自適應波束形成及在多信號識別中的應用.pdf

1、隨著現(xiàn)代電磁環(huán)境越來越復雜，空間中的多個信號的參數(shù)在時域和頻域上會產(chǎn)生嚴重的交疊，當信號在時域產(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。本文圍繞自適應波束形成（ABF)展開研究，依據(jù)它的空域自適應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應用到多信號識別問題中來。然而，在實際應用中由于受到信號導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，克服了干擾信號導向矢量失配的情況，并且該算法的權矢量計算過程中，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