多級維納濾波器的快速實現方法研究

宋 佳，張 恒

(中國船舶重工集團公司第七二三研究所，江蘇 揚州 225101)

0 引 言

Goldstein提出的多級維納濾波器(MSWF)推廣了傳統維納濾波器(WF)結構，其結構由一個分界濾波器組和一個合成濾波器組成，具有更強的降維能力。多級維納濾波器是近年發展起來的降維自適應濾波技術，在很多領域都有廣泛的應用，例如空時自適應雷達中的恒虛警率(CFAR)檢測、自適應均衡、超分辨率譜估計等。本文研究多級維納濾波器的快速實現方法，提出了降秩多級維納濾波器和相關相減算法的多級維納濾波器，并對2種濾波器進行計算機仿真實現，結果表明，多級維納濾波器的快速實現方法保持了與經典算法幾乎相同的性能，且計算量更低。

1 多級維納濾波器基本原理

(1)

WX0稱為維納解，其中隱含這樣的事實：X0(k)和d0(k)只能對消掉彼此相關的信號分量。如果X0(k)和d0(k)互不相關，則不能達到自適應濾波的目的。

圖1 維納濾波器的結構

用廣義旁瓣相消的形式替換圖1的下支路即得維納濾波器的廣義旁瓣相消形式，如圖2所示。

圖2 維納濾波器的等效廣義旁瓣相消形式

對圖2中的虛線部分進一步進行等效，以此類推，直到經N-1次等效，由正交投影得到xN-1=BN-1XN-1為標量為止，取N=4時，多級維納濾波器形式如圖3所示。

圖3 多級維納濾波器(MWF)

多級維納濾波器的處理分為2步：

(1) 對Xi(k)進行正交投影，其中Bihi=0，分解得到Xi+1(k)和參考信號di+1(k)，以此遞推，使數據的維數降低至標量。

(2) 綜合步驟(1)中的標量維納濾波器，得到輸出誤差信號ε0(k)。

其中步驟(1)被稱為前向分解，步驟(2)則被稱為后項綜合。由圖3可以推出多級維納濾波器的等效自適應權矢量：

(2)

(3)

(4)

(5)

代入式(2)，可得：

(6)

則多級維納濾波器的等效自適應權矢量為：

WMWF=WX0=LHWd

(7)

由上式可以看出，多級維納濾波器可以等效為如圖4所示的結構。

圖4 多級維納濾波器的變換域形式

圖4中：

(8)

Rd=E[d(k)dH(k)]=LRX0LH

(9)

rdd0=E[d(k)d*(k)]=LrX0d0

(10)

如果圖3中的X0(k)和d0(k)是通過一級正交分解得到的，并且2個正交分量分別為B0和h0，即得到廣義旁瓣相消器的多級維納濾波器形式。由于廣義旁瓣相消器與最小方差無失真響應(約束)波束形成器等效，因此可以成為無失真響應多級維納濾波器(DR-MWF)[1-2]。

(11)

2 低運算量的多級維納濾波器

2.1 降秩多級維納濾波器

降秩多級維納濾波器(RR-MWF)，也可稱為截斷多級維納濾波器，即在第r級分解處令dr(k)=εr(k)，由圖3可知：

(12)

d(k)=[d1(k),d2(k),…,dr(k)]T

(13)

(14)

(15)

(16)

(17)

將式(16)代入(12)，可得：

(18)

等效降秩變換矩陣Tr的列向量依次為滿秩時等效變換矩陣T(=LH)的前r列，即多級維納濾波器權值WMWF位于LH張成的子空間。由于多級維納濾波器是根據相關的強弱將輸入數據向量X0(k)通過前向遞推過程依次變換為d(k)，而后向遞推相當于將d(k)的元素進行Gram-Schmidt正交化。因此，MWF各級分解與綜合對WMWF的貢獻隨級數的增加而降低，因此采用截斷可得到較好的降秩性能[3]。

2.2 相關相減算法的多級維納濾波器

DR-MWF中，為實現前向遞推分解中觀測數據向量的維數的逐次降低，構造了行數比列數少1的長方陣阻塞矩陣，而這里考慮用歸一化參考向量求取阻塞矩陣，而不再計算(構造)阻塞矩陣，從而使歸一化參考向量相互正交，以提高性能和降低計算量。多級維納濾波器可以用如圖5所示的相關相減算法結構實現，稱為相關相減算法多級維納濾波器(CSA-MWF)。由于不需要求解阻塞矩陣，計算量可得到降低，而且CSA-MWF是酉多級維納濾波器[4]，即子空間基向量相互正交，較DR-MWF(子空間基向量不正交)穩健性要好。

圖5 多級維納濾波器的CSA實現結構(CSA-MWF)

圖5中:

X0(k)=B0X(k)

(19)

(20)

(21)

(22)

則有:

(23)

相關相減多級維納濾波器中，第i級的前向迭代關系為:

(24)

(25)

(26)

Xi(k)=BiXi-1(k)

(27)

在相關相減多級維納濾波器中，阻塞矩陣Bi均為N維方陣，各級觀測數據Xi(k)也均為N維方陣，由CSA-MWF的原理可知，降秩處理并沒有導致維數的降低[5-6]，因此數據冗余量很大。若將阻塞矩陣采用(N-i-1)×(N-i)長方陣，既利用CSA-MWF的CSA結構，不需要求解阻塞矩陣，又利用了DR-MWF降維的優點，使得Xi(k)的維數逐次降低。將這種結構稱為改進的相關相減算法多級維納濾波器(MCSA-MWF)，結構如圖6所示，它綜合了DR-MWF和CSA-MWF的優點，計算量比兩者都小[6]。

圖6 改進的多級維納濾波器CSA(MCSA-MWF)實現結構

其中

(28)

(29)

(30)

(31)

(32)

(33)

(34)

(35)

式中：hi為N-i維；Xi(k)為(N-i-1)維向量，隨著級數i的增加，Xi(k)維數逐漸降低[7]。

3 算法仿真與比較

3.1 降秩多級維納濾波器算法仿真實現

仿真條件：等間隔直線陣，陣元個數為16個，陣元間隔為半波長，幅度為1的期望信號在0°方向，3個干擾方位分別為-35°，19°，45°，干擾幅度分別為5，3，1。對降秩的DR-MWF和滿秩處理2種算法波束形成和方向圖仿真如圖7所示。并對不同截斷級數的情況進行了仿真對比，如圖8所示。

圖7 RR-MWF波束形成算法計算機仿真(r=12)

從圖7(b)可以看到，降秩的DR-MWF和滿秩處理的方向性圖相比，邊緣角度的旁瓣較高，但對算法性能的影響可接受。

為了說明不同的降秩階數和不同快拍數下降秩對性能的影響，選取不同的降秩階數，以及不同的快拍數進行計算機仿真。

圖8 不同截斷級數計算機仿真結果(r=5，K=256)

從圖8(a)中結果可以看到，在-35°處已有旁瓣泄漏，且主波束寬度較MWF要大，對抑制旁瓣泄漏已經有了較為明顯的不足。從圖8(b)中可以看到，RR-MWF的主波束較MWF有明顯展寬，主瓣附近旁瓣也較高，因此截斷級數過多是不可取的。說明截斷會導致波束形成性能的下降，因此在使用時應當選擇適當的降秩階數，將誤差控制在可以接受的范圍內。

從圖9(a)可以看到，降秩導致主波束的能量泄漏，會造成隧道效應。從圖9(b)可知，在K=16時，MWF的方向性圖已經嚴重畸變，而RR-MWF(r=5)可以在干擾方向形成零陷，有效抑制干擾。

圖9 不同快拍數RR-MWF計算機仿真結果(r=5，K=16)

根據以上的仿真結果可知，隨著降秩階數減少或者快拍數減小，RR-MWF的性能都會下降。應根據實際應用情況，綜合考慮算法性能和運算量對降秩階數和快拍數進行選擇。

3.2 相關相減算法的多級維納濾波器仿真實現

仿真條件：等間隔直線陣，陣元個數為16個，K=256，陣元間隔為半波長，幅度1的期望信號在0°方向，3個干擾方位分別為-35°，19°，45°，干擾幅度分別為5，3，1。

如圖10 (a)所示，CSA-MWF和DR-MWF波束形成算法較常規波束形成算法均能完全抑制旁瓣干擾，抑制頻譜泄漏。如圖10 (b)所示，CSA-MWF與MCSA-MWF均可以在干擾方向形成深的零陷。

當快拍數降低時，如圖11，快拍數為K=16，CSA-MWF和MCSA-MWF的方向圖近似一致，性能均優于DR-MWF，DR-MWF的旁瓣較高，這是因為DR-MWF的空間基向量無相互正交性；由于進行了10 dB的對角加載，干擾方向零陷明顯變淺。

圖10 相關相減算法多級維納濾波器波束形成計算機仿真

圖11 CSA-MWF、MCSA-MWF與DR-MWF仿真比較(K=16)

4 結束語

本文研究多級維納濾波器的快速、有效實現方法，從理論分析和算法仿真2個方面進行分析，討論了降秩多級維納濾波器(RR-MWF)的性能與降秩階數和快拍選擇的關系，得出結論：隨著降秩階數減少或者快拍數減小，RR-MWF的性能都會下降，應根據實際應用情況，綜合考慮算法性能和運算量對降秩階數和快拍數進行選擇；比較了相關相減算法的多級維納濾波器(CSA-MWF)和改進后的相關相減算法多級維納濾波器(MCSA-MWF)與無失真響應多級維納濾波器(DR-MWF)快拍數降低時的性能，得出結論：CSA-MWF和MCSA-MWF的旁瓣抑制能力均優于DR-MWF，且MCSA-MWF具有更小的運算量。