空时干扰抑制的波束形成算法研究

摘要

盲波束形成算法，作为一种用于抑制船舶自动识别系统中(Automatic Identification System，AIS)同频干扰的阵列信号处理算法，基于所估计的导向矢量，可以有效地保持目标信号并同时抑制干扰和噪声。在传统波束形成算法中，假定阵列接收信号同步、连续且没有相对时延，然而在实际应用环境中往往存在各种误差因素，这些假设条件很难被满足，导致目标信号容易受到相邻时隙下的部分重叠信号干扰。受此影响，波束形成器的性能效果发生严重下降。本文针对这一问题来展开研究，主要工作和创新包括有： (1)基于星载AIS的实际应用，阐述了部分重叠干扰下波束形成算法的研究背景及意义，并对近年来国内外研究进展及现状进行了介绍； (2)分析了阵列数据接收模型并阐述了几种经典的波束形成算法的基本原理。从理论和实验上表明了传统波束形成算法在部分重叠干扰下的不足，以及研究了针对此类问题的几种前沿波束形成算法，分析并总结了其各自的优缺点。 (3)针对波束形成算法在目标信号受到来向相近的部分重叠干扰时存在性能严重下降的问题，提出了一种超分辨率下的部分重叠干扰抑制算法。算法通过自回归模型预测的方法求解自回归系数，然后进行虚拟阵元扩展预处理，进而采用基于广义奇异值分解的波束形成算法完成目标信号的估计以及对部分重叠干扰的抑制。该算法克服了上述场景下波束形成器在信号来向相近时性能较差的缺陷。仿真结果表明，该算法通过结合阵列扩展与波束形成的特点，能够在不增加实际阵元的情况下较原阵列具备更高的分辨率，表现出更优越的性能。 (4)针对目标时隙下的信号由于相邻时隙间信号的部分重叠而导致无法正确接收的问题，在建立新准则：期望信号功率最大化的基础上，提出一种基于广义奇异值分解与正交投影的盲波束形成算法。该算法首先通过广义奇异值分解估计信号子空间，并进一步采用正交投影方法将接收信号投影到非目标信号的正交子空间。最后，采用波束形成技术使目标信号功率输出最大化。与其他干扰抑制算法相比，所提方法采用了一种更加高效的子空间划分方式且无需假设已知噪声功率。从实验结果可以看出，所提算法具备更好的干扰抑制能力。

目录

第一章 绪论

1.1研究背景与意义

1.1.1星载AIS基本理论及相关背景

1.1.2课题研究的意义

1.2研究现状

1.3本文的主要研究工作及结构安排

1.3.1 本文的主要内容

1.3.2 本文的主要创新点

第二章 AIS信号分析及波束形成算法基础

2.1 AIS技术基础

2.1.1 AIS消息帧结构

2.1.2 AIS信号模型

2.2 阵列信号模型

2.3 波束形成技术

2.3.1 自适应波束形成算法

2.3.2 盲波束形成算法

2.4 波束形成的性能指标

2.4.1 阵列方向图

2.4.2 信干噪比

2.4.3 阵列增益

2.5 本章小结

第三章 空时干扰模型及其子空间分析

3.1 部分重叠干扰下的接收信号模型

3.2 基于子空间方法的干扰分析

3.2.1奇异值分解(SVD)

3.2.2广义奇异值分解(GSVD)

3.2.3正交投影与斜投影

3.3本章小结

第四章 超分辨率下的部分重叠干扰抑制

4.1 引言

4.2 基于虚拟阵列扩展的部分重叠干扰抑制算法

4.2.1 基于自回归模型的虚拟阵列扩展

4.2.2 基于GSVD的盲波束形成算法

4.2.3 算法步骤

4.3 仿真实验与分析

（1）性能评估方法

（2）算法性能比较

4.4 本章小结

第五章 针对部分重叠信号干扰的盲波束形成算法

5.1引言

5.2 基于GSVD与正交投影的部分重叠干扰抑制算法

5.2.1基于子空间正交投影的干扰与噪声抑制

5.2.2最大期望信号功率波束形成

5.3仿真结果

5.4本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

发表论文和科研情况说明

致谢