一种非均匀面阵单快拍自适应处理方法

提出一种基于虚拟阵列内插技术的非均匀面阵单快拍自适应处理方法。首先,通过虚拟阵列内插技术将非均匀面阵转化为均匀面阵,继而采用均匀面阵的单快拍方法对其进行自适应处理,从而突破了非均匀面阵单快拍处理瓶颈,实现了期望信号恢复和干扰置零。最后,通过仿真实验对方法进行性能验证。

基于CS的脉冲压缩雷达单快拍DOA估计

在脉冲压缩雷达系统中估计目标波达方向(direction of arrival,DOA)的主要问题之一是:脉压前信号的信噪比低、目标没有在距离域分开;脉压后的信号虽然信噪比得到了改善且目标已按距离分开,但是快拍数却非常有限。为了解决这一矛盾,提出了基于压缩感知的单快拍DOA(single-snap DOA,SSDOA)估计方法。与传统DOA方法相比,该方法具有更高的估计精度和分辨能力,并且能处理相干信号,且无需已知目标数目。仿真表明,本文提出的SSDOA算法在估计精度上和分辨能力上都优于多重信号分类(multiple signal classification,MUSIC)算法,并为雷达系统的实时分析提供了保障。

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。

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。