Direction-of-arrival estimation based on direct data domain (D3) method

A direction-of-arrival （DOA） estimation algorithm based on direct data domain （D3） approach is presented. This method can accuracy estimate DOA using one snapshot modified data, called the temporal and spatial two-dimensional vector reconstruction （TSR） method. The key idea is to apply the D3 approach which can extract the signal of given frequency but null out other frequency signals in temporal domain. Then the spatial vector reconstruction processing is used to estimate the angle of the spatial coherent signal source based on extract signal data. Compared with the common temporal and spatial processing approach, the TSR method has a lower computational load, higher real-time performance, robustness and angular accuracy of DOA. The proposed algorithm can be directly applied to the phased array radar of coherent pulses. Simulation results demonstrate the performance of the proposed technique.

Direct data domain approach to space-time adaptive processing

In non-homogeneous environment, traditional space-time adaptive processing doesn＇t effectively suppress interference and detect target, because the secondary data don＇ t exactly reflect the statistical characteristic of the range cell under test. A ravel methodology utilizing the direct data domain approach to space-time adaptive processing （ STAP ） in airbome radar non-homogeneous environments is presented. The deterministic least squares adaptive signal processing technique operates on a ＂snapshot-by-snapshot＂ basis to dethrone the adaptive adaptive weights for nulling interferences and estimating signal of interest （SOI）. Furthermore, this approach eliminates the requirement for estimating the covariance through the data of neighboring range cell, which eliminates calculating the inverse of covariance, and can be implemented to operate in real-time. Simulation results illustrate the efficiency of interference suppression in non-homogeneous environment.

A ROBUST PHASE-ONLY DIRECT DATA DOMAIN ALGORITHM BASED ON GENERALIZED RAYLEIGH QUOTIENT OPTIMIZATION USING HYBRID GENETIC ALGORITHM

A robust phase-only Direct Data Domain Least Squares (D3LS) algorithm based on gen- eralized Rayleigh quotient optimization using hybrid Genetic Algorithm (GA) is presented in this letter. The optimization efficiency and computational speed are improved via the hybrid GA com- posed of standard GA and Nelder-Mead simplex algorithms. First, the objective function, with a form of generalized Rayleigh quotient, is derived via the standard D3LS algorithm. It is then taken as a fitness function and the unknown phases of all adaptive weights are taken as decision variables. Then, the nonlinear optimization is performed via the hybrid GA to obtain the optimized solution of phase-only adaptive weights. As a phase-only adaptive algorithm, the proposed algorithm is sim- pler than conventional algorithms when it comes to hardware implementation. Moreover, it proc- esses only a single snapshot data as opposed to forming sample covariance matrix and operating matrix inversion. Simulation results show that the proposed algorithm has a good signal recovery and interferences nulling performance, which are superior to that of the phase-only D3LS algorithm based on standard GA.

基于杂波和噪声联合稀疏特性的直接数据域STAP方法

针对机载预警雷达空时自适应处理(space-time adaptive processing,STAP)所面临的异构杂波环境,基于杂波和噪声的联合稀疏特性提出了一种直接数据域(direct data domain,D3)STAP方法。首先通过子孔径平滑技术扩充训练样本集合;然后基于杂波谱二阶表征理论构造STAP功率字典矩阵、导出目标函数,并解得待检测单元信号的空时功率谱;最后根据杂波先验信息重构无孔径损失的杂波加噪声协方差矩阵。数值实验验证了所提方法的协方差矩阵估计精度高于传统的稀疏恢复D3-STAP算法,且在理想情况和存在阵列误差的情况下,所提方法皆具备更好的低速目标检测性能。

一种改进的稀疏恢复直接数据域STAP方法

稀疏恢复空时自适应处理(Sparse Recovery Space-Time Adaptive Processing, SR-STAP)方法可以利用少量训练快拍数据估计出较为准确的杂波协方差矩阵(Clutter Covariance Matrix, CCM)。然而,复杂的杂波环境对运动目标的检测不利。为了改善检测性能,本文提出了一种改进的稀疏恢复直接数据域(Direct Data Domain, D3)STAP方法。首先构造待检测快拍数据对应的全局空时导向字典,对雷达检测回波数据进行稀疏恢复得到稀疏向量,然后根据先验知识从稀疏向量中挑选出杂波和目标元素,实现二者的分离,最后对目标和杂波进行功率谱估计和滤波处理。实验表明,本文所提方法可以在只有一个检测样本的条件下分离目标和杂波,避免杂波分布的非均匀性问题,提高运动目标的检测性能。

加权直接数据域波束形成

为解决直接数据域(direct data domain,DDD)算法波束形成旁瓣电平高的问题,在约束优化的基础上提出了加权DDD波束形成算法。加权算法首先根据波束指向或者预成波束方向给出合适的主瓣宽度,然后在旁瓣区域约束最高旁瓣电平的高度,达到旁瓣抑制的效果。仿真分析了固定旁瓣电平变化主瓣宽度和固定主瓣宽度变化旁瓣电平两种约束优化形式。结果表明,加权DDD波束形成具有良好性能,能在预设主瓣宽度略宽于原波束主瓣宽度时,旁瓣电平能够满足预设要求。

基于直接数据域自适应算法的相干信号DOA估计

利用直接数据域自适应算法的稳态权值代替噪声子空间构建空间谱,构造了一种超分辨波达方向(DOA)估计方法。为了解决谱峰搜索时的伪峰问题,采用参考阵元轮换得到多组线性无关稳态权值,逼近噪声子空间,能有效去除伪峰。针对相干信号的DOA估计,进一步提出了直接数据域取对称共轭向量的解相干方法。相比子空间分解类算法,本文算法不需估计信号源数目和协方差矩阵、不需特征分解,复杂度仅为O(MP),同时能有效完成解相干处理。

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。

可变等效孔径直接数据域方法

针对直接数据域（DDD）算法具有孔径损失的局限，提出了一种孔径扩展算法。新算法首先利用单快拍数据在不同阵元间的相位关系构造一个循环矩阵，然后通过不同的截取方式获得不同的孔径扩展效果。仿真计算表明，扩展后的孔径介于阵列原始孔径的2／3～1之间。

空时自适应处理的直接数据域方法

在非均匀环境下,由于辅助数据不能准确反映待测距离门的统计特性,传统的空时自适应方法将不能有效地抑制干扰。介绍了机载雷达在非均匀杂波环境下的基于直接数据域的空时自适应信号处理方法。这是一种确定性的最小二乘自适应信号处理方法,通过“快拍-快拍”数据来确定零化干扰的自适应权值。这种方法不需要通过邻近距离门的辅助数据来估计样本协方差矩阵,避免了矩阵求逆运算,可实时运行。仿真结果表明,这种方法可以在非均匀杂波环境下有效地抑制干扰。

一种新的相控阵机载预警雷达孤立干扰抑制方法

在非均匀(Non-homogeneous)杂波环境中,孤立干扰若得不到有效抑制必将引起目标检测性能严重变差。对此该文提出了一种新的非均匀环境下两级空时自适应处理的级联算法,即首先根据均匀杂波的分布特性选取辅助波束用辅助通道法滤除均匀杂波,然后用直接数据域算法抑制孤立干扰。该方法具有性能优良、鲁棒性好和计算量低等优点,其有效性为计算机仿真实验结果所验证。

基于直接数据域方法的自适应多波束形成算法

提出一种基于直接数据域最小二乘方法的自适应多波束形成算法,包括前向计算、后向计算和前-后向计算。利用天线阵元输出复电压的单快拍数据构建矩阵方程,采用共轭梯度法求解得到阵列的自适应权值向量,从而在所有期望信号方向形成接收波束,同时在各干扰方向形成深零陷,使信干噪比显著提高。由于只需对单快拍数据进行处理,并且避免了样本协方差矩阵的构造及矩阵求逆运算,故计算复杂度较传统算法低。仿真结果表明,算法具有良好的期望信号恢复和干扰置零性能。因此,可适用于卫星通信和移动通信等领域的实时性处理。

任意阵型直接数据域算法

提出了一种适用于任意阵形的直接数据域算法,解决了直接数据域算法在声纳、雷达的非均匀阵列上难以适用的问题。任意阵形直接数据域算法基于单快拍数据,利用不同阵形相邻阵元间可变的相位差进行运算,构造数据矩阵,并加以适当约束,解算出降维后阵列权值,用于波束形成。仿真计算表明:任意阵形直接数据域算法与原直接数据域算法在均匀线阵条件下性能是等同的,而在非均匀阵列条件下,前者性能明显好于后者,即上述对比表明了直接数据域算法的有效性。

一种有效的直接数据域地面动目标检测方法

直接数据域(Direct data dom a in,DDD)方法利用子孔径平滑来从单个距离门中获得足够样本,但空域、时域孔径损失严重,使得空时自适应处理的地面动目标检测性能下降严重。针对该问题提出了一种不需要协方差矩阵估计和求逆的DDD方法,该方法将多级维纳滤波器引入到DDD的最优权求解过程中,在低的空时孔径损失下仍然能够获得好的性能。某机载实测雷达数据的实验结果验证了该方法的有效性。

多约束实数权的直接数据域算法在空时自适应处理中的应用

传统的空时自适应处理算法通过权矢量幅度和相位的改变来实现,本文研究了空时自适应处理中一种改进的直接数据域(Directdata domain,DDD)算法。该方法仅通过权矢量幅度的改变,对一次样本数据进行处理,有效地抑制杂波和干扰,实现对目标信号的正确估计。采用实数权减小了运算量,降低系统的复杂程度。当目标信号的方向与天线波束指向有偏差时,采用多约束的方法,保证系统在目标信号方向的增益。仿真结果表明该方法的有效性。

基于混合遗传算法的唯相位直接数据域算法

提出一种基于混合遗传算法的唯相位直接数据域最小二乘算法。通过采用标准遗传算法与Nelder-Mead单纯形法相结合的混合遗传算法,提高了优化效率和运算速度。首先根据标准直接数据域算法推导得出目标函数,继而将目标函数作为适应度函数,将所有自适应权值的未知相位作为决策变量,通过混合遗传算法进行非线性优化,从而求得各个自适应权值的优化解。作为一种唯相位自适应算法,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,比基于非线性共轭梯度法的唯相位直接数据域算法性能更优。

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。

基于卫星导航定位系统自适应抗干扰控制

在全球卫星导航系统抗干扰问题的研究中,自适应波束形成技术很好地解决了与信号不同来向的干扰的抑制问题。但对与信号同向的窄带干扰抑制程度不够,同时会滤除部分导航信号。针对以上问题,提出了一种改进的自适应波束干扰抑制算法。首先,通过级联IIR格型陷波器预测并抑制与信号同向的窄带干扰,然后,利用基于直接数据域自适应波束形成技术抑制剩余的宽带干扰。该改进算法能够有效的滤除窄带和宽带干扰,提升卫星导航系统的抗干扰性能,并在实际卫星通信应用中更具处理的实时性。最后,通过仿真实验证明了该算法的可行性。

基于时频阵列模型的波达方向估计

提出一种非平稳信号的波达方向估计方法。该方法将时频分析引入阵列处理,通过参考阵元和两个对称子阵的互时频分布建立起一种时频域的阵列数据模型,用平均的时频阵列数据模型代替传统的阵列模型,采用子空间方法得到多个非平稳信号的波达方向估计。空间平均和时频分析的结合使得该方法具有很好的信号选择性和抗干扰噪声的性能,该方法还具有运算量小和处理非平稳信号的能力。

非均匀杂波中的直接变换域STAP算法研究

降维空时自适应处理和降秩空时自适应处理均需要已知杂波协方差矩阵,或者通过参考单元对杂波协方差矩阵进行估计,在非均匀杂波环境中无法获取足够多的有效样本,使得算法性能急剧下降。提出一种直接变换域空时自适应处理算法,不需要对杂波协方差矩阵估计,在角度-多普勒域中的通道之间进行自适应处理,采用最小均方准则求解,能够适用于非均匀杂波环境中目标检测。仿真结果表明,提出的算法相比于直接数据域算法,抑制杂波能力更强,对于目标角度偏差更具稳健性。