基于修正共軛梯度法的空時(shí)自適應(yīng)信號(hào)檢測(cè)方法研究.pdf

1、背景雜波、人為干擾和外源無(wú)意干擾等使實(shí)際環(huán)境不再是均勻、平穩(wěn)的隨機(jī)過(guò)程，這需要在非均勻環(huán)境中克服空時(shí)相干雜波和干擾的影響檢測(cè)有用信號(hào)。本文首先介紹了CG-AMF檢測(cè)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

2、波器的所有優(yōu)良性能，而且具有計(jì)算量更低、檢測(cè)性能更好的優(yōu)點(diǎn)。
　　首先，提出了兩種基于空時(shí)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(shí)協(xié)方差矩陣的最大（或最?。┨卣髦?，進(jìn)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(guò)少量的Lanczos法迭代可

3、以將系數(shù)矩陣的條件數(shù)降低為原來(lái)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(shí)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(shí)協(xié)方差矩陣特征譜；然后，根據(jù)近似特征譜估計(jì)出空時(shí)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)