【摘要】：空間譜估計(jì)與自適應(yīng)波束形成技術(shù)作為陣列信號(hào)處理的主要應(yīng)用方向,廣泛被應(yīng)用于雷達(dá)、聲吶和通信等領(lǐng)域。但是,當(dāng)來波信號(hào)中存在鄰近的強(qiáng)弱目標(biāo)時(shí),強(qiáng)信號(hào)會(huì)掩蓋弱信號(hào)的信息,準(zhǔn)確估計(jì)弱信號(hào)波達(dá)方向困難。此外,陣列響應(yīng)誤差、陣元位置誤差以及期望信號(hào)出現(xiàn)在樣本數(shù)據(jù)中等因素使得自適應(yīng)波束形成算法性能下降明顯。本文針對(duì)上述問題進(jìn)行了研究,主要工作包括:(1)以多重信號(hào)分類(multiple signal classification,Music)算法為參考,對(duì)比分析了典型的強(qiáng)弱信號(hào)信源波達(dá)角(Direction of Arrival,DOA)估計(jì)算法,包括RELAX算法、干擾阻塞法以及SSMusic算法。明確了它們的適用情況和優(yōu)缺點(diǎn)。在此基礎(chǔ)之上,通過交換大特征值順序構(gòu)造的偽數(shù)據(jù)協(xié)方差矩陣,提出了一種基于偽信號(hào)協(xié)方差矩陣的強(qiáng)弱鄰近信源DOA估計(jì)方法。該方法減小了對(duì)硬件的要求,實(shí)現(xiàn)過程簡(jiǎn)單。最后,克服了經(jīng)典方法中抑制強(qiáng)信號(hào)時(shí)對(duì)鄰近弱信號(hào)引入損失的缺點(diǎn),提出了基于最大似然的強(qiáng)弱鄰近信源DOA估計(jì)方法。理論分析與仿真實(shí)驗(yàn)證明了所提方法的正確性與有效性。(2)針對(duì)期望信號(hào)出現(xiàn)在樣本數(shù)據(jù)中,出現(xiàn)信號(hào)相消現(xiàn)象以及自適應(yīng)波束形成算法對(duì)陣列誤差敏感的問題,研究了經(jīng)典的提升自適應(yīng)波束形成算法穩(wěn)健性的方法,如信號(hào)特征子空間算法、對(duì)角加載算法、最差情況下性能最優(yōu)算法、二次規(guī)劃算法以及干擾加噪聲協(xié)方差矩陣重構(gòu)算法等。詳細(xì)描述了這些經(jīng)典方法提升自適應(yīng)波束形成算法的基本思想與實(shí)現(xiàn)途徑,并明確了這些方法的性能與適用情況,最后通過仿真實(shí)驗(yàn)分析了方法的有效性與優(yōu)缺點(diǎn)。
[Abstract]:Spatial spectrum estimation and adaptive beamforming are widely used in radar, sonar and communication as the main applications of array signal processing. However, when there are adjacent strong and weak targets in the incoming signal, the strong signal will cover up the information of the weak signal, and it is difficult to accurately estimate the direction of arrival of the weak signal. In addition, the performance of adaptive beamforming algorithm is obviously degraded by array response error, element position error and expected signal appearing in the sample data. The main work of this paper is as follows: (1) based on the multi-signal classification (multiple signal classification,Music) algorithm, the typical strong and weak signal source (Direction of Arrival,DOA) estimation algorithms are compared and analyzed. Including RELAX algorithm, jamming blocking method and SSMusic algorithm. Their application and advantages and disadvantages are clarified. On this basis, by exchanging the pseudo-data covariance matrix constructed in the order of large eigenvalues, a DOA estimation method based on pseudo-signal covariance matrix is proposed. The method reduces the requirement of hardware, and the process is simple. Finally, this paper overcomes the disadvantage of introducing loss to the adjacent weak signal when suppressing the strong signal in the classical method, and proposes a strong and weak DOA estimation method based on the maximum likelihood. Theoretical analysis and simulation results show that the proposed method is correct and effective. (2) aiming at the problem of the expected signal appearing in the sample data, the phenomenon of signal cancellation and the sensitivity of the adaptive beamforming algorithm to the array error, The classical lifting adaptive beamforming algorithm is studied, such as signal feature subspace algorithm, diagonal loading algorithm, and worst case performance optimization algorithm. Quadratic programming algorithm and interference and noise covariance matrix reconstruction algorithm. This paper describes in detail the basic ideas and implementation approaches of these classical lifting adaptive beamforming algorithms, and clarifies the performance and application of these methods. Finally, the effectiveness, advantages and disadvantages of these methods are analyzed through simulation experiments.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙小康;;基于弱信號(hào)的企業(yè)競(jìng)爭(zhēng)情報(bào)搜集[J];圖書情報(bào)工作;2009年20期

2 王方;;基于元框架的弱信號(hào)分析框架模型探討[J];情報(bào)探索;2012年02期

3 何穎;;一種新的弱信號(hào)混沌檢測(cè)判據(jù)[J];電腦知識(shí)與技術(shù);2012年08期

4 王曉雨;邵波;;基于專家系統(tǒng)技術(shù)的弱信號(hào)分析系統(tǒng)框架設(shè)計(jì)[J];情報(bào)雜志;2013年10期

5 熊朝華;徐建平;秦洪;李曉冬;;針對(duì)弱信號(hào)目標(biāo)的防御體系及對(duì)抗過程[J];指揮信息系統(tǒng)與技術(shù);2013年06期

6 胡誕康;微弱信號(hào)的測(cè)量[J];電子質(zhì)量;2005年05期

7 方微;邵波;;基于弱信號(hào)分析的企業(yè)風(fēng)險(xiǎn)識(shí)別[J];圖書情報(bào)工作;2009年14期

8 劉蕊;丁一;梁曉成;孫旭光;;高分辨率陣列感應(yīng)弱信號(hào)采集與處理研究[J];工業(yè)控制計(jì)算機(jī);2014年02期

9 徐閩斌;李建新;楊天池;;微弱信號(hào)的相位檢測(cè)技術(shù)研究[J];信息工程大學(xué)學(xué)報(bào);2010年01期

10 李秀坤;李婷婷;馬濤;;微弱信號(hào)強(qiáng)干擾分離方法研究[J];振動(dòng)與沖擊;2011年03期

相關(guān)會(huì)議論文 前6條

1 王建輝;牟衛(wèi)華;歐鋼;;一種延長(zhǎng)弱信號(hào)環(huán)境下載波環(huán)平均周跳時(shí)間的方法[A];第一屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)論文集（上）[C];2010年

2 史曉非;霍偉;邢曉春;劉人杰;;一種弱信號(hào)的分離算法[A];中國(guó)航海學(xué)會(huì)船舶機(jī)電與通信導(dǎo)航專業(yè)委員會(huì)2002年學(xué)術(shù)年會(huì)論文集（通信導(dǎo)航分冊(cè)）[C];2002年

3 張風(fēng)國(guó);張紅波;;GPS弱信號(hào)捕獲算法研究[A];第二屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集[C];2011年

4 梁遠(yuǎn)華;苑秉成;;一種弱交流信號(hào)智能測(cè)量裝置設(shè)計(jì)[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

5 梁遠(yuǎn)華;苑秉成;;一種魚雷接收機(jī)弱信號(hào)智能測(cè)量?jī)x設(shè)計(jì)[A];2008’“先進(jìn)集成技術(shù)”院士論壇暨第二屆儀表、自動(dòng)化與先進(jìn)集成技術(shù)大會(huì)論文集[C];2008年

6 伍蔡倫;鄭友泉;陸明泉;馮振明;;城區(qū)環(huán)境下魯棒定位算法[A];第二屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集[C];2011年

相關(guān)博士學(xué)位論文 前1條

1 單彬;認(rèn)知視角下的弱信號(hào)分析及實(shí)證研究[D];中國(guó)人民解放軍軍事醫(yī)學(xué)科學(xué)院;2014年

相關(guān)碩士學(xué)位論文 前10條

1 葉劍甫;BOC體制下的弱信號(hào)捕獲與跟蹤方法研究[D];電子科技大學(xué);2014年

2 楊磊;密集目標(biāo)的空間譜估計(jì)與穩(wěn)健波束形成技術(shù)[D];西安電子科技大學(xué);2014年

3 徐亮;強(qiáng)弱信號(hào)測(cè)向算法研究[D];西安電子科技大學(xué);2011年

4 周歡;多路弱信號(hào)處理及實(shí)時(shí)數(shù)據(jù)顯示系統(tǒng)的研究[D];天津理工大學(xué);2014年

5 樊靜;GPS弱信號(hào)的高靈敏度捕獲技術(shù)研究[D];重慶大學(xué);2012年

6 黃文杰;一種在GPS弱信號(hào)環(huán)境下定位車輛的研究[D];中國(guó)海洋大學(xué);2011年

7 璩瑩瑩;“北斗二代”B1頻段弱信號(hào)捕獲技術(shù)研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

8 劉遠(yuǎn);北斗二號(hào)導(dǎo)航弱信號(hào)捕獲算法研究[D];重慶大學(xué);2014年

9 張賓;Lyapunov特性指數(shù)的算法研究及其在弱信號(hào)混沌檢測(cè)中的應(yīng)用[D];吉林大學(xué);2004年

10 李倩;基于專利的新興技術(shù)弱信號(hào)識(shí)別方法研究[D];北京工業(yè)大學(xué);2014年

，

本文編號(hào)：2310548