基于累积量的盲自适应波束形成技术

本文研究了在阵列信号处理中使用累积量的问题，以及在相干多径环境中基于累积量的盲自适应波束形成技术。该技术能在阵列几何结构和阵列流形未知的条件下，自适应调整权系数使阵列输出的信号干扰加噪声比最大。     

一种新的卫星智能天线自适应波束形成算法“

基于遗传算法提出了一种用于卫星智能天线的自适应波束形成算法,在遗传算法的变异操作中使用双变异概率,并将其与最优保留策略和内插交叉算子结合在一起使用,以此来克服传统遗传算法的早熟收敛问题,提高全局收敛能力和可靠性.仿真结果表明,提出的自适应波束形成算法具有良好的收敛性和抗干扰性能,可抵抗卫星通信系统中干扰信号的影响.     

电子侦察中的自适应多波束形成算法

阐述了一种适用于电子侦察等无源场合的两步自适应多波束形成算法，讨论了其成立条件并给出了详细的证明。该算法采用先估计空间信号源的方向和数量，再进行方向图综合。仿真结果表明，这种算法可大幅度改善干扰对消性能。     

一种基于简化极化敏感阵列的APES波束形成算法

为了有效降低极化敏感阵列各共点分量之间互耦的相互影响,进一步提高极化阵列的滤波性能,基于新的阵列模型提出了幅度相位估计（APES）波束形成算法。首先,给出了简化极化阵列的布阵模型和接收信号模型;然后,针对简化极化阵列给出了极化APES波束形成算法的详细理论推导,得到了最优权向量的表达式;最后,通过仿真实验验证了极化APES在波束形成方面的有效性。仿真结果表明该算法在强期望信号功率、低采样快拍数或是存在相干干扰的情况下都具有稳定的波束图。     

一种基于二重特征分解的稳健波束形成方法

针对强干扰背景下的弱目标被动探测与定位问题,提出了一种基于特征分解的稳健波束形成方法。首先搭建了一个由信号子空间与干扰方向导向矢量组合的特殊矩阵,理论推导了该矩阵特征向量与信号导向矢量间的内在关系,并证明这种数学关系仅与信号间相对方位有关,与信号能量无关;接着利用该关系,构造了能够抑制训练数据中期望信号并保证其余信号功率不变的预处理矩阵;最后对预处理后的训练数据,结合对角加载方法,获得最终波束形成方法的权向量。仿真实验证明,在干扰区间已知时,该算法在保证波束形成的稳健性同时,具有更强的干扰抑制能力。     

多波束形成技术研究

讨论了跟踪与数据中继卫星系统 (TDRSS)中关于多波束形成的算法 ,优选的有LMS自适应方式和相位调整自适应方式 ;并简单介绍了波束控制和波束形成的实现     

修正的干扰噪声自相关矩阵重构波束形成算法

为改善采样自相关矩阵求逆（SMI）算法中期望信号存在于接收信号所引起的性能下降,提出一种修正干扰噪声自相关矩阵重构（CMR）算法。该算法首先选取采样自相关矩阵特征分解的最小特征值对应的特征向量构造空间分布系数,再对其在非期望信号波达方向上进行累加实现矩阵的重构。当存在相干信号时,可采取先利用特征向量元素对协方差矩阵进行托普利兹化处理实现解相干,再进行矩阵重构的托普利兹矩阵重构（TCMR）算法。计算机仿真与实验结果证明适用于非相干信号条件下的CMR算法与适用于相干信号条件下的TCMR算法具有更好的输出性能。     

基于数字波束形成的自动跟踪系统

针对多目标测控问题，提出了一种实用的利用基于圆阵的数字波束形成技术来实现目标跟踪的系统。在系统实际工作于噪声和干扰环境中时，为避免计算梯度时可能出现的数值突变，提出了一种修正的梯度跟踪自适应算法，可靠地实现了权值更新，并对各阵元输出进行加权合并，以获得最大信号输出，同时实现对目标方位角和俯仰角的自动捕获和跟踪，且跟踪迅速、正确、稳定。仿真结果表明了所提出的方案的正确性。     

多波束移动卫星系统的自适应开环预编码方法

对于卫星移动通信系统,由于卫星与地面终端之间的相对运动以及星地间传输延迟,传统的基于理想信道信息的预编码方法是不适用的。针对这一问题,提出了一种基于开环信道估计的预编码方法。卫星端利用开环获取的部分信道信息实现多波束联合预编码,并导出了系统传输速率的闭合解析表达式。此外,为了克服强干扰环境下多波束预编码系统性能恶化问题,提出了一种自适应预编码传输方法。卫星发射机依据开环获得的慢时变用户位置信道信息和信道统计量信息,自适应地选择预编码方法或传统频率复用方法,实现最优的系统性能。理论分析和仿真结果表明,与传统的干扰抑制方法相比,所提方法能实现更优的系统性能,同时也克服了传统预编码方法的局限性。     

基于约束最小冗余线阵的自适应数字波束形成理论分析

本文根据约束最小冗余线阵的特点,提出一种新的实现自适应数字波束形成方法。分析表明在同等阵列孔径条件下,本文方法同基于均匀线阵的传统方法相比,不仅能使系统造价降低,而且在平均功率意义上使两者处理性能相同。     

一种基于自适应网格剖分的协方差交集融合新算法

针对分布式航迹融合问题,提出了一种基于自适应网格剖分的协方差交集融合新算法。首先,自适应计算网格剖分误差上限;其次,利用网格剖分法求出局部航迹协方差椭圆的交集;最后,利用交集中心求出融合航迹估计值。通过仿真试验,该算法能自适应估计网格剖分步长上限,提高融合精度。     

基于L曲线的自适应时空正则化视频超分辨率重建

为了解决视频超分辨率重建的病态问题,以得到良好的重建效果,提出了一种新颖的视频超分辨率重建算法。在算法中引入了时空联合正则化算子,通过视频帧本身的空间平滑信息和视频相邻帧的帧间相关先验信息的引入,提高了解的质量;同时,为了选择合适的时空正则化系数,提出了基于L曲线的自适应时空正则化系数计算方法,可以自适应地计算合适的正则化系数。通过对模拟图像序列和真实视频序列的实验结果表明,算法能得到较为精确的解,重建出具有良好视觉效果的高分辨率视频。     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

自适应约束下的双边全变差正则化超分辨率重建

在经典的双边全变差(BTV)超分辨率重建中,加权系数和正则化参数的恒定性导致重建结果边缘保持能力受限。为此,提出了一种自适应约束的BTV正则化先验模型。算法首先定义了图像的局部邻域残差均值以区分当前像素属于平坦区域还是边缘区域;然后针对加权系数的不变性导致边缘削弱的问题,利用边缘方向和垂直边缘方向扩散性的不同,设计自适应权重矩阵;最后根据代价函数的极值问题推导出迭代公式,从而进行图像的超分辨率重建,重建过程中采用自适应的方法确定正则化参数,以便求得代价函数的全局最优解,提高了算法的鲁棒性。实验结果表明：与双三次线性插值法和经典BTV算法相比,该算法取得了更好的视觉效果和更高的峰值信噪比,更多地保留了图像的边缘细节信息。     

一种基于RAMP算法的OFDM稀疏信道估计方法

针对OFDM稀疏信道估计需要信道稀疏度作先验条件的不足,将正则化自适应匹配追踪（RAMP ） 用于信道重建,可在信道稀疏度未知的情况下,自适应地调整候选集原子的个数,并利用正 则化过程实现支撑集的二次筛选,逐步扩大支撑集,准确地估计出信道的冲激响应。仿真结 果表明,该方法收敛速度快,估计效果好,有较好的应用价值。