抑制快速运动宽带干扰的稳健波束形成算法

作者从宽带信号模型出发,通过对扰动干扰方向上空时二维导向矢量的分析,修正了权值训练期间得到的宽带干扰协方差矩阵,并结合对角加载技术,确定空时波束形成器的对角加载量,修正了多线性约束空时自适应波束形成算法的最优权值,推导出一种抑制快速运动宽带干扰的空时波束形成算法,该方法有效地实现宽带干扰的零陷加宽,提高了宽带波束形成算法的稳健性.     

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。     

基于粒子群优化的波束空间广义旁瓣相消算法

针对广义旁瓣相消(generalized sidelobe canceller, GSC)算法运算量大, 在波束形成中存在旁瓣较高、稳健性差的问题, 提出一种基于粒子群优化(particle swarm optimization, PSO)的波束空间GSC算法。首先, 建立一种优化自适应转换矩阵将信号处理过程由阵元空间转换到波束空间, 通过减小自由度来降低算法的运算量。其次, 构建最小均方误差适应度函数, 在波束空间中利用压缩因子PSO算法充分利用接收数据的相关性, 缩减与期望信号误差并降低波束旁瓣。所提算法在降低算法运算量的同时, 解决了波束旁瓣过高的问题, 并在低快拍、强干扰条件下具有较好波束形成能力, 算法稳健性好。     

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。     

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。     

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。     

矢量阵相干宽带MVDR聚焦波束形成

研究了两种矢量阵相干宽带MVDR聚焦波束形成方法:CSS-MVDR聚焦算法和STMV聚焦算法。两种方法将相干宽带MVDR高分辨方位估计方法及矢量阵信号处理技术与聚焦波束形成相融合,较常规聚焦波束形成具有更高的分辨力和更低的旁瓣级,能解决左右舷模糊问题并提高处理增益,可有效提高辐射噪声源近场定位识别效果。两种方法均可直接处理相干宽带信号,对于实际水声信号具有更高的适用性,具有较高的工程应用价值。通过仿真研究验证了相干宽带聚焦算法具有优越的空间分辨能力。     

基于虚拟阵元信号重构的嵌套阵稳健波束形成

由于嵌套阵中部分阵元间距远大于信号半波长,可能导致高旁瓣和栅瓣等问题.因此,通过利用均匀子阵进行信号波达方向(direction of arrival,DOA)估计,重构出虚拟阵元的接收信号,从而构建一个虚拟的稠密均匀阵列,大幅增加了波束形成算法自由度.通过估计信号功率,重构虚拟均匀阵列的干扰加噪声协方差矩阵(inte...     

一种非平滑相干干扰鲁棒的自适应波束形成器

针对文献报道的鲁棒自适应波束形成(robust adaptive beamforming, RAB)算法,分析了在存在相干干扰时其性能严重下降甚至失效的原因：通过将接收信号协方差矩阵分解为阵列流形矩阵左和共轭右乘一个矩阵P的描述形式,在存在相干干扰时,P为非对角阵,其非对角元素表征了信号与干扰间的互相关,该成分造成了RAB算法的失效;另表明：快拍数有限可视为特殊的相干干扰情况。为此,提出了一种构建P为对角阵的协方差矩阵拟合方法;并据拟合的协方差矩阵,给出了对非平滑相干干扰RAB方法。仿真验证了分析的有效性,所提方法在相干干扰时仍能实现非相干干扰时的性能,且收敛速度优于报道方法。     

基于协方差矩阵加权的阵列波束优化方法

针对目前二阶统计量加权波束形成存在的能量波束输出有负值和高旁瓣问题,提出了基于协方差矩阵加权的,适用于任意阵结构和阵元指向性传感器阵列的三种优化波束形成方法.一种是设计波束以最小加权均方误差逼近期望波束方法;另一种是旁瓣约束高增益协方差矩阵加权波束形成;第三种是主瓣约束条件下最低旁瓣协方差矩阵加权波束形成.这三种波束优化问题都可以转化为二阶锥约束优化形式,应用已有内点方法求出加权矩阵的数值解.计算机仿真和实验数据处理表明,它们均克服了高旁瓣和波束输出有负值的缺点,获得了不同约束条件下的最佳协方差矩阵加权波束.     

空时二维线性预测谱估计算法

线性预测是时间序列分析中常用方法,针对传统一维线性预测谱估计算法只能估计信号源角度或信号频率问题,提出空时二维线性预测算法。采取对空时二维阵列接收到的数据进行数据抽取和排列,和对数据协方差矩阵进行重新构造的方法,求取空时二维线性预测权值并进行谱峰搜索。重点分析了空时二维的前向预测、后向预测和双向预测算法的原理,着重研究了构造的空时二维线性预测协方差矩阵的数据结构,讨论了前向、后向和双向预测的相互关系以及二维与一维的关系,并与空时二维最小方差算法、空时二维多重信号分类(multiple signal classification, MUSIC)算法进行了对比与分析。理论分析与仿真表明,一维空域、一维时域算法的前向、后向和双向预测为空时二维预测算法的特例,同时空时二维预测算法不仅克服了空时二维最小方差算法、空时二维MUSIC算法不能解相干信号源的缺点,还具有很好的测向测频能力。     

基于JADE与特征提取的正交/非正交空时分组码盲识别

针对非协作多输入多输出通信系统中正交空时分组码(orthogonal space-time block codes, OSTBC)与非正交空时分组码(non-orthogonal space-time block code, NOSTBC)的盲识别问题,提出结合特征值矩阵联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)与特征提取的盲识别方法。首先将接收信号转换为盲源分离问题中的线性瞬时混合模型,然后利用JADE算法估计出该模型的虚拟信道矩阵,根据该信道矩阵的相关矩阵为数量矩阵的特点,从相关矩阵中提取特征参数,利用此特征参数识别OSTBC与NOSTBC。仿真结果表明,在较低信噪比以及不同的调制模式下,所提方法均可有效识别出OSTBC与NOSTBC。     

基于重构协方差矩阵空时二维杂波抑制方法

针对杂波环境严重非均匀导致协方差矩阵估计失真、空时自适应处理性能下降的问题,提出了一种杂波协方差矩阵重构方法,并利用重构的杂波协方差矩阵实现杂波抑制。该方法充分利用了载机速度给定时杂波分布轨迹已知这一先验知识,考虑了天线方向图的调制,通过改变空时相关函数调节杂波带宽,可以实现任意杂波协方差矩阵重构。计算机仿真分析和实测数据处理结果表明,所提出的方法在非均匀杂波环境中,与小自由度的降维自适应算法相比具有更好的动目标检测性能。     

不敏空时自适应处理算法

针对空时自适应处理(STAP)的非均匀检测环境,提出了一种新的不敏空时自适应处理算法.该算法通过对有限的非独立同分布(non-i.i.d)数据应用不敏变换(UT)来获得近似估计的协方差矩阵,即将原始的非均匀数据到其所对应的均匀数据看作一种特殊的非线性变换,利用不敏变换(UT)估计非均匀数据经非线性变换后所对应均匀数据的协方差矩阵,有效地降低了非均匀特性的影响.仿真结果验证了该算法在非均匀环境下具有良好的运动目标检测性能.     

基于线性弥散空时码的有限反馈干扰对齐算法

干扰对齐(interference alignment,IA)作为极具潜力的干扰管理策略,能获得与用户数量成线性关系的自由度增益,但因其需要全局实时信道状态信息(channel state information,CSI)才能有效实现,使得IA理论向实用的转化将面临众多挑战。针对该问题,本文基于多小区蜂窝系统,提出了一种基于线性弥散空时码的有限反馈干扰对齐算法,该算法将预编码和线性弥散空时码编码进行级联,在只需反馈单个用户CSI的条件下,通过合理地设计预编码矩阵、线性弥散空时码块以及接收端的接收矩阵,来实现干扰的完全消除。仿真结果表明,相比已有研究,新IA算法在实现干扰完全消除的情况下,能够极大地降低系统CSI反馈开销。     

基于能力规划的三维概率选择矩阵优化算法

体系具有复杂性、巨大性和交互性等特征,体系需求的获取和分析则面临方案的不确定性和方案空间庞大等难题,利用启发式搜索算法可以求解规模较大的能力方案,但效率较低。在分析能力方案构成描述中定性、定量等要素特点的基础上,针对不同能力方案求解时算法执行效率差异较大的特征,提出面向智能Agent的三维概率选择矩阵算法,利用智能Agent自学习存储方式,将多种启发式优化算法求解不同类型的能力方案时的效率存储起来,建立三维选择矩阵,求解时动态选择效率高的算法,提高算法整体执行效率。在求解某体系能力规划方案时体现了此算法根据问题动态选择算法的优势。     

基于S变换的机载雷达稳健空时自适应算法

非均匀杂波环境中的离群点会导致空时自适应处理(space time adaptive processing,STAP)性能的下降。针对此问题,该文提出一种新的基于S变换的稳健STAP(S transform STAP, ST-STAP)算法。该算法主要利用杂波和离群点的S变换在时频平面上分布特性的不同来实现非均匀杂波的抑制。ST-STAP算法首先将样本数据对应的快时间序列作S变换得到时频分布矩阵,舍弃部分高频分量以去掉离群点的影响,然后用时频矩阵的剩余部分计算相关矩阵和自适应滤波权。蒙特卡罗实验证明ST STAP方法的稳健性和动目标检测性能均优于传统的STAP算法。     

MIMO-ISAR成像空时等效误差校正方法

针对多输入多输出逆合成孔径雷达(multiple-input multiple-output inverse synthetic aperture radar, MIMO-ISAR)成像中的空时不等效问题,首先建立了空时等效误差模型,并对模型进行了分析,然后推导出空时等效误差的校正模型,得出了空时等效误差的校正矩阵,且该误差校正矩阵只与空时等效失配率有关。采用特显点方位像熵最小对空时等效失配率进行了估计,并利用它构建出空时等效误差的校正矩阵,实现了MIMO-ISAR空时等效误差的校正。仿真验证了这一方法的有效性。     

Novel space-time multiuser detection algorithm of WCDMA system

1.INTRODUCTION Recentlymobilecommunicationisdevelopingtoward thethirdGeneration,whichcanprovidehigherspeed dataserviceandspectrumefficiency,andlargersys temcapacity[1,2].Soweshouldtakeeffectivemea surestosuppressinterferences.Smartantennanot onlycombatsmulti pathfading,butalsosuppresses interferencesignals.Whenspatialsignalprocessing achievedthroughsmartantennaiscombinedwith temporalsignalprocessing,space time2D RAKEre ceivercanrepairsignalimpairmentstoresultina highernetworkcapacity…     

基于子空间法的空时分组码系统信道盲估计

结合多信道子空间理论,结合空时分组码的正交特性,提出了新的盲信道估计算法。首先,根据空时分组码结构特点,将原编码矩阵分解,并将接收矩阵合理地构造,把原信道矩阵重新构造成新的重构信道矩阵。然后求出重构信道矩阵的噪声子空间,之后利用信号子空间与噪声子空间正交特性,构造出信道矩阵作为变量的线性方程组,因而可以得到信道矩阵的闭式解。对三种典型的空时分组码进行仿真验证,仿真结果表明本算法的有效性。