低数据率与低阵元数时LCMV和LCEC波束形成算法研究

研究了低数据率与低阵元数条件下应用线性约束最小方差算法(LCMV)算法和线性约束特征干扰相消器(LCEC)算法的相控阵雷达系统对干扰抑制和旁瓣压低性能。建立了均匀线阵接收信号模型,给出了LCMV,LCEC两种算法的原理,用仿真方法讨论了不同数据率和阵元数时LCMV,LCEC算法不同到达方向上的干扰与旁瓣抑制性能。结果表明:与LCMV算法相比,高数据率、低阵元数时LCEC算法在两个相隔角度小于1个主波束宽带的干扰来波方向上形成的零陷更准确;低数据率、低阵元数时LCEC算法的角度分辨率更高;低数据率、高阵元数时LCEC算法的副瓣电平抑制能力更强,高阵元数时LCEC算法保持了静态方向图的特征。     

用于星载赋形天线的基于频域多相干目标测向算法

提出了一种用于星载赋形天线抗多个相干干扰的基于频域单 快拍的测向算法,该方法首先采用频域多目标测向算法实现多干扰源的方向估计;基于 估计出的干扰源到达方向,对相干信号采用陷零投影矩阵对强目标陷零,以达到对强干扰 进行抑制从而测出弱干扰,较好地保证了相干强弱信号测向的准确性,从而有效地对同 时强弱相干干扰进行抑制。仿真结果和性能分析验证了该方法的可行性。
     

基于改进混沌粒子群算法的发射波束控零

建立天线方向图综合控零模型,构造了一种适合方向图多指标优化的非线性目标函数。针对粒子群算法的快速收敛及全局最优的强搜索特点,应用混沌系统的遍历性和强随机性对算法进行改进,形成混沌粒子群算法,将其应用于发射波束方向图控制,实现了任意指定零陷深度要求的方向图控制。仿真结果验证了改进算法的优越性。     

天线选择性幅值扰动形成阵列零陷的技术

首先提出了一种在阵元关于阵列中心对称的线阵中利用幅值扰动形成零陷的新方法,该方法克服了传统幅值扰动方法零陷深度不足、旁瓣水平高的缺陷,且能够在多个强干扰源方向或在较宽的范围形成深度零陷而不影响主瓣。为了减少每次需要控制的阵元数,提高系统鲁棒性,在此基础上进一步提出了利用天线选择性幅值扰动形成零陷的方法。仿真结果表明,其性能可与基于全部天线进行幅值扰动的算法相比,甚至可与复权值控制方法的性能相比。     

基于精英群引导下量子粒子群算法的快速零陷形成技术

引入罚函数项,建立了一种新的发射波束方向图综合控零的多目标优化模型。用适应度值排序建立由种群非支配解组成的精英群,以精英群中的粒子作为全局最优解引导粒子飞行;用爬坡策略更新全局最优解,给出了基于精英群引导的量子粒子群算法。对阵列权值采用加权优化,可在发射波束指定方向的多零陷、宽凹口。仿真结果表明：算法对多目标的优化较文献算法更优,能优化阵列权值在指定方向快速形成零陷。     

自适应调零抗干扰卫星导航系统零陷特性分析

以功率倒置算法为基础,仿真分析自适应调零抗干扰卫星导航系统零陷特性,对比不同布阵方式、天线增益差、干扰功率大小等因素对零陷特性的影响。     

自适应机载雷达的杂波模拟

众所周知，自适应波束形成装置可有效地消除进入相控阵雷达天线旁瓣的强干扰信号。机载雷达受人为干扰的影响时，如果允许杂波进入自适应处理机，则会显著影响自适应波束方向图的形状，进而影响雷达影响。在缺少测试数据的情况下，先行建立了一个分布杂波模型，从而能够通过模拟，就前视机载雷达的情况对杂波出现时自适应算法的性能进行评价。本文概述了相挥阵雷达各输出通道产生杂波时间序列的方法，这种方法可以确保通道间的相关符     

一种自适应迭代宽带数字波束成形算法

为了克服传统宽带波束合成要求期望信号垂直入射阵面的苛刻要求,新算法首先利用数字时延滤波器对接收数据的时延进行补偿,使其等效为期望信号垂直入射,然后采用无需计算矩阵求逆的基于LMS的空时自适应滤波算法完成波束形成。方向图仿真表明,新算法能够实现宽带抑制,可高分辨率地使主瓣对准期望,零陷对准干扰;同时通过计算量分析,相对于DMI算法,新算法很大程度地降低了计算复杂度,减小了计算量,易于工程 实现。     

多重闪烁干扰下高精度卫星导航算法研究

传统卫星导航抗干扰高精度算法只适用于处理平稳的干扰信号,难以适应无序脉冲组成的多重闪烁干扰环境。本文基于干扰协方差矩阵重建思想,提出一种新的适用于多重闪烁干扰环境下的卫星导航高精度抗干扰算法并进行仿真对比分析。通过压缩感知完成单采样点干扰测向,使用干扰噪声矩阵重建理论构造协方差矩阵,使用自适应波束约束算法实现单采样点天线阵列波束赋形,最终实现在干扰方向形成固定零陷,在卫星方向形成波束指向。与传统波束约束高精度抗干扰算法相比,该算法可以实现单采样点抗干扰权值计算,适用于快时变多重闪烁干扰环境。仿真结果证明：该算法可以在有效滤除多重闪烁干扰信号的同时在卫星导航信号方向维持波束指向,保障卫星导航信号观测精度,满足高精度卫星导航需求。     

雷达天线系统装配性能的分析

若使现代机载雷达系统正常运行，雷达天线辐射方向图必须满足一定的技术条件。直到目前为止，多数雷达天线都是以一种清洁的天线环境（即没有考虑基底结构的近场散射或雷达天线罩影响）来设计和试验的。然而，这些高阶影响涉及到在日益增大的干扰和杂波干扰环境下增添一些外加性能要求的问题。研究了目前可以得到的用于机载雷达天线系统装配性能的分析方法和计算机软件的能力及局限性。此外，还开发了一种新的级联方法，这种方法能够     

基于自适应算法的带罩阵列天线方向图综合

提出一种基于自适应天线理论的带罩阵列天线方向图综合方法。先用射线追踪法计算到达罩内阵列天线的入射信号,通过自适应算法进行波束赋形,再用表面积分法得到带罩自适应天线的远区辐射场。用权函数的迭代来减小带罩方向图和无罩方向图的差别,实现天线与罩的一体优化。数值仿真结果表明,该方法能实现对带罩阵列天线主瓣指向、零陷位置和副瓣电平的控制,同时减小了天线罩对系统辐射特性方面的影响。     

基于降秩多级维纳滤波器的零陷加宽算法

自适应阵列处理中,常规的零陷加宽技术在自适应权和数据失配时具有较强的鲁棒性,但该技术同时会带来计算量的增加.通过推导一种新的相关相减结构多级维纳滤算法(CSA-MWF)的向前递推形式,进而将零陷加宽技术引入降秩CSA-MWF中,提出了基于降秩CSA-MWF的零陷加宽算法.相比于常规的零陷加宽技术,该方法有效地降低了计算...     

基于子阵阵元位置微扰的快速零陷形成技术

将大型阵列分解为关于阵列中心对称的两个子阵,对内子阵进行位置微扰形成指定零陷。线性化微扰后方向图的泰勒展开式,以微扰后方向图形变最小化为目标,将约束条件分实部、虚部分别约束微扰值,用Lagrange乘数法求解微扰值,实现了在指定方位快速形成深零陷,并引入小值控制零陷深度。该法不改变阵列孔径,基本不改变原方向图形状。仿真结果表明方法有效。     

具有固定零陷指向的波束形成算法

在考虑存在相关干扰的情况下 ,研究了基于最大输出信噪比准则且具有固定零陷指向的波束形成算法 ,并给出了系统权的解析表达式。计算机仿真结果说明了所给解析式的准确性     

具有最低旁瓣电平和使用粒子群优化算法控制零陷的线性阵几何综合

描述了具有最低旁瓣电平和使用粒子群优化算法（PSO）控制零陷的线性阵几何综合方法。PSO是一种最新开发的高性能优化算法，它能解决一般的N维线性和非线性优化问题。与遗传算法和模拟退火等其他进化算法相比，PSO算法更易于理解和实现，并且要求最少的数学预处理。针对以旁瓣抑制（SLL）和／或在特定方向放置零陷为目标的优化问题，首先提出了阵列几何综合的公式，然后运用PSO算法来解决单元的位置优化问题。最后给出了3个PSO算法应用的设计实例，且每个实例中的优化目标都易于实现。通过与使用二次规划方法（QPM）获得的结果相比较，验证了PSO算法结果的有效性。     

阵列天线赋形波束幅相加权实现自适应控零

基于改进的Woodward法，给出了一种在阵列天线方向图赋形的同时，对干扰方向实现自适应控零的方法。该方法对阵列单元的幅度和相位进行预置加权，可使波瓣自适应形成凹口。并把此方法和正交化方法相比较，文末给出了结论。     

压制性干扰条件下的双基地雷达探测能力研究

从双基地雷达方程出发,提出了双基地雷达探测目标的判定式。在雷达干扰方程的基础上,建立了双基地雷达在自卫式压制性干扰和远距离支援式压制性干扰条件下的干扰方程,并确立了干扰暴露区应满足的条件。根据双基地雷达探测目标判定式和干扰方程,在基于网格剖分算法的基础上,对双基地雷达探测区和干扰暴露区进行了仿真,得出了相应的探测区和暴露区面积。仿真结果表明：基于网格剖分算法的双基地雷达探测能力仿真更贴近实际,有效可行。     

零陷展宽的递推实现方法

目前常用的零陷展宽算法都可以归纳到协方差矩阵锥化（CMT）的范畴,按常规计算方式,CMT法的运算量为O(M 3)。文章首先通过对CMT法中的锥化矩阵进行特征值分解,提出了一种递推实现的零陷展宽算法,将运算量降为O(JM 2) （J为锥化矩阵的秩）;将该递推方法与对角加载算法结合,大大提高了算法的鲁棒性;最后针对几种常用的锥化矩阵进行了分析,确定了Mailloux算法中虚拟干扰源的选取原则,对MZ算法的锥化矩阵进行了降秩近似,进一步降低了运算量。计算机仿真分析表明,递推CMT算法在与原算法性能相当的情况下运算速度大大提高,与对角加载算法结合后,可以以较低的运算量实现较好的稳健性。
     

基于优势行动-评论的雷达自主干扰决策方法

随着认知电子战技术的不断发展,传统雷达干扰决策方法效率低、准确性差等缺点日益凸显。为解决该问题,提出了一种基于优势行动-评论（A2C）的雷达自主干扰决策方法。该方法以A2C强化学习算法为基础构建干扰决策智能体,智能体通过观察环境状态并不断与敌方雷达进行交互以学习自身的干扰策略,最终实时给出有效的干扰决策。最后通过仿真实验对比分析了Deep Q Network (DQN)算法和A2C算法在实时性和准确率等方面的优劣。仿真结果表明,A2C算法具有在未知环境下的干扰策略快速学习和决策的能力,可有效支撑认知电子战背景下的干扰策略选择。     

跟踪目标时雷达信息的数字处理

讨论了雷达在有、无干扰条件下跟踪机动和非机动目标的问题,给出了无干扰时机动目标的运动方程,在各种条件下跟踪单目标和多目标的各种算法(如贝叶斯法、非贝叶斯法、分支算法和最大似然法等),并对各种算法的性能进行了比较.