基于改进型RLS算法的收发隔离技术

发布时间：2021-04-07 07:29

　　对于动态稀疏环境下雷达干扰机的收发隔离问题,常用的遗忘因子递归最小二乘（RLS）算法对干扰耦合路径衰减系数的辨识精度不够,以至于达不到隔离需求。针对此问题,利用可变遗忘因子RLS算法的优势,并在此基础上,增加对待估计系统参数的稀疏约束,提出了一种稀疏约束的可变遗忘因子RLS算法。该方法充分利用了待辨识系统的先验信息,提高了系统待辨识参数的稀疏倾向性,改善了对稀疏系统的辨识精度,并且结合了可变遗忘因子,在有效提高算法跟踪性能的基础上进一步降低了稳态误差。理论分析和仿真结果表明:该方法能够有效地用于稀疏环境下的系统辨识,提高了RLS类算法对于稀疏系统的辨识精度,进而提高了隔离性能。 

【文章来源】：现代雷达. 2020,42(06)北大核心CSCD

【文章页数】：8 页

【部分图文】：

基于系统辨识的收发隔离模型

式中:必须满足括号中的数值大于或者等于0,即要满足τ≥0,在这里τ应该取较大的值。为了进一步说明函数fτ(h(n))对l0范数的逼近程度,这里给出M=1时fτ(h(n))与l0范数在[-1,1]区间上的对比图,如图2所示。在图2中,τ取值为50,可以看出此时函数fτ(h(n))已经非常逼近零范数。对式(25)进行求导,由于|hk(n)|的存在,函数fτ(h(n))在零点处不可微,而g(h)=|h|在定义域上又是凸的。因此,在这里同样利用次微分

图3是本文算法以及多种RLS类算法的系统辨识误差曲线。对于常规RLS算法、l1-RLS算法、l0-RLS算法,λ为固定值0.995,对于l1范数约束γ取1.5,l0范数约束γ取0.2。对于VFF类算法λmax=0.999 9,ξ=10-8,Kα=2,Kβ=5Kα,μ=1.5。分析图3可以看出,本文VFF-l0-RLS算法在各类算法中能够取得最小的MSE,故其对系统传递函数的辨识性能最佳。并且当辨识系统在迭代次数1 500处时发生突变,VFF类算法对系统的跟踪性能要比常规算法更好,并且稳态误差也更小。图3仅对比了系统参数稀疏度k=4时各算法的系统辨识情况。为了进一步说明本文算法对于稀疏系统辨识的优势,下面分别对比系统参数稀疏度k取8、16、32时各算法的系统辨识情况。在这里,非零元素的位置可以随机选取,其他条件与前面实验设置相同。

【参考文献】：
期刊论文
[1]基于l1-范数约束的递归互相关熵的稀疏系统辨识[J]. 周千,马文涛,桂冠.  信号处理. 2016(09)
[2]非高斯噪声环境下基于RLS的稀疏信道估计算法[J]. 朱晓梅,黄莹,包亚萍,桂冠.  电子技术应用. 2016(06)
[3]基于自适应系统辨识的收发隔离技术研究[J]. 邹纯烨,张剑云,周青松,黄中瑞.  现代雷达. 2015(11)
[4]雷达对抗系统收发隔离技术研究[J]. 宋月丽,黎仁刚.  舰船电子对抗. 2012(01)
[5]用于稀疏系统辨识的改进l0-LMS算法[J]. 曲庆,金坚,谷源涛.  电子与信息学报. 2011(03)
[6]一种变步长LMS自适应滤波算法及分析[J]. 高鹰,谢胜利.  电子学报. 2001(08)

硕士论文
[1]收发同时干扰机中自适应对消技术的设计与实现[D]. 苗磊.哈尔滨工程大学 2017
[2]干扰机发射泄漏和多径信号对消算法的研究[D]. 桑乃建.电子科技大学 2012



本文编号：3123062