买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利一种矩阵重构的分布式旋转阵列抗干扰方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116203510B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310141166.4，技术领域涉及：G01S7/36；该发明授权一种矩阵重构的分布式旋转阵列抗干扰方法是由韩闯;雷浩阳;王伶;宫延云;张兆林;陶明亮;谢坚;粟嘉;汪跃先设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本一种矩阵重构的分布式旋转阵列抗干扰方法在说明书摘要公布了：本发明公开了一种矩阵重构的分布式旋转阵列抗干扰方法，其包括：建立同构式子阵分布式旋转阵列接收的信号模型；根据信号模型，构造同构式子阵分布式旋转阵列的信号响应导向矢量以及计算采样协方差矩阵；基于信号响应导向矢量和采样协方差矩阵，得到干扰噪声协方差矩阵；根据信号响应导向矢量，以得到期望信号的信号响应导向矢量的精确估计值；基于干扰噪声协方差矩阵和信号响应导向矢量的精确估计值，得到同构式子阵分布式旋转阵列的数字波束形成的权值。本发明有效地剔除了采样协方差矩阵中期望信号的信息，解决了模型失配问题，而且离散求和极大地降低了计算复杂度和应用成本，有效提高了分布式旋转阵列的抗干扰能力。

本发明授权一种矩阵重构的分布式旋转阵列抗干扰方法在权利要求书中公布了：1.一种矩阵重构的分布式旋转阵列抗干扰方法，其特征在于，包括以下步骤： 建立同构式子阵分布式旋转阵列接收的信号模型； 根据所述信号模型，构造同构式子阵分布式旋转阵列的信号响应导向矢量以及计算采样协方差矩阵； 基于信号响应导向矢量和采样协方差矩阵，得到干扰噪声协方差矩阵； 根据所述信号响应导向矢量，以得到期望信号的信号响应导向矢量的精确估计值； 基于所述干扰噪声协方差矩阵和信号响应导向矢量的精确估计值，得到同构式子阵分布式旋转阵列的数字波束形成的权值； 所述建立同构式子阵分布式阵列接收的信号模型，包括： 采用的阵列模型为同构式子阵分布式阵列，其子阵数为N，每个子阵为阵元数为M的均匀线阵； 每个子阵的阵元间距为d＝λ2，即半波长，子阵间的基线长度为D；假设空间中K个信号入射到同构式子阵分布式阵列，以第一个子阵的第一个阵元为参考点，同构式子阵分布式阵列接收的信号模型表示为 Xt＝ZsvSt+Nt 其中，Xt是同构式子阵分布式阵列接收的信号，St是K个信号的信号矢量，Nt是高斯白噪声，St和Nt之间统计独立不相关，Zsv是定义的同构式子阵分布式阵列的信号响应导向矢量； 所述根据所述信号模型，构造同构式子阵分布式阵列的信号响应导向矢量，包括： 定义Zsv为同构式子阵分布式旋转阵列的信号响应导向矢量，其表达式为： Zsv＝[Z1,Z2,…,ZN]T 其中，Zn＝[znθ1,znθ2,…,znθK]n＝1,2,…,N是每个子阵阵列的信号响应导向矢量矩阵，而是对信号θk的信号响应导向矢量，dm-1＝m-1d，m＝1,2,…,M是每个子阵阵元相对于其第一个阵元的距离，其中，n＝1,2,…,N，m＝1,2,…,M； 所述根据所述信号模型，计算采样协方差矩阵，包括： 根据自适应波束形成中的采样协方差矩阵求逆算法，计算得到由最大似然估计得到的采样协方差矩阵为 其中，L是采样快拍数； 基于信号响应导向矢量和采样协方差矩阵，得到干扰噪声协方差矩阵； 根据信号响应导向矢量，构建干扰导向矢量环不确定集，在此集合进行Capon谱积分，得到第l个干扰信号的干扰协方差矩阵为Ci-l； 通过离散求和的方法代替积分的复杂运算，重新获取Ci-l； 对重新获取的Ci-l进行特征值分解，并基于分解得到的特征值，得到更加精确的第l个干扰信号的导向矢量估计及其功率； 基于更加精确的第l个干扰信号的导向矢量估计及其功率，得到干扰噪声协方差矩阵； 所述根据信号响应导向矢量，构建干扰导向矢量环不确定集，在此集合进行Capon谱积分，得到第l个干扰信号的干扰协方差矩阵为Ci-l，包括： 利用低分辨率的DOA估计算法获得所有K-1个干扰信号的来波方向所在的角度区间Θint；将所有K-1个干扰信号所在角度区间Θint划分为K-1个子区间Θl，l＝2,3,…,K，每个干扰信号处于其对应角度区间Θl上，所有子区间Θl相连构成角度区间Θint，即Θint＝Θ2∪Θ3∪…∪Θl； 在第l，l＝2,3,…,L个干扰信号所在的角度区间Θl上构建信号响应导向矢量的环不确定集： 在不确定集Uz-lθ∈Θl上进行Capon谱积分得到第l个干扰信号的干扰协方差矩阵为 所述通过离散求和的方法代替积分的复杂运算，重新获取Ci-l，包括： 采用环不确定集表面上的面积分近似替代环不确定集上的体积分，再采用二重积分近似替代环不确定集上的面积分,用离散求和代替面积分,最终得到第l个干扰信号的干扰协方差矩阵的近似表达式为： 式中，P表示将连续角度区间转换为离散角度区间Θl＝{θ1,θ2,…,θP}包含的角度值个数，Q表示角度θp对应的不确定集Uz-lθp的表面转换为离散区间多包含的点数，p＝1,2,…,P； 所述对重新获取的Ci-l进行特征值分解，并基于分解得到的特征值，得到更加精确的第l个干扰信号的导向矢量估计及其功率，包括： 对干扰协方差矩阵Ci-l进行特征值分解： 式中，γl-b为矩阵Ci-l的特征值，并按照降序进行排列，即γl-1≥γl-2≥…≥γl-M×N，bl-b是对应于特征值γl-b的特征矢量；其中，b＝1,2，...，M×N；同时重写采样协方差矩阵的特征值分解为： 式中，λ≥λ≥…≥λ≥λK+1…≥λM×N的按照降序排列的M个特征值，e对应于特征值入的特征矢量；Es+i＝[e,e,…,e]是M×N×K维的信号-干扰子空间矩阵，其列矢量张成的空间为信号-干扰子空间，Δs+i是信号干扰子空间对应的特征值组成的对角矩阵，E是噪声子空间，Δ是噪声干扰子空间对应的特征值组成的对角矩阵； 第l个干扰信号的导向矢量粗估计投影到的信号-干扰子空间上以得到更加精确的导向矢量估计： 同时，采用Capon谱估计算法估计出干扰信号的功率，即 所述基于第l个干扰信号更加精确的导向矢量估计及其功率，得到干扰噪声协方差矩阵，包括： 高斯白噪声的功率估计为： 其中，λb为样本协方差矩阵对应噪声的特征值，b＝K+1,K+2,…,M×N；干扰噪声协方差矩阵可重构为：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。