一种基于互谱思想的STAP降维方法

全空时自适应处理在工程实现中因计算量大、独立同分布样本难以获取等问题而使应用受到一定限制,在传统互谱法以及杂波协方差矩阵特征向量分解法两种空时自适应处理降维算法的基础上,提出了一种新的基于互谱思想的协方差矩阵特征向量分解算法,该方法根据不同的互谱值对应的信噪比损失的大小不同这一原理构造降维矩阵,有效地降低了运算量,并能够形成较好的杂波滤波凹口,实现了滤除杂波的性能,文中经过实验仿真验证了该方法的有效性。     

基于特征空间的降维STAP方法比较研究

系统接收数据的杂噪协方差矩阵完整地包含了杂波和噪声信息,将其做特征分解(EVD)而得到的特征空间,可将杂噪能量按序排列,且各特征矢量相互正交且统计独立.基于特征空间作自适应处理,特别是降维自适应处理,便于探寻理论上的最佳方案.本文分别讨论了互谱法(CSM)、最小功率特征对消(MPE)以及最小范数特征对消(MNE),从特征结构阐明了三种方法的内在关系,比较了它们的杂波抑制性能.     

一种基于稀疏降维的STAP方法

目前降维的空时自适应处理（STAP）运算量大,并且辅助通道选取比较固定。针对该问题,提出了一种基于稀疏降维的STAP方法。该方法首先用传统的方法选择与待检测角度-多普勒通道邻近的多个通道作为辅助通道,实现初步降维。然后,基于天波雷达的海杂波信号具有低秩特点,提出进一步用稀疏滤波优选训练样本的方法,该方法基于稀疏正则化原理,寻找稀疏的滤波权向量,从而自适应地选择性能更好的辅助通道。对天波雷达实测数据的处理结果表明,与已有的降维STAP相比,所提方法的杂波抑制性能提高了6.17dB。     

降维STAP方法的两种基本形式的比较研究

降维时空自适应处理(Reduced-Rank STAP)已成为机载雷达杂波抑制中的关键技术,各种降维方法也层出不穷,该文指出实际上这些方法都可归于两种基本的形式,即基于广义旁瓣相消器(GSC)结构的形式和从输出信杂噪比(SINR)的特征空间出发的形式。由于基于本质上的不同形式来构成降维转换矩阵,这两类方法体现出不同的性能和降维潜力,该文通过理论分析和有无误差情况下的仿真实验对这两种基本形式进行了比较研究。     

非均匀杂波背景下STAP降维算法研究

机载雷达对地观测时,面临由于平台运动引起杂波谱展宽,平台偏航引入垂直基线使杂波谱对高程敏感,导致方位与距离模糊。复杂地物场景局部杂波散射强度变化以及大量目标干扰等非理想因素,致使杂波分布非均匀,严重制约了杂波抑制性能与动目标检测性能。针对上述问题,本文所采用的空时自适应处理(STAP)降维算法可以有效解决慢速运动目标低检出问题,提高非均匀杂波背景下杂波的抑制能力,增强运动目标的检测性能。其特点在于：利用多维域数据实现在线地物区域划分,增大有效样本容量,样本充足条件下直接估计杂波加噪声协方差矩阵实现杂波抑制。针对孤立离散杂波、干扰,结合杂波谱重构解决单样本下的地形杂波抑制与干扰对消,通过实测数据分析证明了本文所提算法的有效性。     

基于降维稀疏重构的高效数据域STAP算法研究

本文基于信号稀疏重构技术,研究利用待检测样本直接进行动目标检测的高效空时自适应处理（STAP ）方案。该方案对时域降维的阵元-多普勒域数据采用空域稀疏重构技术估计高分辨率角度-多普勒谱,进而基于稀疏空时谱研究知识辅助的动目标检测算法。理论分析和仿真实验结果表明：本文算法能有效抑制杂波实现慢动目标检测,且运算量小易于实时并行处理。     

机载相控阵雷达降维STAP信号处理机的设计

由于巨大的运算量和其他技术问题的存在，空时二维联合处理（STAP）技术的实现必须进行降维处理。文中设计了一种先时后空白适应级联降维处理信号处理机。该信号处理机主要由预处理、通道处理、STAP波束形成和多CPU等模块组成，主要完成通道校正与均衡、动目标显示、数字脉冲压缩和多普勒滤波、STAP波束形成和恒虚警率检测，以及解模糊的功能。     

有源干扰条件下机载MIMO雷达降维STAP方法

针对机载多输入多输出雷达杂波与干扰的同时抑制问题,提出一种降维空时自适应处理方法.首先,利用系统参数离线简便构造出杂波子空间,然后,根据杂波基向量与干扰基向量的关系,对杂波加干扰协方差矩阵的秩进行分析.当存在有源干扰时,系统的杂波与干扰自由度进一步提高.最后利用干扰加噪声协方差矩阵的块对角结构,结合离线构造的杂波子空间,通过迫零方法进行空时自适应权矢量求解.该方法能够有效降低运算复杂度,具有接近全维最优处理的杂波与干扰抑制性能.     

基于天线子集选择算法的DSTBC优化

为进一步提高空时码性能,在信道模型为瑞丽和莱斯慢衰落信道的情况下,文中提出了一种优化差分空时分组码的＂天线子集选择算法＂——假设发射信号为特定的Alamouti正交空时分组码,通过最大化信道参数矩阵F范数的方法,优化了MIMO系统的天线集。仿真结果表明：此方法可降低码元的比特错误率,并且可获得相当客观的分集增益和能量增益。此外,还讨论了该优化方法的适用范围。     

均匀圆形阵列的局域互谱尺度STAP算法

机载雷达采用均匀圆形阵列天线具有搜索跟踪方式灵活,能实现方位360°扫描等优点,并且当波束在阵列平面内旋转时,波束形状不会有明显改变.本文建立了均匀圆形阵列机载雷达的杂波模型,从杂波谱的空时分布和杂波特征谱的分布两个方面研究了其杂波特性,提出一种固定结构降维结合自适应降秩的STAP算法:局域互谱尺度法,该方法先用固定结构降维处理器将杂波由全空时降至一个维数较低的空间,以减小计算量,降低训练样本数目,然后采用互谱尺度法选取降维杂波协方差矩阵Ⅳ个最大互谱值对应的特征矢量构成二次降维矩阵,从而保证了在局域范围内,处理器性能最优.仿真结果表明,该算法的性能优于局域处理算法,但运算量和训练样本数与局域处理法相当,且鲁棒性较强.     

子集和问题的一个改进伪多项式时间算法

本文在文献［１］的基础上，提出了改进［１］中的算法。从而在多项式时间内求解密度更广的子集和。     

一种改进的Ford算法

针对不含负回路网络中最短路Ford算法运算量大、直观性差的不足,引入表上作业法思想,从提高算法效率和增强计算直观性2个方面对其进行改进,并给出新的算法。新算法既能快速计算最短路权又能更直观地表现解题过程,是一种计算最短路的简捷方法。仿真结果和算例表明了新算法的有效性。     

Reduced-rank adaptive filtering

A novel rank reduction scheme is introduced for adaptive filtering problems. This rank reduction method uses a cross-spectral metric to select the optimal lower dimensional subspace for reduced-rank adaptive filtering as a function of the basis vectors of the full-rank space     

一种改进的最优PID参数自整定控制方法

为了解决大滞后系统控制难度大的问题,针对非线性、大时变、大延迟的控制对象,设计一种带嵌入式函数的最优PID参数自整定控制方法,通过仿真实验与ISTTE最优准则下最优PID参数自整定控制方法进行了比较,给出仿真波形及其分析,通过仿真实验结果表明该控制方法不仅具有PID控制器高精度、稳定性、鲁棒性高的优点,另外可以缩短系统的调节时间,有效地抑制系统的超调,从而可以有效改善大滞后系统的控制效果。     

最佳零相关区序列集构造方法的改进

近年来准同步CDMA(QS-CDMA)系统引起了人们的广泛关注,这是因为在这种系统中应用零相关区(ZCZ)序列作为其扩频序列集,可以减小甚至消除多址干扰和多径干扰。Matsufuji、Tang和Hayashi分别研究了由最佳序列和正交矩阵构造最佳零相关区序列集的方法。改进了Hayashi的方法,利用最佳序列和一个2阶或3阶正交矩阵构造最佳零相关区序列集。该方法使用更加方便,扩大了基于最佳序列和正交矩阵构造最佳零相关区序列集的方法的适用范围。     

一种改进的参数提取方法

为了描述双负材料的电磁特性,利用改进的基于S 参数的参数提取方法来提取该材料的电磁参数,该方法的最大特点是利用了各参数之间的内在联系来提取参数,而不是通常的利用S 参数来单独提取各个参数,从而保证了参数提取结果的一致性。基于上述参数提取方法设计了一种毫米波段SRR-Rod 结构的双负材料,并提取了它的电磁参数,为了验 证这种改进方法的可行性,提取了X 波段双负材料的电磁参数,通过和相关文献的参数提取结果的比较发现二者基本一致,从而验证了该提取参数方法的可行性。     

近邻法参考样本集的最优选择

为克服近邻分类法需要大量计算和存储的缺点,本文利用Tabu搜索来求解满足一定错误率条件的最小参考样本集.当错误率阈值设为0时,可以得到原训练集的一致子集.当错误率阈值设为适当的非零值时,可以较好地克服近邻估计的偏置.通过在Tabu搜索中引入适当的激活(aspiration)条件,避免了在可行和不可行解区间无意义的来回搜索,加快了收敛的速度.实验结果表明,本文算法在压缩比和分类性能上都优于经典的算法.本文还证明了Dasarathy的算法^[6]得到的最小一致子集(Minimal Consistent Set: MCS)不是最小的,其MCS也不一定是单调减的.     

改进的统计不相关最优鉴别矢量集

该文对统计不相关最优鉴别矢量集算法进行研究,在分析统计不相关最优鉴别矢量集算法的基础上提出了一种改进的方法。该方法在类内散布矩阵的特征空间中求解统计不相关最优鉴别矢量集。为了加快特征抽取速度,利用基于图像鉴别分析的维数压缩方法,对图像数据进行了压缩。在ORL和Yale人脸数据库的数值实验,验证本文所提出的方法的有效性。     

一种改进的GMSK相干解调方法

利用Laurent分解方法可以将GMSK（Gaussian Filtered Minimum Shift Keying）信号表示成一系列脉冲幅度调制（Pulse Amplitude Modulation,PAM）信号之和的特性,对基于Laurent分解的GMSK信号次优化相干检测技术进行改进,多加入了一个PAM波形,调整了维特比检测分支度量的计算方法,并在不同相位关联长度下仿真分析了GMSK信号最优化、次优化和改进相干检测算法的误码率性能及实现复杂度。结果表明,与次优化检测算法相比,所提算法在不明显增加解调模块复杂度的情况下提高了解调误码性能。