基于ICA的交叉极化干扰抑制算法

针对极化复用模式中引入的交叉极化干扰问题,利用一种基于独立成分分析(ICA)的盲分离算法,无需信号先验知识和后续解调即可从观测信号中分离出源信号,达到消除极化干扰的目的。该算法基于线性瞬时混合模型,对峭度对比函数进行精确线性搜索优化,选取最佳步长,解决了盲分离信号中的排序问题。文中对不同信噪比和极化隔离度下的分离效果进行了仿真,仿真结果表明,该算法具有较好的分离性能,且在强交叉极化干扰和低信噪比下的性能较为稳定。

基于自适应核估计的ICA算法

在自然梯度算法的框架下,本文利用随机变量概率密度函数非参数估计的自适应核函数法,给出了一种能够对任意混合信号(超高斯和亚高斯信号,对称和非对称分布信号)进行盲分离的算法。本算法无需选择非线性函数,而是根据信号的统计特性自动地直接估计评价函数。通过仿真实验,验证了本文算法的有效性。

基于盲信号处理的MIMO雷达对抗

MIMO雷达由于其信号与空间多样性带来的目标检测和抗干扰性能优势,成为了雷达研究领域的一大热点,也受到了越来越多雷达对抗研究领域的关注。从MIMO雷达信号侦察模型出发,研究了基于盲信号处理的MIMO雷达对抗系统,采用FastICA算法对空间混叠的MIMO雷达信号进行了盲分离,对MIMO雷达的侦察识别与对抗流程进行了分析,并提出了一种可行的角度欺骗干扰方法,最后给出了若干仿真结果证明该方法的有效性。