基於環境認知的魯棒波束形成自適應最佳化算法的研究

《基於環境認知的魯棒波束形成自適應最佳化算法的研究》是依託東北大學，由宋昕擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於環境認知的魯棒波束形成自適應最佳化算法的研究
• 項目類別：青年科學基金項目
• 項目負責人：宋昕
• 依託單位：東北大學

中文摘要

隨著雷達所處電磁環境的日益複雜，雷達系統的性能面臨著嚴峻的挑戰，傳統信號處理器無法滿足未來雷達的需要。為了解決這一問題，本項目設計基於環境認知的魯棒波束形成器，它是能夠根據實際環境來選擇最優控制參數的魯棒自適應最佳化控制器。利用支持向量機線上建立雷達回波模型，構造適用於不同套用背景的目標函式，給出實時感知環境變化的魯棒自適應最佳化算法，進而採用自適應動態規劃求解魯棒波束形成器的控制參數，並通過與環境的互動學習，獲得下一時刻的疊代權重向量，以保證回波信號的最佳接收，從而使雷達以更穩健、更靈活、更智慧型的方式處理各種不同環境不同目標，有助於實現對多目標的搜尋、跟蹤、制導和敵我識別等功能，提高雷達的整體性能。其研究成果不但可以為認知雷達、認知無線電和下一代移動通信等系統提供可靠、堅實的理論基礎，而且能夠在一定程度上推動我國的國防建設和國民經濟建設的發展。

結題摘要

隨著人類對宇宙空間的不斷探索、開發和利用，電磁信號環境日益複雜，對雷達性能的要求越來越高，傳統信號處理器無法滿足未來雷達的需要。為了解決這一問題，本項目設計基於環境認知的魯棒波束形成器，它是能夠根據實際環境來選擇最優控制參數的魯棒自適應最佳化控制器，其中主要包括環境參數的辨識和魯棒波束形成最佳化控制算法的研究。首先研究了環境參數的辨識方法，給出了非圓酉ESPRIT算法和基於空間平滑的ESPRIT算法，有效地改善了波達方向估計的準確性，提高了線上建模的實時性。構造適用於不同套用背景的目標函式，給出實時感知環境變化的魯棒自適應控制器。提出了適用於信號波達方向不確定情況下的魯棒波束形成最佳化算法，在期望信號方向向量具有先驗信息的前提下，利用接收到的採樣信號對實際信號方向向量進行估計，降低了信號波達方向的不確定性。利用泰勒級數展開和拉格朗日因子方法推導得到最優權重向量，並給出了算法的輸出信乾噪比SINR的性能分析。針對陣列指向性偏差的情況，給出了基於最差情況下的魯棒約束CMA算法。通過對期望信號波達方向附近小區域內的方向向量的誤差模值進行約束，推導得到權重向量的閉式解表達式。該算法對方向向量偏差有很強的魯棒性，陣列輸出的信乾噪比優於傳統算法。當實際環境中採樣樣本較少時，提出了基於廣義線性組合的對角載入算法。將疊代算法運用到二次型約束下的自適應波束形成中，降低了計算量，並在每次疊代中更新對角載入值，得到最優權重向量的遞推公式，提高了系統的魯棒性。因此提出的適用於不同套用環境的魯棒波束形成最佳化算法，能夠使雷達以更穩健、更靈活、更智慧型的方式處理各種不同環境不同目標，提高了雷達的整體性能。本項目的研究成果可以為未來的雷達系統和通信系統提供理論依據和技術儲備，為軍事、航天和通信等領域的套用提供有效工具。