水声通信中RLS—LCMV波束形成算法的研究

RLS算法作为一种自适应波束形成算法,以其算法简单有效而得到广泛的应用。分析了多径传播环境下,不同信号方向的方向图及功率,SNR变化对自适应波束形成算法性能的影响。将RLS-LCMV自适应算法用于水声传感器阵列信号的波束形成,完成了在线性约束最小方差（LCMV）下波束形成的仿真。该算法具有收敛速度快,抗扰动性强的特点。     

基于投影对消处理技术的稳健自适应波束形成

针对传统自适应波束形成算法中目标波达方向(Direction of Arrival,DOA)估计不准确引起的波束形成性能下降问题,提出了一种采用投影对消矩阵的稳健自适应波束形成算法.首先,寻找与估计波达方向有最大相关性的特征矢量作为目标信号特征矢量,然后构建对消矩阵消除协方差矩阵中的信号分量,最后通过增加零点约束实现干...     

基于自适应波束形成的鱼雷对潜目标识别技术

通过鱼雷对潜目标准确识别,实现对目标的精确打击。当前的目标识别算法采用时频特征提取算法,随着海洋背景噪声强度的增大,准确识别概率不高。提出一种采用亮点回波信号自适应波束形成的鱼雷对潜目标识别算法,首先进行了鱼雷对潜攻击声探测亮点回波模型构建,采用级联滤波器进行回波信号降噪处理,对滤波后的输出信号进行自适应波束形成处理,实现信号的特征提取和指向性聚焦,提高目标亮点回波信号的检测性能,实现目标准确识别。仿真结果表明,采用该算法进行鱼雷对潜目标检测识别,准确检测概率高于传统算法,在低信混比下仍具有较好的准确识别率,抗干扰性能较好。     

防空导弹的信号波束输出连通性测试技术优化

为了提高防空导弹转级中的连通性测试能力,需要对导弹的雷达探测信号进行准确的检测和参量估计,提出一种基于自适应波束形成的防空导弹雷达信号波束输出连通性测试方法.构建防空导弹的雷达目标探测信号模型,在强电磁辐射干扰下采用IIR滤波器进行导弹对敌探测目标信号滤波处理,对滤波输出的高分辨雷达回波信号采用小波变换进行频谱特征分离,设计信号波束形成算法实现对导弹的回波探测信号的连通性测试.在算法设计的基础上进行测试系统的硬件设计,基于VXI总线技术进行导弹信号输出的连通性测试系统的总线开发和硬件集成设计.测试结果表明,采用该方法进行导弹的信号波束输出测试的准确性较好,信号的波束形成能力较强,提高了导弹的检测效能.     

子空间重构的一类自适应波束形成算法

针对多维阵列的全维自适应波束形成算法运算量大和小样本条件下性能下降问题,该文提出采用子空间重构技术的自适应波束形成算法(SRC-BF)。该方法利用多维域的全维阵列数据可分维构造的特点,首先在训练样本集上估计分维阵列数据的信号子空间;然后基于张量积性质重构全维信号子空间并自适应剔除交叉项;最后采用子空间投影算法计算自适应加权矢量。理论分析和仿真结果表明该方法具有较低的运算复杂度,能有效提高自适应波束形成算法在小样本条件下的输出信干噪比。     

几种鲁棒自适应波束形成算法的对比

自适应波束形成器可以根据接收信号自适应地调整权矢量,增强期望信号,并有效抑制干扰。在实际环境中,由于波达角估计、阵列校准等误差因素的存在,导致传统自适应波束形成算法性能严重下降,因此,如何提高自适应波束形成算法的鲁棒性是一个重要的研究问题。本文对鲁棒自适应波束形成算法进行研究,对算法进行仿真、分析和比较,总结出各算法的性能优缺点,最后对鲁棒自适应波束形成算法的发展趋势提出自己的几点见解及展望。     

宽带波束域频率聚焦自适应波束形成算法

针对传统时延控制波束形成器无法适应宽带信号接收的问题,提出一种宽带波束域频率聚焦自适应波束形成算法。首先,通过时延控制方法在空间预设方位形成多个独立波束,利用傅里叶变换将多波束数据变换到频域,针对每个频点构造聚焦矩阵,通过聚焦变换将宽带信号对齐到同一参考频率;然后,估计子带聚焦后的协方差矩阵,并进行特征分解得到信号子空间;最后,利用基于特征子空间(ESB)的波束形成方法得到权矢量,实现自适应波束形成。仿真结果表明,该算法能够实现对宽带信号的自适应接收,具有良好的抗干扰能力和稳健性。     

波束形成：一种广泛适用的空间滤波方法

波束形成器是一种处理器,它通过和传感器阵相连接提供一种通用的空间滤波形式。传感器阵收集传播场中的空间样本,这些样本由波束形成器处理。其目的是在存在噪声和干扰的条件下对来自所需方向上的信号作出估计。波束形成器执行空间角度滤波以分离频率重叠但来自不同空间位置的诸信号。本文从信号处理方面对波束形成器作出概括,其重点放在最近的研究成果上,讨论了数据独立的波束形成,统计最佳波束形成,自适应波束形成,和部分自适应波束形成。     

迭代子空间跟踪和结构约束的自适应波束形成算法

自适应波束形成(adaptive beam-forming:ABF)方法通过对阵列数据进行加权处理来获得最大的输出信干噪比,对采样协方差矩阵依赖性较大.在小快拍和通道随机响应误差条件下,采样协方差矩阵的估计值与真实值通常存在较大差异,严重恶化了基于线性约束最小均方误差准则的自适应波束形成方法的干扰抑制性能.针对该问题,本文基于子空间投影类波束形成方法的思想,提出采用迭代子空间跟踪和结构约束的自适应波束形成方法.该方法首先利用clearing技术在训练样本集上依次跟踪主特征矢量并构成信号子空间;然后根据子空间投影类波束形成权矢量的结构特性计算自适应加权矢量.仿真结果表明本文方法能有效提高自适应波束算法的输出信干噪比.     

智能天线自适应盲波束成形算法研究

智能天线中的自适应算法又称为数字波束成形算法,其中,盲自适应算法是不需要专门的训练信号或确定信号,节省了因接收训练序列和导频信号而占用的频谱资源,提高了频谱利用率.因此,盲自适应波束形成算法受到越来越多的关注.本文主要对现有的各种盲算法原理进行逐一介绍,然后对比了各种算法的优点.     

光学磁场传感器中超宽带模拟信号的重构

为了解决光学脉冲磁场传感器中超宽带模拟光信号的数据采集与波形重构,本文提出了一种基于频带分割与频谱搬移的模拟信号重构方法。在频域上采用分割滤波器进行频带分割,在每个采样通道内对输入的子带信号进行采样,降低了对ADC采样速率的要求,再由各个通道的采样序列重构原模拟信号。该方法有效解决了光学磁场传感器中带宽高达几千兆赫的信号无法直接进行A/D转换的难题。给出了重构算法并进行了计算机仿真。仿真结果证实,滤波器的特性决定了重构的精度。所提出的方法具有较高的信号重构精度和较小的频谱失真。     

流形学习在浅海水声通信中的应用

在复杂的浅海环境中,水声信道具有强烈的空变和时变特性,致使水声通信系统的鲁棒性很难得到保证.该文不同于依赖复杂信道编码和信道均衡手段的传统水声通信算法,将流形学习思想应用于高维海洋环境参数空间刻画及信号空间映射中,为水下数据传输提出创新方案.从声场角度出发,结合浅海实验数据,分析通信信号时空起伏特性,研究环境参数空间和...     

声场全息重构方法与实验研究

声场全息重构是通过近场声全息重构声源的声辐射特性的一种声场反演方法,是近年来的研究热点问题.基于近场声全息声场重构模型,研究声场全息重构方法;再运用LabVIEW虚拟仪器软件平台,开展了传声器阵列各通道标定校准、数据采集、全息面复声压的获取和声场可视化等声场全息重构实验研究.实验结果表明,声场全息重构实验具有较高的定位精度,同时也验证了声场全息重构方法的有效性和实用性.     

基于归一化互相关因子的波前测量研究

为实现对光束近场强度分布不均匀或低信噪比场景中的高精度波前测量,分析了低信噪比情况下,在基于夏克-哈特曼波前传感器的自适应光学系统中,分别使用基于归一化互相关因子的相关算法与目前常用的自适应阈值灰度质心法时,信噪比对质心探测精度及后续波前复原精度的影响。通过数值仿真与实验对比,证明了基于归一化互相关因子的相关算法在不同光强条件下的波前测量结果一致性与准确性都高于自适应阈值的灰度质心法,其可为自适应光学系统在像差探测能力上提供更高的准确性与鲁棒性。针对基于归一化互相关因子的相关算法计算量较大,软件计算实时性较差,难以满足工程实用需要的问题,提出了一种基于算法实现优化与多级并行计算的加速方法,对448单元子孔径的夏克-哈特曼波前传感器可实现每秒上千赫兹的计算速度,可满足大部分自适应光学系统波前探测实时性的工程需要。     

基于自适应噪声抵消的无线传感网络信道优化

无线传感器网络通信技术广泛应用在物联网近场通信、水声通信等领域。无线传感网络通信信道受到多途干扰,导致信道失衡,需要进行信道均衡模型设计。提出一种基于自适应噪声抵消的无线传感器网络通信信道优化技术,首先构建了无线传感器网络通信的信道模型,对无线传感器网络信道传播过程中衰减损失和各条路径的信号进行重组,采用自适应噪声抵消算法进行信道的多途干扰滤波,结合最小二乘（ RLS）准则算法进行无线传感器网络通信信道均衡设计。仿真结果表明,采用该通信信道均衡技术能有效提高无线传感器网络通信的信道质量,降低通信传输失真和误比特率,实现信道自适应均衡,提高通信的抗干扰能力。     

基于深度神经网络的正交频分复用波形外辐射源雷达参考信号重构

针对正交频分复用(OFDM)波形外辐射源雷达的参考信号获取问题,基于“解调-再调制”的重构方法结合了波形优势,能获得更为纯净的参考信号。该文在此基础上提出一种联合OFDM解调、信道估计、信道均衡和星座点逆映射的深度神经网络(DNN)重构方法,建立了基于DNN的参考信号重构方案,通过网络学习自适应深度挖掘从时域接收符号到传输码元之间的映射关系、隐式地估计信道响应,从而提高解调精度和重构性能。该文首先研究了仿真数据集的获取问题、DNN的搭建和训练问题,接着对基于DNN方法在导频数目减少、循环前缀的移除、存在符号定时偏差、存在载波频偏、对高峰值平均功率比信号进行时域加窗滤波等情况下的参考信号重构性能进行了仿真分析,仿真结果表明该方法对参考信号重构的有效性。     

二值传感器网络的分布式稀疏LMS算法

在基于无线传感器网络的参数估计中,每个节点在数据采集、存储、处理和传输等方面的能力是有限的。二值传感器网络中的每个节点只能提供低精度1比特测量值,与能够提供模拟测量值（无限精度）的传感器相比,二值传感器有较低的使用成本。如何利用低成本二值传感器网络获得较好的参数估计性能近些年已引起广泛关注,基于该二值传感器网络,论文提出了一种分布式稀疏参数估计的自适应最小均方（LMS）算法。该算法采用稀疏惩罚最大似然优化,并结合期望最大化和LMS方法,获得稀疏信号的在线估计。仿真实验表明,尽管只采用1比特测量,提出的算法仍具有较好的收敛性,并且稳定状态的估计误差接近于非1比特测量的同类算法。      

激光吸收光谱自适应滤波处理算法研究

研究了激光吸收光谱自适应滤波处理算法,提出了一种改进的激光吸收光谱测量系统方案,激光器发射的激光经分束器分成三路,分别构成测量通道、定标通道和参考通道,数据采集电路同步获取三个通道信号数据,定标通道数据用于波长锁定和浓度定标,参考通道信号数据包含了与测量通道相关的噪声,以此为基础构建了自适应噪声抵消器,降低了噪声对测量通道的影响,提高了气体浓度反演的精度。     

适用于固定节点的水下传感器网络物理层设计

时间反转法利用声学互易原理,应用于节点位置固定的水下传感器网络物理层中,可在没有任何先验知识情况下具有自适应匹配声学信道的作用,使声信号能量在空间和时间上得到聚焦,提高接收端信噪比从而获得一个高速的网络链路。通过计算机仿真研究,验证了水平阵列的时间反转法在水平方向上的聚焦性能,并在此基础上扩展到时反法用于任意阵型的时反阵,为水下传感器网络实现高数据率、低功耗的网络物理层链路提供了支持。     

基于SVD-SRNet的SAR三维成像方法

合成孔径雷达（SAR）三维成像是传统二维SAR成像在雷达精细信息获取与感知领域的重要发展,可分辨重叠于二维SAR图像同一像素中的多个目标。稀疏信号处理是进行SAR三维成像的有效方法,但由于稀疏信号处理的非线性特征,常需迭代运算,效率较低。研究人员已提出利用深度学习技术实现快速解算非线性信号处理问题的思路,在三维成像领域已有初步应用。然而,由于SAR三维实测数据稀缺,三维成像网络的训练只能依赖于仿真数据进行,并且仿真数据与实测数据存在差异大的问题,导致基于深度学习方法的SAR三维成像精度受限。为此,本文提出了一种基于奇异值分解的信号空间归一化超分辨网络（SVD Signal-Space Normalization SuperResolution Net,SVD-SRNet）,能够解决由于仿真数据与实测数据存在差异大导致的三维成像网络化方法鲁棒性低的问题,与传统方法相比所提方法具有更优异的成像精度。计算机仿真试验和无人机SAR实测数据试验证明了本文所提方法的有效性。