對于動態(tài)稀疏環(huán)境下雷達(dá)干擾機(jī)的收發(fā)隔離問題,常用的遺忘因子遞歸最小二乘（RLS）算法對干擾耦合路徑衰減系數(shù)的辨識精度不夠,以至于達(dá)不到隔離需求。針對此問題,利用可變遺忘因子RLS算法的優(yōu)勢,并在此基礎(chǔ)上,增加對待估計系統(tǒng)參數(shù)的稀疏約束,提出了一種稀疏約束的可變遺忘因子RLS算法。該方法充分利用了待辨識系統(tǒng)的先驗信息,提高了系統(tǒng)待辨識參數(shù)的稀疏傾向性,改善了對稀疏系統(tǒng)的辨識精度,并且結(jié)合了可變遺忘因子,在有效提高算法跟蹤性能的基礎(chǔ)上進(jìn)一步降低了穩(wěn)態(tài)誤差。理論分析和仿真結(jié)果表明:該方法能夠有效地用于稀疏環(huán)境下的系統(tǒng)辨識,提高了RLS類算法對于稀疏系統(tǒng)的辨識精度,進(jìn)而提高了隔離性能。 

【文章來源】：現(xiàn)代雷達(dá). 2020,42(06)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

基于系統(tǒng)辨識的收發(fā)隔離模型

式中:必須滿足括號中的數(shù)值大于或者等于0,即要滿足τ≥0,在這里τ應(yīng)該取較大的值。為了進(jìn)一步說明函數(shù)fτ(h(n))對l0范數(shù)的逼近程度,這里給出M=1時fτ(h(n))與l0范數(shù)在[-1,1]區(qū)間上的對比圖,如圖2所示。在圖2中,τ取值為50,可以看出此時函數(shù)fτ(h(n))已經(jīng)非常逼近零范數(shù)。對式(25)進(jìn)行求導(dǎo),由于|hk(n)|的存在,函數(shù)fτ(h(n))在零點處不可微,而g(h)=|h|在定義域上又是凸的。因此,在這里同樣利用次微分

圖3是本文算法以及多種RLS類算法的系統(tǒng)辨識誤差曲線。對于常規(guī)RLS算法、l1-RLS算法、l0-RLS算法,λ為固定值0.995,對于l1范數(shù)約束γ取1.5,l0范數(shù)約束γ取0.2。對于VFF類算法λmax=0.999 9,ξ=10-8,Kα=2,Kβ=5Kα,μ=1.5。分析圖3可以看出,本文VFF-l0-RLS算法在各類算法中能夠取得最小的MSE,故其對系統(tǒng)傳遞函數(shù)的辨識性能最佳。并且當(dāng)辨識系統(tǒng)在迭代次數(shù)1 500處時發(fā)生突變,VFF類算法對系統(tǒng)的跟蹤性能要比常規(guī)算法更好,并且穩(wěn)態(tài)誤差也更小。圖3僅對比了系統(tǒng)參數(shù)稀疏度k=4時各算法的系統(tǒng)辨識情況。為了進(jìn)一步說明本文算法對于稀疏系統(tǒng)辨識的優(yōu)勢,下面分別對比系統(tǒng)參數(shù)稀疏度k取8、16、32時各算法的系統(tǒng)辨識情況。在這里,非零元素的位置可以隨機(jī)選取,其他條件與前面實驗設(shè)置相同。

【參考文獻(xiàn)】：
期刊論文
[1]基于l1-范數(shù)約束的遞歸互相關(guān)熵的稀疏系統(tǒng)辨識[J]. 周千,馬文濤,桂冠.  信號處理. 2016(09)
[2]非高斯噪聲環(huán)境下基于RLS的稀疏信道估計算法[J]. 朱曉梅,黃瑩,包亞萍,桂冠.  電子技術(shù)應(yīng)用. 2016(06)
[3]基于自適應(yīng)系統(tǒng)辨識的收發(fā)隔離技術(shù)研究[J]. 鄒純燁,張劍云,周青松,黃中瑞.  現(xiàn)代雷達(dá). 2015(11)
[4]雷達(dá)對抗系統(tǒng)收發(fā)隔離技術(shù)研究[J]. 宋月麗,黎仁剛.  艦船電子對抗. 2012(01)
[5]用于稀疏系統(tǒng)辨識的改進(jìn)l0-LMS算法[J]. 曲慶,金堅,谷源濤.  電子與信息學(xué)報. 2011(03)
[6]一種變步長LMS自適應(yīng)濾波算法及分析[J]. 高鷹,謝勝利.  電子學(xué)報. 2001(08)

碩士論文
[1]收發(fā)同時干擾機(jī)中自適應(yīng)對消技術(shù)的設(shè)計與實現(xiàn)[D]. 苗磊.哈爾濱工程大學(xué) 2017
[2]干擾機(jī)發(fā)射泄漏和多徑信號對消算法的研究[D]. 桑乃建.電子科技大學(xué) 2012



本文編號：3123062