基于改进式特征值二次对角加载的信源数估计方法

针对应用阵列天线进行信号接收时的信源数估计问题,提出一种基于改进式特征值二次对角加载的信源数估计方法。对天线阵列观测信号协方差矩阵进行特征值分解;对特征值进行一次对角加载,对角加载量取所有特征值的几何平均值,将原始特征值与对角加载值相加,取代原始特征值;重新计算特征值对角加载量,并进行二次对角加载,使加载后的特征值满足噪声特征值的最大最小值之比不超过2的条件,在此基础上,使用信息论准则类方法和随机矩阵理论类方法实现信源数的估计。仿真实验结果表明,该信源数估计方法具有可行性。

雷达极化对角加载检测器的最优权重算法

针对复杂海杂波环境下极化SAR图像弱小目标检测难题,最近提出的雷达极化对角加载滤波器融合了极化白化滤波器(PWF)和极化检测优化滤波器(PDOF)的优势,通过选择合适的线性加权系数,能够突破非高斯杂波背景下的目标检测性能限制。但是如何获取该线性组合的最优加权权重是该方法的难点。首先重新构造了基于线性组合的雷达极化对角加载检测器,在此基础上从曲线下面积(AUC)的检测性能评估角度给出了线性组合的最优化数学模型,并提出了基于该准则的最优权重算法。为加快求解速度,分别提出了基于Fisher准则线性判别分析(LDA)、基于口袋感知机学习算法(PPLA)和以LDA解为初值AUC求解算法等三种简化求解方法。最后通过仿真和实测实验验证了以上方法的有效性和鲁棒性,结果表明以LDA解为初值的AUC求解算法综合性能最佳。

对角加载对信号源数检测性能的改善

对角加载技术可抑制小特征值对自适应权值的影响来加速自适应波束形成器的收敛性以及抑制导向矢量误差的影响避免信号相消 ,该技术通常用于稳健的波束形成算法 .基于对角加载技术 ,本文提出了一种信号源数目判定的改进方法 ,通过对角加载数据协方差阵 ,可以平滑小快拍数和空间色噪声时的噪声特征值分散程度从而减轻其对信号源数目估计的影响 ,证明了该估计器的强一致性 ,分析了加载量对信号源数目估计的影响 .最后通过仿真以及实测数据比较了本文方法和已有方法的性能 。

迭代对角加载采样矩阵求逆鲁棒自适应波束形成

为有效克服导向矢量大失配误差对自适应波束形成器的影响,该文提出了一种迭代对角加载采样矩阵求逆鲁棒自适应波束形成算法。该算法对传统对角加载算法进行了迭代运算,基于Capon波束形成器的最优权矢量与假定导向矢量的基本关系,将每一步得到的权矢量,对应反解出一个比导向矢量假定值更为准确的导向矢量,并替代假定值,最终逼近真实的期望信号导向矢量。提出的方法在迭代过程中只需一步递推,无需对导向矢量建立不确定集,避免了在每步迭代中运用拉格朗日数值法或凸优化法,且明显提高了波束形成器的输出信干噪比。仿真结果验证了算法的正确性和有效性。

非均匀广义对角加载稳健波束形成算法

为解决阵列天线在信号接收过程中利用一般对角加载算法在抑制噪声影响的同时降低干噪比、使零陷变浅的问题,提出了一种非均匀广义对角加载稳健波束形成算法。该算法首先根据接收数据协方差矩阵的特征值,对不同的信号自适应地选择不同加载因子,并利用选择的加载因子通过矩阵重构构造广义对角加载矩阵对接收数据进行加载处理,最后通过Capon算法得到波束形成向量。仿真结果表明:该算法在消除噪声影响的同时,可以有效展宽零陷并使零陷深度达到-50dB,而且通过非均匀加载降低输入信号的信噪比,在期望信号波达方向误差为2°时,比一般对角加载算法输出信号的干噪比高10dB,具有较好的稳健性。

基于对角加载的自适应匹配滤波器和自适应相干估计器

分析了对角加载自适应匹配滤波器(diagonally loaded adaptive matched filter,DL-AMF)和对角加载自适应相干估计器(diagonally loaded adaptive coherence estimation,DL-ACE)的检测性能;推导了二者的渐近统计分布,得到了解析的虚警概率(probability of false alarm,PFA)和检测概率(probability of detection,PD)表达式。与常规AMF和ACE相比,尤其是在训练样本不足的情况下,DL-AMF和DL-ACE的检测性能大为提高,并且二者都具有渐近恒虚警(constant false alarm rate,CFAR)特性。

基于对角加载的机载MIMO雷达GLRT检测器

本文研究了基于GLRT的机载MIMO雷达自适应目标检测问题.针对参考单元数据不足对GLRT性能的影响,提出了基于对角加载的MIMO雷达GLRT(MIMO-LGLRT)检测器,并对其检测性能进行了分析,给出了虚警概率和检测概率的闭合表达式.该检测器充分利用机载MIMO雷达杂波子空间低秩的特点和对角加载技术,解决了因参考数据不足所引起的矩阵病态问题.为了减少MIMO-LGLRT检测器的运算量,在分析杂波协方差矩阵块对角化特性的基础上,给出一种简化MIMO-LGLRT检测器.理论分析和仿真结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,检测性能优于普通GLRT检测器.

对角加载对自适应均衡器性能影响的研究

在自适应通道均衡中 ,一般采用最小二乘的广义求逆法求解均衡器系数。当随着均衡器阶数增加时 ,常常会遇到方阵病态的现象 ,严重影响了均衡器的校正性能 ,甚至使均衡器停止工作。本文分析了方阵产生病态的原因 ,并在此基础上 。

基于可变对角加载的稳健空时波束形成算法

针对对角加载方法中加载量难以确定的问题,提出了基于可变对角加载的稳健空时波束形成算法.该算法在宽带信号模型基础上,分解空时宽带波束形成的约束方程,针对多频点约束,推导出空时二维导向矢量真值,得到空时结构可变对角加载波束形成算法的最优权矢量,并给出加载量求解方程,准确地计算出空时波束形成器的对角加载量.仿真结果验证了该算法的稳健性.

自适应对角加载在波束形成中的仿真研究

当阵列误差存在时,Capon波束形成算法性能会急剧下降,特别是阵列输出信干噪比(signal to interfer-ence plus noise ratio,SINR)。对角加载可以减弱小特征值对应的噪声波束的影响,能有效改善阵列性能及方向图畸变,但加载值的确定是一个较为困难的问题。该算法根据加载值和采样协方差矩阵间的关系确定加载值,能自适应地根据采样数据确定加载值,在小快拍数和阵列误差存在情况下仍具有良好的鲁棒性,明显改善了阵列性能并减小了方向图畸变,且使零陷准确对准干扰方向。计算机仿真结果证实了此算法的鲁棒性。

基于对角加载的机载MIMO雷达自适应匹配滤波检测器

研究了基于自适应匹配滤波(Adaptive Matched Filter,AMF)的机载MIMO雷达目标检测问题。针对参考单元数据不足对MIMO-AMF检测器性能的影响,提出了基于对角加载的MIMO雷达AMF(MIMO-LAMF)检测器,并对其检测性能进行分析,给出虚警概率和检测概率的闭合表达式。该检测器利用机载MIMO雷达杂波子空间低秩的特点和对角加载技术,解决了因参考数据不足所引起的矩阵病态问题。为了减少MIMO-LAMF检测器的运算量,在分析杂波协方差矩阵块对角化特性的基础上,给出一种简化MIMO-LAMF检测器。理论分析和仿真结果都表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,检测性能优于MIMO-AMF检测器。

一种基于对角加载的降维多级维纳滤波实现方法

文章以GPS信号抗干扰为背景,应用多级维纳滤波的抗干扰方式。首先分析了经过多级维纳滤波前向迭代后的降维数据矢量的协方差矩阵,给出以特征值和特征矢量表示的最优权值。最优权值的表示式表明在滤波器维数超过最优时高阶的特征值对最优权值影响较大。随后通过仿真试验证明了在滤波器维数超过最优时输出信干噪比会下降。通过引入对角加载量并适当选择加载量功率的大小可以抵消滤波器维数过估计带来的影响,试验表明在对角加载量与白噪声方差相等时可以获得较好的输出信干噪比。文章从空频响应的角度试验了对角加载对于多级维纳滤波算法的意义。最后仿真试验了基于对角加载多级维纳滤波实现方法的抗干扰性能。

基于脊参数估计的对角加载系数的选取

基于脊回归(Ridge Regression)理论,提出一种对角加载系数的非参数计算方法.通过分析剩余矢量随快拍数变化的趋势,该算法将误差绝对值作为剩余矢量的代价函数.仿真结果表明,新算法在小快拍数据和阵列存在失配时能够抑制噪声带来的旁瓣起伏效应,具有较好的稳健性.

一种基于支持向量机的对角加载鲁棒波束形成方法

为了有效克服波达方向矢量失配,以及存在阵元扰动而导致的阵列流形向量失配对自适应波束形成器的影响,提出了一种基于支持向量机的对角加载鲁棒波束形成方法。该方法在分析线性约束最小方差波束形成器的基础上,研究了传统的对角加载算法对波束形成器鲁棒性的改善,将基于结构风险最小化原理的支持向量机算法应用于鲁棒波束形成。数值仿真实验表明:在无失配的理想情况和有失配的实际情况下,基于支持向量机的波束形成算法均可以提高波束形成的鲁棒性。

基于线性约束最小方差对角加载的稳健频率不变波束形成算法

针对实际环境中因麦克风阵列失配误差导致宽带波束形成器性能下降的问题,提出基于线性约束最小方差对角加载的稳健频率不变波束形成算法.该算法首先在线性约束最小方差准则的基础上,结合空间响应偏差函数,并对波束形成器权矢量的二范数施加不等式约束,再通过拉格朗日乘子法和凸优化工具箱CVX(Con Ve X)分别在不等约束条件下求得权矢量的解析解和全局最佳解,以有效解决麦克风的增益、相位和位置等的不确定性造成的失配误差问题,提高频率不变波束器的稳健性.仿真结果表明:采用拉格朗日乘子法求解该算法的最优权矢量所得到的波束形成器对失配误差最不敏感,性能最稳健.

基于对角加载的STAP性能改善

空时自适应处理(STAP)作为动目标检测的关键技术,但是非均匀环境将会造成协方差矩阵的估计误差,进而严重影响STAP性能。对角加载主要用于改善空间滤波器对于有用信号空域特征失配和空域协方差矩阵失配的稳健性。该文考虑将对角加载应用于STAP协方差矩阵失配(统计失配)时的性能改善,即在实际的协方差矩阵和其估计值之间存在误差时,通过对角加载改善STAP的稳健性。文中给出了加载电平的选择方法,并进行了详细的性能分析,即合理的对角加载可以提高检测概率和输出信噪比。仿真分析验证了理论分析的正确性。

稳健的对角加载广义内积算法

针对空时自适应处理(STAP)在非均匀条件下的协方差矩阵估计问题,提出了对角加载广义内积(DL-GIP)算法.将对角加载用于改善广义内积(GIP)检测算法的检测性能.对于DL-GIP算法的关键是选择加载电平,给出了具体的选择方法.从理论上详细分析了对角加载对GIP性能的影响,即合理的对角加载可以提高检测概率和输出信噪比.最后的仿真分析验证了理论分析的正确性,即DL-GIP具有较高的检测概率和稳健的多个离群点检测能力,而且检测性能优于其他(广义内积和投影设计)非均匀检测(NHD)方法.

一种改进的可变对角加载自适应波束形成算法

由于观测方向误差的存在,使得实际获得的方向向量与其理论值产生偏差,进而对各类自适应波束形成算法性能造成较大影响。为此提出一种有效的对角加载自适应波束形成算法,首先利用目标信号的方向向量在噪声子空间中投影最小的原理,对带有误差的方向向量进行校正,然后再使用可变对角加载原理求得对角加载因子,对实际获得的自相关矩阵进行对角加载后,形成自适应波束,从而很好地消除了方向向量误差造成的影响。算法能够有效克服目标信号对消现象,并具有良好的保形能力和快速收敛的特点。计算机仿真结果验证了这些优点。

波达方向误差对对角加载波束形成的影响研究

文章回顾了对角加载波束形成理论的发展,列举了几种较常使用的求取对角加载因子的方法。通过多个仿真实例,着重分析了Xavier提出的基于无限随机矩阵理论的对角加载因子的方法,指出了其局限性--在期望信号的方向向量存在误差的时候,该方法产生自消现象,从而波束形成器的性能急剧下降。本文结合特征空间波束形成,根据期望信号的实际方向向量正交于噪声子空间,提出一种改进方法--先对期望信号的方向进行校正,再求取对角加载因子,从而加强了Xavier的方法对波达方向失配的稳健性。仿真实例验证了在信噪比不大的时候这个方法的有效性。

相关噪声下基于对角加载的相干信源DOA估计算法

针对更为广泛的空间相关噪声背景下相干信源的DOA估计问题,提出了一种对角加载的改进空间差分平滑(diagonal loading-improved spatial smoothing difference,DL-ISDS)算法。该算法利用均匀线阵协方差矩阵的Toeplitz分解特性进行差分运算对消相关噪声,将独立和相干信源分开分辨,重复利用阵列接收数据,可分辨更多信源,相比常规谱估计算法,DL-ISDS算法具有更强的信源过载能力及阵元节省能力;另外,该算法无需预知或专门估计相干信号源数及特征值分解,可明显减小算法的运算量和复杂度。计算机仿真结果证明了DL-IS-DS算法理论的正确性和有效性。