线性干扰参数约束的稳健LSMI波束形成算法

针对稳健的加载样本矩阵求逆(LSMI)波束形成算法,给出了一种新的求解方法,获得了加载电平的准确计算公式,而且得出最优加载量为负值,且与约束参数的选取无关.为了改善LSMI波束形成算法的抗干扰性能,提出利用线性干扰参数约束(LJC)来实现,其中对LJC-LSMI波束形成算法进行了建模和求解,得到了最优加权矢量的表达式,并给出了具体的求解方法.仿真分析验证了算法的正确性和有效性,结果表明LJC-LSMI相对于LSMI具有较强的干扰抑制能力,相对于线性约束最小功率(LCMP)波束形成算法具有稳健的波束指向性能.

基于FPGA的逆QR分解SMI算法的并行实现方法

在讨论了逆QR分解(逆正交三角分解)SM(I采样矩阵求逆)自适应波束形成算法的基础上,研究了逆QR分解SMI算法的Systolic阵列(脉动阵列)并行实现结构,分析了组成Systolic阵列的各PE(处理单元)单元的基本运算模块的实现,并给出了逆QR分解SMI算法基于Systolic阵列结构的FPGA(现场可编程门阵列)并行实现方法,提出了系统整体的设计与构架。

基于对角减载的水声阵列SMI-MVDR空间谱估计技术

空间谱估计一直都是水声阵列信号处理研究的热点问题,而一般认为目标和背景干扰的信息都蕴含在接收信号协方差矩阵中,因而现有的谱估计技术大多针对接收信号的协方差矩阵进行处理。由于信号和噪声的相关性,导致协方差矩阵中主对角线元素上的噪声分量最大。针对这一特性提出了基于对角减载的水声阵列采样矩阵求逆(sample matrix inversion,SMI)最小方差无畸变响应(minimum variance distortionless response,MVDR)波束形成技术。理论推导了对角减载量对输出功率谱目标方位上输出信噪比的影响,分析了最佳对角减载系数的选取原则。并针对实际工程应用情况,研究了由有限次快拍数估计的采样矩阵得到最佳对角减载系数的方法,该方法无需预估信号源数。通过算法仿真和海试数据处理,对比验证了基于对角减载的SMI-MVDR空间谱估计的有效性和可靠性。对于背景噪声级较强的水声阵列信号处理环境来说,所提方法能有效提高高斯白噪声背景下的声纳多目标分辨性能。

分布式间歇干扰下基于SMI的GNSS空时自适应处理器性能分析

针对全球导航卫星系统接收机面临的分布式间歇干扰威胁,全面准确地分析了基于采样矩阵直接求逆方法的空时自适应处理(space-time adaptive processing,STAP)的抗干扰性能。在建立性能分析模型的基础上,根据间歇干扰造成的采样协方差矩阵不匹配情况,通过分类评估、梳理归纳、理论推导全面分析了不同情况下STAP的性能。分析结果表明在采样长度小于闪烁周期且使用预采用处理方法时,空时自适应处理器会出现漏采样,干扰抑制性能会急剧下降,漏采样出现的频率为各干扰闪烁频率之和。数值和仿真分析验证了理论分析的结果,在此基础上讨论了考虑分布式间歇干扰时STAP的优化设计。

一种改进的SMI旁瓣干扰抑制算法研究

采样矩阵求逆(SMI)算法是常用的自适应旁瓣对消算法。针对在低快拍下数据协方差矩阵的小特征值扩散,进而引起自适应波束副瓣升高的问题,提出了一种改进SMI算法的方法。该方法通过快拍数据的滑动平均获得协方差矩阵,使协方差矩阵小特征散布变小,能够很好地抑制副瓣电平,从而使算法适用于低快拍数据。

基于现场可编程门阵列的矩阵求逆算法设计

由于自适应抗干扰算法在更新最优权值时存在时间延时,导致很难满足动态环境下的权值更新率要求。针对该情况已有学者对如何实现快速采样矩阵求逆算法进行研究,但仍存在只适用于低维矩阵,且权值更新率慢的问题。为解决上述问题,提出了一种基于Cholesky分解的采样矩阵求逆算法实现架构。该实现架构主要包括协方差矩阵计算模块、Cholesky分解模块、计算下三角矩阵L的逆矩阵模块、三角矩阵相乘和权值计算模块。设计采用流水线加状态机实现结构有效地解决了因高阶采样矩阵求逆运算量大产生的权值更新率慢的问题。仿真结果表明,在现场可编程门阵列(field programmable gate array,FPGA)的硬件平台上,对于56阶采样矩阵,在100 MHz工作频率下,一次权值的更新时间仅需要1.2 ms。本文所提的实现架构为自适应抗干扰快速求解权值提供了一种切实可行的解决方案,对存在类似需求的权值求解系统具有一定的参考价值。

基于共轭梯度法的空时抗干扰算法研究

由于卫星导航信号功率很小,所以卫星导航信号具有易受干扰的特点,目前卫星导航抗干扰算法主要用到的是协方差矩阵求逆的方法,比如空域和空时抗干扰算法,然而随着天线阵元数的增加和空时抽头数的增加,矩阵维数也随之增加,导致运算量的上升,而共轭梯度法可以避免高维矩阵求逆,且具有收敛快,计算量小的特点,因此基于共轭梯度法的求解空时抗干扰算法,并通过仿真分析证明所提方法的有效性。

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.

电力系统谐波分析的近似同步法

提出了一种谐波分析的新方法——近似同步法。近似同步法采用了不严格相等的采样间隔,从而使每个采样点都尽量靠近同步采样点。近似同步法根据信号频率的变化实时地调整采样间隔,并且只需一个信号周期就可完成一次采样过程。近似同步法还提供了一个用基于系统辨识的矩阵反演定理导出的误差校正公式,它能消除近似同步采样造成的原始误差。M atlab仿真表明,近似同步法用于电力系统谐波分析不仅实时性好,而且精度也很高。

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。

自适应波束形成算法的研究

自适应波束形成是智能天线的关键技术,其核心是通过一些自适应波束形成算法获得天线阵列的最佳权重,并最终最后调整主瓣专注于所需信号的到达方向,以及抑制干扰信号,通过这些方式,天线可以有效接收所需信号。在实际应用中,收敛性,复杂性和鲁棒性的速度是在选择自适应波束形成算法时要考虑的主要因素。本文聚焦于最小均方(LMS)算法和样本矩阵求逆(SMI)的算法,分析了它们的性能,并在Matlab的帮助下将这两个算法应用于自适应波束形成。

一种鲁棒水声基阵波束形成方法的研究

研究水声基阵波束形成器的鲁棒性问题。由于水声信号的复杂性以及波束形成方法在处理水声基阵的实际问题时存在各种误差,为提高波束形成器的鲁棒性,提出一种改进SVM的方法。首先在支持向量回归运算模型中引入加载量,再利用拉格朗日法来对含有Hubert损失函数的回归模型进行计算,并将改进方法应用于水声基阵,不仅可以减小运算量,同时可以提高波束形成器的鲁棒性。最后通过计算机仿真和水池实验数据验证,并与加载采样矩阵求逆(Loading Sample MatrixInversion,LSMI)方法进行对比。实验结果表明:在无失配、水声基阵接收信号的方向存在偏差以及基阵阵元存在轻微扰动的各种情况下,都具有比LSMI强的鲁棒性。

水平机扫雷达的副瓣干扰对消算法研究

采用采样矩阵逆算法(SMI)对消副瓣干扰,一般抽取部分样本对消整段数据的干扰。当雷达阵面处于旋转扫描状态时,由于角度的变化,该对消性能下降很快。该文提出了采用递归最小二乘算法(RLS)对剩余数据进行跟踪收敛的方法,SMI+RLS算法收敛速度快,且逐点样本迭代,能够跟踪干扰相对于阵面角度的变化,从而保证了对消比。同时给出了降低RLS算法计算量的方法。仿真表明,间歇算法在牺牲部分对消性能的前提下,可有效降低计算量。

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.

利用先验频谱信息的多频段宽带接收机的设计

"随机解调"是一种基于压缩感知理论的接收机框架。当多频段宽带信号在频域上满足稀疏性条件时,采用"随机解调"接收机能够实现较低采样率下信号的采集和重建。在"随机解调"接收机框架的基础上,利用信号频谱分布的先验知识,对"随机解调"的信号重建环节进行简化,并提出了逆矩阵重建算法。该算法不仅简化了计算,而且能够获得更好的信号重建效果。

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。

基于前导灵巧噪声的ASLC系统干扰方法

高速数字信号处理的快速发展使得现代相控阵雷达自适应旁瓣对消(ASLC)系统可实现边采样边对消,传统基于干扰时间常数和对消时间常数的干扰方式不再奏效。从相控阵雷达ASLC的基本原理和权值优化算法出发,仿真分析了ASLC系统的抗干扰性能,基于相控阵雷达信号检测流程和样本选取原则,采用前导灵巧噪声干扰方式,以补偿干扰反应时间,使干扰信号在时域上完全覆盖真实目标信号,破坏ASLC系统的干扰样本选取,仿真结果表明了该方法的有效性。

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。

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。