接收信号，首先在模 拟端使用射频模块变频至模拟中频信号，模数转换变为数字中频信号。

优选的技术方案，所述步骤2)进入FPGA的数字中频信号正交下变频，变为基带 信号。

优选的技术方案，所述步骤3)具体为：数字基带数据I(n)和Q(n)分别分成两路， 一路I、Q信号送至DSP，另一路I、Q信号分别作P阶延迟，然后与自适应权值相乘， 完成干扰滤波，输出为：

$\left(\begin{array}{c}{y}_I=w_{opt\_I}^T\times I\left(n\right)+w_{opt\_Q}^T\times Q\left(n\right)\\ y_Q=w_{opt\_I}^T\times Q\left(n\right)+w_{opt\_Q}^T\times I\left(n\right)\end{array}\right)$

其中y_I、y_Q分别为I、Q路的输出，w_{opt_I}、w_{opt_Q}分别为对应支路的自适应权系数

优选的技术方案，所述步骤4)中述的相关相减多级维纳滤波算法为：

前向迭代初始化：

d₀(n)＝S^HX(n)X₀(n)＝X(n)-Sd₀(n)

前向迭代

后向迭代初始化

e_D(n)＝d_D(n)

后向迭代

权向量初始化

w_p＝1

权向量迭代计算

令T_MWF＝[S,h₁,…,h_D],W_T＝[1,W₁,…,W_D]^T,则W_MWF＝T_MWFW_T

其中，d₀是需要逼近的期望响应初始信号，X(n)表示输入信号矩阵,即 X(n)＝[x(n),x(n-1),…,x(n-M)]^T,S＝[1,0,…,0]^T为约束矢量,上标H表示共轭转置， d_i(n)表示需要逼近的期望响应信号,M为滤波器阶数,X₀(n)表示输入的观测数据向量, D为迭代次数,h_i为归一化的互相关向量,表示输入信号X(n)与期望 信号d_i(n)的互相关向量，*表示共轭转置，e_i(n)表示滤波器输出的估计误差，w_i、w_p、 T_MWF和W_T均表示计算过程的中间值，W_MWF表示最终计算出的最优权向量。

MDL准则计算干扰信号数量为：