自适应天线的一种直接数据域处理方法

介绍了一种新的有效计算阵列天线中的自适应权值的方法,即把基于直接数据域的最小二乘算法应用到自适应天线中。这种方法不同于传统的统计方法需要计算样本协方差矩阵的逆矩阵,而是基于阵列数据的一种直接计算方法。仿真试验表明,这种方法可以有效的估计出信号的实际幅值,并大大的提高了信噪比,且便于实时实现。     

直接数据域迭代空时自适应处理方法

针对常规空时自适应处理(space-time adaptive processing, STAP)在机载雷达非均匀杂波环境下杂波抑制性能下降的问题,提出一种直接数据域(direct data domain, DDD)迭代空时自适应处理方法。首先利用数据的特殊结构和空时谱的稀疏性引入一种新的迭代自适应(iterative adaptive approach, IAA)空时二维谱估计算法,然后在获得待检测单元空时谱分布的基础上重构无孔径损失的协方差矩阵,最后根据目标信号在空时平面的分布特点,提出一种新的目标剔除算法对协方差矩阵进行修正,以避免目标自相消。仿真实验结果表明,在存在3%阵列误差的情况下,所提方法在旁瓣杂波区的改善因子比传统直接数据域方法高出约10 dB、比多普勒平移法高出约5 dB。     

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。     

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。     

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。     

小快拍数的线阵空时自适应处理方法

给出了一种用来进行抗混响的降雏空时自适应处理方法,尤其适合于在样本数据不足的情况下使用.该方法把待检测的空时数据划分为子组进行空时自适应处理,采用空时前后向平滑的方法来增加有效的样本数据数量,提高协方差矩阵的估计精度.对所有子组的输出进行相干叠加,不仅进一步提高了输出信混比,还减小了因子组处理而带来的空间和时间孔径的损失.利用实测运动声纳混响加仿真目标的方式对给出的方法性能进行了检验,表明该方法能够有效消除强混响,而且具有较高的稳健性.     

非正侧阵机载雷达杂波谱迭代自适应配准方法

对于机载非正侧阵雷达,杂波谱的距离空变性使得直接利用邻近单元数据估计的协方差矩阵与真实协方差矩阵不匹配,导致空时自适应杂波抑制性能下降。基于配准的补偿(registration based compensation, RBC)方法通过时域平滑来估计空时谱,继而对地杂波的距离依赖性进行补偿,由于时域孔径损失使杂波谱峰值的估计精度受到限制。针对这一问题,考虑到杂波空时谱的稀疏性,本文利用迭代自适应算法(iterative adaptive approach, IAA)进行空时谱估计,并重构各辅助距离单元协方差矩阵以实现杂波谱配准,称为IAA RBC算法。由于该算法不存在孔径损失,杂波谱配准精度更高。仿真实验表明,即使在样本中存在目标污染等干扰因素的情况下,所提方法相比传统的利用时域平滑的RBC方法也能获得更好的信噪比改善。     

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。     

Signal decomposition of HF radar maneuvering targets by using S~2-method with clutter rejection

Multiple maneuvering targets signal processing in high frequency radar is challenging due to the following difficulties:the interference between signals is severe because of significant spread of the target Doppler spectrum,the low signal to clutter ratio (SCR) environment degrades the performance of signal processing algorithms.This paper addresses this challenging problem by using an S 2-method and an adaptive clutter rejection scheme.The proposed S 2-method improves the S-method by eliminating interference between signals,and thus it enables multi-target signals to be reconstructed individually.The proposed adaptive clutter rejection scheme is based on an adaptive notch filter,which is designed according to the envelop of the clutter spectrum.Experiments with simulated targets added into radar sea clutter echo and real air target data illustrate the effectiveness of the proposed method.     

基于矩阵相似度的空时二维干扰检测方法

针对干扰目标污染训练样本引起功率非均匀,造成空时自适应处理(space-time adaptive processing,STAP)目标检测性能下降这一问题,提出一种基于矩阵相似度的STAP非均匀样本选取方法。该方法首先从受污染样本与干净样本的差异性度量角度入手,采用均值Hausdorff距离度量样本矩阵相似性,然后结合凸优化包计算不同样本的相似度,最后根据相似度的不同,实现对受污染样本的剔除。仿真结果表明,同广义内积法(generalized inner product,GIP)相比,采用均值Hausdorff矩阵相似度的挑选方法对于受小干扰强度目标污染的样本检测更加有效,避免了弱干扰目标对于协方差矩阵估计的影响,从而改善了STAP在功率非均匀环境下的目标检测性能。     

GPS天线阵抗干扰性能分析与改进

空时自适应处理算法能够增强全球定位系统接收机的抗干扰性能,但是通过对均匀线阵和均匀圆阵进行理论分析发现,当强干扰信号垂直于天线阵组成的平面时,使得接收信号协方差矩阵奇异,不能计算最优权值,因而对特定方向的强干扰无法有效抑制。为了防止这种情况的出现,构建了基于立体结构的7单元天线的双正四面体阵,该阵型有效地减少了各天线共面情况的出现。仿真结果表明,新阵型不仅可以有效检测特定方向的强干扰,而且具有更好的天线方向图和捕获性能。     

基于协方差拟合准则的降维空时自适应处理方法

最优空时自适应处理方法由于计算量大且需要大量的训练样本来估计杂波协方差矩阵而无法满足实际应用,针对此问题,本文提出一种基于协方差拟合准则的降维空时自适应处理方法.该方法首先对每个阵元收到的回波信号进行时域滤波,然后通过协方差拟合准则构造了在高斯信源下与最大似然估计器渐近等价的优化问题,同时我们将协方差拟合优化问题转换为...     

基于对角线加载的极化域广义似然比检验算法

研究了在高斯干扰中极化自适应阵列信号检测问题。提出了一种基于对角线加载的极化域广义似然比检验算法,当干扰子空间维数较小时,解决了因辅助数据采样数不足引起的矩阵病态问题。研究表明,该算法相对于干扰协方差矩阵有恒虚警的性质。其检测性能优于极化域广义似然比检验算法,且受辅助数据量的影响很小     

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.     

基于Delta算子的自适应信号处理

Delta算子方法是信号处理与控制理论交叉学科的前沿研究领域之一,在高速信号处理和数字控制设计方面具有广阔的应用前景。简要综述了Delta算子理论在自适应信号处理中的应用现状与存在问题,涉及基于Delta算子的模型描述与稳定性分析、自适应滤波与估计、自适应算法性能分析与实现以及2D信号处理等方面。最后指出了有待进一步研究的课题方向。     

基于阵列信号处理的新型虚拟暗室测试方法

在复杂电磁环境中,如何对电子设备产生的电磁辐射进行准确测量一直是亟待解决的典型工程问题。提出了一种具有环境干扰抑制效果的外场辐射发射测试新方法,不同于传统的基于自适应噪声抵消方式的虚拟暗室测试方法,其采用空间谱估计和自适应宽带波束形成等阵列信号处理方式以实现对环境干扰的空域滤除。计算机仿真以及试验结果证明,所提方法在保证受试设备辐射特性无失真的情况下,能同时有效滤除被测信号中混迭的同频、宽带等不同体制的环境干扰,弥补了虚拟暗室测试技术的不足,提高了外场电磁辐射测量的速度和精度。     

基于凸约束下泰勒估计的主瓣干扰抑制算法

针对真实信号协方差矩阵估计难以直接获取及低快拍条件下传统采样协方差矩阵存在较大误差的问题,提出了基于凸约束下泰勒估计的抗主瓣干扰波束形成算法。该算法首先利用凸约束下的泰勒估计法在低快拍数条件下对信号协方差矩阵进行估计。其次利用多信号分类算法进行波达方向估计,筛选主瓣干扰对应特征矢量。而后利用特征投影矩阵法对主瓣干扰进行抑制。最后,通过添加线性约束获得权值矢量进行波束形成。仿真结果显示,在低快拍数条件下,所提算法对信号协方差矩阵具有更高的估计精度,波束形成性能稳健且具有更高的输出信干噪比。     

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。     

子空间约束秩1干扰下的雷达信号检测

考虑雷达待检测单元在受到子空间约束的秩1干扰情况下的自适应检测问题,即待检测单元背景噪声协方差矩阵中叠加有一个秩为1的干扰协方差矩阵,并假定干扰分量约束在一个已知的子空间内.采用双步广义似然比检验准则,得到子空间约束的秩为1的干扰检测器(subspace constrained rank one interferenc...     

直接数据域空时自适应单脉冲方法

机载雷达空时自适应处理(space time adaptive processing,STAP)与单脉冲技术相结合可以实现对运动目标空、时参数的估计。然而,在非均匀环境下,由于同分布快拍数有限,杂波协方差矩阵难以准确估计,常常导致STAP方法性能急剧下降甚至失效,进而无法有效实现目标检测和参数估计。本文提出一种直接数据域的动目标空时参数估计方法,该方法首先应用幅相估计谱(amplitude and phase estimation,APES)谱估计由被检测单元数据估计出杂波干扰协方差矩阵,然后利用STAP技术抑制杂波和干扰,并结合单脉冲理论实现对目标角度和多普勒频率的估计。仿真结果表明,与传统单脉冲方法相比,新方法具有自适应抑制杂波干扰的能力和更好的估计性能;同时由于无需参考数据,该方法更适应于非均匀环境。