用于干扰对消的稀疏约束卡尔曼滤波算法

无人机等小型平台上干扰机的收发隔离问题是影响其收发同时工作的关键。对于动态稀疏系统来说,常规的卡尔曼滤波算法并未考虑干扰信号耦合路径的稀疏性,对路径衰减系数的辨识精度不够,导致隔离性能不佳。针对此问题,从KF算法的修正步出发,将其等效为一个凸问题,并在此基础上,增加对待估计参数的稀疏性约束,重新推导了算法的修正步,提出了一种稀疏约束的KF算法,充分利用了待辨识系统的先验信息,提高了估计参数的稀疏倾向性。理论分析和仿真结果表明,新算法能够有效适用于动态稀疏环境下的系统辨识,提高了KF算法对于动态稀疏系统的辨识精度,并且能够将干扰机的收发隔离度提高3~5dB,改善了干扰机的收发隔离性能。

基于改进型RLS算法的收发隔离技术

对于动态稀疏环境下雷达干扰机的收发隔离问题,常用的遗忘因子递归最小二乘(RLS)算法对干扰耦合路径衰减系数的辨识精度不够,以至于达不到隔离需求。针对此问题,利用可变遗忘因子RLS算法的优势,并在此基础上,增加对待估计系统参数的稀疏约束,提出了一种稀疏约束的可变遗忘因子RLS算法。该方法充分利用了待辨识系统的先验信息,提高了系统待辨识参数的稀疏倾向性,改善了对稀疏系统的辨识精度,并且结合了可变遗忘因子,在有效提高算法跟踪性能的基础上进一步降低了稳态误差。理论分析和仿真结果表明:该方法能够有效地用于稀疏环境下的系统辨识,提高了RLS类算法对于稀疏系统的辨识精度,进而提高了隔离性能。

一种基于追踪算法的干扰对消技术

无人机等小型平台上的雷达干扰机的收发隔离问题会严重影响其侦察与接收同时工作。假设真实耦合路径稀疏的环境下,基础的系统辨识最小方差无偏估计量算法在解决收发隔离问题时,对系统传递函数的辨识精度不够,隔离效果不够理想。针对此问题提出了一种基于系统辨识理论与稀疏理论相结合的追踪算法。该算法利用了干扰机接收天线与发射天线之间干扰耦合路径的稀疏性,可以对耦合路径实现精确辨识,并且算法的鲁棒性较好。理论分析和仿真结果表明:稀疏时不变的耦合环境下,该方法能够取得较理想的隔离度,可以很好地解决小型平台上雷达干扰机的收发隔离问题。

基于稀疏系统辨识的收发隔离方法

针对干扰信号耦合路径稀疏存在时,常规的系统辨识方法对稀疏系统的辨识精度下降,无法妥善解决雷达干扰机的收发隔离问题,提出了两种基于稀疏系统辨识的收发隔离方法。这两种方法的共性是在求解路径衰减系数之前,通过加入稀疏约束完成了对主要耦合路径的提取,然后再采用相关方法计算所对应的系数,克服了由于系统噪声对衰减系数为零的路径作用而带来的估计误差。理论分析和仿真结果表明,在稀疏环境下,两种方法对干扰耦合路径的辨识精度要高于最小二乘法。在信噪比较高的环境下,两种方法均适用,但第二种方法的复杂度较高,而在低信噪比环境下,只有第二种方法能够满足隔离需求。它们不影响侦察机同时接收的雷达信号,有效地解决了雷达干扰机的收发隔离问题。

人工智能技术在雷达对抗中的应用

介绍了人工智能技术的发展概况,总结了人工智能技术在电子战中的应用。以自适应雷达对抗项目为例,分析了人工智能关键技术在雷达对抗中的应用,并探讨了雷达对抗中充分应用人工智能技术需要解决的关键问题。