实测数据的降秩空时自适应处理方法

本文介绍了两种在广义旁瓣相消器结构上的降秩空时自适应处理方法：主分量法和互谱法，这两种方法是利用杂波和干扰的低秩属性，应用采样数据来构造降维转换矩阵。最后对Mountain Top计划进行了详细的描述，并对从Mountain Top计划测得的数据，应用上述两种降秩方法对其进行了分析。仿真实验表明了这两种方法的可行性，减少了计算量，并提高了有效可测收敛性。     

基于GSC框架降秩自适应滤波算法研究

基于对自适应滤波算法的研究可以得出,GSC(Generalized Sidelobe Canceller)框架是所有降秩滤波算法的统一基础模型,通过对GSC一般结构的降秩模型的研究。文中提出了3种能够改善一般结构结果的优化模型,PC(Prin-ciple Component)主分量算法、CS(Cross Spectrum)交叉谱算法、MWF(Mutistage Wiener Filter)多级维纳滤波器。这三种方法都是基于特征子空间截断的方法。通过对降秩矩阵T的特征值分解和重新构造,大大降低了自由度和工程运算量。该两种方法在实际应用中具有更优的实时性。仿真结果证明了提出的基于广义旁瓣相消的降秩自适应波束形成算法具有良好的降低自由度和波束形成性能,验证了算法的有效性。     

降秩自适应滤波算法研究

对降秩自适应滤波算法进行了系统的总结和分析,推导了其相互关系。分析表明,GSC（Generalized Sidelobe Canceller）框架降秩变换自适应滤波是各种降秩自适应滤波算法的统一模型。在此基础上导出了线性约束正交投影算法。降秩多级维纳滤波器在相关意义上进行截断降秩,其降秩性能优于基于特征子空间截断的降秩方法。酉多级维纳滤波器与共轭梯度法等效,均是基于Krylov子空间截断降秩的方法,降秩性能更优。最后通过计算机仿真试验比较了各种降秩处理算法的性能。     

一种秩基于降秩共轭梯度法的零陷加宽技术

在自适应阵列处理技术中,零陷加宽技术常用于增强自适应权和数据失配时的鲁棒性,但该技术同时会带来计算量的增加。将零陷加宽技术引入到降秩共轭梯度法中,提出了基于降秩共轭法的零陷加宽技术。相比于常规的零陷加宽技术,该方法有效地降低了计算量。计算机仿真表明,小快拍条件下新算法的干扰抑制性能优于常规零陷加宽法。     

填平圆波导截止波长的计算

本文介绍了两种填平圆波导截止波长的计算方法:等效面积法和微扰法。并且对这两种方法作了说明和对比,通过讨论它们的适用范围,并结合已有的实验数据得出了填平圆波导归一化截止波长的计算曲线。     

傅里叶变换光谱仪探测器非线性的影响及其校正方法

针对傅里叶变换光谱仪探测器引起的非线性进行研究，阐述了非线性的产生、分析了非线性对光谱的影响以及介绍了两种校正二次项非线性的方法:卷积法和迭代法。并采用这两种方法对干涉图进行二次非线性校正，然后在卷积法与迭代法的基础上提出一种更适用于实际数据的新方法。最后采用这三种方法对模拟数据以及实际采集数据分别进行非线性校正，实验数据说明校正后非线性能得到抑制。并且通过对比发现，新的校正方法有较好的精度及更快的速度。     

填平圆波导截止波长的计算

本文介绍了两种填平圆波导截止波长的计算方法，等效面积法和微扰法，并用对这两种方法作了说明和对比，通过讨论它们的适用范围，并结合已有的实验数据向出了填平圆波导归一化截止波长的计算曲线。     

网络音频数据检索技术

针对网络海量数据的应用特点，对传统的直方图算法进行了改进，采用基于主轴树的快速矢量量化技术进行预处理，采用两阶段法进行搜索处理，实验结果表明这2种方法可以显著提高检索的速度和精度。     

两种处理焦移方法的比较研究

对焦移的处理有两种不同方法,即Li-Wolf法和Greene-Hall法。以复宗量拉盖尔高斯光束为典型例,对处理焦移的这两种方法作了详细的比较研究,并对数值计算结果作了分析。所得结论对某些实际应用是有意义的。     

一种基于广义旁瓣相消的改进降秩算法

在处理大型阵列时,阵元数较多,通常对阵列采用降秩处理可以较好地解决运算量过大的问题。基于广义旁瓣相消器(GSC)框架的降秩变换自适应滤波是各种降秩自适应滤波算法的统一模型。分析了基于GSC框架的几种降秩自适应滤波算法,针对当降秩阶数大于干扰数时方向图旁瓣过高、波形混乱和系统性能下降问题,提出了一种基于GSC框架的改进降秩算法,该算法利用特征子空间对GSC阻塞矩阵加以改进,使用改进后的阻塞矩阵进行降秩自适应处理,仿真结果证明了改进算法可以降低旁瓣电平,并形成较好的波束形状,提高了GSC性能的稳健性。     

Fast reduced-rank STAP algorithm based on Gram–Schmidt orthogonalisation for airborne radar

In the reduced-rank space-time adaptive processing (STAP) methods, especially the principal component (PC) analysis STAP method, a set of dominant eigenvectors must be obtained by singular value decomposition of the space-time covariance matrix. Therefore, it is very difficult to be applied in practical system due to the intense computational complexity. In order to reduce the computational burden, a fast reduced-rank STAP algorithm based on Gram–Schmidt (GS) orthogonalisation is proposed in this article. In the proposed GS-PC STAP method, the clutter subspace is reconstructed by the GS orthogonalisation of training samples. Then, the STAP adaptive weight vector is calculated by orthogonally projecting the quiescent weight vector into clutter subspace, which can hold fast convergence measure of effectiveness (MOE) and require less computational complexity by compared with the conventional PC method. Based on the simulated data and multichannel airborne radar measurements data, the corresponding convergence MOE and the clutter suppression performances are verified in the article.     

降维空时自适应处理研究

该文首先分析了降维空时自适应处理(STAP)的一般原理,接着从理论上证明了在处理器维数和辅助样本数相同的条件下降维STAP的互谱方法(CSM)提供了特征空间内所有降维处理方法的性能上界。文中还通过仿真将两种固定结构的降维方法与CSM做了性能比较,结果表明时域预滤波级联局域空时联合处理法(3DT-SAP)非常接近性能上界,是一种非常有效的降维方法。     

机载预警雷达杂波模型

本文用随机积分的方法引入一种合理的机载预警雷达的地(海)杂波模型.由此得出正侧面阵阵元上的时空快拍是对一低通平稳随机过程的采样.在距离环上杂波散射呈Gauss白噪声时,可知杂波过程为低通Gauss平稳随机过程.此外,还讨论了一般的杂波过程的相关函数与功率谱密度.并利用一组Mountain Top 数据对本文建立的杂波模型做了相应的验证.     

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.     

Statistical analysis of subspace-based estimation of reduced-ranklinear regressions

A number of signal processing and system identification problems include linear regressions with a reduced-rank regression matrix. A typical step in "subspace-based" algorithms is to apply the singular value decomposition (SVD) to compute a low-rank factorization. However, it is not clear how certain weighting matrices should be defined for best possible accuracy. We present a statistical analysis of the estimate of the reduced-rank regression matrix, and we discuss a couple of approaches for finding weighting matrices     

训练样本不足时的子空间信号检测方法

为了解决训练样本不足时的子空间信号检测问题,提出了两种有效的降秩检测器.基于主分量分析(PCA)的思想,先把常规自适应子空间检测器中采样协方差矩阵(SCM)的求逆运算用噪声特征子空间矩阵与其共轭转置的乘积代替,构造降秩子空间检测器;为进一步提高算法稳健性,把降秩子空间检测器的求逆运算用Moore-Penrose逆代替.仿真结果表明,所提方法在训练样本充足及不足时,均比现有方法具有更好的检测性能.     

机载前向阵雷达近程地面目标检测

根据地杂波谱特点,本文提出了一种前向阵近程地面目标检测方法。该方法由频移补偿预处理、二级降维(3DT-SAP级联多级维纳滤波器(MWF))空时自适应滤波、两步广义似然比检验(GLRT)组成。其中,3DT-SAP级联MWF方法不仅本身能以低的计算代价实现杂波的有效抑制,而且能使两步GLRT方法通过极少量的计算完成与GLRT方法性能相同的恒虚警检测,降低了计算总量。仿真表明,此系统方法能够有效检测出前向阵近程地面目标。     

空域数据分解的两级降维自适应处理方法

传统的后多普勒自适应处理方法,如因子法和扩展因子法,虽然能大大降低自适应处理时的运算量和独立同分布样本的需求量,但在天线阵元数进一步增大的情况下,还是不能有效抑制杂波。针对这一问题,该文提出一种空域数据分解的两级降维自适应处理方法。该方法将多普勒滤波后的空域数据进行分解,使其变为两个向量的Kronecker乘积,得到一双二次代价函数,利用循环迭代的思想求解最优权。实验表明该方法具有快速收敛,所需训练样本少的优点,尤其在小样本条件下该方法抑制杂波的性能明显优于因子法和扩展因子法。     

降秩盲自适应FRESH滤波器的研究

提出了基于最小均方误差准则(MMSE)的盲自适应FRESH滤波器;给出了基于互谱准则(CSP)、主分量分析(PCA)和多级维纳滤波器(MSWF)等方法的降秩处理,并对不同的方法进行了性能比较。计算机仿真结果表明,这种降秩盲FRESH滤波器能够有效地分离或提取谱重叠信号。