一种增强零陷的稳健Capon波束形成器设计

阵列天线因其分辨率高、增益强、方便控制等特点,在民用以及军用通信、雷达、探测等领域的作用不言而喻。其中,自适应波束形成技术是阵列天线信号处理的重要组成部分,本质是空域滤波技术,可有效抑制干扰,定向控制波束方向,以充分发挥雷达性能。因此,设计一种增强零陷的稳健Capon波束形成器,用于提升阵列天线在角度失配条件下的性能。通过重构协方差矩阵预先估计导引矢量,引入零陷宽度,增强天线性能。经经仿真分析,该算法在角度失配条件下具备良好的性能。     

声矢量传感器阵列的实值Root-MUSIC算法

为提高矢量传感器阵列的波达方向(DOA)估计精度和减少运算量,提出了基于矢量传感器阵列的实值化求根MUSIC算法。该算法计算量远远小于矢量传感器阵列的MUSIC算法和RootMUSIC算法。通过阵列信号的空间谱,选择合适的引导方位向量。对阵列协方差矩阵进行实值化重构与特征分解,构造蕴含信号源方位信息的多项式,再将阵列的DOA估计转化为多项式的求根问题。仿真实验与相同阵列孔径的声压传感器阵列的对比实验表明,该算法在低信噪比、小快拍数情况下具有更好的估计性能。通过湖试试验验证了该算法具有较强的工程实用性。     

阵列天线空时GPS中频信号建模与仿真

摘要：该文通过分析GPS信号的特性对单天线GPS中频信号进行建模,给出了阵列天线空时GPS中频信号的模型. 建模过程考虑了卫星星钟误差、大气层误差、接收机钟差、噪声等各种误差因素的影响. 设计了阵列天线空时GPS中频信号仿真器,该软件具有设计灵活、可扩展、易于使用的特点. 利用频谱分析方法对仿真生成信号的正确性进行验证,并应用空时自适应处理方法验证了阵列天线空时GPS中频信号模型的正确性. 关键词：     

GPS/INS组合导航中的自适应滤波算法

研究了GPS/INS导航系统中的不确定噪声问题,给出了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当测量噪声的协方差已知时可以自适应估计出系统噪声的协方差.它是在滤波过程中通过判定系统噪声的协方差是否发生了变化,若它发生了变化再估计出新的协方差,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此有效地提高了滤波结果的精度并消除了滤波发散现象.数字仿真表明效果良好.     

GPS空时自适应抗干扰算法研究

针对卫星信号功率低、易受干扰的问题,阐述空时二维滤波算法在自适应波束形成中的应用,对几种常用的自适应算法进行仿真,特别指出多级维纳滤波器在未来抗干扰接收机中的应用。     

自然图景的天基监视雷达地杂波仿真

为了评估空-时自适应处理算法应用于天基雷达系统的效果,需要对地杂波图景进行高逼真度的仿真.首先根据特定地区的地表覆盖物数据、地形数据和雷达工作参数构建该地区的地表反射特性瞬态图景.然后根据距离重叠、地球自转效应和天基雷达的阵列模式,用反射特性图景计算杂波协方差矩阵最优值和估计值.最后根据Billingsley提出的谱模型,仿真杂波内部运动效应.仿真结果表明,所得的地表反射特性在统计意义上与实际地表反射特性差距小于5 dB,所得天基雷达杂波环境对空-时自适应算法效果影响可作定量分析.     

双基地MIMO雷达二维DOD和二维DOA联合估计

提出一种双基地MIMO雷达L型阵列下多维角度联合估计的新算法. 该算法利用匹配滤波器输出信号特点构造不同的代价函数,采用迭代最小二乘算法估计收发阵列流形矩阵,根据L 型阵列结构的特点和最小二乘法,从估计出的矩阵中计算目标的二维DOD(direction of departure)和二维DOA(direction of arrival). 该方法无需谱峰搜索,可实现参数的同时估计与配对. 与ESPRIT 算法相比,具有更高的估计精度,并接近于克拉美-罗下限,且在小快拍数下也能较好地工作. 仿真结果验证了该算法的有效性.     

自适应天线阵列在OFDM系统中的应用

在简要介绍OFDM系统的基础上,提出了一种将卡尔曼滤波运用于OFDM系统的自适应天线阵列方法,理论分析并计算机仿真了系统误码率性能.结果表明文中提出的自适应天线阵列在消除OFDM系统同频干扰、提高系统接收性能方面显示出良好的性能.     

捷联惯导初始对准的超球体采样SRUKF算法

平淡卡尔曼滤波(UKF)在捷联惯导系统静基座大方位失准角初始对准中计算量大,且滤波数值不稳定. 针对这一问题,该文将超球体采样策略与平方根UKF(SRUKF)算法相结合,提出一种改进的SRUKF算法. 该算法在保证其滤波精度和UKF算法相当的前提下,通过引入超球体采样减少了采样点数,提高了计算速度. 并以协方差阵的平方根矩阵代替协方差阵参加递推运算,减少了计算机舍入误差,提高了滤波数值稳定性. 仿真结果表明,该算法在保证初始对准滤波精度的前提下降低了计算量,提高了滤波性能.     

平面阵列下的二维角度和频率联合估计

在均匀面阵列结构基础上提出一种二维角度和频率联合估计新方法. 对阵列天线输出的信号进行建模分析,表明阵列接收信号具有平行因子四线性模型特征. 利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出信源的参数. 该算法首先利用四线性交替最小二乘算法估计出方向矩阵和频率矩阵,然后利用频率矩阵的Vandermonde特征和方向矩阵的结构特点及最小二乘法计算频率和二维角度. 该方法无需谱峰搜索即可实现参数同时估计与配对,与现有的基于三线性分解的算法和ESPRIT算法相比具有更高的估计精度,而且在小样本数情况下也能较好地工作. 仿真结果验证了该方法的有效性.     

基于特征向量的阵列误差矩阵最优闭式解

阵列互耦和幅相误差的综合作用会严重影响MUSIC算法的测向性能. 该文重点研究了由互耦和幅相误差 引起的阵列误差校正问题,给出3 种阵列误差矩阵校正算法. 它们具有相同的计算模式和理论框架,均可通过计算某 个Hermite矩阵最小特征值对应的特征向量获得最优闭式解. 算法I未利用阵列误差矩阵的任何性质,算法II利用了阵列 误差矩阵的稀疏性,算法III利用了某些规则阵列的阵列误差矩阵的特殊结构. 仿真实验比较了3 种校正算法的估计精 度,结果表明,尽可能利用阵列误差矩阵的特殊性质有利于提高阵列误差矩阵的校正精度.     

利用延时相关预处理的信源数估计

为了解决信息论准则估计信源数在有色噪声背景下失效以及盖氏圆方法在低信噪比下性能下降的问题,提出了利用延时相关预处理的信源数估计方法. 首先构造接收数据之间的延时相关矩阵,抑制噪声影响. 再将特征向量按划分规则分组,得到两类不同的特征空间,其中一类只含噪声特征矢量,另一类同时含有噪声和信号的特征矢量. 最后将延时相关矩阵投影到特征空间,通过对投影数据进行处理实现信源数估计. 仿真实验和实测结果表明了该算法的正确性和有效性.     

解到达角估计模糊的二次虚拟阵列变换

引入非均匀时延构造虚拟阵列变换的变换矩阵,提出一种基于二次虚拟阵列变换的到达角估计方法. 该方法利用非均匀时延间隔的随机性,每一次快拍下都等效于随机改变虚拟阵元的阵元间隔,突破了空域采样定理的限制,解决了在使用较大阵元间距条件下到达角估计的模糊问题. 同时增大的阵元间距也提高了估计的精度和分辨力. 进一步的实验表明,该方法是可行的、有效的,且能改善小信噪比条件下的估计精度.     

协方差矩阵结构的广义近似最大似然估计

针对相关复合高斯杂波背景下相邻杂波纹理分量可能相同的情况,将杂波均匀分组进行推广,结合归一化采样协方差矩阵估计,提出了广义杂波分组的归一化采样协方差矩阵估计方法(generalized normalized sample covariance matrix, GNSCM). 利用最大似然估计方法,进一步推导了广义杂波分组背景下协方差矩阵结构最大似然估计的迭代过程,以GNSCM 为初始化矩阵进行迭代,得到协方差矩阵结构的广义近似最大似然(generalized approximate maximum likelihood, GAML) 估计. GAML 是对现有方法近似最大似然(approximate maximum likelihood, AML) 估计和约束迭代杂波分组估计(constrained recursive clutter-clustered estimator, CRCCE) 的推广,具有更强的杂波适应能力. 仿真结果表明,针对非均匀分组杂波环境,与AML 估计和CRCCE 相比,GAML 具有更高的估计精度,且相应的自适应检测器具有更好的恒虚警率特性和检测性能.     

分层空时编码OFDM传输技术的研究

提出一种分层的空时OFDM系统结构,以在MIMO信道上提供分集增益并对抗频率选择性衰落的影响,在接收端采用一种层干扰抑制和干扰隐藏算法以克服多用户间的干扰,在带宽无线信道上实现多用户可靠的高速通信,并将它应用于可分级MPEG-4视频的传输.仿真结果表明该系统只需在适度的信噪比条件下就具有很好的传输性能.     

非线性阵列Khatri-Rao子空间宽带DOA估计

针对非线性阵列,基于Khatri-Rao子空间概念提出一种新的无预估角宽带到达角(direction-of-arrive,DOA)估计方法. 从Khatri-Rao子空间虚拟阵列导向矢量出发,利用虚拟阵列所增加的维数,以流形分离技术构造与到达角无关的宽带聚焦矩阵,无需预估角且估计性能良好. 采用Root-MUSIC算法避免传统算法中的谱峰搜索过程,降低了计算量. 仿真结果表明,该方法与需要预估角的已有Khatri-Rao子空间宽带DOA估计方法FKR-RSS相比,具有相近的估计精度和目标分辨力. 在信号源数大于阵元数的情况下,其性能优于FKR-RSS.     

非均匀环境下雷达动目标检测的空时自适应处理

研究一种非均匀环境下地面动目标检测的STAP算法. 该算法将直接数据域内基于正弦曲线幅相估计的检测算法从空域维扩展到空时二维,提高目标回波幅度的估计精度,改善输出信杂噪比,有效地克服了原算法对弱目标检测性能差和虚警率高等缺陷. 仿真结果验证了这种方法的有效性.     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。