基于空域自适应单脉冲的抗干扰雷达多目标参数估计算法

基于空时级联单脉冲的多目标参数高效估计算法(M-STCMP)是一种高效的雷达多目标参数估计算法,但在干扰环境下其参数估计性能将严重下降。文中提出了基于空域自适应单脉冲的抗干扰多目标参数估计(AM-STCMP)算法。首先,将空域自适应单脉冲技术引入M-STCMP算法,自适应形成和差波束抑制干扰信号,提高各目标的信干噪比,并迭代修正自适应和差波束的鉴角曲线;其次,采用空时级联单脉冲技术估计各目标的距离-速度两维参数;最后,采用Relax算法高精度迭代估计各目标的角度-速度-距离三维参数。理论分析和仿真结果验证了AM-STCMP算法的有效性,其参数估计性能接近无干扰情形。

利用先验知识的空时自适应检测方法

针对雷达空时自适应检测中非均匀杂波造成可用均匀训练样本数少的问题,研究了在自适应检测器设计过程中融合先验知识的方法.自适应检测器中的协方差矩阵通常由多个独立同高斯分布向量估计得到,由于这些向量的外积之和服从Wishart分布,所以假定Wald检测器中的协方差矩阵是随机的且服从逆Wishart先验分布,该分布的参数矩阵可根据雷达探测环境的先验知识获得.基于上述假定推导出融合先验知识的Wald准则检测器,不仅利用了训练样本中的信息,还充分利用了探测环境先验信息.仿真实验表明,小样本情况下利用先验知识的Wald检测器的检测性能优于传统的检测器.

空时自适应处理中基于知识的训练样本选择策略

针对空时自适应处理中样本协方差矩阵受干扰目标污染时检测性能下降的问题,提出了一种基于知识的空时自适应处理(knowledge aided space time adaptive processing,KA-STAP)方法。该方法将待测距离单元杂波的先验知识与广义内积非同态检测器(general inner product nonhomogeneity detector,GIP NHD)结合,对训练样本进行有效选择。通过仿真证明该方法能有效剔除存在干扰目标的样本,提高训练样本被干扰目标污染时空时自适应处理的检测性能。

基于道路信息的知识辅助空时自适应处理

主波束中的车辆回波信号会污染空时自适应处理(STAP)的训练样本,导致空时自适应处理时的目标自相消,引起漏警。针对这一问题,该文提出一种基于道路信息的知识辅助(KA)空时自适应处理方法。该方法首先根据主波束中道路相对于雷达的位置估计道路上车辆相对于雷达的径向速度,然后得到可能含有主波束车辆回波信号的距离-多普勒单元,接着根据训练样本与杂波导向矢量和主波束导向矢量的匹配程度判断这些训练样本是否包含主波束车辆回波信号,最后在进行空时自适应处理估计杂波协方差矩阵时剔除被主波束车辆回波信号污染的训练样本。理论分析及实验结果表明该方法可以提高道路密集环境中空时自适应处理的信杂噪比输出,改善空时自适应处理雷达的性能。

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。

一种改进的知识辅助MIMO雷达空时自适应处理方法

针对机载多输入多输出(MIMO)雷达杂波抑制问题,该文提出一种改进的基于知识辅助的空时自适应信号处理算法(KA-STAP)。根据杂波在空时2维平面的先验分布离线构造杂波子空间,以此替代基于扁长椭球波函数(PSWF)估计的杂波子空间,避免了复杂运算。仿真结果表明,所提方法不仅能减小运算量,还能获得更深的零陷以及更优的旁瓣性能。

一种新的空时格形码软判决自适应解码算法

本文提出一种针对空时格形码的软判决自适应双向解码算法 .通过执行双向解码 ,该解码算法充分利用了TDMA下行链路相邻时隙的前导序列 ,并给出高质量的软判决解码输出 ;同时 ,所提出的两步最小均方算法以较低的运算开销实现了对时变信道的自适应跟踪 .

空时处理引起的GNSS信号失真分析与补偿方法

在复杂的干扰环境中,空时自适应处理(STAP)技术会扭曲全球卫星导航系统(GNSS)信号的相关峰、降低捕获和跟踪性能,导致接收机的定位精度下降。首先,通过理论和仿真分析STAP在最小方差无失真响应准则下的相关峰失真,结果表明抽头数和空间相关系数会直接影响到相关峰的畸变;其次,为优化抽头数和降低空间相关系数,提出基于天线阵列信干噪比(SINR)的自适应抽头算法和阵列稀疏配置算法;最后,通过仿真验证优化后的抽头数和阵列稀疏配置可以减少因STAP引起的相关峰畸变。

一种基于知识辅助的空时自适应处理新算法

空时自适应处理(STAP)是一种用于运动平台雷达对运动目标检测的有效技术,能够显著提升现有雷达装的检测性能。在实际应用中,该技术需要大量的训练样本对接收信号中的杂波、噪声协方差矩阵进行估计。然而,由于在大多数探测环境中杂噪背景变化较快,可用于估计的独立样本较少,从而导致该技术性能损失严重。针对这种情况,本文提出了一种基于知识辅助(KA)的新型STAP算法,该算法通过先验知识首先对杂噪协方差矩阵进行推算,并将推算的结果与少量样本估计结果进行融合,从而极大地减少了精确估计所需样本的数量。仿真实验结果表明,本文算法能够显著提升现有STAP技术的收敛速度,克服其在实际应用中的障碍。

DS-CDMA系统新的空时并联结构及二维自适应DBF算法

针对直接序列扩频码分多址 (DS CDMA)移动通信接收系统 ,本文提出了一种新的空时二维信号处理结构 ,这是一种“智能天线与瑞克 (RAKE)接收机的并联连接”(PI SA&RR)结构 .基于PI SA&RR结构 ,提出了空时二维自适应数字波束形成 (ST2 DADBF)算法 .与“二维RAKE接收机”(2 DRR)相比 ,ST2 DADBF算法不需要对延时 波达方向(DOA)进行估计就能够获得最优空 时域联合输出 .与“导频符号辅助相干自适应天线阵列分集接收机”(PSA CAAADR)相比 ,ST2 DADBF算法能够使智能天线和RAKE接收机联合参与自适应算法 ,不需要对RAKE分支信道参数进行估计 ,是一种真正的二维自适应算法 .针对多用户移动通信系统 ,同时考虑到信道的时延扩展和空间角度弥散的影响 ,本文给出了一种接收信号的通用模型 ,基于该模型对ST2 DADBF算法进行了计算仿真 .仿真结果表明 ,ST2 DADBF算法能够在空时二维域中捕获感兴趣用户的各个多径分量 ,并将这些多径分量同步相干合成 ,同时抑制其它用户在时域和空域形成的干扰 ,因而可获得良好的误码率 (BER)性能 .

一种时——空自适应的100Hz场频提升算法及其实现

高质量的视频格式转换及其应用是当前扫描格式转换研究中的热点问题。文章提出一种新颖的基于运动信息的时—空自适应100Hz场帧提升算法,该算法通过对输入的视频场信号进行运动检测,对检测到的运动信息和静态信息分别进行不同的转换。该算法的复杂度低,实验结果表明,算法可有效地保持静止区域无闪烁,运动区域无运动模糊,达到良好的处理效果。

基于先验知识的机载雷达自适应训练样本选取的方法

针对实际复杂环境下机载雷达面临的均匀样本数量严重不足的问题,提出了一种基于先验知识的机载雷达自适应训练样本选取方法;针对选取得到的训练样本距离间隔较远导致明显功率差异的问题,本文方法对训练样本进行了进一步修正.该方法从距离-多普勒单元角度出发,在考虑地形遮蔽影响的同时,基于地貌类型和地貌坡度构建了各训练单元的加权欧氏距离测度,实现了对均匀训练样本的有效选取.仿真结果表明,相对于现有KA-STAP方法,基于本文所提样本选取方法的STAP处理后的杂波抑制性能得到显著改善.

知识辅助空时自适应处理技术研究

在非均匀环境中,由于独立同分布样本严重不足,导致空时自适应处理的效果急剧下降。知识辅助的方法是目前解决非均匀环境下空时自适应处理问题的流行方法,目前研究较多的是假定已知先验协方差矩阵如何提升空时自适应处理性能的方法,而先验协方差如何获取则没有相应的研究。本文基于历史数据、数字地图和地理信息等先验知识的利用,通过直接或间接的方法,获取先验样本和先验协方差矩阵,从而达到提升空时自适应处理性能的目的。

变步长自适应算法在GPS空时抗干扰中的应用

针对基于FROST阵列处理的最小均方算法(FROSR-least mean squares,FLMS)收敛速度较慢的缺点,将FLMS算法和变步长技术相结合,采用了一种基于Sigmoid函数的变步长快速自适应算法(variable step-size FROSR-least mean squares,VFLMS)。将该算法应用于GPS接收机空时自适应处理系统中,理论分析和计算机仿真表明,VFLMS算法能够抑制大于阵元个数的多个宽、窄带干扰,效果理想。

北斗导航接收机空时自适应干扰抑制算法研究

导航接收机常工作于复杂的电磁环境下,易受到电磁等干扰,导致其导航定位功能的精确度降低。针对这一问题,提出了空时自适应干扰抑制算法。该算法在不增加阵元的前提下,通过时间抽头来增加天线阵列的自由度,由此增加可处理干扰的数目,增强对宽带干扰和窄带干扰的抑制能力。通过MATLAB仿真验证了该算法的有效性。

一种采用稀疏表示的快速空时自适应方法

在非均匀杂波环境下,空时自适应处理的关键在于如何利用少量样本准确地估计杂波协方差矩阵.基于稀疏表示的杂波协方差矩阵估计方法,仅利用单个或少量样本即可达到较好的杂波协方差矩阵估计效果,明显地提高了空时自适应算法的收敛速度.该方法利用杂波谱的稀疏性,根据稀疏表示理论估计出杂波功率谱,进而估计出杂波协方差矩阵.然而,采用稀疏表示方法估计所得的杂波谱常出现伪峰,容易造成杂波协方差矩阵估计偏差,故利用杂波谱分布的特殊空时耦合性,采用杂波脊曲线拟合方法剔除杂波谱中的伪峰,有效地提高了杂波协方差矩阵估计精度.另外,这种算法还可以对载机飞行参数(载机速度,偏航角等)进行估计.

基于空时功率谱稀疏性的空时自适应处理技术研究进展

随着压缩感知理论的兴起和发展,基于空时功率谱稀疏性的空时自适应处理(STAP)技术受到越来越广泛的关注.本文首先简单回顾了空时自适应处理技术的传统方法,接着从三个不同角度分析了空时功率谱的稀疏性并探讨了基于空时功率谱稀疏性的STAP技术的潜在优势,然后总结了基于空时功率谱稀疏性STAP基本原理和三种实现方式,根据稀疏支撑集先验信息知晓情况对现有基于空时功率谱稀疏性的STAP方法进行了分类,包括:基于阵列流形知识的STAP技术、基于空时功率谱稀疏恢复的STAP技术以及基于阵列流形知识和空时功率谱稀疏恢复的STAP技术,并对其研究现状进行了综述.最后在已有研究的基础上,着眼于提高杂波抑制和运动目标检测能力的发展需要,提出了未来该技术需要重点解决和关注的若干问题,包括稀疏性的本质机理分析、空时导向字典的设计、参数设置简单,快速和低复杂度算法设计、对模型误差稳健的算法设计、多种先验知识融合的基于空时功率谱稀疏性的STAP算法设计、基于空时功率谱稀疏性STAP方法的恒虚警检测器设计以及实测数据验证等方面.

GPS接收机抗干扰空时自适应滤波方法

针对联合空时处理使计算量显著增加这一问题,本文研究一种数据分段输入的降秩自适 应滤波方法,使GPS接收机空时抗干扰方法具有可行性和易行性。

基于多级维纳滤波器的空时自适应信号处理及其在无线通信系统中的应用

针对远距离无线通信接收机处的多径效应与干扰信号影响,本文提出一种基于空时自适应信号方法。该方法基于多级维纳滤波分解,对输入信号在空域和时域内联合处理,可以在有效改善接收误码率性能的同时抑制干扰信号的影响。此外,该方法还具有低复杂度的特点,提高了处理的实时性。本文还给出了一种对视距和多径散射环境均适用的多级维纳滤波级数选择方法,增强了计算资源使用的准确性。本文方法在实现上对输入信号的结构设计要求宽松,与已有空时自适应处理方法相较,在复杂度、谱效率和发射功率利用率上更有优势。

GPS空时自适应抗干扰系统性能研究

针对GPS接收系统的空时自适应抗干扰技术,讨论了基于FROST阵列处理的最小均方算法LMS———FROST-LMS(FLMS)算法。通过对时空自适应处理STAP和算法的建模,研究了该系统以及GPS接收机的性能。系统仿真表明,FLMS算法能够抑制大于阵元个数的多个宽、窄带干扰,抑制效果达到30 dB^50 dB,并使接收机整体抗干扰能力达到65 dB左右。