基于子空间方法的信号分离技术研究

发布时间：2020-06-12 04:55

【摘要】：随着小型无人机技术的发展,小型无人机被越来越广泛的应用于电子战战场,无人机集群作战的概念也应运而生,在无人机集群作战中,集群侦察是非常重要的一个环节,在无人机集群侦察中,无人机数量众多,无人机侦察的观测信号维数也变得十分巨大,并且在侦察过程中无人机之间存在相互运动,如何利用无人机的计算单元将源信号从侦察信号出快速分离成了一个问题。本文将对无人机集群侦察中的混合信号分离技术进行研究,主要研究子空间方法的信号分离技术及其并行计算结构,并针对无人机集群侦察的信号混合模型进行建模仿真。首先,介绍了子空间的基本理论,研究了最小噪声子空间的方法对噪声子空间进行估计。在此基础上将最小噪声子空间方法推广到固定计算单元数K时进行信号子空间和噪声子空间的快速估计,并使用子空间估计性能和特征向量估计性能指标对估计的准确度进行了评价,和全局的特征值分解方法进行对比,该方法的总体运算量约降低为特征值分解算法的1/K,该方法计算准确度有所下降,但性能指标参数和全局特征值分解方法在同一数量级。然后,研究了子空间方法的混合信号分离算法,建立信号接收系统模型,产生基础的通信信号和雷达信号并随机生成混合矩阵得到混合信号,对混合信号使用非线性投影逼近子空间跟踪信号分离算法和正交化约束的非线性正交投影逼近子空间跟踪信号分离算法进行了混合信号的分离。在此基础上,利用推广最小噪声子空间方法实现了固定计算单元的正交投影逼近子空间跟踪信号分离算法的并行计算方式,在计算单元数为K时,单个计算单元的计算量约降为原来的1/K。最后,建立了简单的无人机运动模型和信号的接收模型,在此模型的基础上建立了无人机集群侦察环境下的信号接收模型,并使用正交投影逼近子空间跟踪信号分离算法和其并行运算的方法对接收到的信号进行了混合信号分离。仿真的实验结果表明,对无人机集群侦察的混合信号能够有效的分离,在迭代更新的信号分离过程中,具有良好的串音误差性能指标,对分离信号中的BPSK信号进行解调,误码率接近理论值。
【图文】：

无人机,多架无人机,计划书

式无法替代的[4]。在早期的研究中，无人机集群作战的目的是替代一些大型无人机的作战，如对作战区域进行各种侦察[6]。对于无人机集群作战，美国空军在 20给出的定义是：在操作员的监视下，多架无人机组成的系统自主或半自主成指定作战任务的过程[7]。在后续的研究中，Polat Cevik 等人提出了更理的定义：无人机集群是指采用自组织控制技术的多架小型无人机执行相相同的作战任务[8]。多无人机的集群作战中，多架无人机通过任务规划，协调工作，使整体作战能力上得到了扩展和提升[9]。另一方面，随着控制的不断发展，尤其是近年来人工智能技术得到了快速发展，无人机集群作在向人工智能技术加持下全自动自主控制的方向发展[10]。2016 年 5 月，美国空军发布了《2016-2036 年小型无人机系统飞行计》，该计划书主要针对小型和微型无人机系统的发展，，在该计划书中，美军提出了从 2016 年至 2036 年的小型和微型无人机的发展计划，其中就了无人机集群作战的概念及其适用的作战场景，包括了火力攻击、侦察、对抗等任务[2]。图 1-1 为该规划书中提出的无人机“蜂群”作战构想图。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN971

【参考文献】