小孔径阵列处理技术研究
发布时间：2020-12-30 21:07
小孔径阵列随着阵列载体设备,如车辆、卫星等朝着小型化、微型化发展,渐渐成为阵列信号处理的研究热点。小孔径阵列的阵列自由度不高,很难实现对信号的高分辨,为了解决小孔径约束所带来的问题,出现一系列扩展阵列自由度的方法,如标量阵扩展到矢量阵、空时域联合处理、宽线性处理技术等。本文在小孔径约束下,给出空时域联合的宽线性降秩抗干扰算法;针对期望信号非稳态情况,给出具有稳健性的极化空时多域联合的降秩抗干扰算法;对奥米娅棕蝇的机械耦合结构和基于该机械耦合结构的阵列的最大似然估计方法进行分析。如下是本文主要工作:针对现有算法处理非圆信号会使得抗干扰性能下降、空时域联合处理和矩阵求逆运算会造成算法计算复杂度高等问题,给出三种空时域联合的宽线性降秩抗干扰算法。本文通过降秩联合迭代的求解方式,有效避免矩阵求逆运算,且使算法具有自适应性;通过宽线性技术和高斯熵准则的使用,提高算法的抗干扰性能,尤其是处理非圆信号时的性能。仿真结果表明基于高斯熵准则的抗干扰算法具有更强的干扰抑制能力,它们的输出信干噪比大于基于最小均方准则的算法。基于极化空时天线阵列,给出极化空时多域联合的降秩最小方差无失真算法,后通过理论分析,...
【文章来源】： 方惠 电子科技大学
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
PSA-LCMV算法的波束形成图
第二章经典的极化抗干扰算法17（a）（b）图2-6PSA-LCMV算法的波束形成图。（a）正视图；（b）侧视图图2-6表明，PSA-LCMV算法的波束方向图在期望信号方向上的增益基本上为1，而在干扰方向形成了比较深的零陷，即说明了PSA-LCMV算法可以保证期望信号无失真的通过滤波器，且能很好的抑制干扰。此外还有一点值得注意，即阵列自由度，仿真条件给出的是有2个期望信号，4个干扰信号，则总共消耗的阵列自由度是6，等于阵元的个数，但是对于标量阵列，其阵列自由度是M1，故此处若采用的是标量阵列将得不到上述那么好的仿真结果，这验证了PSA可以增加阵列的自由度，即在阵元数相同时，它能够同时处理更多的信号。不过，因为自由度的限制，PSA-LCMV算法的波束方向图在期望信号方向的增益值并非为最大值。仿真二：两个期望信号同仿真一；一个干扰信号以与第一个期望信号相同的来波方向入射到阵列，其极化相角为10，干噪比INR80dB，此场景下，PSA-LCMV算法的波束形成图如图2-7所示。（a）（b）图2-7当有干扰与期望信号DOA相同时PSA-LCMV算法的波束方向图。（a）正视图；（b）侧视图
电子科技大学硕士学位论文18由图2-7可知，在存在与期望信号DOA相同的干扰的场景下，PSA-LCMV算法依然能在期望信号方向保持高输出增益的同时，在干扰方向形成比较深的零陷，这验证了极化敏感阵列具有极化多址的能力。仿真三：假设单个期望信号以DOA20从远场入射到阵列，其极化相位差45，信噪比SNR20dB；干扰信号如仿真一，图2-8是PSA-MVDR算法的波束形成图。（a）（b）图2-8PSA-MVDR算法的波束形成图。（a）正视图；（b）侧视图观察上图可以发现，滤波后期望信号基本上没有损失，而在干扰方向形成了比较深的零陷，这说明PSA-MVDR算法具有很好的干扰抑制能力；其次，对比上图与图2-7可以发现，PSA-MVDR算法相对于PSA-LCMV算法而言，其期望信号的损失更小一些、零陷深度更深一些。2.3.2PSA-PI算法仿真仿真一：两个期望信号的DOA分别为20、10，SNR均取值为20dB，极化相角均为45,1,2ll；干扰信号的DOA分别为60、0、60、30，对应信号的极化相角分别为10、50、30、60，INR均取值为80dB。图2-8为PSA-PI算法的波束形成图。观察上图发现：波束形成图仅在干扰对应的DOA和极化角上形成了零陷，并且零陷宽度尖锐，即对其他DOA方向和/或其他极化方向的信号影响较校与图2-6对比起来不难发现，PSA-PI算法的期望信号相对损失要大一些，但是它具有特有的优势，即它只在抑制干扰的时候不会消耗阵列自由度，而PSA-LCMV算法在抑制干扰时和对期望信号进行约束时会消耗阵列自由度，PSA-PI算法极大的节省了对于常用的小阵列导航信号接收机来说很是珍贵的阵列自由度。
【参考文献】：
期刊论文
[1]Effects of Power Inversion Spatial Only Adaptive Array on GNSS Receiver Measurements[J]. Hailong Xu,Xiaowei Cui,Mingquan Lu. Tsinghua Science and Technology. 2018(02)
[2]基于奥米亚棕蝇定位机理的仿生耦合处理系统[J]. 侯艳丽,夏克文,纪学军. 光学精密工程. 2017(09)
[3]极化敏感线阵的模值约束降维Root-MUSIC算法[J]. 李会勇,张远芳,谢菊兰. 信号处理. 2016(02)
[4]基于奥米亚棕蝇的测向天线阵列研究[J]. 胡佳伟,侯艳丽. 无线电通信技术. 2015(04)
[5]基于空时处理的稳健自适应波束形成算法[J]. 任超,吴嗣亮,王菊,李加琪. 电子与信息学报. 2009(06)
[6]基于单矢量传感器的信号多参数估计方法[J]. 王洪洋,王兰美,廖桂生. 电波科学学报. 2005(01)
[7]仿生学的意义与发展[J]. 路甬祥. 科学中国人. 2004(04)
[8]跳频通信的干扰方式研究[J]. 郭伟. 电子科技大学学报. 1996(S3)
博士论文
[1]极化敏感阵列信号处理的研究[D]. 徐振海.国防科学技术大学 2004
硕士论文
[1]抗干扰导航接收机的设计与实现[D]. 余强.电子科技大学 2017
[2]北斗导航抗干扰算法研究及实现[D]. 袁上策.电子科技大学 2015
本文编号：2948303
【文章来源】： 方惠 电子科技大学
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
PSA-LCMV算法的波束形成图
第二章经典的极化抗干扰算法17（a）（b）图2-6PSA-LCMV算法的波束形成图。（a）正视图；（b）侧视图图2-6表明，PSA-LCMV算法的波束方向图在期望信号方向上的增益基本上为1，而在干扰方向形成了比较深的零陷，即说明了PSA-LCMV算法可以保证期望信号无失真的通过滤波器，且能很好的抑制干扰。此外还有一点值得注意，即阵列自由度，仿真条件给出的是有2个期望信号，4个干扰信号，则总共消耗的阵列自由度是6，等于阵元的个数，但是对于标量阵列，其阵列自由度是M1，故此处若采用的是标量阵列将得不到上述那么好的仿真结果，这验证了PSA可以增加阵列的自由度，即在阵元数相同时，它能够同时处理更多的信号。不过，因为自由度的限制，PSA-LCMV算法的波束方向图在期望信号方向的增益值并非为最大值。仿真二：两个期望信号同仿真一；一个干扰信号以与第一个期望信号相同的来波方向入射到阵列，其极化相角为10，干噪比INR80dB，此场景下，PSA-LCMV算法的波束形成图如图2-7所示。（a）（b）图2-7当有干扰与期望信号DOA相同时PSA-LCMV算法的波束方向图。（a）正视图；（b）侧视图
电子科技大学硕士学位论文18由图2-7可知，在存在与期望信号DOA相同的干扰的场景下，PSA-LCMV算法依然能在期望信号方向保持高输出增益的同时，在干扰方向形成比较深的零陷，这验证了极化敏感阵列具有极化多址的能力。仿真三：假设单个期望信号以DOA20从远场入射到阵列，其极化相位差45，信噪比SNR20dB；干扰信号如仿真一，图2-8是PSA-MVDR算法的波束形成图。（a）（b）图2-8PSA-MVDR算法的波束形成图。（a）正视图；（b）侧视图观察上图可以发现，滤波后期望信号基本上没有损失，而在干扰方向形成了比较深的零陷，这说明PSA-MVDR算法具有很好的干扰抑制能力；其次，对比上图与图2-7可以发现，PSA-MVDR算法相对于PSA-LCMV算法而言，其期望信号的损失更小一些、零陷深度更深一些。2.3.2PSA-PI算法仿真仿真一：两个期望信号的DOA分别为20、10，SNR均取值为20dB，极化相角均为45,1,2ll；干扰信号的DOA分别为60、0、60、30，对应信号的极化相角分别为10、50、30、60，INR均取值为80dB。图2-8为PSA-PI算法的波束形成图。观察上图发现：波束形成图仅在干扰对应的DOA和极化角上形成了零陷，并且零陷宽度尖锐，即对其他DOA方向和/或其他极化方向的信号影响较校与图2-6对比起来不难发现，PSA-PI算法的期望信号相对损失要大一些，但是它具有特有的优势，即它只在抑制干扰的时候不会消耗阵列自由度，而PSA-LCMV算法在抑制干扰时和对期望信号进行约束时会消耗阵列自由度，PSA-PI算法极大的节省了对于常用的小阵列导航信号接收机来说很是珍贵的阵列自由度。
【参考文献】：
期刊论文
[1]Effects of Power Inversion Spatial Only Adaptive Array on GNSS Receiver Measurements[J]. Hailong Xu,Xiaowei Cui,Mingquan Lu. Tsinghua Science and Technology. 2018(02)
[2]基于奥米亚棕蝇定位机理的仿生耦合处理系统[J]. 侯艳丽,夏克文,纪学军. 光学精密工程. 2017(09)
[3]极化敏感线阵的模值约束降维Root-MUSIC算法[J]. 李会勇,张远芳,谢菊兰. 信号处理. 2016(02)
[4]基于奥米亚棕蝇的测向天线阵列研究[J]. 胡佳伟,侯艳丽. 无线电通信技术. 2015(04)
[5]基于空时处理的稳健自适应波束形成算法[J]. 任超,吴嗣亮,王菊,李加琪. 电子与信息学报. 2009(06)
[6]基于单矢量传感器的信号多参数估计方法[J]. 王洪洋,王兰美,廖桂生. 电波科学学报. 2005(01)
[7]仿生学的意义与发展[J]. 路甬祥. 科学中国人. 2004(04)
[8]跳频通信的干扰方式研究[J]. 郭伟. 电子科技大学学报. 1996(S3)
博士论文
[1]极化敏感阵列信号处理的研究[D]. 徐振海.国防科学技术大学 2004
硕士论文
[1]抗干扰导航接收机的设计与实现[D]. 余强.电子科技大学 2017
[2]北斗导航抗干扰算法研究及实现[D]. 袁上策.电子科技大学 2015
本文编号：2948303
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2948303.html
