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。     

基于压缩感知的多频率信号融合

传统多频带雷达信号融合是利用多个连续采样的子带信号来重构全频带信号,从而提高距离向分辨力,改善一维距离像质量。但是由压缩感知原理可知,采样矩阵与测量矩阵不相关性越大,全频带信号就能重构得越好,因此理论上基于随机采样的信号融合的性能要优于基于多个连续采样的信号融合。基于压缩感知原理将传统的多频带融合问题推广为任意随机采样的信号重构问题,利用基追踪方法来重构全频率信号,并给出了能够高概率成功重构的充分条件。通过实验也证明了这种随机采样融合的优越性。     

利用阵列协方差矩阵稀疏性的到达角估计方法

为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。     

一种高机动场景下的单快拍DOA估计算法

针对高机动场景下目标信号样本数据少,常规算法难以获取信号子空间的问题,提出一种基于改进协方差矩阵的单快拍DOA估计算法。所提算法首先对接收的单次采样数据做互相关预处理,利用预处理所得数据重构等效协方差矩阵,再基于MUSIC算法完成相干信号的DOA估计。在不损失阵列孔径的同时,算法保证了谱估计精度。计算机仿真表明,在样本量较小的情况下,所提算法能够有效估计出相干目标信号,较现有算法估计精度有所提高。     

一种非均匀噪声下的DOA估计算法

通用协方差差分算法用来实现对空间非均匀噪声环境下相干信号的波达方向(DOA)估计,该算法可以完全消除空间非均匀噪声,且适用于低信噪比环境,但该算法的DOA估计结果存在伪峰。针对这一问题,提出了一种改进的算法。改进算法通过对通用协方差差分(GCD)算法的信号协方差矩阵进行变换,再用特征分解的方法得到信号的DOA估计值。改进的算法可以完全消除伪峰,理论分析和仿真实验验证了改进算法的有效性。     

一种基于知识辅助的MIMO-STAP抗干扰算法

针对有源干扰环境下机载MIMO雷达的杂波抑制问题,利用预白化的思想,提出了一种基于知识辅助的MIMO-STAP抗干扰算法——KA-J-STAP方法,首先利用载机平台运动参数、雷达系统参数、干扰方位等先验信息构造相关协方差矩阵,后利用相关协方差矩阵对接收数据进行预白化,对杂波和噪声预置零,对于预白化后的数据空时自适应处理。仿真结果表明,相比于未采用知识辅助的算法,所提KA-J-STAP算法在干扰环境下仍能保持较好的杂波抑制性能。     

一种基于知识辅助的MIMO-STAP抗干扰算法北大核心

针对有源干扰环境下机载MIMO雷达的杂波抑制问题,利用预白化的思想,提出了一种基于知识辅助的MIMO-STAP抗干扰算法——KA-J-STAP方法,首先利用载机平台运动参数、雷达系统参数、干扰方位等先验信息构造相关协方差矩阵,后利用相关协方差矩阵对接收数据进行预白化,对杂波和噪声预置零,对于预白化后的数据空时自适应处理。仿真结果表明,相比于未采用知识辅助的算法,所提KA-J-STAP算法在干扰环境下仍能保持较好的杂波抑制性能。     

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。     

非平稳噪声背景下DOA分步估计方法研究

针对相干和非相干信源同时存在的情况,结合斜投影理论和互相关矢量Toeplitz矩阵重构(CVTR)的方法,提出一种新的信源DOA分步估计方法。该方法把相干信源和非相干信源分开分辨,对相干信源用CVTR方法来恢复为满秩,避免了常规平滑算法阵列孔径损失大、运算量大的缺点;用斜投影算子而非差分方法对信源进行分离,不受相关矩阵须为Toeplitz结构的限制,使得算法可适用于任意阵列结构形式。这种分步分辨思路可有效增强信源过载能力,同时在互相关矢量Toeplitz矩阵重构过程中,可把非平稳噪声协方差矩阵转换成白噪声结构,使得算法对非平稳噪声有较好的适应能力。     

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。     

基于矩阵重构算法的宽带相干信号方位估计

根据空间平滑理论准则,提出了一种基于阵列接收数据矩阵重构的宽带相干源方位(DOA)估计算法。将宽带阵列数据分解为若干窄带数据,对每一子带进行空间平滑处理后的数据矩阵重构;再由构造的聚焦矩阵对其进行处理,最终得到平均的阵列协方差矩阵。由子空间方法处理得到信号的方向估计,仿真实验证明了该方法的有效性。     

改进多重信号分类算法的宽带频谱快速感知方法

针对宽带频谱感知中采样率大、感知时间长的问题,在调制宽带转换器采样的基础上提出了一种改进多重信号分类算法的宽带频谱快速感知方法。调制宽带转换器对宽带频谱进行欠奈奎斯特采样,以最小描述长度准则估计信号个数,用改进多重信号分类谱估计信号位置。算法引入调整因子,使得多重信号分类谱中信号位置更为明显,降低了噪声的干扰。整个感知过程无须重构原始波形,无须计算频谱,大大降低了计算量,而且感知算法计算复杂度低,提高了感知效率。仿真结果表明,在低信噪比的情况下,该算法仍具有很好的检测性能。     

基于改进MUSIC算法的宽带频谱快速感知方法

针对宽带频谱感知中采样率大、感知时间长的问题,在调制宽带转换器采样的基础上提出了一种改进多重信号分类算法的宽带频谱快速感知方法。调制宽带转换器对宽带频谱进行欠奈奎斯特采样,以最小描述长度准则估计信号个数,用改进多重信号分类谱估计信号位置。算法引入调整因子,使得多重信号分类谱中信号位置更为明显,降低了噪声的干扰。整个感知过程无需重构原始波形,无需计算频谱,大大降低了计算量,而且感知算法计算复杂度低,提高了感知效率。仿真结果表明,在低信噪比的情况下,该算法仍具有很好的检测性能。     

采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案

针对飞行器绕本体轴高速旋转的飞行过程出现的严重耦合干扰问题和大角加速度和大角速度测量问题,提出了一种自适应简化不确定性卡尔曼滤波算法。该算法使用超球面分布采样点和线性转移等方法简化算法采样计算和采样点的权值计算,提高算法效率;利用模型噪声和线性方程,通过一步预测进行自适应设计,计算滤波值和误差方差矩阵;使用次优噪声估计器推算过程噪声;对过程噪声进行正定判定,防止算法发散。仿真结果表明,这一改进的自适应简化不确定性卡尔曼滤波算法能够有效减少滚转角解算误差和耦合干扰,提高飞行器着陆点的精度。     

导向矢量正交分解的离格信号DOA估计

当存在离格信号时,网格失配将导致基于压缩感知理论的DOA估计算法估计性能严重下降。为解决这个问题,在对接收数据协方差矩阵进行KR积变换的基础上,提出了一种基于压缩感知理论下的导向矢量正交分解的离格信号DOA估计算法。算法利用信号导向矢量与其一阶导函数矢量间的正交性构建了新的离格信号导向矢量模型,并基于最小二乘法对离格信号的网格偏离量进行估计。在构建稀疏重建模型时,采用ILSSE方法精确估计噪声协方差矩阵,提高了稀疏重建的精度。仿真结果表明,所提算法在不同信噪比和不同的网格间距下对离格信号DOA都有较好的估计精度。     

基于滑窗自适应的故障估计与补偿及其在组合导航系统中的应用

针对以往方法对缓变故障存在较大的故障检测延时,从而降低导航系统可靠性的问题,实时的故障估计及补偿十分必要。将故障动力学建模为随机过程,提出了一种基于不准确状态和测量噪声协方差矩阵自适应学习的滑动窗口变分自适应卡尔曼滤波器。它由前向卡尔曼滤波、后向卡尔曼平滑和噪声协方差矩阵的在线估计组成。通过对滑动窗口状态向量的平滑后验分布进行逼近,利用变分贝叶斯方法将噪声协方差矩阵的后验分布解析更新为逆Wishart分布,避免了不动点迭代,获得了良好的计算效率。最后,基于捷联惯导/卫星(SINS/GPS)组合导航系统,进行了导航系统的故障估计及补偿的仿真验证。仿真结果表明,在不需要了解量测噪声和故障系数矩阵的情况下,该方法能够较好地估计出目标故障信号,然后利用估计出来的故障值对导航系统进行补偿,极大地提高了SINS/GPS组合导航系统的实时估计精度与可靠性。     

基于压缩感知和Welch的宽带频谱感知新算法

基于压缩感知的谱分析技术是宽带频谱感知的重要方法之一。文章将压缩感知与Welch法相结合,提出了一种新的宽带频谱感知算法。在不重构原信号波形的条件下,直接利用观测矩阵获得的低速观测值进行信号的功率谱估计,降低了采样速率,避免了重构算法的高复杂度。仿真结果表明,与基于压缩感知的多窗口联合奇异值分解算法(CS-MTM-SVD)相比,新算法在压缩率为0.5时能以更高的准确率估计出信号功率谱,估计精度与压缩率的变化成正比关系,并且新算法对噪声容忍度也更高。     

高斯色噪声背景下基于正交变换的确知信号检测

Karhunen-Loève(K-L)变换可以完全去除色噪声背景下接收信号的相关性,但计算量较大,在实际应用中容易受到限制。为此,提出了一种基于正交变换的确知信号检测方法。该方法通过选取具有快速变换算法的正交矩阵来近似K-L变换,避免了直接求解噪声协方差矩阵特征值与特征向量的繁杂过程。通过仿真比较分析了一阶高斯-马尔科夫过程下基于K-L变换和基于正交变换的检测性能,结果表明:二者检测性能相近,但后者的计算效率有明显提高,具有更高的工程应用价值。     

LFM-BC雷达信号的间歇采样转发干扰的研究

线性调频-二相编码(LFM-BC)信号是在二相编码信号脉内进行线性调频处理得到的组合信号。利用LFM-BC信号附加多普勒频移通过匹配滤波器的响应特点,研究了基于数字射频存储的间歇采样转发干扰方法对采用该信号的脉冲压缩雷达的干扰效果。分析了调制参数(占空比、间歇采样周期、正频调制)对干扰效果的影响以及干扰功率与干信比。根据调制参数的不同可以产生压制性干扰和欺骗性干扰,且相对于常规射频噪声干扰而言只需要较小的干扰功率。理论和仿真实验均证明了这种干扰方法的正确性和实际应用的可行性。     

间歇混沌采样灵巧干扰生成算法

针对目前间歇采样转发干扰(interrupted sampling repeater jamming,ISRJ)多假目标分布均匀与次假目标衰减快的缺点,提出一种间歇混沌采样灵巧干扰(interrupted chaotic sampling smart jamming,ICSSJ)生成算法。该算法首先产生Tent混沌序列,通过该序列控制采样时间窗长度和转发时间窗长度,生成间歇混沌采样信号,产生非均匀密集假目标群;其次,通过灵巧噪声对间歇混沌采样信号进行卷积调制,提高次假目标群归一化幅度,增加有效假目标数量;最后与间歇采样转发干扰中的切片干扰和脉冲随机转发干扰进行仿真对比实验。结果表明,该算法解决了多假目标分布均匀与次假目标衰减快的缺点,更好地兼顾了压制干扰与欺骗干扰的效果,大幅增加雷达接收机对干扰信号参数估计的难度,进而使得雷达识别与抑制假目标的能力大幅下降。