基于稀疏恢复的 MIMO-STAP干扰样本检测方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在训练样本存在有源干扰时杂波抑制性能严重下降的问题,提出了一种干扰样本检测方法。首先使用正则化FOCUSS算法估计出各原子的空时功率谱值,接着设置谱值门限将谱值较大的原子取出,然后确定扫描带对空时二维平面进行扫描,最后根据进入扫描带最大原子数占总原子数的比例判别训练样本是否存在干扰。仿真实验表明,该方法可有效检测出训练样本中的干扰,使用该方法挑选出的无干扰训练样本恢复杂波谱可保证空时滤波器的杂波抑制性能,提升稀疏算法求解杂波谱时涉及到的样本的可靠性。     

利用多输入多输出雷达低秩杂波的降维空时自适应算法

为了抑制机载多输入多输出(MIMO)雷达接收信号中的杂波和有源干扰,提出一种利用MIMO雷达低秩杂波进行降维的空时自适应处理算法(LRC-RD).首先根据系统参数离线构造杂波子空间矩阵,再结合有源干扰加噪声协方差矩阵以及目标空时导向矢量来构造降维矩阵,最后用降维后的数据计算自适应权值.LRC-RD算法可将全维数据维数降为杂波的秩加1,从而降低了计算复杂度和计算自适应权值所需的训练样本数,所以收敛速度快,并且其理论性能可以达到全维处理的理论性能.仿真实验表明,LRC-RD算法在没有误差、样本数为降维后的数据维数的2倍时,其信噪比损失在高速区比基于双迭代的算法和基于子阵划分的算法分别高出约5 dB和17 dB.     

机载MIMO雷达修正GMB降维方法

针对MIMO雷达空时自适应处理运算量和杂波抑制性能难以兼顾的问题,建立了MIMO雷达杂波数学模型,提出了机载MIMO雷达的修正广义相邻多波束降维方法。该方法基于局域化处理的思想,通过选取特定的发射波束、接收波束和多普勒通道,利用空域两维波束形成和时域多普勒滤波方法进行空时自适应处理。对该方法在不同误差条件下杂波抑制性能进行了仿真实验,结果表明:提出的修正广义相邻多波束方法能够大幅降低运算量和样本需求数,有效抑制杂波,提高慢速目标的检测能力。     

基于张量的稀疏保持投影降维方法

传统的基于向量的降维算法需要将图像数据进行向量化处理。然而,向量表示难以考虑数据各维度上的变化,容易丢失有效的结构信息和判别信息。为此,从数据的张量表示出发,将新近提出的稀疏保持投影方法（sparsity preserving projections,SPP）推广到张量空间中,提出了基于张量的稀疏保持投影降维方法。该方法可直接将图像数据作为张量目标进行运算,保留了数据的完整性以及数据的原始结构和判别信息。降维的同时保持了原始张量空间中数据样本的稀疏重构信息。人脸数据库的识别实验结果表明,基于张量的稀疏保持投影降维方法能有效地提高识别率。     

线性稀疏阵雷达的杂波特性

为了寻找减小稀疏阵雷达杂波扩散的方法,有必要研究其杂波特性.在准确估计稀疏阵雷达杂波自相关阵的秩(简称杂波秩)的基础上得到了杂波秩的下界;通过研究杂波空时谱背脊线在空域和时域进行周期延拓的规律,得到了减小线性稀疏阵雷达杂波空时谱扩散和避免Doppler盲速的条件.这一条件与取得杂波秩下界的条件相同,有效减少了杂波扩散,可作为系统设计的依据.     

基于全局-局部保持投影的稀疏降维方法

该文提出了一种基于全局-局部结构保持的稀疏投影模型(GLSPP).通过对投影数据进行线性重构来保持数据的全局结构,从而保留投影数据的全局信息.通过约束重构系数矩阵与相似性矩阵的相似性来保持全局保持数据和局部保持投影数据的一致性.同时,对重构系数矩阵和相似性矩阵进行稀疏约束,保留主要信息,以减少冗余信息的干扰.在公开的4个人脸与物体数据集上的实验结果显示:该方法具有较高的分类准确率.     

基于字典优化的稀疏表示人脸识别

为消除非受控训练环境中光照/表情变化的不利影响,控制部分遮挡/伪装对人脸图像的破坏程度,提出了一种基于低秩矩阵恢复的字典优化设计,以增强稀疏表示人脸识别的性能.首先对存在非受控干扰成分的训练字典进行低秩矩阵恢复,获得相对"干净"的训练图像进行特征提取;接着采用分块相似性先验嵌入稀疏编码的方法实现对人脸图像的分类.实验结果表明,通过改进稀疏编码字典的鉴别能力,系统能更有效地抑制光照、表情、遮挡/伪装的影响,其识别的稳健性和鲁棒性得到了明显提升.     

基于局部约束字典学习的非线性降维人脸识别

针对现有的非线性降维(NLDR)算法复杂度高而不能很好地处理现实世界大规模数据集的问题,提出了基于局部约束字典学习的非线性降维(LCDL-NLDR)方法。首先通过一些潜在的标志点重构极小的内在流形,并将训练数据和未知数据自然地嵌入到内部流形中;然后利用局部约束字典学习(LCDL)算法在非线性流形中学习由标志点组成的紧密原子集;最后利用最近邻分类器完成人脸的识别。在扩展的YaleB及CMU PIE两大人脸数据库上的实验验证了所提方法的有效性及鲁棒性,通过与几种先进的字典学习算法比较表明,所提算法提高了嵌入质量,取得了更高的识别率,同时也大大地降低了NLDR算法的复杂度。     

基于稀疏恢复的直接数据域STAP算法

在机载/星载雷达系统中,空时自适应处理(STAP)可有效抑制杂波并实现动目标检测。基于统计的STAP算法通过平稳的训练样本来估计检测单元内的杂波协方差矩阵,并设计相应的滤波器以提高检测单元的输出信杂比。但训练样本的平稳性在实际快变的杂波环境中无法保证,因而此类算法在实际非均匀杂波环境中性能较差。该文通过挖掘检测单元数据在角度-Doppler域上的稀疏性,提出一种新的直接数据域STAP算法。该算法通过稀疏恢复来获得检测单元的高分辨空时谱估计,有效地避免杂波旁瓣对目标检测的影响,进而实现不经过杂波抑制而直接运动目标检测的目的。同时由于不使用训练样本,可很好地避免训练样本内的非均匀性,该算法在实际非均匀杂波场景中有更广泛的应用前景。     

利用线性约束的二阶最小均方算法进行自适应空时抗干扰

在无线衰落的通信信道中,空时编码的多输入多输出的（MIMO）系统具有很好的性能,但是多址干扰也很严重,提出一种自适应线性约束的二阶最小均方（LC-SOLMS）空时抗干扰算法,来抑制多址干扰和噪声。模拟结果证明：该算法具有较好的干扰抑制能力和快速的收敛性能。     

时域加权稀疏约束的空时自适应处理算法

1DT是典型的时空级联的后单多普勒空时自适应处理的方法,能够显著降低对独立同分布样本的需求量和空时自适应处理时的运算量,但是进行时域处理时对主瓣杂波的抑制效果较差。针对此问题,提出一种利用时域滤波器频率响应的稀疏特性进行加权稀疏约束的自适应滤波器设计算法。在时域自适应滤波器的模型中加入对旁瓣的稀疏约束,并构造加权矩阵对稀疏约束加权。仿真实验表明：此方法在有效抑制主瓣杂波的前提下能够降低副瓣,并且当存在天线幅相误差时具有较好的稳健性。     

引入Star-QAM的高码率差分酉空时编码调制

随着码率的不断增加,酉空时码群中的各个星座点之间的乘积距离会变得越来越小,从而导致性能恶化.为了改变这一特点,引入了Star-QAM(Quadrature Amplitude Modulation)星座图.与M-PSK(MultiplePhase Shift Keying)的一个重要区别就是,Star-QAM星座图的每个信号星座点都具有不同的能量,即具有多幅度特征,不同的星座点可位于多个不同半径的圆上,从而增加了幅度自由度.可根据不同情况找到最优的内外半径比,进而提高整个系统的性能.仿真结果表明,在BER(Bit Error Rate)为10-3时,改进的差分酉码调制的性能比传统的好2.3 dB,而在BER为10-2时,改进方案的性能要好1.8 dB.     

基于不完美发送端信道状态信息的多输入多输出系统线性预编码传输方案

空时分组码和线性预编码可显著提高多输入多输出系统的性能,但空时分组码性能易受天线相关性的影响,线性预编码性能易受发送端信道状态信息(CSIT)误差的影响.提出一种空时分组码与线性预编码级联的方案,可在相关天线组和不完美的CSIT条件下,获得良好的性能增益.     

直接序列码分多址的多输入多输出系统中的空时多用户检测

针对直接序列码分多址(DS—CDMA)的多输入多输出(MIMO)系统，设计了几种天线结构，提出利用空时分组码分别进行空时线性多用户检测和空时串行干扰对消多用户检测．通过分析误码率和算法的复杂性，比较了这两种方法的性能．仿真结果表明，空时线性多用户检测方法优于空时串行干扰对消多用户检测方法．     

一种新的宽带波束形成算法

基于对角加载思想,针对宽带信号空时处理结构,将空时接收协方差矩阵进行特征值分解,并利用矩阵求逆定理推导出空时结构对角加载值的范围,得到空时结构对角加载波束形成算法的优化方程以及最优权向量的解.仿真结果表明,算法有效地对协方差矩阵估计进行了修正,增强了空时波束形成算法的鲁棒性.     

基于旋转矩阵的差分酉空时编码调制

针对传统的差分酉空时编码调制在高信噪比(大于10dB)时,性能仍不理想的问题,引入旋转矩阵思想,提出了一种新的差分酉空时调制星座图的设计方法.该方法设计的非群星座图,比传统的循环群码有更大的分集乘积,因而理论上有更好的性能.同时可以通过对该方法进行简化来降低计算复杂度:当星座图的大小为偶数时,该算法可以简化为3个参数.仿真结果表明,在BER(Bit Error Rate)为10-4的情况下,用新提出的方法设计的差分酉空时码的性能比循环酉空时码的性能要好近1dB.     

Transmit Antenna Selection with Power and Rate Allocation for Spatial Multiplexing in Distributed Antenna Systems

Introduction Future mobile and wireless applications will require significantly higher data rates and significantly-reduced costs per transmitted bit as compared to the third generation systems.However,single antenna sys-tems cannot meet the requirements …