基于频控阵的改进ESB波束形成算法

频控阵由于其波束方向图具有的距离-角度二维依赖特性而受到广泛关注, 理想情况下基于频控阵的自适应波束形成技术, 能够从距离维和角度维增强期望信号并抑制干扰, 但实际系统中较大的指向误差和采样协方差矩阵失配会造成算法性能严重下降。针对该问题, 提出一种改进的基于特征空间(eigenspace-based, ESB)自适应波束形成算法, 并将其应用在频控阵多输入多输出接收处理体制中, 仿真结果表明在5°的指向误差内, -20 dB信噪比, 及小快拍数的非理想条件下, 所提算法仍然能在目标位置附近形成高增益, 并在干扰位置形成零陷, 克服了传统ESB算法低信噪比条件下算法失效导致的波束方向图畸变问题, 具有更好的适用性。     

FDA-MIMO雷达稳健抗主瓣距离欺骗式干扰技术

频率分集阵(frequency diverse array, FDA)多输入多输出(multiple-input and multiple-output, MIMO)雷达可利用距离维自由度在发射-接收频率域内对欺骗式干扰进行抑制。但当存在目标导向矢量失配和协方差矩阵估计误差时,其抗干扰性能损失严重。针对该问题, 在FDA-MIMO雷达中提出了一种基于稳健波束形成的抗干扰方法。首先, 对剔除了残留噪声的Capon谱估计器在信号(或干扰)域内积分来构造期望信号(或干扰)导向矢量; 然后, 利用不同信号导向矢量间的正交性获得干扰功率并重构干扰加噪声协方差矩阵; 最后, 用更精确的导向矢量和重构矩阵计算自适应波束形成器的最优权值, 提高干扰抑制性能。仿真实验验证了所提方法的有效性。     

基于频控阵的递推最小二乘波束形成算法

频控阵通过在阵元间加入远小于载频的频率增量,使波束的空间分布距离角度二维相关。基于频控阵基本结构,引入两种接收信号处理机制,并对其进行理论推导分析,仿真表明两种机制均能有效接收信号。针对指向误差存在,导向矢量失配导致主瓣发生偏移问题,采用递推最小二乘波束形成算法处理。仿真结果表明,存在指向误差时,该算法在两种机制中均能在目标位置形成主瓣,在干扰位置形成零陷,验证了算法在频控阵中应用的稳健性。     

基于高斯-勒让德积分的鲁棒波束形成算法

针对矩阵重构类波束形成算法在协方差矩阵重构过程中计算复杂度较高的问题, 提出一种基于高斯-勒让德积分重构协方差矩阵的鲁棒波束形成算法。该方法首先根据信号导向矢量之间的正交性, 利用高斯-勒让德积分构建干扰信号空间; 然后将快拍数据投影到干扰信号空间, 剔除期望信号, 完成干扰噪声协方差矩阵重构; 最后将准阵列权矢量投影到信号空间, 修正导向矢量失配。仿真结果表明本文方法在视向误差、导向矢量随机误差条件下具有较好的鲁棒性, 且有效地降低了计算复杂度, 验证了算法的有效性。     

米波MIMO雷达波束空间精确最大似然算法

针对阵元空间多输入多输出(multiple input multiple output, MIMO)雷达低仰角估计方法运算量和数据传输量太大的问题, 提出了基于波束空间的MIMO雷达精确最大似然(refined maximum likelihood, RML)算法。该算法将阵元空间的数据转换到波束空间, 实现降维处理, 再利用最大似然的思想对波束空间的数据进行测角。计算机仿真结果表明, 相比于基于阵元空间的MIMO雷达RML算法, 所提算法有着良好的测角性能, 并大大降低了算法运算时间。同时, 通过计算机仿真分析了信噪比、仰角、波束指向与目标仰角之间的偏差、阵元数、反射系数误差和天线中心高度等因素对所提算法测角性能的影响。     

期望信号稳健阻塞的协方差矩阵重构波束形成算法

针对期望信号导向矢量存在失配时自适应波束形成器性能下降的问题,提出期望信号稳健阻塞的干扰噪声协方差矩阵重构算法。首先,构造角度展宽的信号阻塞矩阵,完成回波数据中期望信号的分离,进而利用无污染的回波数据计算准干扰噪声协方差矩阵。接着,对准干扰噪声协方差矩阵做特征分解,借助矩阵投影变换完成干扰噪声协方差矩阵的准确重构。最后,对剔除掉干扰和噪声分量的采样协方差矩阵做特征分解,完成期望信号导向矢量的有效估计。理论分析和仿真结果表明,所提算法不仅具有近乎理想的性能,还具有较低的计算复杂度。     

基于凸约束下泰勒估计的主瓣干扰抑制算法

针对真实信号协方差矩阵估计难以直接获取及低快拍条件下传统采样协方差矩阵存在较大误差的问题,提出了基于凸约束下泰勒估计的抗主瓣干扰波束形成算法。该算法首先利用凸约束下的泰勒估计法在低快拍数条件下对信号协方差矩阵进行估计。其次利用多信号分类算法进行波达方向估计,筛选主瓣干扰对应特征矢量。而后利用特征投影矩阵法对主瓣干扰进行抑制。最后,通过添加线性约束获得权值矢量进行波束形成。仿真结果显示,在低快拍数条件下,所提算法对信号协方差矩阵具有更高的估计精度,波束形成性能稳健且具有更高的输出信干噪比。     

基于FRFT的单基地MIMO雷达稳健波束形成算法

以单基地多输入多输出(multiple input multiple output, MIMO)雷达系统为研究对象, 针对线性调频(linear frequency modulation, LFM)形式的正交频分复用(orthogonal frequency division multiplexing, OFDM)信号, 提出了一种新的稳健自适应波束形成算法。所提算法首先利用LFM信号的特性, 对匹配滤波后的雷达回波信号进行分数阶傅里叶变换(fractional Fourier transform, FRFT), 经化简得到峰值点作为阵列的观测值。而后, 利用观测值构建接收信号的协方差矩阵, 并使用Capon谱估计方法重构干扰加噪声数据协方差矩阵。最后, 通过求解优化问题估计实际导向矢量, 从而得到阵列的最优权值。通过计算机仿真实验, 验证了所提算法的有效性。     

基于子空间估计的MIMO阵列降维STAP方法

当对多输入多输出(multiple input multiple output, MIMO)阵列进行空时自适应处理时,由于MIMO阵列虚拟孔径增大,相对常规相控阵列能够更好地抑制杂波和干扰,但其所需样本数据量大且计算复杂度高,工程实际中难以应用。提出基于子空间估计的MIMO阵列降维空间自适应处理（space time adaptive processing, STAP）方法,该方法结合扁长椭球波函数的时限带限特性近似构造出降维的杂波子空间,并利用与发射波形正交的辅助匹配滤波通道估计出干扰加噪声协方差矩阵,通过“逼零”方法求得MIMO阵列系统的空时权矢 量。仿真结果表明,当存在非理想因素影响时,该方法能够有效抑制杂波和干扰且降维运算量更低。     

L-DACS1系统干扰抑制与循环自适应波束形成方法

为了解决L频段数字航空通信系统1(L-band digital aeronautical communication system, L-DACS1)正交频分复用(orthogonal frequency division multiplex, OFDM)接收机遭受测距仪(distance measuring equipment, DME)信号干扰的问题,提出了正交投影干扰抑制与循环自适应波束形成的空域滤波方法。首先,利用正交投影算法抑制DME信号干扰;然后,利用OFDM信号的循环平稳特性,构建循环自相关矩阵,通过奇异值分解得到波束形成的最优权矢量;最后,利用最优权矢量进行空域滤波。仿真研究表明,该方法可以在OFDM期望信号上形成稳定的主波束,同时能够抑制DME信号干扰。且所提方法具有复杂度较低、低信噪比情况下波束形成算法鲁棒的优势。     

Beamforming analysis based on CSB sin-FDA

This paper studies the adaptive beamforming algorithm based on the frequency diverse array(FDA)array where the interference is located at the same angle(but different range)with the target.We take the cross subarray-based FDA with sinusoidal frequency offset(CSB sin-FDA)as the receiving array instead of the basic FDA.The sampling covariance matrix under insufficient snapshot can be corrected by the automatic diagonal loading method.On the basis of decomposing the mismatched steering vector error into a vertical component and a parallel one,this paper searches the vertical component of the error by the quadratic constraint method.The numerical simulation verifies that the beamformer based on the CSB sin-FDA can effectively hold the mainlobe at the target position when the snapshot is insufficient or the steering vector is mismatched.     

一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

主瓣多假目标干扰收发联合抑制方法

从现代电子战雷达抗干扰迫切需求出发, 针对主瓣多假目标干扰的对抗难题, 提出一种空时相位编码多输入多输出(space time phase coded multiple input multiple output, STPC-MIMO)信号与失配滤波器联合设计方法。该方法通过发射端STPC-MIMO信号设计可自适应调整回波中干扰能量的空域分布, 实现真假目标的空域分离, 进而结合接收端失配滤波器设计, 在信噪比损失可控情况下实现主瓣内多假目标有效抑制。此外, 由于该收发联合优化方法需要对干扰进行认知, 因此进一步给出了基于STPC-MIMO信号回波的假目标参数获取方法, 形成波形设计-干扰认知闭环雷达探测系统。最后通过仿真实验验证了所提方法的有效性。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。