论文部分内容阅读
本文针对自适应波束形成和空时自适应处理(STAP)在导向矢量和协方差矩阵存在误差时的性能下降问题,开展稳健算法研究,主要工作有:1.针对基于加权矢量模约束的稳健波束形成算法,提出了稳健性更强的等式约束,并进行了有效的求解。由于约束参数决定算法的性能,故对约束参数的选择进行了分析,并给出了选取的依据和范围。得出只要模约束参数在允许的范围内选择,模约束稳健波束形成算法的指向性能变化不是很明显,但是对于相同的模约束参数,等式约束明显优于不等式约束,即最优的负加载可以获得最优的性能改善。2.针对基于导向矢量不确定集约束的稳健波束形成算法,提出了有效的求解方法,解决了加权矢量的求解难题,给出了对角加载表达式中加载电平的求解方法。不仅使得不确定集约束参数的选择更加简单,而且使得最优化问题得到有效的求解,并使波束形成算法的性能达到最优。而且得出了最优负加载可以获得最优的性能改善,而约束参数选择的越大,波束形成算法的性能越接近于最优。3.针对非均匀条件下的STAP协方差矩阵估计问题,分别提出了用于样本选择的对角加载广义内积算法和用于数据加权的加权系数求解方法,并进行了详细的性能分析和仿真试验。同时还将原始的非均匀数据到其所对应的均匀数据看作一种特殊的非线性变换,提出利用不敏变换(UT)估计非均匀数据的近似协方差矩阵,有效地降低了非均匀特性的影响,且具有良好的运动目标检测性能。4.考虑将对角加载应用于克服STAP的协方差矩阵失配,即通过对角加载改善STAP的稳健性。对于对角加载,关键是选择加载电平,其中给出了具体的选择方法。并对对角加载对检测概率和输出信噪比的性能影响进行了深入的分析,即得出合理的对角加载可以提高STAP的检测概率和输出信噪比。5.针对STAP在导向矢量失配和协方差矩阵失配时的最差情况,提出了基于最差性能最优的稳健STAP算法,并将其等价转换成可以处理的加载样本矩阵求逆(LSMI)STAP算法模型,得到了加权矢量的具体表达式,并给出了LSMI STAP算法中加载量的求解方法。仿真分析验证了理论分析的正确性和有效性。6.通过对FRACTA算法及其增强型进行深入的研究,提出了新的改进算法:FAGATA。该算法利用多种离群点检测算法进行全局检查将原算法的反复检查减少到一次,同时也将检测层数从三层降低到两层,极大地改善了计算效率,其不仅能够准确地检测运动目标、精确地估计目标参数,而且具有更高的检测效率和稳健性。仿真分析验证了FAGATA较好地克服了FRACTA算法的缺点并继承其优点。