基于目标特性的智能通道选择检测算法研究

空间阵列在探测地面动目标时会遇到极强地杂波,使得无法有效探测目标.传统波束域降维空时自适应处理算法采用固定辅助通道选择方法,而没有考虑目标的运动特性,所以对于杂波对消效果欠佳,导致检测性能不够理想.为解决上述问题,在波束域降维空时自适应算法的基础上,提出一种综合考虑目标运动特性的自适应辅助通道选择算法,能够有效改善输出信干噪比,提高目标检测概率,仿真结果验证了改进算法的有效性,可以应用到空间阵列探测地面动目标的场景.     

稳健的全阵波束形成方法

由于相干干扰和角度估计误差影响波束形成性能,对此提出一种稳健的波束形成方法。采用加权空间平滑算法去除相干性;对期望信号施加约束,保证一定角度估计误差范围内算法的稳健性;进行全阵波束形成变换,避免阵列孔径损失。仿真结果表明,在相干干扰环境中,该算法的方向图在期望信号方向有明显主瓣,有利于接收期望信号;在一定的角度估计误差范围内,该算法可保持比较高的且比较平坦的输出信干噪比;随着输入信噪比的增加,输出信干噪比几乎线性增大。     

机载前视风切变雷达AMTI杂波抑制技术

在机载前视风切变雷达的低空风切变探测中,所面临的不仅仅是复杂的运动杂波,而且飞机高度低(300米左右),杂波功率相当大,信杂比可达-25dB左右。用传统的杂波抑制方法无法有效地抑制杂波,提出一种基于功率输出最小准则的自适应MTI技术。根据准则技术可以自适应地调整滤波器的加权系数,从而保证滤波器输出功率最小,使输出的信杂比最大,达到充分抑制强杂波的目的。计算机仿真结果表明AMTI杂波抑制技术在甚低信杂比(-25dB)情况下具有较好的杂波抑制能力,可以主动跟踪主瓣杂波的多普勒频率,能够很好的满足机载前视风切变雷达杂波抑制的需求,同时方法结构简单,便于工程实现。     

基于蚁群优化算法的非均匀子阵划分技术

对于大型阵列天线应用于空域抗干扰系统中,为了降低硬件成本和减少计算复杂度,一般通过子阵划分技术将整个阵列划分为若干子阵,子阵内部采用模拟波束形成,子阵间采用数字自适应波束形成;由于均匀划分方法的波束形成方向图中存在栅零点,提出一种基于蚁群算法的非均匀子阵划分技术,将阵列最大输出信干噪比作为适应度函数,应用了概率计算与轮盘赌相结合的路径规划方法;结合信息素初始浓度和启发式信息范围,设计了新的适应度函数值与信息素更新的转换关系;最后对所提算法进行仿真,结果表明在不同规模、不同输入干噪比、不同期望信号扫描角度下,所提算法在输出信干噪比上优于均匀划分方法,且没有栅零点产生,与全阵元的自适应波束形成方向图、输出信干噪比相近,验证了该方法的有效性。     

GPS欺骗式干扰环境下MVDR算法的性能分析

经典MVDR算法在GPS压制式干扰环境下的表现出色,为分析MVDR算法在欺骗式干扰环境下的性能,根据该环境下信号、干扰的功率都淹没于噪声功率之下的特点,推导出阵列天线采用MVDR算法后的方向图增益和输出信干噪比的近似表达式。通过仿真实验,分析验证了MVDR算法在欺骗式干扰环境下失去了抑制干扰能力的原因,并讨论了影响阵列输出信干噪比变化的因素及其随各因素变化的规律。     

一种基于小波分解的新型海杂波抑制方法

针对不同分布海杂波的抑制及目标检测问题,首次将自适应噪声对消器应用在海杂波的处理中,并且将此对消器与小波分解理论相结合来抑制海杂波,提取出目标。首先,对含有目标的海杂波信号进行小波分解。然后,类比自适应噪声对消器模型,设计一种自适应杂波对消器。将经小波分解后的信号作为自适应杂波对消器的输入信号,经过自适应杂波对消器输出的信号即为杂波抑制的结果。最后,通过MATLAB仿真,分析采用不同的小波基函数和不同的分解层数的杂波抑制效果,验证此种算法对于海杂波抑制的有效性。     

利用目标与杂波先验知识的机载雷达发射波形自适应生成方法

发射波形自适应能够优化雷达在检测、跟踪和抗干扰等方面的能力,但其性能的好坏与雷达目标和杂波先验知识有很强的相关性。采用最大输出信杂噪比准则设计的雷达发射波形自适应方法已经在理论上被证实可行和有效。为了提升这类方法的实际应用价值,本文利用Swerling统计模型和数字高程模型（Digital elevation model,DEM）提供的目标和杂波先验信息,针对机载相控阵雷达,分析了基于最大输出信杂噪比（Signal-to-clutter-noise ratio,SCNR）准则的发射波形自适应方法性能和实用价值。仿真结果表明,这类发射波形能够自适应地随着目标和杂波的变化而改变,并实现二者的最优匹配,在提升雷达输出信杂噪比上优于传统发射波形,具有良好的实际应用前景。     

认知MIMO网络中增强型干扰对齐算法

针对认知多输入多输出（MIMO）网络中传统基于最大信干噪比的干扰对齐算法,在发送多数据流时随着信噪比的增加不易收敛以及数据流之间的干扰突出的问题,提出一种充分考虑数据流间干扰并进行迭代限制的干扰对齐算法。首先,次用户通过编码设计消除主次间的干扰;然后,在消除主用户之间和次用户之间干扰时,根据信道互易性,运用广义瑞利熵计算基于最大信干噪比算法的预编码与干扰抑制矩阵,并在迭代过程中,每次迭代始终使预编码与干扰抑制矩阵先满足干扰功率在期望信号空间最小;最后,结合次用户间MIMO干扰信道、主次用户间构成的MIMO干扰信道以及次用户网络干扰对齐的必要性,推导出次用户可达自由度上限。实验结果表明,相比传统最大信干噪比算法,所提算法在信噪比较低时次用户总容量无明显提高,但随着信干噪比的增加其优势越来越明显;当达到收敛时,所提算法迭代次数比传统最大信干噪比算法约减少40%。因此,所提算法能够提高系统容量且加快收敛。     

机载前视风切变雷达杂波抑制的仿真研究

研究飞机起飞和着陆的安全问题,大气中的切变风影响飞机的飞行安全.为减弱地杂波对风切变同波信号检测,应对雷达回波进行杂波抑制,提取切变风信号,达到准确预警.为达到上述目的,提出一种归一化最小二乘格形(least square lattice,LSL)联合过程估i计器杂波抑制方法,利用估计器输出的平方和最小的前提下,自适应地凋整估计器的反射系数及回归系数,使输出杂波成分最小,从而有利于风切变的检测,以保证飞行安全.仿真结果表明,归一化LSL联合过程估计器在甚低信杂比情况下,可以主动跟踪主瓣杂波的多普勒频率,相对于AMTI杂波抑制技术具有更好的抑制能力,满足机载前视风切变雷达达到准确预警的目的.     

基于Bayesian方法的鲁棒约束LMS算法

输入信号的方向向量出现偏差时,最小均方误差算法会出现收敛速度慢、输出性能下降、不稳定等问题.本文针对这些问题,对传统LMS(least mean squares)算法进行了改进,提出了基于Bayesian方法的鲁棒约束LMS算法.该算法利用信号的先验信息对实际信号方向向量进行估计,有效地抑制了方向向量偏差的影响,并提高了系统的鲁棒性.阵列输出的信干噪比得到了改善,更加接近最优值.仿真实验验证了该算法的有效性和可行性.