高速运动环境下GNSS接收机阵列抗干扰算法

全球卫星导航系统(global navigation satellite system, GNSS)接收机高速运动状态下,干扰信号来向快速变化将导致阵列抗干扰算法性能下降,为此提出了基于干扰加噪声协方差(interference-plus-noise covariance, INC)矩阵重构的零陷加宽算法。首先,依据采样协方差矩阵相邻特征值之比估算干扰信号数目。然后,利用空间谱估计值粗略判定干扰信号来向,并根据零陷展宽需求重新设定干扰区域空间谱估计值。最后,以干扰区域谱估计值为基础重构INC矩阵,求解阵列权矢量。仿真实验表明,相比于其他零陷加宽算法,所提算法在相同展宽下的零陷更深,阵列输出载噪比(carrier to noise ratio, C/N₀)也高出5 dBHz以上。     

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。     

基于JADE-斜投影的鲁棒波束形成算法

针对矩阵重构类波束形成算法对阵列幅相误差敏感的问题,提出一种基于盲源信号分离和斜投影的矩阵重构鲁棒波束形成算法。首先,依靠盲源分离技术得到接收信号和混合矩阵,结合期望信号先验信息完成混合矩阵中信号导向矢量的搜索。然后,利用盲源分离得到的信号协方差矩阵完成阵列幅相误差估计。最后,基于幅相误差校准的混合矩阵和斜投影思想,构建各干扰的斜投影算子,将接收数据分别向干扰斜投影空间进行投影,得到对应的干扰信号,完成干扰噪声协方差矩阵重构。仿真结果表明,所提方法对阵列幅相误差具有较好的鲁棒性,验证了算法的有效性。     

基于自适应抗干扰技术的辐射发射现场测量方法

提出了一种具有干扰抑制效果的外场辐射发射测试新方法。该方法通过获取多通道接收数据,利用多重信号分类(multiple signal classification, MUSIC)算法获取受试设备的辐射信号和现场其他干扰信号的波达方向,并采取最小方差无畸变波束形成算法在干扰信号来向形成阵列天线方向图的“零陷”,从而实现对干扰信号空间抑制。结合短时傅里叶变换方法,对不同体制的干扰信号的抑制效果进行时频域仿真。结果表明,该方法在保证受试设备辐射特性无失真的情况下,既能同时抑制多个干扰源,又能有效抑制同频干扰和宽带干扰。     

基于互质阵虚拟阵列空间平滑的相干信号DOA估计方法

针对相干信号波达方向(direction of arrival, DOA)以空间平滑方法为基础的算法中阵列孔径损失严重以及低信噪比环境下算法估计性能较差等问题,提出一种无需信源数先验信息的互质阵列相干信号DOA估计方法。首先,对互质阵列得到的协方差矩阵矢量化,在虚拟阵元空洞位置内插天线零元,重构协方差矩阵为Toeplitz矩阵,拓展阵列孔径。然后,对重构阵列进行前后向空间平滑处理,消除信号相干性,提高算法估计性能。最后,将前后向平滑矩阵类比均匀对称阵列的协方差矩阵,设计代价函数转化为凸优化问题,通过谱峰搜索进行DOA估计。理论分析及仿真结果表明,该方法无需入射信号信源数,计算复杂度低,且在低信噪比环境下相干信号DOA估计数、估计分辨率以及估计精度都得到了明显改善。     

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。     

GPS多波束盲自适应动态干扰抑制算法

依据全球定位系统(global position system, GPS) C/A码信号的周期重复特点,提出了一种新的多波束盲自适应动态干扰抑制算法。首先利用子空间投影和零陷展宽技术抑制动态干扰,然后将无干扰的数据送入多波束形成器,由于GPS信号和噪声的重复周期不同,所以可以根据延迟协方差矩阵的分解得到信号子空间,进而确定每个波束的权矢量。仿真证明,该方法能有效抑制动态干扰,同时又能将波束的主瓣对准卫星方向,从而提高卫星信号的信噪比。     

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。     

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.     

基于对角减载的水声阵列SMI-MVDR

空间谱估计一直都是水声阵列信号处理研究的热点问题,而一般认为目标和背景干扰的信息都蕴含在接收信号协方差矩阵中,因而现有的谱估计技术大多针对接收信号的协方差矩阵进行处理。由于信号和噪声的相关性,导致协方差矩阵中主对角线元素上的噪声分量最大。针对这一特性提出了基于对角减载的水声阵列采样矩阵求逆(sample matrix inversion, SMI)最小方差无畸变响应(minimum variance distortionless response, MVDR)波束形成技术。理论推导了对角减载量对输出功率谱目标方位上输出信噪比的影响,分析了最佳对角减载系数的选取原则。并针对实际工程应用情况,研究了由有限次快拍数估计的采样矩阵得到最佳对角减载系数的方法,该方法无需预估信号源数。通过算法仿真和海试数据处理,对比验证了基于对角减载的SMI MVDR空间谱估计的有效性和可靠性。对于背景噪声级较强的水声阵列信号处理环境来说,所提方法能有效提高高斯白噪声背景下的声纳多目标分辨性能。     

均匀线阵混合信源DOA估计与互耦误差自校正

针对均匀线阵(uniform linear array, ULA)互耦条件下混合信源的波达方向（direction of arrival, DOA）估计问题,基于联合对角化算法,提出了一种基于3步实现的DOA与互耦系数估计新算法。首先利用互耦矩阵的Toeplitz结构实现混合信源中独立信源的DOA及互耦系数的粗估计;然后结合斜投影及前后向空间平滑,实现混合信源DOA估计;最后以广义空间特征矩阵及混合信源DOA估计值为基础,提出一种非子空间类互耦系数自校正方法。计算机仿真结果表明,与同类算法相比,所提算法无论在DOA及互耦系数估计精度、还是在DOA估计成功率方面,均具有明显的优势,且对于高斯背景噪声具有普适性。     

基于归一化空间符号函数的鲁棒波达角估计

提出了一种适用于任意未知统计特性的脉冲噪声环境下的波达角估计算法。算法扩展了非参数统计中的空间符号和秩的概念,采用归一化的空间符号函数来构造阵列协方差矩阵,然后根据子空间算法进行测向。从理论上证明了归一化的空间符号协方差矩阵用于波达角估计的可行性,为该算法的进一步推广奠定了基础。计算机仿真结果表明,该算法在任意脉冲噪声环境中表现出良好的鲁棒性,而且对阵列增益和相位噪声不敏感。     

基于二阶预处理的共轭扩展MUSIC算法

基于子空间概念的经典MUSIC算法虽具有较优的性能,但可测向信号数小于阵元数,测向精度仍不能满足某些场合的要求。针对这一问题,提出了基于二阶预处理的共轭扩展MUSIC算法,利用阵列输出的延迟相关函数及其共轭形成伪阵列输出,从而得到伪协方差矩阵,对其进行奇异值分解,得到类似于MUSIC算法的简洁的空间谱表达式,其极大值点对应的角度就是波达方向。仿真实验表明,新算法可对多于阵元数的信号进行测向,其分辨力和测角精度均优于MUSIC和MUSIC-like算法。     

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。     

基于四阶累积量和时间平滑的相干信号DOA估计

高斯色噪声背景下,针对多径环境下的多用户波达方向（direction of arrival, DOA）估计问题,提出一种联合处理算法。新算法首先利用四阶累积量估计出各个用户的空间特征,然后利用基于时间平滑的多重信号分类 (multiple signal classification,MUSIC)算法实现各用户多径信号的DOA估计。该算法突破了传统空间平滑类算法的局限,对于M元均匀线阵,新算法最多可估计M×(M－1)个DOA,且各DOA与各用户可自动实现配对。计算机仿真结果验证了算法的有效性。     

基于前后向协方差矩阵投影的信源数估计算法

针对均匀线阵的信源数估计问题,提出了一种基于前向-后向采样协方差矩阵正交投影的多目标信源数快速估计算法。该算法将经过酉变换后的前向-后向采样协方差矩阵的列矢量做Gram-Schmidt (GS)正交化,并将正交化后矢量的模值与一个自适应判决门限做比较来估计信源个数。该判决门限根据阵列采样协方差矩阵估计误差的渐近分布特性推导得到。计算机仿真证明了该算法的正确性和有效性。     

Novel algorithm on DOA estimation for correlated sources under complex symmetric Toeplitz noise

To cope with the scenario where both uncorrelated sources and coherent sources coexist, a novel algorithm to direction of arrival （DOA） estimation for symmetric uniform linear array is presented. Under the condition of stationary colored noise field, the algorithm employs a spatial differencing method to eliminate the noise covariance matrix and uncorrelated sources, then a Toeplitz matrix is constructed for the remained coherent sources. After preprocessing, a propagator method （PM） is employed to find the DOAs without any eigendecomposition. The number of sources resolved by this approach can exceed the number of array elements at a lower computational complexity. Simulation results demonstrate the effectiveness and efficiency of the proposed method.     

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。