一种稳健的自适应波束形成方法

基于线性约束最小方差(linearlyconstrainedminimumvariance,LCMV)波束形成原理,根据贝叶斯估计理论,提出了一种基于加权的波束形成方法。该波束形成方法能够很好地克服LCMV波束形成对期望信号DOA误差特别敏感的弱点。仿真试验表明,该方法性能稳定,对期望信号DOA误差具有很好的稳健性。     

基于MVDR波束形成的FDA平台外干扰抑制

针对频控阵(frequency diverse array, FDA)在对与目标位置相近的平台外干扰进行抑制时, 传统FDA与非线性频偏结合不能实现距离-角度去耦合、对数递增FDA主瓣展宽较大和汉明窗加权FDA距离维旁瓣过高的问题, 在充分研究汉明窗加权的线性FDA(Hamming linear FDA, HL-FDA)方案的基础上, 对4种频偏方案的性能进行了分析, 提出采用FDA多输入多输出结构代替传统的一维均匀线性FDA结构, 通过结合最小方差无失真响应(minimum variance distortion free respinse, MVDR)准则, 将HL-FDA应用到MVDR自适应波束形成层面, 对平台外干扰进行抑制。仿真验证了HL-FDA在结合MVDR自适应波束形成算法后能有效地对抗距离-角度二维平台外干扰。     

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。     

干扰环境下用于GPS接收机的波束形成算法分析

以GPS抗干扰接收机为背景,研究了基于线性约束最小方差的波束形成算法MVDR和PI的抗干扰性能,分析了算法实现中由于协方差矩阵以及DOA估计误差所带来的性能损耗以及应用场合。在ULA阵和不同干扰信号DOA环境下,利用GPS软件信号源对算法进行仿真并分析了算法对SINR的影响。仿真验证了MVDR和PI对压制性宽带干扰的抑制能力。另外给出了算法输出SINR受期望信号和干扰信号"距离"影响的性能曲线,从而评估干扰源对GPS信号的影响,并为接收机定位解算中的星座选择提供一定的依据,以提高定位精度。     

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.     

基于MVDR的阵列信号波束域预处理算法

针对基于常规波束形成(CBF)的波束域方法在波束覆盖区域外存在方位不定强干扰源时多目标方位估计(DOA)失效的问题,提出采用最小方差无畸变响应(MVDR)的波束域预处理算法。该算法根据阵列接收数据自适应调整阵元权值,在波束覆盖区域外干扰源方位形成零陷,从而减小干扰对波束输出结果的影响。分析表明靠近波束覆盖区域的强干扰源对波束转换增益的影响有限。该算法进一步提高了波束域处理方法的抗干扰能力,仿真结果验证了该算法的有效性。     

基于并行单星约束的导航抗干扰研究

在全球定位系统中使用空时自适应处理算法可以增强接收机的抗干扰性能,为防止算法对卫星信号的衰减,可通过约束条件对卫星信号进行保护,传统的单星约束可以保证每颗卫星输出信噪比最大,但运算量很大。虽然多星约束可以使所有卫星的综合输出性能最优,且减少了运算量,但无法保证单颗卫星的输出信噪比性能。对空时自适应处理算法进行了合理简化,提出了并行单星约束算法,与多星约束相比,所提算法不仅运算量更小,还可保证每颗卫星输出信噪比最大。仿真结果表明,所提算法在对干扰信号进行抑制的同时,有效地实现了对多颗卫星信号的保护。     

基于空时插值的机载雷达杂波距离依赖性补偿方法

杂波距离依赖性是机载前视阵雷达与双基机载雷达面临的重要问题,主要表现在其统计特性随距离而变化,导致杂波协方差矩阵估计不准确,进而使得空时自适应处理（space-time adaptive processing, STAP）性能下降。针对这种情况,提出了一种基于空时插值的杂波距离依赖性补偿方法。该方法通过雷达先验知识分别得到参考距离单元和待补偿距离单元杂波的两组导向矢量,然后对这两组导向矢量进行子空间拟合,利用得到的拟合矩阵作用于数据来补偿杂波距离依赖性,并且为了避免拟合过程中出现目标相消,增加了动目标保护约束。仿真实验结果表明了所提方法的有效性。     

基于变换的线性约束降秩自适应波束形成算法

在分析直接形式的线性约束降秩自适应波束形成算法存在缺陷的基础上,提出了基于变换的线性约束降秩自适应波束形成算法,解决了直接形式的线性约束降秩自适应波束形成算法在特定干扰角度上数值稳定性下降和约束零点损失问题。提出了线性约束正交投影算法,基于变换的线性约束正交投影算法可得到和其它降秩方法相同的性能,但降低了计算复杂度。通过计算机仿真验证了算法的有效性。     

多频雷达信号高分辨多普勒处理

提出了一种基于最小方差无失真响应(minimum variance distortionless response, MVDR)算法和频率重采样技术的适用于多频雷达信号的多普勒处理方法。在接收时,多频信号分成多个独立分量,重采样技术被创新性地用来获取更多的独立样本数,使得获取一个有效的协方差矩阵成为可能。这样,常规的利用协方差矩阵进行真实功率谱估计的MVDR方法能够用来进行目标检测和多普勒分辨。仿真结果证明,提出方法的多普勒性能显著优于传统的傅里叶分析方法。     

基于自适应共轭梯度算法的高分辨率谱估计器

基于AR模型的功率谱估计是现代谱估计应用非常广泛的一种方法。通过对一全极点模型的参数估计来实现功率谱估计。提出了一种采用自适应共轭梯度算法来进行参数估计的方法。由于共轭梯度算法采用迭代运算求解Yule-Walker方程,同现有的谱估计算法相比,大大减小了谱估计算法的计算复杂度;随着自相关矩阵阶数的增大,该方法谱估计精度在小信噪比下提高显著。仿真结果表明,这种方法和基于AR模型的其它谱估计方法在不同信噪比下具有几乎相同的分辨率。因此,该谱估计算法具有重要的实用意义,有助于谱估计算法的实时实现。     

基于非线性共轭梯度法的唯相直接数据域算法

提出一种基于非线性共轭梯度法的唯相直接数据域最小二乘算法。根据标准直接数据域算法得到代价函数,由小相位扰动效应和泰勒展式推导得到代价函数的梯度,使用非线性共轭梯度法对代价函数进行优化,最终确定最优唯相权值向量。作为一种唯相自适应算法,它在硬件实现上比传统算法更具简单性。同时,它只对单快拍数据进行处理,避免了样本协方差矩阵的构造以及矩阵求逆运算,更适合于实时处理。仿真结果表明,算法具有良好的信号恢复和干扰置零性能。     

Global Convergence Property of Conjugate Gradient Methods for Optimization

１　ＩｎｔｒｏｄｕｃｔｉｏｎＷｅｃｏｎｓｉｄｅｒｔｈｅｃｏｎｖｅｒｇｅｎｃｅｐｒｏｐｅｒｔｉｅｓｏｆｔｈｅｃｏｎｊｕｇａｔｅｇｒａｄｉｅｎｔｍｅｔｈｏｄｓｆｏｒｔｈｅｕｎｃｏｎｓｔｒａｉｎｅｄｎｏｎｌｉｎｅａｒｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍ．ｍｉｎｆ（ｘ）ｗｈｅｒｅｆ∶Ｒｎ→Ｒ１ｉｓｃｏｎｔｉｎｕｏｕｓｌｙｄｉｆｆｅｒｅｎｔｉａｂｌｅａｎｄｉｔｓｇｒａｄｉｅｎｔｉｓｄｅｎｏｔｅｄｂｙｇ．Ｗｅｃｏｎｓｉｄｅｒｏｎｌｙｔｈｅｃａｓｅｗｈｅｒｅｔｈｅｍｅｔｈｏｄｓａｒｅｉｍｐｌｅｍｅｎｔｅ…     

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。     

Krylov subspace method based on data preprocessing technology

The performance of adaptive beamforming techniques is limited by the nonhomogeneous clutter scenario. An augmented Krylov subspace method is proposed, which utilizes only a single snapshot of the data for adaptive processing. The novel algorithm puts together a data preprocessor and adaptive Krylov subspace algorithm, where the data preprocessor suppresses discrete interference and the adaptive Krylov subspace algorithm suppresses homogeneous clutter. The novel method uses a single snapshot of the data received by the array antenna to generate a cancellation matrix that does not contain the signal of interest （SOI） component, thus, it mitigates the problem of highly nonstationary clutter environment and it helps to operate in real-time. The benefit of not requiring the training data comes at the cost of a reduced degree of freedom （DOF） of the system. Simulation illustrates the effectiveness in clutter suppression and adaptive beamforming. The numeric results show good agreement with the proposed theorem.     

树约束线性加工时间的单机排序问题

讨论工件具有线性加工时间,工件间优先约束为树约束的单机排序问题。当目标函数为极小化加权完工时间和时,问题比相应的经典排序问题复杂,在工件间优先约束为出、入树2种情况下,分别给出了该问题最优排序的多项式算法。     

最小二乘支持向量机的预优共轭梯度法

针对Suyken等人提出的最小二乘支持向量机的共轭梯度法在输入样本的个数较大时,需要求解高阶线性方程组这一缺陷,提出了一种新算法。该算法利用分块矩阵的思想将该高阶线性方程组系数矩阵降阶,为了提高收敛速度,克服数值的不稳定性,采用条件预优共轭梯度法求解低阶的线性方程组。通过仿真试验证明用本文方法训练最小二乘支持向量机比共轭梯度法的训练速度提高了将近一倍。