自適應(yīng)波束形成及在多信號識別中的應(yīng)用.pdf

1、隨著現(xiàn)代電磁環(huán)境越來越復(fù)雜，空間中的多個信號的參數(shù)在時域和頻域上會產(chǎn)生嚴(yán)重的交疊，當(dāng)信號在時域產(chǎn)生交疊時，就不能利用信號的時域參數(shù)對信號進行分離；當(dāng)信號在頻域產(chǎn)生交疊時，就無法利用信號的頻域參數(shù)將多個信號進行分離，所以要從如此復(fù)雜的環(huán)境中提取出特定的信號并識別出此信號是一個亟需解決的問題。本文圍繞自適應(yīng)波束形成（ABF)展開研究，依據(jù)它的空域自適應(yīng)濾波特性來解決從多個信號中提取出特定信號的問題；并采用提取信號的指紋特征的方法，把此特定信

2、號識別出來。
　　本文把ABF應(yīng)用到多信號識別問題中來。然而，在實際應(yīng)用中由于受到信號導(dǎo)向矢量失配或信號協(xié)方差矩陣誤差的影響，ABF算法的穩(wěn)健性變差，本文針對此問題進行了深入的研究，分析算法在各種誤差下的穩(wěn)健性，并且針對現(xiàn)有的ABF算法的不足，對算法提出了改進。
　　本文提出了兩種改進的對角加載算法，基于改進的GLC對角加載算法，有效地減小了原有的GLC對角加載算法中加載因子的計算量，并且在低信噪比和小快拍的情況下，該算法性

3、能良好；基于零陷展寬的對角加載算法，該算法把零陷展寬和對角加載結(jié)合在一起，既解決了干擾零陷過窄的問題，又解決了期望信號協(xié)方差矩陣誤差和導(dǎo)向矢量誤差存在時，算法的穩(wěn)健性變差的問題。除此之外，基于協(xié)方差矩陣重建的LCMV算法被提出，該算法能用在二維天線陣中，展寬了零陷，克服了干擾信號導(dǎo)向矢量失配的情況，并且該算法的權(quán)矢量計算過程中，并未用到期望信號的成分，所以在期望信號導(dǎo)向矢量失配時，該算法也具有較好的穩(wěn)健性。
　　本文針對多個信號在