本文關(guān)鍵詞：基于修正共軛梯度法的空時自適應(yīng)信號檢測方法研究

  更多相關(guān)文章： 修正共軛梯度法 空時自適應(yīng)處理 條件數(shù) 初始向量

【摘要】：背景雜波、人為干擾和外源無意干擾等使實際環(huán)境不再是均勻、平穩(wěn)的隨機過程,這需要在非均勻環(huán)境中克服空時相干雜波和干擾的影響檢測有用信號。本文首先介紹了CG-AMF檢測器的基本理論,然后從降維自適應(yīng)處理的角度出發(fā),采用修正共軛梯度算法,在Krylov子空間中尋找STAP的(準(zhǔn))最優(yōu)權(quán)向量,共提出了三種修正共軛梯度自適應(yīng)匹配濾波器。它們分別采用優(yōu)化共軛梯度自適應(yīng)匹配濾波器的初始向量,和降低協(xié)方差矩陣條件數(shù)等方法,不僅繼承了共軛梯度自適應(yīng)匹配濾波器的所有優(yōu)良性能,而且具有計算量更低、檢測性能更好的優(yōu)點。首先,提出了兩種基于空時協(xié)方差矩陣的極端特征值的修正共軛梯度自適應(yīng)匹配濾波器。利用Lanczos法解Wiener-Hopf方程,獲得自適應(yīng)匹配濾波器的近似權(quán)向量和空時協(xié)方差矩陣的最大(或最小)特征值,進而優(yōu)化共軛梯度算法的初始向量。然后,利用共軛梯度算法解Wiener-Hopf方程,獲得一組修正共軛梯度自適應(yīng)匹配濾波器。研究結(jié)果表明,通過少量的Lanczos法迭代可以將系數(shù)矩陣的條件數(shù)降低為原來的0.25倍以下(或左右),特征譜性能改善6dB以上(或左右)。其次,提出了一種基于空時協(xié)方差矩陣近似特征值譜的修正共軛梯度自適應(yīng)匹配濾波器。首先,利用Marcenko-Pastur譜近似空時協(xié)方差矩陣特征譜;然后,根據(jù)近似特征譜估計出空時協(xié)方差矩陣的極端特征值;最后,用最大特征值或最小特征值降低Wiener-Hopf方程系數(shù)矩陣的條件數(shù),獲得一系列修正共軛梯度自適應(yīng)匹配濾波器。分析表明,條件數(shù)降低為原來的0.25倍左右,特征譜性能優(yōu)化大約6dB。上述三種修正共軛梯度算法均降低了系數(shù)矩陣條件數(shù),優(yōu)化了迭代初始向量,降低了運算量,提高了檢測器的性能。仿真數(shù)據(jù)和機載雷達實測數(shù)據(jù)驗證了理論分析,這為STAP的實時處理提供了理論基礎(chǔ)。
【關(guān)鍵詞】：修正共軛梯度法 空時自適應(yīng)處理 條件數(shù) 初始向量
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN911.23
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-13
• 1.1 研究背景及其意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.3 本文的主要工作11-13
• 1.3.1 本文研究內(nèi)容11-12
• 1.3.2 本文結(jié)構(gòu)12-13
• 第二章 共軛梯度自適應(yīng)匹配濾波器的基本理論13-26
• 2.1 共軛梯度自適應(yīng)匹配濾波器13-22
• 2.1.1 檢測模型13-15
• 2.1.2 共軛梯度算法原理15-18
• 2.1.3 共軛梯度自適應(yīng)匹配濾波器性能分析18-22
• 2.2 共軛梯度自適應(yīng)匹配濾波器的改進22-25
• 2.2.1 預(yù)處理共軛梯度算法原理22-24
• 2.2.2 預(yù)處理共軛梯度自適應(yīng)匹配濾波器原理24-25
• 2.3 本章小結(jié)25-26
• 第三章 基于Lanczos法的修正共軛梯度自適應(yīng)匹配濾波器26-49
• 3.1 基于最大特征值估計的修正共軛梯度自適應(yīng)匹配濾波器26-39
• 3.1.1 基于最大特征值的修正共軛梯度自適應(yīng)匹配濾波器原理26-30
• 3.1.2 基于最大特征值的譜特性分析30-32
• 3.1.3 基于最大特征值的修正共軛梯度自適應(yīng)匹配濾波器的實現(xiàn)32-34
• 3.1.4 仿真數(shù)據(jù)驗證34-35
• 3.1.5 機載雷達實測數(shù)據(jù)驗證35-39
• 3.2 基于最小特征值估計的修正共軛梯度自適應(yīng)匹配濾波器39-48
• 3.2.1 基于最小特征值的共軛梯度自適應(yīng)匹配濾波器原理39-42
• 3.2.2 基于最小特征值的譜特性分析42
• 3.2.3 基于最小特征值的修正共軛梯度自適應(yīng)匹配濾波器的實現(xiàn)42-44
• 3.2.4 仿真數(shù)據(jù)驗證44-45
• 3.2.5 機載雷達實測數(shù)據(jù)驗證45-48
• 3.3 本章小結(jié)48-49
• 第四章 基于Marcenko-Pastur分布的修正共軛梯度自適應(yīng)匹配濾波器49-67
• 4.1 Marcenko-Pastur分布估計空時協(xié)方差矩陣經(jīng)驗譜49-54
• 4.1.1 估計原理介紹49-52
• 4.1.2 特征譜估計誤差分析52-54
• 4.2 基于Marcenko-Pastur分布的修正共軛梯度自適應(yīng)匹配濾波器原理54-58
• 4.3 仿真數(shù)據(jù)驗證58-66
• 4.4 本章小結(jié)66-67
• 第五章 總結(jié)與展望67-69
• 5.1 本文工作與意義總結(jié)67-68
• 5.2 對未來工作的展望68-69
• 致謝69-70
• 參考文獻70-74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 張秀軍;徐安農(nóng);;一種新的非線性共軛梯度法的全局收斂性[J];廣西科學(xué);2005年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王彤;機載雷達簡易STAP方法及其應(yīng)用[D];西安電子科技大學(xué);2001年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 張亞蕾;計算大型稀疏對稱矩陣極端特征值問題的Lanczos型方法[D];哈爾濱工業(yè)大學(xué);2007年

，

本文編號：968962