基于特征空间的GPS自适应阵干扰抑制技术研究

《基于特征空间的GPS自适应阵干扰抑制技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第26卷第2期航天电子对抗35基于特征空间的GPS自适应阵干扰抑制技术研究张文明(国防科技大学电子科学与工程学院，湖南长沙410073)摘要：讨论了GPS系统中自适应阵干扰抑制的问题，对比研究了最优自适应阵与基于特征空间自适应阵的抗干扰性能。通过理论推导和仿真分析，与最优自适应阵相比，基于特征空间在信号与干扰噪声比性能上略有不如，但其在理论上能够完全抑制干扰，具有更好地干扰抑制比。关键词：全球定位系统；自适应阵；特征空间；干扰中图分类号：TN975；TN911．4文献标识码：AStudyofGPSa

2、daptivearrayanti-jamtechnologybasedoneigenspaceZhangWenming(DepartmentofElectronicScienceandEngineering，NUDT，Changsha410073，Hunan，China)Abstract：Theadaptivearrayanti-jamprobleminGPSsystemisstudied．Anti-jamperformanceofadaptivearraybasedonoptimumalgorit

3、hmandeigensapcealgorithmarepresented．Throughthetheoryanalyseandsimulationmeasure，contrasttooptimumalgorithm，eigensapcealgorithmisnotSOgoodatsignaltOjammingandnoiseratio，butcansuppressthejammingentirelyandisbetteratjammingcancelledratio．Keywords：GPS；ada

4、ptivearray；eigenspace；jammingl引言全球定位系统(GPS)信号在干扰环境中能够保持有效地工作是军用、民用导航领域极为迫切的需求。近年来，发展了多种GPS干扰抑制技术，包括GPS／INS组合技术、伪卫星技术、差分GPS技术、自适应滤波技术、自适应调零天线技术及多波束天线技术等。迄今为止，采用自适应天线是最为有效的干扰抑制技术。所采用的自适应阵算法主要有LMS算法、Applebaum算法及功率反演算法三种[1]。在计算自适应加权矢量时，LMS要求提供GPS基准信号，Ap—pl

5、ebaum阵要求提供GPS信号到达角，功率反演阵不要求任何先验知识，通常使一个阵元权值为非零常数，防止输出端功率为零的情形。特征空间法首先应用于超分辨波达方向(DOA)的估计，著名的有MUSIC方法和ESPRIT方法‘2J。Haimovich和Bar—ness将此方法应用于通信干扰抑收稿日期：2009—10—16；2009一12—29修回。作者简介：张文明(1972一)．男。副教授，博士，电子学会高级会员，主要研究方向为电子信息系统仿真，导航信息处理、统计信号处理。制和雷达干扰与杂波抑制‘3-4]，

6、具有比维纳解更精确更有效的干扰抑制效果，其在GPS抗干扰方面的研究一直未深入。本文研究基于自适应阵特征空间的GPS干扰抑制方法，通过理论推导和模拟验证，与最佳权矢量阵相比具有更好地干扰抑制比。2自适应阵列权值分析2．1最优自适应阵列权值自适应阵列由传感器阵和自适应信号处理器组成，自适应信号处理器自适应地调整各传感器加权值，使阵列抑制干扰并有效接收信号。假定接收信号模型为：LKx(t。)=∑Pl(￡。)+∑．，^(￡。)+n(t。)，挖=1，⋯，Nf=1^=l(1)式中P，(￡)为相应GPS卫星信号；

7、J。(￡)为干扰信号；万(￡)为噪声；L和K分别为有用卫星数目和干扰源数目；X(￡)、P^(￡)、_『t(￡)、露(￡)∈CM“，M为天线阵元数目。由参考文献[6]可知，LMS阵，Applebaum阵及功率反演阵的最优权矢量虽然大小不同，但方向相同，可统一表示为：Wo。。=cM一1口(只)(2)36航天电子对抗2010(2)式中，c为标量常数，M为干扰+噪声的协方差矩阵，口(只)为卫星信号的方向向量。(2)式为经典的维纳解，可以解释为有用信号通过白化滤波器和匹配滤波器的级联系统‘4

8、。鼠表示卫星信源

9、DOA，由z轴偏角驴-、方位角伫确定，如图1所示。图1天线坐标系中卫星DOA示意图2．2基于特征空间的自适应阵权值基于特征空间的自适应阵原理是接收信号中的干扰和噪声协方差矩阵进行特征值分解，从而形成干扰和噪声两个相互正交的子空间；在噪声子空间中求得满足最优准则和约束条件的阵列权值，由于干扰和噪声子空间的正交性，理论上干扰可以从阵列输出中完全抑制。在进行干扰和噪声协方差矩阵特征值分解之前首先需将所需信号从接收信号中消除，已经有多种技术从接收信号中消除已知方位的所需信号[