一种雷达主瓣复合干扰盲源分离对抗方法

为了有效地干扰相控阵体制的防空警戒雷达,降低雷达对目标的检测概率和识别概率,现代电子干扰机通常采用“复合拖引干扰”的干扰方式,以达到“隐真示假”的干扰目的。针对这一新型电子干扰技术,本文建立了复合拖引干扰的模型和极化信道扩展信号模型,在此基础上提出了一种基于极化通道扩展和盲源分离算法的干扰抑制方法,通过计算机仿真实验表明,所提出的算法能在较宽的信噪比和干信比条件下获得良好的目标和干扰分离性能。     

基于子空间和小波降噪的盲信号干扰抑制算法

卫星通信信号十分微弱,信噪比的改善以及抗干扰能力的增强对于信号的正确接收具有至关重要的作用。提出了一种星上干扰抑制方案和一种基于子空间和小波降噪的盲分离干扰抑制算法,对提出的算法在单音、多音、窄带噪声以及宽带噪声干扰下进行了误码性能仿真。结果表明,该算法克服了传统基于前置小波降噪的盲分离算法在干信比大于30dB时性能恶化的问题,提高了抗高斯白噪声性能。     

基于复数FastICA的双极化干扰对消算法研究

为解决卫星通信中极化复用导致的交叉极化干扰问题，提出了一种基于复数快速独立成分分析方法，根据传输信道的对称性对算法作了简化处理，减少了计算量。该算法依据发送端的两个线极化信号的不相关性，在无源信号及混合矩阵的先验信息情况下，构造负熵函数并使其最大化来分离出独立成分，进而实现交叉极化信号对消。仿真实验以正交相移键控调制信号为例，从误差向量幅度、信干噪比、交叉极化隔离度、性能指数这几个指标上进行仿真，仿真结果显示基于复数快速独立成分分析方法对解决交叉极化干扰问题具有良好的性能。     

极化分集下的共形阵列波达方向估计

提出了一种基于双馈源共形阵列的极化分集信号盲极化波达方向(Direction of Arrival,DOA)估计方法.通过投影和旋转变换,分析并给出了双馈源共形阵列下正交极化分集信号的等效导向矢量,将信号空间划分为两个正交极化信号子空间,实现了正交极化信号的盲极化分离.在此基础上给出了基于多重信号分类(Multiple Signal Classification,MUSIC)的极化信号的DOA估计算法.该算法无需估计极化参数,能够实现任意共形阵列对正交极化分集信号的DOA估计,最大估计信号数目能够超过阵元个数.仿真实验验证了该算法具有很好的估计性能.     

基于RobustICA的盲分离干扰抑制算法

针对快速定点(FastICA)盲分离窄带干扰抑制算法对野点敏感和容易陷入鞍点或局部极值点的问题,提出了一种基于独立成分分析(RobustICA)的盲分离窄带干扰抑制算法。该算法采用精确线性搜索与代价函数峭度相结合,对峭度进行全局最优搜索,增强了对野点和局部点的鲁棒性。仿真结果表明,该算法抗强音频窄带干扰性能更优,在信噪比为-14 dB~-11 dB时将分离矩阵成功收敛的概率提高了1个数量级,增强了盲分离窄带干扰抑制算法的可用度。     

基于改进的盲源分离算法抗主瓣SMSP干扰

针对基于最大信噪比的盲源分离算法在信干噪比较差环境中无法有效分离信号和干扰的情况，提出了一种改进的基于最大信噪比的盲源分离算法，使用经过小波阈值去噪后的观测信号作为新的观测信号，重新构建最大信噪比目标函数，实现在高信噪比条件下的干扰分离。通过计算机仿真，在频率分集阵列-多输入多输出雷达系统中实现了在高信噪比条件下弥散干扰的分离。结果表明：相比于原始算法，改进后的算法能够很好地实现目标与干扰信号的分离。     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

盲源分离在雷达抗主瓣干扰中的应用研究

主瓣干扰位于雷达主瓣内,干扰信号通常很强,会严重影响雷达探测性能.常用的副瓣匿影和副瓣对消措施难以奏效.文中给出了盲源分离抗干扰信号模型,在此基础上提出了基于矩阵联合对角化特征矢量的盲源分离抗主瓣干扰算法,并给出了不同信噪比条件下主瓣干扰抑制的仿真结果.仿真结果表明,在信噪比大于-15 dB的条件下,干扰抑制比能达到10 dB以上.该方法能有效降低主瓣干扰对雷达探测性能的影响,具有良好的应用前景.     

基于特征向量选择的非线性盲分离算法

在基于解广义特征方程的线性混合信号盲分离方法的基础上,结合核特征空间给出了一种基于特征选择的非线性混合信号盲分离算法。该算法首先将非线性混合信号映射到高维特征空间,根据适应度函数选出一组完备的特征向量基。其次,通过这组特征向量基将高维特征空间的信号映射到参数空间,从而把非线性混合信号盲分离问题转化为特征空间的线性混合信号盲分离问题。在特征空间中,应用基于解广义特征方程的线性混合信号盲分离方法对信号进行分离。该方法稳定性好,收敛精度高,计算量小。仿真结果表明该算法具有良好的分离性能。     

盲分离算法和FRFT联合抗雷达主瓣干扰技术研究

压制干扰信号从天线主瓣进入雷达接收机,会严重影响雷达的性能,通常的副瓣抗干扰技术难以奏效。而基于盲源分离算法(BSS)的抗主瓣干扰技术在低信噪比条件下性能恶化,因此本文提出了BSS和分数阶傅里叶变换(FRFT)联合抗主瓣干扰的技术。文章首先利用经典的BSS算法分离接收到的主瓣干扰混合信号,然后对有线性调频(LFM)信号特征的分离信号进行FRFT变换处理,并在FRFT域滤波去除大部分噪声的能量,最后FRFT逆变换恢复出目标信号。仿真实验表明,新算法相比BSS的抗主瓣干扰算法对脉冲压缩以后的峰值信噪比有较大的改善,较大地提高了脉冲压缩雷达的检测性能,具有良好的应用前景。      

基于ICA的无线电通信干扰抑制

抑制无线电通信信号中的干扰是提高通信可靠性的有效措施.传统的干扰抑制技术存在算法、设备复杂,对信号有损伤和实时性差等问题.针对存在的问题,在分析研究盲源分离(BSS)的理论基础上建立了基于最大信噪比算法的ICA通信干扰抑制模型;基于该模型仿真实现了无线电通信信号的分离提取和多路干扰信号的抑制.仿真结果表明,基于ICA的...     

部分极化干扰条件下极化阵列性能分析

研究部分极化干扰条件下极化阵列的滤波抗干扰性能,期望信号为完全极化波,干扰信号为部分极化波.利用最大信噪比准则得到阵列最大输出信号干扰噪声比(SINR)的解析表达式,分析干扰极化度,到达角等因素对阵列抗干扰性能的影响,仿真实验验证理论分析的正确性.     

三重降噪的盲源分离抗干扰算法

为了提高低信噪比条件下盲源分离的性能,提出了一种基于互补集合经验模态分解降噪、小波阈值降噪和随机共振降噪的三重降噪盲源分离抗干扰算法,分析了三种互补集合经验模态分解降噪与小波阈值降噪相结合的前降噪方案和扩频结合随机共振的后降噪方案,仿真讨论了所提算法的抗干扰性能。仿真结果表明,该算法在一定范围低信噪比条件下能够从受扰的混合信号中恢复出通信方的期望信号。     

一种基于随机共振增强的协方差矩阵频谱感知算法

为了在避免对主用户系统产生有害干扰的同时 提高频谱利用效率,要求认知无线电系统的频谱感知算法能在极低的信噪比下快速检测出主用户信号。由于可以避免能量检测面临的噪声不确定性问题,基于协方差矩阵的检测算法是一种有效的盲频谱感知算法。为了进一步提高极低信噪比下的性能,本文提出了一种基于随机共振的协方差矩阵频谱感知算法。该算法通过在接收信号中加入优化的特定信号,利用随机共振原理,增大有无主用户信号下的检测统计量概率分布函数的分离度,提高频谱感知的性能。仿真结果表明,相对于现有的协方差矩阵频谱感知算法 ,在相同的虚警概率下,所提算法可以显著提高极低信噪比下的检测概率,同时大幅度缩减检测时间。      

基于快速变极化的认知无线电频谱感知算法

为充分利用授权信号的极化状态矢量信息进行频谱感知,该文提出一种基于K臂赌博机的快速变极化算法,通过将双自由度搜索问题转化为K个1维问题,能够实现满足实时频谱感知要求的授权信号极化状态识别。给出了算法收敛时预期收益的上下确界。最后分析了基于该算法进行极化匹配接收的频谱感知性能。仿真结果表明,算法能够快速收敛,并高精度识别授权信号极化状态,对频谱感知性能提升显著。     

时变幅度LFM干扰下的单通道盲分离算法研究

针对时变幅度LFM干扰下的单通道通信信号与干扰盲分离问题,本文提出了一种基于遗传粒子滤波的单通道盲扰信分离新算法。该算法首先建立了受扰信号的状态空间模型,并利用粒子滤波得到通信码元和未知参数的最大后验估计。针对标准粒子滤波中存在的粒子退化现象,本文引入了遗传进化操作来迭代估计优质粒子,在减少了所需粒子数量的同时,加快了算法的收敛速度,使新算法在时变幅度LFM干扰的影响下具有较好的分离效果。非扩频通信信号仿真实验表明,新算法在干信比小于15dB,信噪比大于16dB的条件下,可以有效地从单路接收的受扰信号中分离出通信信号与LFM干扰。      

Fast ICA 盲分离算法在雷达抗主瓣干扰中的应用研究

压制干扰信号从主瓣进入雷达天线,会严重影响雷达的性能,通常的副瓣抗干扰技术难以奏效。文中首先给出了Fast ICA 应用于雷达抗主瓣干扰的信号模型;在高信噪比的均匀噪声环境中,利用基于寻找峭度的局部极值点的Fast ICA盲分离算法分离接收到的主瓣干扰混合信号,通过脉压找出目标信号。仿真验证了算法用于抗主瓣干扰的有效性,该算法具有良好的抗干扰性能,在分离效率上具有较明显的优势。     

强干扰下几乎循环平稳正弦信号LSFD估计

强干扰和低信噪比环境下,根据接收信号循环平稳特性,本文提出一种基于周期时间平均的正弦信号检测和频率线性估计算法(LSFD),可以准确估计信号频率,有效抑制干扰和噪声,且具有盲性.计算机仿真结果证明了LSFD算法的正确性,其弱信号检测性能优于FFT算法,收敛速度优于循环相关系数算法.     

基于相位分集的目标极化特征检测方法

雷达主瓣压制干扰具有接收功率大、时-频-空域难以分离的特点,是雷达探测的重要威胁。已有文献提出基于极化-空间谱特征从主瓣干扰中检测目标的方法,但在主瓣多紧邻干扰、变极化干扰等情况下误判率难以忍受。针对这一问题提出了基于雷达发射极化均匀相位分集,利用到达信号极化散度特征和极化分布特征进行联合判别的方法,能够有效降低主瓣多紧邻干扰、变极化干扰背景下的误判率。理论分析和仿真结果均表明了该检测方法的良好性能。     

基于盲源分离的单通道窄带干扰抑制算法

针对窄带干扰下通信系统性能恶化的问题,提出一种基于过采样与盲源分离技术的单通道窄带干扰抑制算法。该算法利用通信信号与窄带干扰的基带结构特征,通过过采样以及串并变换构造出源信号为信息序列的盲源分离模型,并利用快速独立成分分析法实现信息码元的恢复。仿真结果表明,该算法能有效对抗窄带干扰,抗干扰能力强。