基于最大输出信噪比的L-DACS1接收机盲自适应波束形成算法

由于L频段数字航空通信系统1(L-band digital aeronautical communication system1, L-DACS1)和民航测距机(distance measuring equipment,DME)系统的频谱有部分重叠,因此在L-DACS1接收机中需要考虑DME干扰的抑制问题。提出了基于最大输出信噪比的干扰抑制和盲波束形成算法。由于DME脉冲干扰的功率较大,首先采用子空间跟踪算法来得到干扰子空间,然后将接收数据向干扰子空间的正交补空间进行投影以抑制DME干扰。干扰抑制后,接收数据中只剩下正交频分复用(orthogonal frequency division multiplexing, OFDM)信号和噪声了。为了充分利用阵列天线的优势,采用了输出信噪比最大准则来进行波束形成,将天线方向图的主瓣对准OFDM信号来向,以提高接收机输出信号的信噪比。仿真表明,该方法不需要先验信息就能够在抑制干扰的同时进行盲波束形成,在OFDM信号来向上获得高增益的主瓣,进而提高输出信噪比;另外,所提的波束形成方法在输入信噪比较低的环境下依然能够形成稳定的波束,将主瓣对准信号来向。     

微弱GPS信号捕获中的远近效应消除方法

首先分析了全球定位系统(global positioning system, GPS)互相关对微弱卫星信号捕获的影响,并针对该问题给出了子空间投影算法的推导,从理论上证明其能消除远近效应对微弱卫星信号捕获的干扰。在此基础上,重点分析了码相位和频率误差对子空间投影算法的影响,并通过模拟数据和真实数据加以验证。实验证明模拟数据由于其码相位和频率误差较小并可预测,采用子空间投影能够有效消除强、弱卫星信号互相关对某个微弱卫星信号捕获的影响,但对于实际信号由于频率误差一部分来源于晶振的抖动并不容易预测,针对捕获卫星能量极弱情况下,采用子空间投影的方法则存在较大的强信号残差并不容易被消除。     

GPS接收机的多星盲干扰抑制方法

考虑到GPS接收机需要解算至少4颗卫星的发射信号从而实现定位,而GPS接收机工作在复杂的电磁环境下,受大量人为干扰的影响,无法有效接收多颗卫星的发射信号从而实施解算定位。提出了一种新的用于GPS接收机的多星盲干扰抑制方法。由于接收机对每颗卫星的测距码（如C/A码）已知,采用基于最小二乘法的多目标自适应阵列剔除多颗期望卫星方向外的干扰信号。该方法无需期望卫星的位置信息和估计干扰信号的导向矢量,且期望卫星数目不受阵元数目的限制。仿真结果表明,该算法不仅能有效地抑制多种干扰,而且可以精确估计出多颗期望卫星的方位角。     

一种高性能GPS抗干扰自适应波束形成算法

GPS因其优越的性能而得到广泛应用,但由于到达接收机的卫星信号相当微弱,所以很容易被外界电磁信号干扰。将智能天线技术应用到GPS系统中以达到抗干扰的目的。针对卫星信号的特点,提出了一种新的波束形成算法-Noise RLS算法。本算法用白噪声代替RLS算法中的参考信号,克服了RLS算法需要参考信号的缺点,仿真结果表明,提出的算法在不牺牲阵列自由度的同时又能获得更高的信干比。     

单快拍相干信号自适应波束形成方法

针对低快拍条件下相干信号波束形成问题,提出一种单快拍相干自适应波束形成方法。首先,构造Duvall特征消除器滤除阵列接收信号中的期望信号,再利用空间平滑方法解相关。然后,依据Hung Tuner算法对平滑后的协方差矩阵进行Gram Schmidt正交化,快速重构干扰信号子空间。最后,将静态权矢量在干扰子空间内的正交投影作为波束形成最优权矢量。该算法可有效避免协方差矩阵求逆和特征分解造成的复杂计算,且能降低由于期望信号泄露造成的子空间估计误差,在单快拍条件下性能良好。仿真分析验证了算法的优越性和理论分析的有效性。     

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。     

GPS可用性建模与仿真

在考虑地球遮挡、导航信号自由空间衰减、导航卫星转发天线波束对地张角、接收机遮蔽角及大气层衰减等因素的影响下,对GPS导航星的空间可见性和信号的可用性进行了分析.分别给出了具体的GPS导航星空间可见性分析模型、接收机遮蔽角约束、信号衰减模型和GPS可用性分析判据,并结合典型应用背景对GPS导航的空间可用性进行了仿真分析.所采用的分析模型、方法及仿真结论对GPS在空间任务中的应用有一定的参考价值.     

存在幅度/相位误差的稳健波束形成

基于线性约束最小方差准则(LCMV)的自适应波束形成器,在存在阵列幅度/相位误差情况下性能会显著下降。针对此情况,基于信号子空间与噪声子空间的彼此正交特性,对存在误差的信号导向矢量和干扰导向矢量,同时向信号子空间投影,然后对投影后的导向约束采用LCMV准则进行自适应波束形成。理论分析和仿真结果表明文中方法对阵列幅度、相位误差具有稳健性。     

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。     

子空间投影稳健波束形成算法及其性能分析

基于投影方法的稳健波束形成算法能够用于改善一般导向矢量失配的稳健性,而且相比于其他算法实现简单。通过分析,在信号加干扰子空间准确已知的条件下,该方法与基于特征子空间的稳健算法等价。由于该方法适用于较高信噪比和较低信号加干扰子空间维数的场景,而且子空间及其维数必须是已知的,因此给出了一种用于信号加干扰子空间及其维数的稳健估计方法,使该算法的应用条件得以满足。详细分析了理想条件下子空间选取对算法性能的影响,并进行了详细的仿真分析,验证了所提出方法的正确性和有效性。     

雷达信号阵列处理与检测

雷达信号阵列处理的主要目的就是从噪声、干扰和别的信号环境中估计传输波信源的方向角。根据经典多维谱估计理论,本文论述了提取微弱雷达信号信息的概念和实现方法。 为了改善角谱分辨率,本文还系统地阐明了通过计算平面阵列接收数据空间自相关矩阵,并根据其特征分解所得到的信号子空间和噪声子空间的特征向量相互垂直的概念,计算出所谓高分辨角谱。本文还提出了一种MUSIC谱的修正算法,可以减少正交投影的计算量。     

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。     

基于小扩频增益的CDMA波束形成

根据CDMA系统中小扩频增益和多用户情况下信号阵列响应估计精度较差的问题 ,提出了利用基站收到的码元序列与解扩后的接收序列 ,估计信号阵列响应及干扰和噪声相关矩阵的新方法。理论分析与仿真结果表明 ,该方法能够减少阵列响应估计对扩频增益和功率控制的敏感性 ,当用户较多时输出SINR比码滤波方法有明显的提高     

双基地MIMO雷达相干目标角度估计算法

提出一种双基地多输入多输出（multiple input multiple output,MIMO）雷达相干多目标角度快速估计算法。采用单次快拍数据构建的一组Toeplitz矩阵重构出新的协方差矩阵,使得矩阵的秩等于目标的总个数;通过矩阵变换使得变换后的协方差矩阵满足centro Hermitian性,即可利用酉变换将复矩阵转化为实矩阵进行实数域的参数求解,采用旋转不变信号参数估计（estimation of signal parameters via rotational invariance technique, ESPRIT）算法即可准确估计出对应的目标角度。通过仿真表明：所提算法能够实现相干目标源的角度估计且参数自动配对;降低了复矩阵特征分解所带来的巨大运算复杂度,具有更高的参数估计精度和算法稳健性;同时能够对移动目标进行角度跟踪,具有良好的跟踪性能。     

基于预编码矩阵的迭代均衡算法

针对长期演进(long time evolution,LTE)下行多输入多输出正交频分多址链路(multiple input multiple output orthogonal frequency division multiplexing, MIMO OFDM)异步通信系统中的天线间干扰和多径干扰的问题,提出一种低复杂度的基于预编码矩阵的迭代均衡算法。在发射端,该算法通过预编码矩阵将信号扩展到所有子载波上,从而降低部分子载波深衰落对扩展前原始信号的影响。在接收端,利用最小均方差误差排序QR分解(minimum mean square error sorted QR decomposition, MMSE SQRD)软输入软输出干扰消除均衡算法,一方面避免传统基于最小均方误差(minimum mean square error,MMSE)并行软干扰消除均衡算法中复杂的矩阵求逆运算,进而降低了算法复杂度,另一方面利用信道排列优先检测信噪比最大的传输符号提高检测准确性。同时通过预编码对重构信号中误差进行扩展,进而缓解在迭代干扰消除过程中的误差传播。仿真结果证明,在2发2收场景下,误码率在10^-3时,算法经过5次迭代后系统性能相比于现有的迭代均衡算法改善约4 dB。     

DS/SS通信系统多个窄带干扰消除算法研究

首先提出了一种基于WPT Kalman的干扰分离、增强和消除算法。该算估采用小波包变换 (WPT)准确地跟踪单个干扰的频率和带宽并将其从接收信号中分离出来 ,然后对其使用Kalman滤波进行增强。利用干扰分离所使用的小波包基对消除干扰以后的信号进行再次WPT ,得到单个干扰的量测噪声 ,并采用一种独特的参数估计方法实现量测噪声参数的在线实时估计 ,从而改善了Kalman滤波对干扰信号波形的估计性能。该方法综合利用了WPT自适应构建信号特性所对应的“最佳”滤波器组的能力和Kalman滤波对未知信号的线性的、无偏的、最小方差估计的特点以及量测噪声参数在线实时估计策略的优点 ,可以很好地恢复多个独立的、时变的窄带干扰以便消除。仿真结果表明 ,该算法可以提高DS/SS通信系统抗窄带干扰的能力     

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。     

短波信道探测中窄带干扰的去除算法

对于短波信道传播特性的弱信号探测,信号干扰噪声比低,如何减小干扰就显得十分重要。由于基于传统傅里叶变换去干扰算法在去窄带干扰时对幅度和相位的估计不够准确,提出了一种基于傅里叶变换和概率密度相结合的窄带干扰去除算法。仿真结果表明,该算法能很好地去除窄带干扰。但上述算法在去除实测信号中的窄带干扰时性能不佳,所以提出一种改进的傅里叶变换和概率密度相结合的窄带干扰去除算法。实验结果表明,改进后的算法能去除实测信号中的窄带干扰,为解决低信噪比条件下探测信号的参数估计奠定了基础。