基于SOCP的采样矩阵求逆算法分析

为克服自适应波束形成技术中采样矩阵求逆(SMI)算法存在计算繁琐、运算量庞大等缺点,提出一种基于二阶锥规划(SOCP)算法的采样矩阵求逆改进算法,即针对SMI算法中数据块生成权向量的最小二乘模型,将其转化为二阶锥规划(SOCP)形式,然后使用SOCP优化方法能够快速准确地求出最优解.实际仿真结果表明:基于SOCP的SMI改进算法(SOCP-SMI)具有计算精确高、运算量小,且对波束特性的改善效果明显.

自适应波束形成采样矩阵求逆算法的改进

采样矩阵求逆(SMI)算法是自适应算法中的一个分类。由于该算法需要知道接收信号的波达方向角度,因此属于非盲算法。在现有采样矩阵求逆算法的基础上进行了2项改进,提出了对协方差矩阵进行信号子空间分解再加权的方法,有效改善了输出期望信号的主瓣增益和输出信干噪比;同时针对传统SMI算法无法应用于相干信号源的情况做了进一步改进,通过对相干信号进行解相关,解决了这一问题。

块Toeplitz矩阵低复杂度求逆的卫星导航空时抗干扰算法

采样协方差矩阵求逆是空时抗干扰算法的基本运算单元,但由于其运算量随时域抽头个数急剧增长,直接限制了空时抗干扰技术在卫星导航接收机中的应用。针对该问题,提出了基于块Toeplitz矩阵快速求逆的空时抗干扰方法。通过采用新的协方差矩阵近似计算方法,使得该矩阵同时为块Toeplitz矩阵与Hermite矩阵,并运用块Toeplitz矩阵的快速求逆算法,将时域抽头个数为K的计算复杂度从O[K3]降至O[K2]。理论分析和仿真结果表明,在阵元数为4、时域抽头为15的典型情况下,相比现有矩阵求逆方法,该算法的抗干扰性能损耗小于1d B,但计算量可降低约2/3。

基于SMI-CMA联合自适应算法的性能分析

恒模算法 (CMA)被广泛地应用到盲自适应波束形成中 ,除了传输信号波形具有恒定的包络外 ,CMA不需要先验知识。基于SMI -CMA算法的恒模 (CM )阵列级联的结构 ,由SMI算法决定CMA的初始权向量 ,系统可以分离多个同信道信源 ,在干扰信号较强时 ,仍有稳定的SINR输出 ,具有较好的收敛速度。仿真结果也证明了SMI

一种最小模级联相消器

针对阵列信号自适应相消器运算量大、收敛性能易受相关干扰影响等缺点,提出了一种改进的阵列信号级联相消器.该方法用最小模作为权值,替代中位值级联相消器中的中位数,具有收敛速度快、运算量小等特点,且对非平稳数据工作性能良好.仿真结果表明,此算法用采样协方差求逆类算法一半的样本数就可取得相同的收敛性能.

一种小样本支持的多级最小模级联相消器

该文针对阵列信号自适应相消器运算量大、收敛性能易受相关干扰影响等缺点,提出了一种改进的阵列信号多级级联相消器方法,该方法用通道间具有最小模的样本商作为复权,替代多级维纳滤波器的权值计算,具有收敛速度快、运算量小等特点,且对受相关干扰影响的非平稳数据工作性能良好。仿真结果表明,此算法用较少样本就可取得采样协方差求逆(SMI)类算法相同的收敛性能。

一种低复杂度的Householder多级最小模级联相消器

针对阵列信号自适应相消器运算量大、收敛性能易受相关干扰影响等缺点,提出了一种改进的Householder多级级联相消器方法。该方法用通道间具有最小模的样本商作为复权,替代Householder多级维纳滤波器的权值计算,具有收敛速度快、运算量小等特点,且对受相关干扰影响的非平稳数据工作性能良好。仿真结果表明,此算法用较少样本就可取得采样协方差求逆(SMI)类算法相同的收敛性能。

迭代自适应收缩加权融合的波束形成方法

自适应数字波束形成是通过对阵列接收数据进行加权处理来获得最大的输出信干噪比,对采样协方差矩阵的依赖性较大。针对小样本条件下采样协方差矩阵求逆算法性能下降问题,提出迭代自适应加权融合样本协方差矩阵与先验协方差矩阵的波束形成算法。在估计协方差矩阵时,依据最小均方误差准则计算加权系数,并采用迭代自适应的方式更新先验协方差矩阵。仿真结果表明,所提方法能显著提高小样本条件下的协方差矩阵估计精度,能获得更大的输出信干噪比。

基于多级维纳滤波器的高分辨测向研究

针对多级维纳滤波器在降维和计算复杂度低方面的突出特点,对多级维纳滤波器在采样率对其滤波性能影响方面进行进一步研究。通过理论推导得到了输出功率比率期望误差与采样率之间的关系公式。计算机仿真验证了多级维纳滤波器在波达方向估计时此公式的正确性。

一种数据选择多级维纳滤波算法

针对阵列信号自适应处理器收敛性能会由于目标类型干扰影响显著恶化的问题,提出一种采样数据选择算法,可以有效抑制干扰信号对自适应滤波器性能的影响。通过对多级维纳滤波器采用数据选择算法后,显著提高了其抗干扰能力和在非平稳、非高斯环境下的快收敛性能。最后通过实验仿真验证了此算法的有效性。