多目标测控中基于波达方向估计的自适应数字波束合成研究

论文摘要

经过50多年发展,我国航空航天测控系统已经处于测控系统发展的第二个阶段,即统一载波测控体制,具有了由“地基”、“海基”测控设备构成的完整的测控网络。在这样的体制中,一套测控设备每次只能对一个目标进行测控,而且只能在本国和附近地区进行。随着航空航天科学技术的发展和国防建设需要,多目标同时测控的需求日益增强,其具体运用领域也日益广泛。比如,由跟踪与数据中继卫星组成的“天基”测控系统。为了在全球范围全程跟踪飞行器,“天基”测控把测控站放到太空中,由中继卫星完成。而一颗中继卫星不可能只监测一个飞行器,而必须同时多目标测控。多目标测控另一个典型应用是对小卫星测控。小卫星的出现,大大降低了卫星成本,这意味着空中卫星数量的增加,甚至出现了小卫星群。为了降低对小卫星的测控成本,多目标测控是主要解决手段。即使是在传统测控网络中,实现多目标测控,也是对原有设备进行改造和升级的重要方向。多目标测控实现是通过自适应数字波束合成(Digital Beamforming,DBF)技术。自适应DBF技术利用信号的不同来向,从空间域进行滤波,把主瓣对准期望信号而零陷对准干扰信号。通过软件形成不同的权值,在相同的硬件设备上形成多个通道,完成多目标测控。自适应DBF涉及了无线通信的各个部分,而关键在于基带信号处理。作者在全面理解DBF理论基础上,针对系统实现过程中涉及的多个系统性能问题进行了理论分析,同时对波束空间自适应算法和波达方向估计算法进行了改进,并完成了中频和基带的硬件设计和制作,为系统的产品化奠定了基础。论文主要内容包括:(1)首先以均匀线阵为研究模型,介绍了波束合成系统的几个重要参数意义和求解方法。推导在不同准则下的系统最优权矢量解,并对它们进行比较和分析,指出统一为维纳解。而通过对MV准则下波束合成器的仿真,可以观察空间滤波对系统性能的改善。(2)针对工程实现,分析了系统性能同量化比特数,采样快拍数,阵列失配的关系。对于量化比特数的分析,其意义在于确定ADC器件分辨率和数据精度。分析表明,系统量化比特数的增加对系统增益提高是有益的,但当量化比特数增加到一定值,这种改善就不明显了。快拍数大小,决定了协方差矩阵估计误差大小,从而影响系统性能。快拍数越多,误差当然越小,但系统复杂度自然也随之增加。通过分析快拍数同阵列增益的关系,就可以在理论上按照一定的技术指标确定自适应DBF算法使用的快拍数的多少。阵列失配是阵列校正的原因,线性约束和二次约束是两种基本校正方法。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 研究背景
• 1.2 自适应DBF 在测控系统中的应用
• 1.2.1 自适应DBF 的特点
• 1.2.2 “天基”测控系统中的自适应DBF
• 1.2.3 小卫星测控中的自适应DBF
• 1.3 技术发展与现状
• 1.4 主要工作和内容安排
• 2 DBF 基础理论
• 2.1 阵列天线的描绘
• 2.1.1 阵列基本概念
• 2.1.2 均匀线阵方向图
• 2.1.3 阵列性能参数
• 2.2 最优权值求解
• 2.2.1 阵列导引
• 2.2.2 零陷控制
• 2.2.3 最大信干噪比准则（MSINR）
• 2.2.4 最小均方误差准则（MMSE）
• 2.2.5 最大似然准则（ML）
• 2.2.6 最小方差准则（MV）
• 2.2.7 最小功率准则（MP）
• 2.2.8 几种准则的比较
• 2.3 单一干扰下MV 准则最优波束合成器性能分析
• 2.3.1 阵列增益
• 2.3.2 阵列方向图
• 2.3.3 灵敏度
• 2.4 多目标阵列最优加权
• 2.5 本章小结
• 3 DBF 中的几个重要问题
• 3.1 引言
• 3.2 量化误差对系统影响
• 3.2.1 系统模型
• 3.2.2 理想条件分析
• 3.2.3 非理想条件分析
• 3.2.4 仿真分析
• 3.3 快拍数对系统影响
• 3.3.1 协方差矩阵的估计
• 3.3.2 快拍数K 对系统影响
• 3.4 阵列失配
• 3.4.1 阵列失配的原因
• 3.4.2 MV 准则下失配对系统性能影响
• 3.4.3 MP 准则下失配对系统性能影响
• 3.4.4 稳健的波束合成器
• 3.5 本章小结
• 4 自适应 DBF 算法和改进
• 4.1 引言
• 4.2 非盲自适应DBF 算法
• 4.2.1 直接矩阵求逆法（DMI）
• 4.2.2 递归最小二乘算法（RLS）
• 4.2.3 最速下降算法（SD）
• 4.2.4 最小均方算法（LMS）
• 4.3 波束空间对角负载自适应波束合成器
• 4.3.1 波束空间波束合成器
• 4.3.2 波束空间DL 方法权矢量解
• 4.3.3 波束空间DL 方法负载值
• 4.3.4 阵列增益
• 4.3.5 仿真结果
• 4.4 盲自适应DBF 算法
• 4.4.1 基于高阶累量的盲波束合成
• 4.4.2 基于循环统计量的盲波束合成
• 4.4.3 基于恒模特性的盲波束合成
• 4.5 本章小结
• 5 DOA 估计算法及改进
• 5.1 引言
• 5.2 传统DOA 估计方法
• 5.2.1 概述
• 5.2.2 延迟－相加法
• 5.2.3 Capon 最小方差法
• 5.3 DOA 估计的子空间法
• 5.3.1 概述
• 5.3.2 基本的MUSIC 法
• 5.3.3 基本ESPRIT 法
• 5.4 参数估计法
• 5.4.1 概述
• 5.4.2 确定性最大似然法
• 5.4.3 随机性最大似然法
• 5.5 一种改进的MUSIC 算法
• 5.5.1 引言
• 5.5.2 均匀圆阵中二维DOA 估计的MUSIC 法
• 5.5.3 DFT 的应用
• 5.5.4 计算量分析
• 5.5.5 仿真结果
• 5.6 相关信源DOA 估计
• 5.6.1 概述
• 5.6.2 前向平滑技术
• 5.6.3 前/后向空间平滑技术
• 5.7 信源个数的估计
• 5.8 本章小结
• 6 硬件设计和测试
• 6.1 引言
• 6.2 BPSK 的基本概念
• 6.2.1 BPSK 的调制
• 6.2.2 BPSK 的解调
• 6.2.3 各种PSK 的性能分析
• 6.3 直接序列扩频BPSK 调制的数字化实现
• 6.3.1 扩频码产生
• 6.3.2 DSSS 和BPSK 调制
• 6.4 多路BPSK 解调
• 6.4.1 多路BPSK 解调实现
• 6.4.2 载波提取
• 6.5 DBF 基带电路
• 6.5.1 系统结构
• 6.5.2 信号采集
• 6.5.3 权值求解
• 6.5.4 加权输出
• 6.6 本章小结
• 7 结论和展望
• 致谢
• 参考文献
• 附录
• 独创性声明
• 学位论文版权使用授权书