基于分式二次规划的互模糊函数赋形方法

在开展认知雷达波形设计时,由于发射波形与接收滤波器的非匹配体制,互模糊函数赋形相比传统模糊函数赋形优化自由度更高。该文针对强杂波条件下微弱运动目标检测问题,以最大化信干噪比为优化准则,提出了一种联合发射相位编码序列与接收滤波器设计的互模糊函数赋形方法。在恒模约束下,优化问题被建模为二次分式规划形式;然后通过引入辅助变量,并利用共轭梯度法求解Stiefel流形空间上的最小化问题,非凸优化据此转化为恒模约束二次优化问题;通过交替循环和类幂迭代算法求得最优解。此外考虑到发射波形受硬件限制而难以实现严格恒模,该文构建了一种低峰均比约束二次优化问题模型,并利用最近邻向量法求得最优解。最后,不同参数下的仿真与实测数据实验表明,该文赋形方法相较于传统方法具有较高的信干噪比增益和收敛速度。

基于改进阻塞矩阵的DMA小信号主瓣保形与导向失配恢复方案

传统阵列天线在运用阻塞矩阵预处理对抗主瓣强干扰过程中,期望小信号会出现主瓣失真,峰值偏移和旁边电平上升,造成一定的信息损失,影响阵列天线接收信号的输出信干噪比(Signal-to-Interference-Noise Ratio,SINR)。为解决这个问题,提出一种基于改进阻塞矩阵的动态超材料天线(Dynamic Metamaterial Antenna,DMA)小信号主瓣保形与导向失配恢复方案。首先,基于DMA结构特性设计改进阻塞矩阵,对接收信号进行预处理;其次,采用权矢量补偿方法对小信号的导向矢量进行变换;最后,通过自适应空域滤波算法设计求解DMA的方向图状态向量,在天线射频前端实现了空域滤波小信号匹配接收。仿真结果表明,经过阻塞矩阵预处理后的DMA比传统天线具有更好的空域波束赋形能力。所提方案能够有效对抗主瓣存在强干扰的情况,降低主瓣失真,恢复小信号主瓣峰值偏移的导向矢量,进一步提高期望小信号的接收增益,证明所提算法的有效性以及优于传统天线阵列波束形成方法的优势。

互相关干扰下的MIMO雷达自适应脉冲压缩方法

MIMO雷达各阵元发射波形之间一般不完全正交,用传统脉冲压缩方法处理会导致较高距离旁瓣电平,进而影响检测性能.在建立单站MIMO雷达回波模型的基础上,以最大化系统输出信号与干扰噪声比为准则,提出了一种基于迭代思想的MIMO雷达自适应脉冲压缩方法.该方法利用对目标距离像信息的多次估计值,自适应地对距离旁瓣、互相关干扰和噪声进行抑制.仿真实验表明,针对发射多相编码信号的MIMO雷达,该算法可以显著降低距离旁瓣,且在目标运动和多目标情况下也优于传统处理方法.

对称无线网络下干扰对齐算法的研究

干扰对齐通过预编码的方式将接收到的干扰对齐到接收机的子空间中,从而为期望信号提供了最大化的自由度.重点探究实现了干扰对齐预编码的三种典型的算法——最小化干扰泄露功率算法、最大化信干噪比算法以及最小化均方误差算法,三种算法都利用了无线信道的互易性,通过初始网络编码和逆网络编码的相互迭代最终拿到了各自优化准则下的干扰对齐预编码.通过上行传输速率这一性能函数分析和比较了这三种算法.仿真结果表明了各自算法的优劣.最后简要分析了干扰对齐算法的可行性与其广阔的应用前景.

多小区大规模协同功率分配及波束成形算法

针对大规模多输入单输出的多点协作下行系统,本文主要研究协同波束成形和功率控制,以达到最大化最差用户信干噪比的目的。为了求解原始下行的非凸优化问题,首先将原始优化问题转化成等价的上行优化问题进行求解。尽管在有限系统里可通过迭代算法获得波束矢量和发射功率,但是该算法依赖于瞬时信道信息,功率也需要瞬时更新。为了减少功率更新计算复杂度,本文进一步利用随机矩阵理论,提出了只需要依赖统计信道信息的算法来获得发射功率。数值仿真验证了单基站功率约束下所提算法的有效眭以及相对于最大比发送算法的优越性。

多基站多用户MIMO系统下行链路基于准最大化和速率预编码和功率分配的双层交替迭代结构

在多基站多用户MIMO系统中,最大化和速率(maximizing sum-rate,MSR)预编码是一种线性预编码,但是无闭式解.本文提出了一种交替迭代结构的准最大化和速率(Quasi-MSR)预编码方案来逼近MSR,将MSR的求解问题转化成最大化二次分式函数的乘积,并且设计了一种单接收天线用户环境下基于最大化和速率准则的低复杂度交替网格搜索功率分配(alternating grid search power allocation,AGSPA)方案.在此基础上,本文又提出了基于Quasi-MSR和低复杂度AGSPA的双层交替迭代结构(alternating iterative structure,AIS).仿真结果表明:考虑大尺度衰落和天线相关性时,AIS结构在和速率性能上明显优于4种典型的预编码算法(最大化信泄噪比、块对角化、最小均方误差与速率最大化).