高維小樣本陣列自適應信號處理方法研究.pdf

1、近幾十年來，陣列信號處理被廣泛應用于雷達、聲納、無線通信、麥克風陣語音處理和醫(yī)學成像等領域。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)的自適應處理方法的計算復雜度顯著增加，難以實時處理。其次，受到外部環(huán)境和硬件水平的限制，自適應陣列處理所需要的訓練樣本數(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雜度兩個方面對陣列信號處理中的波

2、達方向估計(DOA)、自適應波束形成和空時自適應處理方法進行了研究。本論文的主要研究內容和成果包括以下幾個方面:
　　1.利用目標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)矩陣大奇異值對應的左奇異向量近似信號子空間，然后采用加權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，不需要進行去相關處理。
　　2.通過對最優(yōu)自適應波束形成權矢量構成進行分析，發(fā)現(xiàn)最優(yōu)權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)設定的所要抑制的干擾數(shù)目都遠小于系統(tǒng)自由度。因此一旦干擾空間和信號導向矢

4、量已知，只需求解一個低維的組合矢量即可求得自適應權矢量，同時也降低了算法的計算復雜度。我們首先構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造自適應權。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，空時自適應處理的關鍵在于如何在樣本較少時準確估計雜波協(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到較好的CCM估計效果，明顯提高了空時自適應算法(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、適應處理計算量大的問題，提出一種基于權矩陣低秩逼近的快速空時自適應處理方法。與傳統(tǒng)的低秩逼近算法不同，我們利用空時導向矢量特殊的Kronecker累積性，重新構造新的權矩陣，使得該權矩陣的行數(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造的權矩陣進行表示，提高了自適應權的自由度，而且原二次優(yōu)化問題被轉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處理方法雖然提高了系統(tǒng)的收斂速度，降

7、低了計算復雜度，但是不同的方位、多普勒需要重新計算自適應權，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處理方法，能有效的降低權更新的計算量。由于自適應權僅位于干擾加信號子空間且訓練樣本主要由干擾組成，通過訓練樣本和目標空時導向矢量的線性組合來構造自適應權。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。針對當樣本數(shù)超過干擾自由度時，權矢量易受病態(tài)Gram矩陣求逆影響的問題，采用三