自适应匹配场处理的运动补偿研究

本文研究了目标运动情况下的自适应匹配场处理运动补偿算法,并提出了强干扰背景下的子空间运动补偿算法,采用仿真验证了方法的正确性.

稳健的条件概率约束匹配场处理

为了提高自适应匹配场处理（AMFP）的稳健性，该文提出一种条件概率约束的自适应匹配场处理算法（MFP-CPC）。该算法利用贝叶斯准则推导出了位置参数的后验概率密度估计，以此作为权系数给自适应匹配场处理器（AMFP）提供主瓣保护和旁瓣压缩性能，使得算法具有 AMFP 高分辨特点的同时稳健性也得到改善。为了验证算法的性能，使用NRL的典型测试数据进行了仿真分析。结果表明：MFP-CPC具有优于Bartlett和最小方差无失真响应（MVDR）的定位性能，其稳健性和Bartlett类似，主瓣宽度和MVDR相同且旁瓣比MVDR低约6~8 dB。

基于凸优化理论和随机投影的稳健压缩匹配场处理

针对环境失配条件下的水下目标定位问题,提出一种基于凸优化理论和随机投影的稳健压缩自适应匹配场处理算法。首先借鉴最差性能最优思想,将各种环境参数的不确定性建模为拷贝场向量的不确定集,提高自适应匹配场处理算法的稳健性;然后利用凸优化理论,将非凸优化转化为凸优化中的二阶锥优化问题进行求解;最后引入随机投影,对拷贝场向量和声压场向量降维,在保持算法的稳健性基本不变的同时降低算法的复杂度。SWellEx-96实验海试数据处理结果表明,与自适应匹配场处理算法相比,该算法提供了主瓣保护和旁瓣抑制能力,稳健性明显提高。