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。     

基于估计协方差MME检测的频谱感知算法

针对小采样数据长度下,采样协方差矩阵对统计协方差矩阵估计不准,影响传统最大最小特征值(MME)检测算法检测性能的问题,提出一种基于逼近收缩(OAS)矩阵估计的改进MME检测算法。首先利用OAS估计量对采样数据做协方差矩阵估计,再对估计协方差矩阵特征值分解,将最大最小特征值之比作为检测统计量,克服了传统MME算法检测门限随采样点大幅波动的缺陷,提高了检测门限的鲁棒性。仿真结果表明,所提算法的检测门限具有鲁棒性,检测性能提高了1 d B~2 d B。     

基于均匀线阵的导引头STAP检测研究

针对导引头下视跟踪目标的典型状态,开展了均匀线阵导引头空时自适应处理(STAP)检测研究.在分析空-时信号环境的基础上,建立目标回波与STAP检测模型,并通过仿真对检测性能进行分析,发现当阵列平行于水平面时,STAP能够获得较好的检测性能,可以获得不超过50m/s的最小可检测速度.如果导引头姿态变化,STAP检测性能将会下降,当阵列俯仰角增大到30°时,将难以检测到目标.     

基于局域模板的STAP非均匀检测器

分析了STAP(Space Time Adaptive Processing)中强干扰目标影响传统非均匀检测器性能的机理,针对强干扰目标引起的非均匀检测器性能下降和传统自适应功率剩余(APR)方法运算量大的问题,提出了一种基于局域模板的非均匀检测器(Local Template NHD,LT-NHD)。该方法不需要进行协方差矩阵求逆的耗时运算,便能获得较高的运算效率;此外,其检测不易受训练样本中的强目标样本影响,能获得比传统方法更为鲁棒的检测性能。实测数据实验验证了本文方法的有效性。     

高精度四站无源时差定位方法及精度分析

分析了四站对辐射源联合时差、俯仰定位原理,并基于三维空间时差定位中的测时误差与站址误差、测角误差可分离,导出空间目标定位误差的协方差矩阵,同时应用简化加权最小二乘( SWLS)融合方法,提升时差定位方法对目标的定位精度.通过计算机仿真进一步分析了系统误差对定位精度的影响,并验证了SWLS融合方法的高定位精度性能.     

未来空域窗预测命中点误差特性分析

分析目标提前点的误差特性是未来空域窗射击中要解决的首要问题。针对现有未来空域窗相关研究缺少误差特性分析的问题,提出了通过误差转换矩阵进行误差分析的方法。该方法在相应坐标系下建立误差模型,求得在预测迎弹面内的误差协方差矩阵,最后对协方差矩阵进行特征值分解得到目标提前点的误差特性。以跃起俯冲为例进行仿真分析,得到了目标在预测命中点的误差特性,并通过计算毁伤概率分析了各参数变化对未来空域窗的影响,结果表明,该误差分析方法正确,能为后续未来空域窗研究与工程化应用提供理论依据。     

基于DSP的SMI方法快速实现研究

空时自适应处理(STAP)权值计算有数据域和均方域两种方法,分别以QR分解和样本协方差矩阵求逆(SMI)方法为代表.QR分解方法可以映射到脉动阵上并行实现,但实现复杂且设计成本较高;SMI方法实现则相对简单,但需要对样本协方差矩阵直接求逆.首先考察了不同矩阵求逆方法的内在并行性,基于DSP支持的片内并行技术,提出并实现了SMI方法的单DSP分块并行处理,进一步给出了数值稳定性分析和改善方法,实验结果证明了方法的有效性.     

联合空时抗干扰天线阵的快速实现方法

联合空时抗干扰方法,性能优于单纯的空域或单纯的时域抗干扰,但是由于其计算复杂度大,实际应用受到一定限制.针对这一矛盾,在MSNWF基础上,通过分析抗干扰天线阵观测信号协方差矩阵的Toeplitz特性,构造高维Toeplitz矩阵,利用FFT技术,提出一种联合空时抗干扰天线阵的快速实现方法.计算量的比较结果表明该方法可以大大降低STAP的计算量,使得联合空时抗干扰技术的实际应用变得更容易.     

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。     

一种基于Q-R矩阵分解的自适应滤波算法

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性。在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于Q-R矩阵分解的自适应卡尔曼滤波算法。将协方差阵分解为两个矩阵的乘积,来保证协方差矩阵的正定性。仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点。