基于线性约束最小方差的稳健波束形成算法

针对平面阵列天线波束形成过程中的波达方向(DOA)估计失配问题,提出在期望信号(SOI)方向附近增加线性约束的算法,有效提升了平面阵列波束形成的稳健性;此外,针对增加线性约束会导致波束形成算法自由度降低的问题,以均匀线阵为例,提出在广义旁瓣相消(GSC)算法模型中添加阻塞矩阵预选环节的算法,有效解决了添加线性约束所致的自由度损失问题,从而使算法在提升稳健性的同时保持了原有的自由度。最后,通过计算机仿真实验验证了所提算法的有效性。

基于特征空间的线性约束最小方差波束形成器

该文把线性约束和特征空间技术相结合,提出了基于特征空间的线性约束最小方差波束形成器(ELCMVB),该波束形成器是把线性约束最小方差波束形成器(LCMVB)的预定约束方向导向矢量向信号子空间投影,再结合线性约束用LCMVB来得到权矢量。经分析表明,ELCMVB的性能优于GEIB的性能。与GEIB相比,ELCMVB不用计算修改的信号子空间,避免了因计算修改信号子空间而容易造成的计算不稳定性,且其波束形成性能基本上不受零点约束位置的影响。最后,给出了计算机仿真结果,并证实了ELCMVB的优越性。

基于DFT插值的线性约束最小方差宽带自适应阵列

本文提出一种具有频率不变波束图的线性约束最小方差宽带自适应算法。首先给出了具有频率不变波束图的连续线阵的灵敏度函数与离散线列阵加权系数之间的关系,然后给出了使用DFT插值法求解各子带阵列权系数的方法,最后将DFT插值法应用于线性约束最小方差宽带自适应阵列。理论分析及仿真结果表明,该算法可以在实现最小方差波束形成的同时保持波束图基本不随频率变化,且该方法可以降低宽带自适应阵列的运算量。

基于线性约束最小方差的脑磁源定位特性研究

波束形成是一种广泛运用于脑磁信号的偶极子溯源方法,其定位结果的准确度是目前研究的一个关键点。基于电流偶极子模型,以相关系数和定位误差作为评价标准,研究了不同头模型、不同伪迹噪声对线性约束最小方差定位算法的影响。通过计算机软件,在脑内已知位置设定已知源信号,采用不同头模型进行前向问题计算并叠加不同噪声,对模拟的真实脑磁信号进行逆问题的求解,进行源定位与源信号重构。仿真结果表明,在叠加相同噪声的情况下,采用不同头模型在较低信噪比下对算法的影响有一定差异,而在信噪比高于-10分贝的条件下,则对算法几乎没有影响,能达到较好的定位效果。在采用相同头模型的情况下,叠加不同类型的噪声伪迹所产生的影响各不相同,其中高斯白噪声产生的影响最大,有色噪声次之,基线漂移产生的影响最小。

碳三加氢装置鲁棒最小协方差约束控制及应用

碳三加氢反应器操作条件多变,并且存在级联反应,传统的手动操作配氢容易过加氢或漏炔,导致出口甲基乙炔(MA)和丙二烯(PD)浓度波动较大,还会影响催化剂的选择性和转化率。由于碳三加氢过程具有非线性、操作区域多变的特点,传统的基于线性模型的模型预测控制器在工业过程控制中存在较大的局限性。Hammerstein模型是一种将非线性稳态环节和线性动态环节串联的非线性模型,非常适合描述非线性工业对象且方便控制器设计。提出了一种基于Hammerstein模型的鲁棒最小协方差约束控制方法,Hammerstein模型的非线性稳态部分采用WaveARX神经网络逼近,并根据多操作点稳态输入输出数据进行辨识,通过机理分析辨识得到的操作点附近线性化模型作为线性动态部分,将非线性鲁棒控制问题转化为线性模型鲁棒约束控制和非线性环节求逆问题,基于Hammerstein模型的建模偏差,对模型输出偏差协方差上限进行约束并最小化,采用线性矩阵不等式求解出次优状态反馈控制律,再根据非线性部分的逆模型得到系统的控制输入,仿真及工业应用结果证实了所提方法的可行性和有效性。

基于线性约束最小方差的全球定位系统抗干扰技术

针对全球定位系统(GPS)接收机在强宽带干扰下无法正常工作的情况,采用自适应调零天线,利用信号和干扰的入射空间角度不同进行空域滤波,可提高其抗干扰能力。理论分析和仿真结果表明,基于线性约束最小方差(LCMV)准则的自适应滤波算法简单有效,在牺牲一个干扰抑制自由度的条件下,可对高仰角卫星导航信号进行较好的保护。

基于线性约束最小方差原则的稳健快速自适应脉冲压缩方法

针对线性调频信号在距离单元内的回波采样点与目标点失配,即采样失配的情况下,自适应脉冲压缩性能下降的问题,对快速自适应脉冲压缩(fast adaptive pulse compression,FAPC)方法进行改进,提出一种基于线性约束最小方差(linearly constrained minimum variance,LCMV)原则的连续分块FAPC(contiguous block FAPC,CFAPC)方法。该方法将自适应波束形成方法类比到自适应脉冲压缩滤波方法中,首先在最小方差无畸变响应(minimum variance distortionless response,MVDR)原则保持增益的前提下增加零点约束条件,加宽零点凹口的宽度;而后对分块的协方差矩阵设置置零条件,抑制旁瓣能量,实现在采样失配情况下保持稳健的目的。实验结果表明,在脉内多普勒频移和采样失配同时存在的情况下,所提方法可以更好地抑制目标的距离旁瓣,具有较好的稳健性。

基于MATLAB的约束最小二乘法FIR数字滤波器设计

在数字信号处理领域中,无限脉冲响应数字滤波器(IIR)和有限脉冲响应数字滤波器(FIR)占有极其重要的地位。但是,IIR数字滤波器存在诸如稳定性难以保障以及相位的非线性等一些固有缺点,这使得具有线性相位等优点的FIR数字滤波器得到很好的发展。本文介绍基于MATLAB的约束最小二乘法FIR数字滤波器设计。包括约束最小二乘法基本原理和FIR数字滤波器设计思想以及相关MATLAB程序语言,并介绍MATLAB的SPTooL滤波器设计器及其应用。

异步采样系统的分布式递推最优线性融合滤波器

针对异步均匀采样的线性离散系统,研究了最优线性分布式异步融合滤波问题。通过引入伯努利分布的随机变量,将异步系统同步化,给出了线性最小方差最优线性局部滤波器。推导了局部估值之间的误差互方差阵、先验估值和局部估值之间的误差互方差阵。提出了不带反馈的分布式递推线性无偏最小方差最优线性融合滤波器。所提出的算法比局部估计按矩阵加权融合滤波器具有更高的估计精度,与集中式融合精度相比具有精度损失。为进一步改善估计精度,又提出了与集中式融合精度相同的带反馈的分布式最优线性融合滤波器。仿真实验验证了所提算法的有效性。

一种具有频率不变性约束的新型自适应动目标检测滤波器

针对传统自适应动目标检测(MTD)滤波器旁瓣电平较高、抑制能力较差的问题,提出了一种具有频率不变性约束的新型自适应MTD滤波器设计算法。该算法通过线性约束最小方差(LCMV)准则保证低慢小目标信号无失真输出,并结合响应偏差(RV)约束来释放更多自由度用于杂波抑制,并增加了旁瓣约束控制滤波器旁瓣电平的大小,最后通过凸优化工具箱CVX求解全局最优权值。仿真结果显示,所提算法在干扰方向产生了较深较宽的零陷,降低了旁瓣电平,与传统自适应MTD滤波器相比具有明显的优越性。

基于LCMV线性约束的自适应方向图控制

该文提出一种基于线性最小方差约束(LCMV)的自适应方向图控制方法,在约束条件中增加了对静态方向图的拟合条件,可以在自适应抗干扰的同时形成期望副瓣形状,分析了小快拍条件下自适应方向图副瓣起伏机理,并把对角加载与本方法结合,极大改善了副瓣收敛速度,并在小快拍时就能有较好的性能。随后的计算机仿真证明了本文方法的有效性。

基于Householder多级维纳滤波器的全联通WSN分布式LCMV波束形成器方法

针对减少分布式LCMV波束形成器在全联通WSN中的计算量问题,提出基于Householder多级维纳滤波器(HMSWF)的分布式LCMV波束形成器方法.该方法通过有效引入HMSWF技术避免本地协方差矩阵估计及求逆运算,能以更少的计算量获得分布式LCMV波束形成器相同的输出性能.另外,还可以在递推过程中进行合理截断处理来进一步降低运算量.计算机仿真结果验证了算法的优良性能.

基于Kalman滤波的信息融合白噪声最优反卷积滤波器

应用Kalman滤波方法 ,基于Riccati方程 ,在线性最小方差最优信息融合准则下 ,提出了两传感器最优信息融合白噪声反卷积滤波器。同单传感器情形相比 ,可提高滤波精度。它可应用于石油地震勘探信号处理。一个信息融合Bernoulli

多传感器单通道信息融合Wiener滤波器

应用现代时间序列分析方法,对于带白色观测噪声的单通道ARMA信号,基于ARMA新息模型,提出了多传感器线性最小方差最优信息融合Wiener滤波器,可统一处理滤波、平滑和预报问题。同单传感器情形相比,可提高滤波精度、算法简单、便于实时应用。一个跟踪系统的仿真例子说明了其有效性。

多传感器最优信息融合稳态Kalman滤波器

用Lagrange乘数法给出了按矩阵加权线性最小方差最优融合估计公式新的推导。在此基础上提出了多传感器最优信息融合稳态Kalman滤波器。其中用迭代法求解局部滤波误差协方差阵所满足的Lya-punov方程,证明了迭代解的指数收敛性,且收敛速度与Kalman滤波器的转移阵的谱半径有关。两传感器目标跟踪系统的仿真例子说明了其有效性。

多通道ARMA信号的三种多传感器信息融合Wiener滤波器

应用现代时间序列分析方法,基于ARMA新息模型、白噪声估值器和观测预报器,对带白色观测噪声的多通道ARMA信号,在线性最小方差最优信息融合准则下,提出了统一的和通用的按矩阵加权、按标量加权和按对角阵加权的多传感器信息融合Wiener滤波器,可统一处理滤波、平滑和预报问题．提出了计算局部估计误差方差和协方差的公式,它们被用于计算最优加权．同单传感器情形相比,可提高滤波精度．一个目标跟踪仿真例子说明了其有效性,且说明了三种加权融合滤波器的精度无显著差异,因而利用按标量加权融合滤波器以轻微的精度损失提供一种快速融合估计算法,便于实时应用．

ARMA信号自校正信息融合Wiener滤波器

对于带多传感器的含有未知模型参数和噪声统计的ARMA信号,应用现代时间序列分析方法,基于ARMA新息模型的在线辨识,提出了多传感器自校正信息融合Wiener滤波器。它具有渐近最优性,且可统一处理滤波、平滑和预报问题。一个跟踪系统的仿真例子说明了其有效性。

一种基于线性约束的自适应方向图控制方法

提出了一种基于线性约束最小方差波束形成(LCMV)的自适应方向图控制方法。该方法通过在原有线性约束基础上构造新的线性约束,然后根据新组成的线性约束进行LCMV自适应波束形成,所得到的自适应方向图在固定零点方向和干扰方向形成零陷的同时保留了期望静态方向图的副瓣电平特性,从而能够减小快变干扰的影响,并且计算十分简便。计算机仿真证明了本文方法的有效性。

信息融合WIENER信号滤波器

利用现代时间序列分析方法,基于ARMA新息模型和增广的状态空间模型,提出了两传感器最优信息融合WIENER信号滤波器,给出了计算局部滤波器误差方差和局部滤波器之间协方差的计算公式,它们可被用于计算最优加权系数．同单传感器情形相比,可提高滤波器的精度．一个仿真例子说明其有效性．

多传感器按对角阵加权信息融合Kalman滤波器

在按对角阵加权线性最小方差最优信息融合准则下,提出了多传感器按对角阵加权信息融合稳态Kalman滤波器,它等价于关于状态分量的按标量加权信息融合Kalman滤波器,与按矩阵加权信息融合Kalman滤波器相比,可明显减小计算负担,便于实时直用。一个雷达跟踪的仿真例子说明了其有效性。