自适应数字波束空域相干干扰抑制方法

在干扰相干背景下,接收信号协方差矩阵中信号空间的一些向量收敛到噪声空间中,仅利用二阶信息不能准确地得到干扰的方向信息,因而干扰抑制效果较差。为此,提出了一种自适应数字波束空域相干扰抑制方法。该方法是首先基于高阶累积量估计出广义方向矢量,然后根据最优均方逼近原则,结合切比雪夫加权系数形成波束,来抑制相干干扰。仿真结果表明,所提方法能够有效地抑制相干干扰。     

未知相关噪声下的广义波达方向估计算法

针对未知相关噪声情况下信源波达方向的估计,提出一种适用于均匀线阵的广义波达方向估计算法。该算法利用修正后的协方差差分算法,有效地消除了阵元间的相关噪声的影响。不同于以前的算法,提出的算法通过对接收数据的前后向空间平滑协方差矩阵进行共轭运算得到新的变换矩阵,因此修正后的协方差差分矩阵是个实部为零的厄米特矩阵,从而有效地降低了特征分解过程的计算量。本算法能解决相关噪声下,同时分辨相干与非相干信源的问题。理论分析和仿真结果均表明所提算法的有效性。     

一般性广义噪声协方差矩阵自适应迭代谱估计

分析了非参数化谱估计方法,分析表明,它们所解决的优化问题都是加权最小二乘（weighted least square, WLS）,不同在于如何估计广义噪声协方差矩阵来构建加权矩阵。基于统一框架,提出了一种能同时估计信号频谱和观测噪声的自适应迭代非参数谱估计方法。该方法在每一次迭代时都利用上一次估计结果来逐步逼近真实的广义噪声协方差矩阵。分析和仿真表明,本文方法具有分辨率高,谱泄漏抑制好,并能增强信号协方差矩阵的可逆性和频谱范围选择的随意性等特点。     

基于同伦稀疏STAP的低空风切变风速估计

在机载气象雷达前视阵下,由于杂波的距离依赖性导致独立同分布(independent identically distributed, IID)训练样本严重不足,传统的空时自适应处理(space-time adaptive processing, STAP)算法性能下降,风场速度估计不准。针对此问题,提出一种基于同伦稀疏STAP的低空风切变风速估计方法,该方法仅需少量IID训练样本就能够达到较好的风场速度估计效果。首先,利用同伦稀疏恢复算法估计杂波协方差矩阵,从而重构出高分辨率的杂波空时二维谱。然后,通过求解STAP处理器的最优权矢量自适应滤除杂波。最后,实现对风场风速的准确估计。仿真结果证明所提方法的有效性。     

宽带信号方位估计的改进RSS方法

为了降低宽带信号旋转信号子空间（rotational signal subspace, RSS）方位估计算法的运算量和分辨门限,针对中心对称阵列,将实值处理过程和信号子空间缩放MUSIC（SSMUSIC）方法引入宽带信号方位估计,提出了一种宽带信号方位估计新方法。该方法首先使用左实变换矩阵将双向平滑后的各个频率子带的数据协方差矩阵变换为实数矩阵,从而大大降低了运算量;然后使用RSS方法选取聚焦矩阵对各个频率子带的实协方差矩阵进行变换,得到同一参考频率点的数据协方差阵;最后利用基于子空间斜投影的SSMUSIC算法进行一维搜索来求得各个目标的方位角。仿真实验结果表明,该方法比常规宽带RSS方法运算量小,且具有更低的分辨门限和更小的均方误差。     

基于广义斜投影的高分辨波达方向估计

针对来波信号功率不同情形下的波达方向估计问题,构建广义斜投影算子自适应抑制接收数据中非期望方向的接收信号,同时自适应调节空间谱加权系数,平衡强弱信号的空间谱峰。通过干扰抑制和空间谱估计的同步处理,实现信号源波达方向(direction of arrival, DOA)的高分辨估计,且避免弱信号的谱峰被强信号谱峰遮盖的问题。理论分析与仿真表明,所提方法在信号功率不同时,对弱信号的DOA估计具有更强的鲁棒性,可有效地实现对不同方向来波信号的高分辨DOA估计,降低信号功率不同带来的影响。且随着快拍数及信噪比的增加,DOA估计方差逐渐逼近相应的克拉美罗界下限。     

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。     

空时自适应处理中基于知识的训练 样本选择策略

针对空时自适应处理中样本协方差矩阵受干扰目标污染时检测性能下降的问题，提出了一种基于知识的空时自适应处理（knowledge aided space time adaptive processing, KA STAP）方法。该方法将待测距离单元杂波的先验知识与广义内积非同态检测器（general inner product nonhomogeneity detector, GIP NHD）结合，对训练样本进行有效选择。通过仿真证明该方法能有效剔除存在干扰目标的样本，提高训练样本被干扰目标污染时空时自适应处理的检测性能。     

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。     

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。     

递归的稳健LCMV波束形成算法

提出了一种针对指向误差、阵元位置误差或阵元相位误差的递归的稳健波束形成方法。该方法基于导向矢量展开算法,在采用线性约束LMS算法递归搜索最优权矢量的同时,搜索真实的期望信号导向矢量。导向矢量的计算采用基于梯度搜索的最优化算法。该方法避免了常规LCMV算法的矩阵求逆运算,所需运算量小。对存在几种特定误差情况的计算机仿真结果表明,该方法稳态性能优越,对期望信号导向矢量的误差具有很好的稳健性。     

基于方向图拟合与稳健波束形成的相关测向

为了弥补阵列天线导向矢量失配和相位测量噪声对测向性能的影响,提出基于方向图拟合与稳健Capon波束形成技术（robust Capon beamforming,RCB）的双向迭代矢量相关测向方法。利用方向图与信号能量空间分布的相似性,对目标信号来波方向进行聚焦搜索;区别于传统相关干涉仪测向方法,在聚焦区间内将基于RCB的导向矢量迭代估计与相关干涉测向方法融合,在保证测向精度的前提下对目标信号方向进行双向迭代测量。仿真结果表明,该方法能够弥补阵列流型失配和相位噪声的影响,准确测量来波信号方向。     

任意阵列双基地MIMO雷达的半实值MUSIC 目标DOD和DOA联合估计

实值处理具有降低高自由度多输入多输出(multiple input multiple output,MIMO)雷达角度估计大计算量的优势。但受制于阵列的共轭对称性,对于任意阵列结构的双基地MIMO雷达发射角(direction of departure, DOD)和接收角(direction of arrival, DOA)联合估计,若不做附加的预处理则无法实现实值操作,故将常规阵列实值处理的多重信号分类(multiple signal classification, MUSIC)超分辨算法推广至任意阵列结构的双基地MIMO雷达。首先根据MIMO雷达的导向矢量共轭与镜像的对等性,提取接收信号协方差矩阵的实部,并对其进行特征分解得到“目标加倍”的信号子空间及其应对的噪声子空间;然后利用Kronecker积的特性对其进行降维处理,得到搜索区域减半的一维半实值域MUSIC谱,取出目标DOD真值与其镜像代入降维Capon算法来剔除虚拟峰值得到目标DOD估计真值;最后利用特征矢量得到模糊DOA估计值,采用方向余弦差最小范数方法得到目标DOA无模糊估计值。本文算法估计性能与一维搜索复数域MUSIC相当,计算量约降50%,且能够实现DOD和DOA的自动配对。仿真结果证明了该算法的有效性。     

基于导向矢量信号的未知信源数DOA估计算法

针对多重信号分类（multiple signal classification, MUSIC)算法、旋转不变子空间（estimation of signal parameters via rotational invariance technique, ESPRIT)等大多数空间谱估计算法需要进行准确的信源数估计,且当信源数估计出现误差时性能易受影响的问题,提出了一种基于导向矢量信号的未知信源数波达方向（direction of arrival, DOA）估计算法。该算法通过引入导向矢量信号,以自适应波束形成中最大信噪比准则下最优权矢量对应的准最大信噪比作为来波方向估计参数,从而避免了大多数空间谱估计算法中的信源数估计并实现了各个信号来向的准确估计。对该方法进行了计算机仿真验证,仿真实验结果表明该算法是有效的。     

基于多普勒谱估计的多通道SAR盲重构方法

方位信号重构是多通道合成孔径雷达(sythetic aperture radar,SAR)成像过程中关键的一个步骤。文中在现有算法的基础上进行改进和扩展,提出了一种基于多普勒谱结构估计的多通道SAR盲重构方法,能够有效解决模糊分量个数和位置变化,导向矢量未知时信号重构的问题。该方法借助Capon谱估计的思想获得混叠多普勒谱的结构图,然后根据结构图构造导向矢量,实现方位信号无模糊重构。所提出的算法能够尽可能保持多普勒谱的完整性,并抑制多普勒谱边缘的噪声。仿真实验验证了所提算法的有效性。     

双约束稳健Capon波束形成算法的分析与求解

针对Capon波束形成算法在导向矢量的不确定集和模约束下的求解问题,提出了新的分析和求解方法。通过对最优化问题进行深入分析,发现不确定集约束决定该算法的性能,而模约束只是起辅助约束作用,因此可以通过对不确定集约束Capon波束形成算法的解进行标量化处理,使其满足模约束而获得该算法的最优解。所提出方法不仅使得不确定集约束参数的选择更加简单,同时使得波束形成算法的性能改善达到最优。发现不确定集约束参数选择得越大,算法的性能改善越接近于最优,而此时对应于负加载。仿真分析验证了方法的正确性和有效性。     

基于RCB与锁相环的跟踪鉴别测向方法

为了弥补阵列天线导向矢量失配和相位测量噪声对测向性能的影响,提出一种基于稳健capon波束形成技术(robust capon beamforming,RCB)和锁相环的矢量最优估计与跟踪鉴别测向方法。首先基于RCB与锁相环原理,对目标来波信号导向矢量进行最优估计与跟踪测量;然后在稳定、准确跟踪导向矢量的基础上,借鉴扩频接收机伪码鉴相原理确定来波信号方向。仿真分析表明,该方法能够弥补阵列流型失配和相位噪声的影响、突破角度相关间隔的限制,准确测量来波信号的方向。     

基于噪声子空间特性的波束形成器设计

为高效、高性能地合成阵列接收信号, 提出基于噪声子空间特性的波束形成器设计。首先, 利用噪声的宽带分布特性, 对Capon空间谱的噪声区域做粗采样, 由此进行残留噪声补偿, 获得信号协方差矩阵的估计; 其次, 利用噪声子空间与信号子空间的正交性, 通过信号协方差矩阵分解构造出信号正交补投影算子; 最后, 利用噪声子空间与干扰子空间的正交性, 用该投影算子对观测信号进行处理, 获得干扰功率估计, 进而推导出干扰加噪声协方差矩阵和最终的波束形成器。仿真结果表明, 该方法仅耗费较少的快拍, 即可在大信噪比范围内实现较高信干噪比输出。