高維小樣本陣列自適應(yīng)信號處理方法研究.pdf

1、近幾十年來，陣列信號處理被廣泛應(yīng)用于雷達(dá)、聲納、無線通信、麥克風(fēng)陣語音處理和醫(yī)學(xué)成像等領(lǐng)域。首先，為了獲取更高的分辨率、更強的干擾抑制能力和更遠(yuǎn)的探測距離，現(xiàn)代陣列采用的陣元數(shù)目越來越大，使得傳統(tǒng)的自適應(yīng)處理方法的計算復(fù)雜度顯著增加，難以實時處理。其次，受到外部環(huán)境和硬件水平的限制，自適應(yīng)陣列處理所需要的訓(xùn)練樣本數(shù)目并沒有同步得到提升。針對大規(guī)模陣列處理面臨的高維小樣本問題，我們從提高收斂速度和降低計算復(fù)雜度兩個方面對陣列信號處理中的波

2、達(dá)方向估計(DOA)、自適應(yīng)波束形成和空時自適應(yīng)處理方法進行了研究。本論文的主要研究內(nèi)容和成果包括以下幾個方面:
　　1.利用目標(biāo)輻射源空間分布的稀疏性，提出了兩種基于稀疏表示的多快拍聯(lián)合DOA估計方法。第一種方法利用采樣數(shù)據(jù)矩陣大奇異值對應(yīng)的左奇異向量近似信號子空間，然后采用加權(quán)迭代最小方差方法對信號空間進行稀疏表示進而確定出目標(biāo)方位。第二種方法對傳統(tǒng)的基于協(xié)方差矩陣稀疏表示的模型進行改進，提出一種新的基于樣本協(xié)方差矩陣稀疏表示

3、的聯(lián)合波達(dá)方向估計方法。該方法僅利用協(xié)方差矩陣的部分信息進行DOA估計，不需要估計噪聲功率，以一個陣元的孔徑損失換取算法的穩(wěn)健性。與傳統(tǒng)的角度高分辨估計方法不同，基于稀疏表示的DOA估計方法對具有相干性的信號源能進行有效估計，不需要進行去相關(guān)處理。
　　2.通過對最優(yōu)自適應(yīng)波束形成權(quán)矢量構(gòu)成進行分析，發(fā)現(xiàn)最優(yōu)權(quán)僅位于低維的干擾加信號子空間中。根據(jù)經(jīng)驗，一般系統(tǒng)設(shè)定的所要抑制的干擾數(shù)目都遠(yuǎn)小于系統(tǒng)自由度。因此一旦干擾空間和信號導(dǎo)向矢

4、量已知，只需求解一個低維的組合矢量即可求得自適應(yīng)權(quán)矢量，同時也降低了算法的計算復(fù)雜度。我們首先構(gòu)造一個完備的干擾加信號子空間(IPSS)，然后對組合矢量進行稀疏約束，找到一組列數(shù)最小的信號加干擾子空間來構(gòu)造自適應(yīng)權(quán)。與傳統(tǒng)的降秩方法不同，所提方法不需要已知干擾的數(shù)目，且對多種常見的不匹配情況穩(wěn)健。
　　3.非均勻雜波環(huán)境下，空時自適應(yīng)處理的關(guān)鍵在于如何在樣本較少時準(zhǔn)確估計雜波協(xié)方差矩陣(CCM)。首先，根據(jù)雜波譜的稀疏性，采用少量

5、樣本可估計出雜波功率譜，進而估計出CCM?；谙∈璞硎镜碾s波協(xié)方差矩陣估計方法僅利用少量樣本即可達(dá)到較好的CCM估計效果，明顯提高了空時自適應(yīng)算法(STAP)的收斂速度。然而采用少量樣本稀疏表示估計所得的雜波譜常出現(xiàn)偽峰，容易造成CCM估計偏差。利用雜波譜分布的特殊空時耦合性，通過雜波脊曲線擬合方法剔除雜波譜中的偽峰，有效提高了CCM估計精度。另外，該算法還可以對載機飛行參數(shù)（載機速度，偏航角等）進行估計。
　　4.針對傳統(tǒng)空時自

6、適應(yīng)處理計算量大的問題，提出一種基于權(quán)矩陣低秩逼近的快速空時自適應(yīng)處理方法。與傳統(tǒng)的低秩逼近算法不同，我們利用空時導(dǎo)向矢量特殊的Kronecker累積性，重新構(gòu)造新的權(quán)矩陣，使得該權(quán)矩陣的行數(shù)與列數(shù)盡可能的相同或相近。采用低秩逼近方法對新構(gòu)造的權(quán)矩陣進行表示，提高了自適應(yīng)權(quán)的自由度，而且原二次優(yōu)化問題被轉(zhuǎn)化為一個雙二次代價函數(shù)問題，可以采用雙迭代方法進行求解。
　　5.傳統(tǒng)的降維降秩類空時自適應(yīng)處理方法雖然提高了系統(tǒng)的收斂速度，降

7、低了計算復(fù)雜度，但是不同的方位、多普勒需要重新計算自適應(yīng)權(quán)，計算量依然很大。針對小樣本情況，我們提出一種基于核方法的快速自適應(yīng)處理方法，能有效的降低權(quán)更新的計算量。由于自適應(yīng)權(quán)僅位于干擾加信號子空間且訓(xùn)練樣本主要由干擾組成，通過訓(xùn)練樣本和目標(biāo)空時導(dǎo)向矢量的線性組合來構(gòu)造自適應(yīng)權(quán)。因而只需計算一個低維的組合矢量，避免了直接對協(xié)方差矩陣進行求逆，大幅降低了計算量。針對當(dāng)樣本數(shù)超過干擾自由度時，權(quán)矢量易受病態(tài)Gram矩陣求逆影響的問題，采用三