一、空时自适应处理典型方法综合性能评估(论文文献综述)
陈琦[1](2020)在《基于阵列空时处理的导航接收机抗干扰技术研究》文中认为随着我国北斗卫星导航系统的全面建成和迅猛发展,人们对于导航与位置服务的精度及可靠性提出了更高的要求。由于空间电磁环境日益复杂,各种类型的干扰广泛存在,干扰问题日益突显,严重限制了卫星导航系统的应用领域及应用范围,如何在干扰环境中维持系统的可靠运行,实现高精度的定位导航,成为当前卫星导航领域研究的热点问题。本文围绕典型场景下的窄带与宽带干扰抑制问题,重点研究基于阵列空时处理的导航接收机抗干扰技术。针对现有阵列滤波算法在干扰抑制能力和对定位精度的影响方面存在的问题,提出相应改进算法,提升了接收机的抗干扰性能以及在特殊场景下的位置服务能力。论文创新点及主要工作如下:1.研究了盲自适应零陷处理对卫星信号相位及时延稳定性的影响。针对阵列处理过程中信号先验参数未知的情况,以功率倒置算法为例,对典型盲自适应处理的抗干扰性能及相位延时精度展开分析探究。利用与实际信号具有相似特征的模拟数据进行仿真,相关结果表明,盲自适应算法可以自适应地识别干扰来向,并在干扰的来向及其频带上生成较深的零陷,但是,零陷的产生也影响了导航信号的相位稳定,导致其载波相位观测精度大幅下降,延时变化值达0.54。2.提出了基于空时指向约束的自适应功率倒置改进算法。针对典型盲自适应处理造成的卫星信号失真和载波相位测量精度下降等问题,改进算法利用EKF滤波器的矢量跟踪输出结果,建立卫星与载体参考系的相对位置关系,引入了导航信号的来向约束条件,以减弱盲自适应处理对定位结果产生的不利影响。通过仿真,验证了该算法在实现导航信号稳固接收与保证相位稳定方面的有效性。相较典型的盲自适应功率倒置算法,改进后的空时算法将波束赋形后的相位延迟降低至9.86×10-5,实现了相位观测精度更优的空时自适应处理。3.提出了一种基于最优主副瓣约束及干扰加噪声协方差矩阵重构的改进型空时算法。在可见卫星数量较少且干扰与期望信号来向靠近的特殊场景下,提出利用Capon算法代替自适应功率倒置算法,将波束对准期望信号进行接收。对此场景下的Capon算法滤波性能进行分析,指出了典型空时算法存在的缺陷。在原有模型的基础上通过优化完善,提出了基于最优主瓣及协方差重构的改进算法,消除了凸起的多余副瓣,同时减小了主瓣宽度,使波束具有了更好的指向性。仿真结果表明,算法改进能够使增益衰减量降低40%,且将干扰与有用信号之间的增益差值由3.748d B提高到12.989d B,极大增强了特殊场景下的信号区分度,证实了改进算法有着更优的主瓣增益效果及相位时延特性。
宋迪[2](2020)在《基于RD-STAP的线性调频连续波低空风切变检测方法研究》文中认为低空风切变属于一种尺度小、强度大、危害性强、不易监测的极端天气,在飞机起降阶段严重影响着飞行安全。机载气象雷达能够沿航路实时探测低空风切变等恶劣自然现象并实时发出告警,可谓是民航飞机的“双眼”。较传统的脉冲雷达,LFMCW(linear frequency modulated continuous wave,LFMCW)雷达体积小、重量轻,当LFMCW体制机载气象雷达下视探测低空风切变时,低空风切变信号会淹没在强杂波背景中,难以检测。空时自适应处理(Space-Time Adaptive Processing,STAP)可用于LFMCW体制机载气象雷达中进行杂波抑制,全维STAP处理性能优越,但其运算量难以接受,同时,当存在杂波起伏时,杂波谱发生扩展,低空风切变检测难度加大。因此,本文以LFMCW体制机载气象雷达为平台,分别针对传统STAP方法运算量大、存在杂波起伏时杂波难以抑制的问题,提出了两种降维STAP的低空风切变检测方法。第一,针对目标信号淹没在强杂波背景中,全维STAP运算量较大的问题,提出了一种基于两维两脉冲对消-局域联合处理(Two Dimensional Pulse-to-pulse Canceller-Joint Domain Localized,TDPC-JDL)的低空风切变检测方法。该方法首先利用载机速度和雷达工作参数设计TDPC预滤波器对回波数据进行预滤波,降低杂波功率,同时降低杂波自由度;然后利用局域联合处理对预滤波后的数据进行空时二维滤波,得出风速估计结果,最后利用风速估计结果计算出平均F因子,并进行低空风切变危险性判决。该方法在能够在显着降低运算量的同时准确检测出低空风切变。第二,当杂波存在内部起伏扰动的问题时,杂波谱展宽,杂波抑制难度加大,提出了一种基于扩展因子化-组合空时主通道自适应处理(Extended Factored ApproachCombined Space-time Main Channel Adaptive Processing,EFA-CMCAP)的低空风切变检测方法。该方法首先构造降维变换矩阵对待测距离单元的雷达回波数据进行降维处理,然后构造降维处理器的最优权矢量对降维处理后的数据进行自适应滤波,得出风速估计结果,最后利用风速估计结果计算出平均F因子,并进行低空风切变危险性判决。较传统方法,该方法能够在杂波起伏情况下,准确地检测出低空风切变,同时降低了STAP的运算量。
王娟[3](2019)在《机载相控阵雷达目标检测和角度估计方法研究》文中研究说明机载相控阵雷达对空、对地探测接收到的回波中含有大量较强的地物杂波,容易湮没回波功率较弱的目标,导致雷达系统的目标探测性能下降。空时自适应处理(STAP)技术对阵列接收的空时两维数据联合滤波,可以对目标信号相干积累同时对杂波进行有效地抑制,对机载雷达的动目标检测,特别是低速目标和小目标检测非常有利。它的杂波抑制性能的优劣与杂波协方差矩阵的估计是否精确密切相关。研究表明,对于非正侧视阵机载雷达,其杂波频谱的分布在距离上具有空变特性,这时若直接利用待检测单元邻近距离单元数据来估计杂波采样协方差矩阵,它的值与待检测单元的真实杂波协方差矩阵之间存在一定的误差,最终我们利用空时自适应处理技术对杂波进行抑制时,处理效果不甚理想。因此对于非正侧视阵机载雷达,想要获得理想的杂波抑制效果,在STAP之前我们还需要对杂波数据进行适当的预处理。要想获得好的目标检测性能,还需要对干扰进行有效地抑制。自适应波束形成可以以保护期望信号为前提实现对干扰和噪声的抑制。最小方差无失真响应(MVDR)波束形成是常用的波束形成算法之一,它是在以阵列输出信干噪比(SINR)最大为准则,并对期望信号进行约束条件下获得的。最终推导得到的权矢量与估计的干扰加噪声协方差矩阵以及期望信号导向矢量有关。通常情况下,理想的干扰加噪声协方差矩阵是无法准确获得的,实际中由多个训练样本估计得到的采样协方差矩阵代替。这时若训练样本中包含期望信号,则MVDR波束形成对阵列响应的不匹配(如视角误差,阵元幅相误差和阵元位置扰动误差等)非常敏感,而且这种敏感性在信噪比(SNR)较高的时候表现尤为明显。针对这些问题,需要提出稳健的自适应波束形成算法。军事和技术的发展,要求雷达不仅要发现和检测目标,还需要知道目标的各项参数,目标角度估计是参数估计的重要部分。最近几十年来人们提出了许多的目标角度估计方法,如多重信号分类(MUSIC),最大似然(ML)等,以及针对其实际应用场景提出的一系列改进算法。然而,如何有效地提高非理想场景下(如小样本,低SNR,阵列流型不匹配等)的目标角度(DOA)估计精度和改善目标分辨能力近年来仍然是该领域的研究热点。本文主要对非平稳环境下STAP的杂波抑制性能提升算法以及非理想环境下的自适应波束形成和目标角度估计方法进行了研究,具体包括以下几个问题:一、研究了机载雷达非正侧视阵构型下距离非平稳杂波的有效抑制问题。对于机载非正侧视阵雷达,杂波谱的距离空变性使得直接利用邻近单元数据估计的杂波协方差矩阵与真实协方差矩阵不匹配,导致空时自适应处理杂波抑制性能下降。传统的基于配准的补偿(RBC)方法通过时域平滑来估计空时谱,继而对杂波的距离空变性进行补偿,时域孔径损失使得杂波谱峰值的估计精度受到限制。针对这一问题,考虑到杂波空时谱的稀疏性,本论文中我们基于迭代自适应算法(IAA)进行单个距离单元的杂波空时谱估计,并结合先验知识重构其杂波协方差矩阵以实现杂波谱配准,提出了一种IAA-RBC算法。一方面该算法不需要平滑,没有孔径损失,估计的杂波谱精度更高;另一方面,它对其他干扰因素,如目标污染等是鲁棒的。在机载非正侧视阵雷达构型下,将其用于STAP之前的预处理可以很好地改善杂波抑制效果。二、研究了小样本和期望信号导向矢量失配条件下的稳健自适应波束形成问题。自适应波束形成对阵列流型的不匹配很敏感,特别是在样本中包含期望信号的情况下。针对其问题,本论文提出了一种联合估计干扰加噪声协方差矩阵和期望信号导向矢量的稳健自适应波束形成算法。该方法首先利用Capon算法粗略地估计目标和干扰方向并结合雷达阵列构型等先验知识构造干扰表示基矩阵;然后再对样本进行最小二乘拟合求解基系数,进而对干扰加噪声协方差矩阵进行重构;最后基于估计的信号角度以及雷达阵列构型等先验知识构造信号表示基矩阵,并利用子空间投影的方法来估计期望信号导向矢量。该方法在小样本情况下可以实现,并对误差稳健,可以克服期望信号导向矢量和干扰加噪声协方差矩阵的失配问题。三、研究了机载相控阵扫描雷达在低SNR条件下的目标DOA估计问题。为了避免波束跨越损失,雷达采用较小波束间隔的相邻波束,此时目标可能会出现在相邻的多个波位中。本论文研究了一种基于联合多波位的最大似然目标DOA估计算法,其充分联合相邻波位回波信息进行目标能量累积,从而提高了目标角度估计精度。四、研究了小样本数和低SNR情况下的目标DOA估计问题。传统MUSIC算法的性能依赖于噪声子空间的估计精度。在小样本数情况下,受到信号与噪声互相关项的影响,阵列协方差矩阵的估计值会偏离其真实值。此外,在低SNR情况下,受噪声的影响,信号子空间和噪声子空间不能很好地分离。这些都会导致由阵列数据协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得MUSIC算法的DOA估计性能下降。本论文提出了一种迭代算法通过修正噪声子空间来提高目标角度估计性能。实验表明基于新的噪声子空间实现MUSIC DOA估计获得的性能超过了传统的MUSIC算法,而且在低样本数和低SNR情况下性能改善尤为明显。五、研究了适用于任意波束的波束域求根MUSIC(Root-MUSIC)的快速实现算法。我们将波束形成后整个带内频谱区域均匀划分为多个频谱区间,在每个频谱区间内利用导向矢量的低秩特性,将它近似表达为关于其对应频率的低阶实多项式,进而波束域Root-MUSIC问题可以转化为多窗实多项式求根问题。该方法在保证算法性能的条件下,大大降低了计算复杂度,便于算法的实时应用。
张嘉曦[4](2018)在《对机载雷达STAP的干扰方法研究》文中研究说明目前,空时二维自适应信号处理(STAP)已经成为机载雷达检测运动目标的一项关键技术和重要手段,在战场环境下对我方运动目标构成很大威胁。因此,对STAP的干扰技术研究成为电子对抗领域的一项重要研究内容。本文的工作从两个方面开展:一是研究STAP算法原理并对其进行仿真,二是向机载雷达系统注入干扰并分析干扰效果。具体如下:1.研究了机载雷达系统与其信号处理流程,对机载雷达系统的信号环境进行建模与分析,根据目标回波、杂波、噪声与干扰各自空时特性,分别建立其二维导向矢量模型。通过对信号环境的功率谱进行仿真,验证了模型合理性。2.研究了STAP的工作原理,空时自适应信号处理动态地调整二维滤波器,在空时二维平面内自适应地形成与杂波相匹配的凹陷,达到抑制杂波、检测目标的目的。论文对全维空时自适应处理算法进行了仿真分析,针对该算法对训练样本要求高且计算量大等缺陷,研究了两种降维算法:m-DT降维算法与局域联合(JDL)降维算法。降维算法减少了样本需求量,提高了处理效率。在仿真结果分析基础上,对三种算法的性能进行了比较分析。3.建立了雷达干扰样式及干扰信号模型。根据空时自适应处理特性,结合对干扰信号的特征分析,提出三种可行的干扰信号样式:噪声卷积干扰信号、延迟转发干扰信号和随机频移干扰信号,并对这三种干扰信号样式分别进行了仿真分析。目标回波叠加干扰信号的匹配滤波结果与MTD结果验证了干扰信号样式的可行性。4.基于对抗条件,建立了多种对抗场景,将不同干扰信号注入到机载雷达,分析机载雷达STAP在不同场景、不同干扰信号样式下的目标检测性能,从而分析各种干扰信号样式对STAP的干扰性能。根据仿真结果得出以下结论:(1)自卫干扰场景下,对机载雷达STAP的噪声卷积干扰与延迟转发干扰均有良好的干扰效果,目标信号被抑制。(2)随队干扰场景下,随机频移干扰可实现对机载雷达STAP的欺骗干扰,使雷达获取错误目标信息。(3)分布式干扰的自由度足够大时,会导致STAP因缺乏足够系统自由度而性能下降。
李玉伟,周敏佳[5](2017)在《主动声纳空时自适应处理算法研究》文中研究指明为了提高混响背景下声纳的检测性能,十分有必要进行抗混响信号处理算法研究。针对混响抑制的算法很多,论文重点研究了主动声纳空时自适应处理(Space Time Adaptive Processing,STAP)技术,详细分析了空时自适应处理算法的原理和流程。在混响背景下对算法进行了仿真分析,具有较为理想的抗混响效果,为其工程实现奠定了理论基础。
王珽[6](2017)在《机载MIMO雷达空时自适应处理模型与算法研究》文中进行了进一步梳理作为一种新兴的雷达体制,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达具有改善传统雷达性能的诸多潜力以及广泛的应用领域,受到了国内外军事界与学术界的广泛而持续的关注。作为新一代机载预警雷达的核心技术,空时自适应处理(Space-Time Adaptive Processing,STAP)能够有效实现地杂波抑制与地面动目标显示(Ground Moving Target Indication,GMTI)等功能。如今,机载MIMO雷达系统又与STAP技术进一步实现有机结合,MIMO雷达STAP立即成为国际雷达界的研究热点之一。针对机载MIMO雷达STAP技术,本文重点研究了非均匀样本检测、存在误差及有源干扰环境下的算法实现、以及发射波束域、极化情形下等MIMO-STAP模型与算法等方面内容。论文的主要工作及创新点如下:1.针对样本协方差矩阵受干扰目标污染时机载MIMO雷达STAP目标检测性能下降的不足,提出一种知识辅助(Knowledge-Aided,KA)的广义内积非均匀样本检测方法。首先利用一种基于扁长椭球波函数估计以及另一种基于系统参数离线构造的两种杂波子空间知识,离线构造杂波协方差矩阵,然后与广义内积非均匀检测器(Generalized Inner Product Non-Homogeneity Detector,GIP NHD)结合,实现对训练样本的有效选择,使目标检测不受训练样本中干扰目标的影响。仿真结果表明,相对于常规GIP方法,KA-GIP方法能够对存在干扰目标的样本进行更加有效地剔除,并且机载MIMO雷达STAP的目标检测性能得到显着提升,因此更有利于实际工程应用。2.针对机载MIMO雷达STAP中期望目标导向矢量的失配问题,提出一种基于三迭代(Tri-Iterative Algorithm,TRIA)与二阶锥规划(Second-Order Cone Programming,SOCP)的稳健降维MIMO-STAP方法。该方法首先将MIMO-STAP权矢量分解为发射、接收、多普勒三个低维权矢量的Kronecker积,然后分别限定实际发射、接收、多普勒导向矢量与假定导向矢量之间的误差范数边界,通过对各自最差性能进行优化,转化为相应的SOCP形式,进而利用三迭代算法实现了对三个低维权矢量的分别求解,最终合成全维MIMO-STAP权矢量。该方法在保证机载MIMO雷达获取稳健STAP性能的同时,通过三迭代降维处理,能够有效降低训练样本数需求与运算复杂度,因此更具有实际应用价值。3.针对机载MIMO雷达STAP受有源干扰环境影响的问题,本文分别提出一种有源干扰与杂波同时抑制的降秩MIMO-STAP方法与一种有源干扰与杂波级联抑制的降维MIMO-STAP方法。降秩方法中,首先以一个低秩杂波协方差矩阵与一个具有块对角特性的有源干扰加噪声协方差矩阵之和的形式,等效表示出总体数据协方差矩阵,之后利用迫零方法并结合简便的离线杂波子空间,根据矩阵求逆引理推导得到权矢量的简易求解形式,其中低维干扰加噪声协方差矩阵的估计可以通过正交于MIMO雷达所有发射波形的辅助匹配滤波通道精确获取。所提降秩MIMO-STAP方法能够有效实现杂波与有源干扰的同时抑制,性能接近理论全维最优,并且运算量负担得到明显缓解。降维方法根据有源干扰与杂波不同的信号特性,共分两步执行,对有源干扰与杂波进行分别抑制。首先在第一级,通过利用接收端得到的干扰正交补空间作为变换矩阵,对消有源干扰的影响,同时实现空域接收降维。然后在第二级,将剩余的接收自由度与发射自由度和时域自由度相联合,利用三迭代算法进行杂波抑制,并进一步实现分离降维。通过上述两级处理,本文所提方法能够有效实现干扰与杂波的级联抑制的效果,并且大幅减少所需训练样本数与运算复杂度。4.针对传统机载MIMO雷达STAP中由于发射功率分散而造成的输出信杂噪比(Signal-to-Clutter-plus-Noise Ratio,SCNR)下降的问题,本文提出一种基于发射波束域-三迭代的机载MIMO雷达STAP方法。首先建立了发射波束域MIMO雷达STAP的信号模型,并且给出了基于椭球序列与基于二阶锥规划的两种发射波束加权矩阵的优化设计准则,能够使发射功率聚集于感兴趣的目标空域。然后对发射波束域MIMO雷达的杂噪比(Clutter-to-Noise Ratio,CNR)进行分析,表明其与发射总功率的关系,计算结果显示:相比于全向等功率发射的传统MIMO雷达CNR,发射波束域MIMO雷达CNR减小。同时,为进一步降低发射波束域MIMO-STAP的训练样本数需求与运算复杂度,采用三迭代算法进行权值降维求解。理论分析与仿真实验结果表明:通过相应的三迭代降维处理,发射波束域MIMO-STAP与传统全向等功率发射MIMO-STAP相比能够获取更加优越的输出SCNR性能,且运算量进一步降低。5.针对传统机载MIMO雷达STAP在低多普勒区的杂波抑制与目标检测性能有待进一步提升的问题,本文提出基于极化阵列MIMO雷达的极化空时自适应处理方法。首先,建立了机载极化阵列MIMO雷达极化空时自适应处理的信号模型。然后,基于分辨格思想,得到极化阵列MIMO雷达极化空时自适应处理协方差矩阵的等价表示。进而,结合上述等价协方差矩阵,对极化阵列MIMO雷达极化空时自适应处理的输出信杂噪比(SCNR)性能进行了推导分析。理论分析与仿真实验结果表明:通过利用附加的极化域信息,极化阵列MIMO雷达极化空时自适应处理相比于传统MIMO-STAP能够有效提升杂波抑制性能,更有利于慢速运动目标检测。
徐文,鄢社锋,季飞,陈景东,张杰,赵航芳,陈戈,吴永清,余华,张歆,许肖梅,陈惠芳[7](2016)在《海洋信息获取、传输、处理及融合前沿研究评述》文中认为海洋信息的获取、传输、处理和融合,不仅在海洋科学研究、环境调查、资源开发、权益维护与安全防卫中发挥重要的作用,也因其应用环境的特殊性而成为信息科学研究的热点之一.海洋信息技术近30年的发展分享信息理论的丰富成果,同时突显出传播物理、信号处理以及海洋环境的紧密关系,这种结合在其他信息领域较为少见.本文主要关注海上目标探测、识别理论及方法;水下目标探测机理和识别方法;水下通信与海空一体信息传输;海洋环境遥感遥测理论与方法;海洋数据处理与信息融合方法与技术等.旨在通过对海洋信息获取、传输、处理和融合前沿研究的评述,凝练若干海洋信息关键科学问题,为我国海洋信息基础理论与方法的发展提供思路.
傅随道[8](2016)在《应用于卫星导航终端的自适应抗干扰天线空时算法研究》文中研究说明随着无线通信技术的迅猛发展,人类生活的空间范围内充斥着各种电磁信号,这些故意或无意的电磁信号已经极大影响有用信号的正常接收。空时自适应抗干扰(STAP)技术通过分析信号特征,利用阵列空域调零和时域滤波技术在空时两个维度抑制干扰信号并保障有用信号接收。特别是在卫星导航接收中,STAP技术可以极大提升接收机在复杂电磁环境下正常工作的能力。本文以北斗导航接收系统为应用背景,研究分析STAP算法基本原理结合天线阵列数值仿真对空域调零和时域滤波技术展开研究。基于空域自适应处理(SAP)理论建立了数学模型,分别推导了最大信干比准则、最小均方差准则、最大似然准则和最小方差准则条件下的最优权矢量表达式;分析了四种准则条件下天线阵列的空域响应特性。根据卫星导航信号特点,本文选择基于最小方差准则的功率倒置算法开展研究。建立了基于Matlab的仿真模型,分析了阵列参数对阵列空域响应变化的影响;对比了四阵元方阵、Y阵空域响应特性,验证了在紧凑结构中参考阵元动态选取条件下方阵综合性能优于Y阵;分析了天线阵列通道不一致性和阵元互耦对空域响应特性的影响:1)阵元幅相误差在单干扰条件下会导致空域响应特性变差。2)阵元互耦误差会导致系统空域响应特性严重恶化,特别在大干信比条件下。针对阵元互耦误差问题提出了互耦矩阵补偿、降耦等方法改善系统性能。建立了空时自适应(STAP)数学模型,推导了功率倒置算法下的最优权矢量表达式;仿真分析了高斯干扰条件下时域参数对空时响应特性的影响,为时域阶数和快拍数取值提供依据;仿真分析了周期脉冲干扰、调频干扰下时域参数变化规律。分析表明,不同干扰条件下时域参数的选取具有差异性。采用电磁仿真软件建立了四元圆极化微带天线方阵,仿真优化了天线参数,完成了设计、加工和测试工作。无源天线阵列测试数据与仿真结果相近,满足使用要求。有源系统级抗干扰测试数据与仿真结果存在一定差距,主要由天线阵元互耦、数据精度、算法结构等因素导致。
刘延波,袁洪,李亮[9](2015)在《基于并行单星约束的导航抗干扰研究》文中指出在全球定位系统中使用空时自适应处理算法可以增强接收机的抗干扰性能,为防止算法对卫星信号的衰减,可通过约束条件对卫星信号进行保护,传统的单星约束可以保证每颗卫星输出信噪比最大,但运算量很大。虽然多星约束可以使所有卫星的综合输出性能最优,且减少了运算量,但无法保证单颗卫星的输出信噪比性能。对空时自适应处理算法进行了合理简化,提出了并行单星约束算法,与多星约束相比,所提算法不仅运算量更小,还可保证每颗卫星输出信噪比最大。仿真结果表明,所提算法在对干扰信号进行抑制的同时,有效地实现了对多颗卫星信号的保护。
朱峰[10](2014)在《对有源电子扫描阵(AESA)综合射频系统的干扰技术研究》文中提出当今,随着电子技术的发展,任何单一的电子装备或多种电子装备的简单叠加都难以确保对敌实施有效探测、压制并进行可靠通信。有源电子扫描阵(AESA)综合射频系统正是为解决雷达、电子战设备和通信系统的融合问题,为适应现代高科技战争环境需要而产生发展的。AESA综合射频系统不仅实现了资源冗余共享、降低了成本,更重要的是它将雷达、电子战、通信功能相结合后实现了各功能的优势互补,大大提高了系统综合集成效能。如何实现对AESA综合射频系统的有效对抗是当前面临的一个重要问题。本文采用理论与仿真相结合的方式,主要进行了如下工作:首先,介绍了AESA综合射频系统的基本组成和功能特点,研究了综合射频系统在执行雷达功能时所采用的各种抗干扰技术、在执行电子战功能时所采用的空间谱估计技术,并对综合射频系统的基本工作模式和复合工作模式进行了分析,阐述了综合射频系统的独特抗干扰优势。其次,从理论上研究了AESA综合射频系统各抗干扰技术的局限性,对综合射频系统的工作流程进行了分析,提出了相应的对抗流程。接着介绍了两种综合干扰技术:复合灵巧噪声相干干扰和分布式组网干扰,并根据AESA综合射频系统的特点,对选择何种干扰样式及如何运用分布式组网干扰作了探讨。然后用仿真的方法对各干扰样式进行了分析,包括对自适应空域滤波技术的干扰,对空时自适应技术的干扰以及对空间谱估计技术的干扰,并提出了“海上狼群”综合电子战系统构想。最后,从被干扰方和干扰方两个角度对干扰效果进行了评估。从被干扰方角度,以信干比的改善为准则对复合灵巧噪声相干干扰的干扰效果进行了评估,以干扰扇区的大小为依据验证了分布式组网干扰的优越性;从干扰方角度,以雷达信号特征、工作模式以及空间位置的变化为依据对干扰效果进行了评估。
二、空时自适应处理典型方法综合性能评估(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、空时自适应处理典型方法综合性能评估(论文提纲范文)
(1)基于阵列空时处理的导航接收机抗干扰技术研究(论文提纲范文)
摘要 |
Abstract |
缩略语对照 |
第一章 绪论 |
1.1 课题背景及研究意义 |
1.2 技术发展与研究现状 |
1.2.1 抗干扰技术的发展 |
1.2.2 抗干扰接收机的国内外发展现状 |
1.2.3 阵列处理技术的国内外研究现状 |
1.3 本文研究内容及章节安排 |
第二章 相关基础理论 |
2.1 引言 |
2.2 导航接收机基本原理 |
2.3 导航信号与干扰方式 |
2.3.1 北斗信号特征 |
2.3.2 干扰特点及方式 |
2.4 阵列空间几何布局 |
2.4.1 均匀直线阵 |
2.4.2 均匀平面阵 |
2.5 阵列信号基本模型 |
2.5.1 模型的四则假设 |
2.5.2 窄带阵列信号模型 |
2.5.3 宽带阵列信号模型 |
2.5.4 载波相移调向模型 |
2.6 阵列滤波相关技术 |
2.6.1 空域自适应滤波技术 |
2.6.2 空时联合矢量跟踪技术 |
2.7 本章小结 |
第三章 典型盲自适应中的相位观测精度分析及改进 |
3.1 引言 |
3.2 干扰样式分析与相位检测方法 |
3.2.1 窄带干扰模型及其频谱特性 |
3.2.2 宽带干扰模型及其频谱特性 |
3.2.3 相位正交检测模型 |
3.3 典型盲自适应算法对相位观测精度的影响及分析 |
3.3.1 自适应功率倒置的算法原理 |
3.3.2 滤波及时延性能的仿真 |
3.3.3 仿真结果的分析 |
3.4 基于空时指向约束的功率倒置改进算法 |
3.4.1 典型功率倒置算法的缺陷 |
3.4.2 改进算法的模型结构 |
3.4.3 最佳权值的约束优化 |
3.5 改进型功率倒置算法的仿真分析 |
3.5.1 阵元数量对宽带处理性能的影响 |
3.5.2 干扰样式设置对抗干扰性能的影响 |
3.5.3 导航信号相位观测精度的检测分析 |
3.6 本章小结 |
第四章 特殊场景下的空时算法应用分析及改进 |
4.1 引言 |
4.2 典型Capon算法的时延与滤波性能分析 |
4.2.1 多星场景信号模型 |
4.2.2 多波束成型的实现 |
4.2.3 有用信号相位延时精度的分析 |
4.2.4 来波方向远近对抗干扰性能的影响分析 |
4.3 基于最优主瓣及协方差重构的空时改进算法 |
4.3.1 典型算法的缺陷 |
4.3.2 最优约束方案分析 |
4.3.3 采样协方差矩阵的重构 |
4.3.4 改进算法的结构设计 |
4.4 改进算法时延及抗干扰性能的仿真分析 |
4.4.1 有用信号相位延时精度的分析 |
4.4.2 特殊场景下系统抗干扰性能的分析 |
4.5 改进前后的系统输出性能对比及分析 |
4.5.1 系统输出信干噪比计算原理 |
4.5.2 干扰数目的设置对系统输出功率的影响 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 全文工作总结 |
5.2 未来研究展望 |
致谢 |
参考文献 |
作者简历 |
(2)基于RD-STAP的线性调频连续波低空风切变检测方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 LFMCW雷达 |
1.2.2 低空风切变检测技术 |
1.2.3 RD-STAP技术 |
1.3 论文内容与结构 |
第二章 机载LFMCW雷达回波信号模型构建 |
2.1 引言 |
2.2 LFMCW雷达工作原理及信号处理 |
2.2.1 LFMCW雷达工作原理 |
2.2.2 LFMCW雷达信号处理 |
2.3 机载气象雷达回波信号模型 |
2.3.1 低空风切变模型 |
2.3.2 地杂波模型 |
2.4 实验结果及分析 |
2.4.1 仿真参数设置 |
2.4.2 低空风切变仿真分析 |
2.4.3 地杂波仿真分析 |
2.5 本章小结 |
第三章 基于TDPC-JDL的低空风切变检测方法 |
3.1 引言 |
3.2 基于TDPC-JDL的低空风切变检测方法 |
3.2.1 TDPC预滤波器设计 |
3.2.2 构造局域联合处理降维变换矩阵 |
3.2.3 低空风切变风速估计 |
3.2.4 平均F因子计算 |
3.3 基于TDPC-JDL的低空风切变检测方法流程 |
3.4 实验结果及分析 |
3.4.1 仿真参数设置 |
3.4.2 仿真结果分析 |
3.5 本章小结 |
第四章 基于EFA-CMCAP的低空风切变检测方法 |
4.1 引言 |
4.2 基于EFA-CMCAP的低空风切变检测方法 |
4.2.1 EFA、CMCAP算法原理简介 |
4.2.2 构建EFA-CMCAP降维变换矩阵 |
4.2.3 低空风切变风速估计 |
4.2.4 平均F因子计算 |
4.3 基于EFA-CMCAP的低空风切变检测方法流程 |
4.4 实验结果及分析 |
4.4.1 仿真参数设置 |
4.4.2 仿真结果分析 |
4.5 本章小结 |
第五章 总结与展望 |
致谢 |
参考文献 |
攻读硕士期间所发表的论文 |
(3)机载相控阵雷达目标检测和角度估计方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究历史与现状 |
1.2.1 空时自适应处理 |
1.2.2 自适应波束形成 |
1.2.3 目标DOA估计 |
1.3 本文主要工作与内容安排 |
第二章 非正侧阵机载雷达杂波谱迭代自适应配准方法 |
2.1 引言 |
2.2 阵列几何与杂波距离依赖性分析 |
2.3 利用迭代自适应算法补偿杂波谱 |
2.3.1 传统的RBC算法 |
2.3.2 基于IAA_RBC算法补偿杂波距离依赖性 |
2.4 仿真分析 |
2.4.1 杂波抑制性能分析 |
2.4.2 IAA_RBC算法对目标等干扰因素的鲁棒性 |
2.5 本章小结 |
第三章 基于IPNCM重建的稳健自适应波束形成算法 |
3.1 引言 |
3.2 信号模型及波束形成 |
3.3 基于IPNCM重建的稳健自适应波束形成算法 |
3.3.1 基于数据拟合的IPNCM重建 |
3.3.2 导向矢量估计 |
3.4 仿真分析 |
3.5 本章小结 |
第四章 利用多波位数据提高目标DOA估计精度 |
4.1 引言 |
4.2 阵列几何与信号模型 |
4.2.1 阵列几何 |
4.2.2 目标位置假设 |
4.2.3 信号模型 |
4.3 多波位算法 |
4.4 克拉美罗的推导 |
4.5 仿真分析 |
4.6 本章小结 |
第五章 适用于小样本和低信噪比的迭代MUSIC算法 |
5.1 引言 |
5.2 信号模型 |
5.3 迭代MUSIC算法 |
5.4 理论分析 |
5.5 仿真分析 |
5.6 本章小结 |
第六章 低复杂度的波束域Root-MUSIC算法 |
6.1 引言 |
6.2 信号模型与波束域Root-MUSIC |
6.2.1 信号模型 |
6.2.2 波束域处理 |
6.2.3 传统的波束域Root-MUSIC算法 |
6.3 快速的波束域Root-MUSIC算法 |
6.3.1 算法的实现 |
6.3.2 算法复杂度分析 |
6.4 仿真分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 本文内容总结 |
7.2 工作展望 |
附录A |
附录B |
参考文献 |
致谢 |
作者简介 |
(4)对机载雷达STAP的干扰方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及研究意义 |
1.2 研究历史及研究现状 |
1.2.1 机载雷达STAP的研究历史及现状 |
1.2.2 对机载雷达STAP干扰的研究历史及现状 |
1.3 本文主要工作及章节安排 |
第二章 机载雷达系统与信号环境模型 |
2.1 机载雷达系统模型 |
2.2 机载雷达信号环境模型 |
2.2.1 点目标回波模型 |
2.2.2 杂波模型 |
2.2.3 干扰模型 |
2.2.4 噪声模型 |
2.3 机载雷达信号环境仿真 |
2.4 本章小结 |
第三章 空时二维联合自适应处理 |
3.1 空时自适应处理原理 |
3.2 全自适应空时处理 |
3.2.1 全自适应空时处理原理 |
3.2.2 全自适应空时处理仿真与分析 |
3.3 降维空时自适应处理 |
3.3.1 m-DT降维处理 |
3.3.2 JDL降维处理 |
3.4 算法性能比较与分析 |
3.5 本章小结 |
第四章 对机载雷达STAP的干扰信号研究 |
4.1 雷达干扰 |
4.1.1 雷达干扰分类 |
4.1.2 遮盖性干扰 |
4.1.3 欺骗性干扰 |
4.2 对机载雷达STAP的干扰信号 |
4.2.1 噪声卷积干扰 |
4.2.2 延迟转发干扰 |
4.2.3 随机频移干扰 |
4.3 本章小结 |
第五章 对机载雷达STAP的干扰效果仿真与评估 |
5.1 干扰场景分析 |
5.2 对机载雷达STAP的噪声卷积干扰 |
5.3 对机载雷达STAP的延迟转发干扰 |
5.4 对机载雷达STAP的随机频移干扰 |
5.5 对机载雷达STAP的分布式干扰 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(5)主动声纳空时自适应处理算法研究(论文提纲范文)
1 引言 |
2 空时自适应处理算法研究 |
2.1 原理说明 |
2.2 最佳空时自适应处理 |
2.3 降维空时自适应处理 |
3 空时自适应处理仿真结果 |
3.1 常规处理 |
3.2 空时自适应处理 |
4 结语 |
(6)机载MIMO雷达空时自适应处理模型与算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 STAP技术的研究进展 |
1.2.1 降维(秩)STAP算法 |
1.2.2 非均匀环境STAP算法 |
1.3 MIMO雷达的概念与特点 |
1.3.1 MIMO雷达的概念及分类 |
1.3.2 MIMO雷达的主要特点 |
1.4 机载MIMO雷达STAP技术的研究现状 |
1.4.1 杂波建模与杂波自由度分析 |
1.4.2 降维(秩)处理方面 |
1.4.3 有源干扰条件下MIMO-STAP |
1.4.4 非均匀杂波环境MIMO-STAP |
1.4.5 MIMO-STAP目标参数估计 |
1.4.6 MIMO-STAP波形设计 |
1.5 本文结构安排和主要工作 |
第二章 MIMO雷达STAP模型、原理与降维系统 |
2.1 引言 |
2.2 MIMO雷达STAP信号模型 |
2.2.1 MIMO雷达虚拟阵列 |
2.2.2 MIMO-STAP信号模型 |
2.3 MIMO雷达STAP工作原理 |
2.3.1 相控阵雷达STAP原理 |
2.3.2 MIMO雷达STAP原理 |
2.4 MIMO雷达杂波自由度分析 |
2.4.1 MIMO雷达杂波自由度估计的扩展Brennan准则 |
2.4.2 基于自由度关系的STAP性能分析 |
2.5 降维MIMO-STAP模型与系统 |
2.5.1 全维处理的样本需求与运算量分析 |
2.5.2 降维STAP统一模型与波束-多普勒域处理系统 |
2.5.3 机载MIMO雷达收发联合降维STAP与三迭代算法 |
2.6 本章小结 |
第三章 机载MIMO雷达STAP非均匀样本检测方法 |
3.1 引言 |
3.2 常规的GIP非均匀检测方法 |
3.3 知识辅助的机载MIMO雷达GIP非均匀检测方法 |
3.3.1 基于扁长椭球波函数的杂波子空间知识 |
3.3.2 基于系统参数离线构造的杂波子空间知识 |
3.3.3 知识辅助的GIP非均匀检测方法 |
3.4 仿真实验 |
3.5 本章小结 |
第四章 误差影响下的机载MIMO雷达稳健降维STAP方法 |
4.1 引言 |
4.2 不确定集模型与二阶锥规划方法 |
4.2.1 MIMO-STAP空时误差模型 |
4.2.2 二阶凸优化方法 |
4.3 基于TRIA与SOCP的稳健降维MIMO-STAP方法 |
4.3.1 方法基本原理 |
4.3.2 性能分析 |
4.4 仿真实验 |
4.5 本章小结 |
第五章 存在有源干扰环境下的机载MIMO雷达STAP方法 |
5.1 引言 |
5.2 有源干扰信号模型 |
5.3 MIMO-STAP杂波加有源干扰协方差矩阵秩的分析 |
5.4 有源干扰加噪声信号的获取 |
5.5 有源干扰与杂波同时抑制的降秩MIMO-STAP方法 |
5.5.1 基于迫零方法的MIMO-STAP权值求解 |
5.5.2 运算复杂度分析 |
5.5.3 仿真实验 |
5.6 有源干扰与杂波级联抑制的降维MIMO-STAP方法 |
5.6.1 第1级:基于子空间正交的有源干扰抑制 |
5.6.2 第2级:基于三迭代算法的降维杂波抑制 |
5.6.3 样本数与运算复杂度分析 |
5.6.4 仿真实验 |
5.7 本章小结 |
第六章 机载发射波束域MIMO雷达空时自适应处理 |
6.1 引言 |
6.2 发射波束域MIMO雷达STAP信号模型 |
6.3 发射波束域设计 |
6.3.1 基于椭球序列的波束加权矩阵设计 |
6.3.2 基于二阶锥规划的波束加权矩阵优化设计 |
6.4 发射波束域MIMO雷达杂噪比分析 |
6.5 基于TRIA的发射波束域MIMO-STAP |
6.5.1 基本原理 |
6.5.2 性能分析 |
6.6 仿真实验 |
6.7 本章小结 |
第七章 机载极化阵列MIMO雷达极化空时自适应处理 |
7.1 引言 |
7.2 极化阵列MIMO雷达极化空时信号模型 |
7.3 基于分辨格思想的极化空时协方差矩阵等价表示 |
7.4 极化阵列MIMO雷达极化空时自适应处理性能分析 |
7.4.1 输出SCNR性能分析 |
7.4.2 与常规MIMO-STAP性能比较 |
7.5 仿真实验 |
7.6 本章小结 |
第八章 总结与展望 |
8.1 总结 |
8.2 展望 |
致谢 |
参考文献 |
附录A 式(102)的二阶锥规划构造与求解 |
附录B 多普勒导向矢量误差范数与速度估计误差的关系推导 |
附录C 级联处理与直接处理的性能近似等价性证明 |
附录D 基于二阶锥规划的发射波束域加权矩阵优化设计 |
作者简历 |
(8)应用于卫星导航终端的自适应抗干扰天线空时算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 干扰信号类型分析 |
1.2.1 压制式干扰 |
1.2.2 欺骗式干扰 |
1.3 卫星导航抗干扰技术 |
1.3.1 滤波抗干扰技术 |
1.3.2 波束成形技术 |
1.3.3 军码直捕技术 |
1.3.4 组合导航技术 |
1.4 空时自适应抗干扰技术 |
1.5 本文主要研究内容 |
第二章 空域自适应调零技术分析 |
2.1 空域自适应波束成形准则 |
2.1.1 最大信干比准则 |
2.1.2 最小均方差准则 |
2.1.3 最大似然准则 |
2.1.4 最小方差准则 |
2.1.5 功率倒置算法 |
2.2 空域自适应抗干扰算法性能评估 |
2.2.1 干扰抑制零深 |
2.2.2 空域有效面积 |
2.3 本章小结 |
第三章 空域自适应抗干扰模型分析 |
3.1 天线阵列模型 |
3.1.1 阵元数目分析 |
3.1.2 阵元间距分析 |
3.1.3 阵列结构分析 |
3.2 阵列误差分析 |
3.2.1 阵元幅相误差分析 |
3.2.2 阵元互耦误差分析 |
3.2.3 阵列误差补偿分析 |
3.3 本章小结 |
第四章 空时自适应抗干扰模型分析 |
4.1 空时自适应抗干扰模型分析 |
4.1.1 空时自适应算法原理 |
4.1.2 空时自适应参数分析 |
4.2 多类型干扰信号数值仿真 |
4.2.1 矩形方波信号数值仿真 |
4.2.2 调频信号数值仿真 |
4.3 本章小结 |
第五章 空时自适应抗干扰阵列设计 |
5.1 空域自适应抗干扰阵列评估 |
5.2 空域自适应抗干扰天线设计 |
5.2.1 天线单元仿真设计 |
5.2.2 天线阵仿真设计 |
5.3 空时自适应抗干扰测试 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
作者简介 |
(10)对有源电子扫描阵(AESA)综合射频系统的干扰技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 AESA 综合射频系统的发展现状及趋势 |
1.3 对 AESA 综合射频系统干扰技术的研究现状 |
1.4 论文主要内容和章节安排 |
第2章 AESA 综合射频系统原理及特点研究 |
2.1 AESA 综合射频系统组成 |
2.2 AESA 综合射频系统的若干关键技术 |
2.3 AESA 在综合射频系统中的应用 |
2.4 AESA 综合射频系统的工作模式 |
2.4.1 AESA 综合射频系统的基本工作模式 |
2.4.2 AESA 综合射频系统的复合工作模式 |
2.5 AESA 综合射频系统的抗干扰技术 |
2.5.1 自适应空域滤波 |
2.5.2 空时自适应处理(STAP) |
2.5.3 空间谱估计技术 |
2.5.4 综合抗干扰技术 |
2.6 本章小结 |
第3章 对 AESA 综合射频系统的干扰技术研究 |
3.1 AESA 综合射频系统雷达信号分析 |
3.1.1 线性频率调制信号的处理 |
3.1.2 线性调频信号时频分析 |
3.1.3 匹配滤波器 |
3.2 对自适应空域滤波的干扰研究 |
3.2.1 相干干扰对自适应空域滤波的影响 |
3.2.2 色噪声对自适应空域滤波的影响 |
3.2.3 对自适应空域滤波的干扰技术 |
3.3 对 STAP 的干扰研究 |
3.3.1 非均匀环境对 STAP 的影响 |
3.3.2 有源干扰对 STAP 自由度的影响 |
3.3.3 对 STAP 的干扰技术 |
3.4 对无源侦察中空间谱估计技术的干扰研究 |
3.4.1 信号源数估计对空间谱估计的影响 |
3.4.2 相干条件对空间谱估计的影响 |
3.4.3 对空间谱估计的干扰技术 |
3.5 对抗流程研究 |
3.5.1 AESA 综合射频系统的工作流程 |
3.5.2 对 AESA 综合射频系统的对抗流程 |
3.6 “海上狼群”综合电子战系统 |
3.6.1 “海上狼群”综合电子战系统组成 |
3.6.2 “海上狼群”综合电子战系统工作流程 |
3.7 本章小结 |
第4章 对 AESA 综合射频系统的干扰仿真 |
4.1 综合干扰样式研究 |
4.1.1 复合灵巧噪声相干干扰 |
4.1.2 分布式组网干扰 |
4.2 对自适应空域滤波的干扰仿真 |
4.2.1 移频卷积灵巧干扰 |
4.2.2 色噪声条件下自适应空域滤波干扰仿真 |
4.3 对 STAP 的干扰仿真 |
4.3.1 间歇采样循环转发灵巧干扰 |
4.3.2 分布式组网干扰 |
4.4 对空间谱估计的干扰仿真 |
4.4.1 对信号源数估计的干扰 |
4.4.2 相干干扰对空间谱估计影响仿真 |
4.5 本章小结 |
第5章 对 AESA 综合射频系统的干扰效能分析 |
5.1 基于被干扰方的干扰效果评估 |
5.1.1 干扰效果评估准则 |
5.1.2 干扰方程 |
5.1.3 复合灵巧噪声相干干扰效能分析 |
5.1.4 分布式组网干扰效能分析 |
5.2 基于干扰方的干扰效果评估 |
5.2.1 AESA 综合射频系统受到干扰后可能采取的措施 |
5.2.2 干扰效果评估 |
5.3 本章小结 |
第6章 总结与展望 |
参考文献 |
攻读硕士学位期间发表的学术论文 |
致谢 |
四、空时自适应处理典型方法综合性能评估(论文参考文献)
- [1]基于阵列空时处理的导航接收机抗干扰技术研究[D]. 陈琦. 战略支援部队信息工程大学, 2020(03)
- [2]基于RD-STAP的线性调频连续波低空风切变检测方法研究[D]. 宋迪. 中国民航大学, 2020
- [3]机载相控阵雷达目标检测和角度估计方法研究[D]. 王娟. 西安电子科技大学, 2019(07)
- [4]对机载雷达STAP的干扰方法研究[D]. 张嘉曦. 西安电子科技大学, 2018(02)
- [5]主动声纳空时自适应处理算法研究[J]. 李玉伟,周敏佳. 舰船电子工程, 2017(05)
- [6]机载MIMO雷达空时自适应处理模型与算法研究[D]. 王珽. 解放军信息工程大学, 2017(06)
- [7]海洋信息获取、传输、处理及融合前沿研究评述[J]. 徐文,鄢社锋,季飞,陈景东,张杰,赵航芳,陈戈,吴永清,余华,张歆,许肖梅,陈惠芳. 中国科学:信息科学, 2016(08)
- [8]应用于卫星导航终端的自适应抗干扰天线空时算法研究[D]. 傅随道. 东南大学, 2016(03)
- [9]基于并行单星约束的导航抗干扰研究[J]. 刘延波,袁洪,李亮. 系统工程与电子技术, 2015(02)
- [10]对有源电子扫描阵(AESA)综合射频系统的干扰技术研究[D]. 朱峰. 江苏科技大学, 2014(03)