基于LCMV的IQRD-SMI自适应数字波束形成算法

指出QR分解采样矩阵求逆算法(QRD-SMI算法)是一种较流行的自适应数字波束形成算法,但其需要前向和后向代入才能得到自适应权向量w,从而导致其实时性和并行性能欠佳.在QRD-SMI算法的基础上,采用逆QR分解方法,提出了一种不需要前向和后向代入而能全速/并行得到实时权向量w的一种逆QR分解SMI算法(IQRD-SMI算法),给出其易于硬件并行实现的Systolic阵结构.该算法能克服QRD-SMI算法并行性和实时性欠佳的缺点,能做到真正意义上的实时并行权向量抽取.仿真结果和分析验证了该算法的有效性和实时性.     

基于先验知识的广义旁瓣对消器STAP

空时自适应处理（space-time adaptive processing,STAP）算法的运算量与处理性能构成了一对矛盾。利用广义旁瓣对消器（generalized sidelobe canceller,GSC）形式的处理器结构,提出一种基于先验知识的 STAP 算法以解决该问题。该算法使用相控阵雷达系统参数以及阵列几何模型等先验知识来构建空时杂波的匹配矩阵,并计算空时多约束导引矢量,实现对 STAP 算法的自适应加权初始化。该算法的优点是无需协方差矩阵求逆从而使处理速度得到加快。仿真实验表明该算法的处理性能未受影响,而收敛速度则明显提高。     

非均匀杂波环境STAP方法研究

分析了非均匀杂波对STAP算法性能的影响,在此基础上提出了一种非均匀杂波环境下STAP杂波抑制方案．该方案首先通过训练样本加权法抑制功率非均匀现象,然后利用干扰点替代法消除干扰目标和孤立干扰对STAP算法的影响,最后通过常规STAP算法实现对目标的检测．计算机仿真结果验证了有效性．     

基于稀疏恢复的直接数据域STAP算法

在机载/星载雷达系统中,空时自适应处理(STAP)可有效抑制杂波并实现动目标检测。基于统计的STAP算法通过平稳的训练样本来估计检测单元内的杂波协方差矩阵,并设计相应的滤波器以提高检测单元的输出信杂比。但训练样本的平稳性在实际快变的杂波环境中无法保证,因而此类算法在实际非均匀杂波环境中性能较差。该文通过挖掘检测单元数据在角度-Doppler域上的稀疏性,提出一种新的直接数据域STAP算法。该算法通过稀疏恢复来获得检测单元的高分辨空时谱估计,有效地避免杂波旁瓣对目标检测的影响,进而实现不经过杂波抑制而直接运动目标检测的目的。同时由于不使用训练样本,可很好地避免训练样本内的非均匀性,该算法在实际非均匀杂波场景中有更广泛的应用前景。     

天基雷达杂波抑制STAP算法性能仿真研究

天基雷达系统中杂波存在时空二维耦合的问题,在杂波抑制上通常采用空时自适应处理（STAP）的方法。基于天基雷达系统中杂波和干扰对STAP处理的影响,论文围绕天基雷达对STAP处理的需求,开展了对单基地天基雷达系统的STAP算法对天基雷达杂波抑制的仿真研究。     

基于PSWF函数的机载MIMO雷达降维自适应处理算法研究

针对机载多输入多输出(MIMO)体制雷达的杂波抑制问题,本文提出了一种机载MIMO雷达降维空时自适应处理(STAP)算法。该算法利用PSWF函数,根据雷达参数,离线的构造出杂波子空间的一组完备正交基,实现了对杂波子空间的估计,并运用特征相消法(EC)完成了降维STAP计算。仿真实验表明,在理想情况下,该算法能够获得很好的杂波抑制性能;在考虑阵元幅相误差时,与特征对消法相比,该算法在大幅降低运算复杂度的同时,依然能够保持杂波抑制能力。     

基于扁长椭球波函数的机载多输入多输出雷达降维自适应处理算法研究

针对机载多输入多输出(MIMO)体制雷达的杂波抑制问题,提出了一种机载MIMO雷达降维空时自适应处理(STAP)算法。该算法利用PSWF函数,根据雷达参数,离线地构造出杂波子空间的一组完备正交基,实现了对杂波子空间的估计;并运用特征相消法(EC)完成了降维STAP计算。仿真实验表明,在理想情况下,该算法能够获得很好的杂波抑制性能;在考虑阵元幅相误差时,与特征对消法相比,该算法在大幅降低运算复杂度的同时,依然能够保持杂波抑制能力。     

STAP技术在有源干扰环境下的运用方法

为了在复杂的有源干扰环境下改善空时二维自适应处理(Space-time Adaptive Processing,STAP)技术的处理性能,提出了一种基于局部空域自适应阵列处理的改进型自适应波束形成方法。这是一种空间抗干扰与STAP技术滤除杂波级联的方法。采用MUSIC技术对有源干扰的波达方向进行估计,然后分别在期望方向和干扰方向形成接收多波束,再在波束域进行自适应处理以抑制有源干扰,最后在空间反干扰滤波后运用STAP技术进行杂波抑制。仿真结果表明,该方法能有效估计出干扰源的方位,使STAP技术在有干扰的环境下也能保持较好的杂波抑制性能,同时在波束域进行自适应滤波,大大降低了抑制干扰所需的运算量,理论分析和仿真结果表明了该算法的有效性。     

基于小波变换的智能天线波束形成算法

提出一种基于小波变换的智能天线波束形成算法(WL-SMILMS)。该算法采用小波函数将夹杂干扰噪声的来波信号变换在多尺度频域,对高频部分采用采样矩阵求逆算法(SMI)进行权矢量更新,对低频部分采用最小均方误差算法(LMS)进行权矢量更新,用两部分融合后的权矢量更新滤波器抽头权值,实现数字波束形成。该算法克服了SMI算法计算复杂度高、旁瓣偏高的缺点,比LMS算法具有更好的收敛性,实现了收敛率和计算复杂度的高度兼顾。     

基于现场可编程门阵列的矩阵求逆算法设计

针对自适应抗干扰算法在更新最优权值时存在时间延迟问题,提出了一种基于Cholesky分解的矩阵求逆算法实现架构。该实现架构主要包括协方差矩阵计算模块、Cholesky分解模块、计算下三角矩阵的逆矩阵模块、三角矩阵相乘和权值计算模块。本设计可完成在最短权值更新时间的前提下,对高阶采样矩阵进行求逆运算。仿真结果表明,在FPGA的硬件平台上,一次权值的更新时间只需要1.2 ms。本设计为自适应抗干扰快速求解权值提供了一种切实可行的解决方案,对存在类似需求的权值求解系统具有一定的参考价值。     

基于LCMV的MQRD-SMI自适应波束形成算法

在QRD-SMI算法的基础上,提出了一种不需要前向和后向代入而能全速/并行得到实时权向量W的一种混合型QRD-SMI算法(MQRD-SMI),并给出其易于硬件并行实现的Sys-tolic阵结构.该算法能完全克服QRD-SMI算法并行性和实时性欠佳的缺点,能做到真正意义上的实时并行权向量抽取.仿真结果和分析验证了该算法的有效性和实时性.     

杂波谱中心Doppler频率和谱宽的快速估计算法

为了能有效地抑制机载下视雷达的地杂波 ,需要对这类杂波的中心 Doppler频率和谱宽进行精确地估计。基于快速傅里叶变换 (FFT)运算和质量中心的概念 ,提出一种快速的高性能估计算法 ,称为质量中心法。该算法直接在频域上对杂波谱参数进行估计 ,具有算法简单 ,易于实现的优点。为了对比它与传统的熵谱估计法以及相关函数法之间的性能 ,给出仿真计算实例。结果表明 ,质量中心法的运算量远小于熵谱估计法 ,但是二者的性能却相差不多 ,尤其是对谱中心的估计。与同样具有小运算量的相关函数法相比 ,在谱宽估计性能上 ,质量中心法更具优势。由于采用短数据即可得到良好的估计性能 ,因此该算法适用于短时平稳的数据     

MIMO-STAP稀疏字典降维方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在使用稀疏方法恢复杂波谱时存在的计算复杂度高的问题,提出了一种字典降维方法。该方法直接使用训练样本估计出低分辨率的杂波空时谱,并在此基础上用FOCUSS算法的迭代式提升谱的分辨率,进而计算各原子的Capon功率谱并将谱值较大的原子挑出组成降维字典。当存在多普勒模糊时,则利用先验知识排除因多普勒模糊而入选的原子,将其余满足要求的原子取出组成降维字典。仿真实验表明:降维字典能够完全覆盖杂波脊线,使用降维字典在维持算法输出SINR性能的同时,可有效提升运算效率。     

基于GPU的粒子滤波并行算法

针对粒子滤波跟踪算法计算量较大,需要在跟踪准确性与计算效率之间做出妥协的问题,分析了粒子滤波算法的并行性,提出了基于图像处理单元(GPU)平台的粒子滤波并行算法.将传统粒子滤波算法与GPU有效结合起来,充分利用GPU并行运算的性能,加快粒子滤波算法的计算速度.对所提出算法的计算性能与普通串行算法进行了对比,实验结果表明该算法在不降低跟踪准确性的同时,平均每帧处理时间显著减少.     

用于机载雷达杂波谱中心估计的极坐标质心法

在机载雷达动目标检测(M TD)处理中,为了有效抑制杂波,必须先对杂波谱中心进行准确估计。该文提出了一种适用于机载M TD杂波谱中心估计的方法——极坐标质心法。它的核心计算环节基于内积运算,因此较常用的基于相关运算的算法可以显著减少运算量;另外,很好地解决了已有的内积算法难以克服的“频谱分裂”问题。针对实际中经常出现的立方杂波谱和G auss杂波谱,仿真实验比较了这种方法和传统典型算法的估计性能,证明了这种方法具有估计准确,运算复杂度小的优点。     

一种基于对角载入的鲁棒MVDR波束形成算法

当信号方向向量精确已知时,传统最小方差无畸变响应(MVDR)波束形成算法具有较好的分辨率和抗干扰能力.在实际通信环境中,由于外部环境、天线阵列以及采样协方差矩阵的估计误差等因素的影响,导致传统MVDR波束形成算法的性能急剧下降.针对这一问题,本文提出了一种新的基于对角载入的鲁棒MVDR波束形成算法.该算法考虑信号方向向量的偏差对MVDR算法性能的影响,并在最大允许偏差范围内导出最优的权重向量,有效地抑制了偏差对输出性能的影响,具有很强的鲁棒性,从而能够适应复杂的通信环境;同时该算法采用递推算法避免矩阵求逆,降低了计算复杂度,便于工程实现.仿真实验表明,与传统MVDR算法相比,所提算法具有更好的输出性能。     

基于协方差矩阵重构和导向矢量优化的波束形成算法

针对传统波束形成算法在导向矢量失配和协方差矩阵误差情况下输出信干噪比下降严重的问题,提出了一种基于协方差矩阵重构和导向矢量优化的稳健自适应波束形成算法。该算法通过估计信号和干扰的功率及方向,重构干扰加噪声协方差矩阵,同时结合投影和空域积分思想,对假定的导向矢量进行优化计算,使其接近真实的导向矢量。进而通过相关运算求得复数加权值实现波束形成。所提算法可以有效抑制干扰,提高输出信干噪比。在多种失配存在的情况下,所提算法也具有较好的性能。研究共进行了6个仿真实验,所提算法性能均优于所对比算法。所提算法在快拍数固定且存在导向矢量失配的情况下,相比于最差情况性能最优算法有约5 dB的输出信干噪比提升。在信噪比固定且存在导向矢量失配的情况下,相比于对比算法均有4 dB以上的性能提升。实验结果验证了所提算法的有效性。