阵列信号处理仿真作业.docVIP

阵列信号处理仿真作业 需要解决的问题： 使用优化算法（可以使用遗传算法）挑选旁瓣相消的阵元 要求：（只需要选择一个突破点即可） ①可以针对不同类型的干扰、连片杂波、地杂波或密集型干扰等进行优化 ②也可以考虑存在阵列误差 下面我们针对第一个突破点进行仿真： 一、基本原理 图1给出了一般阵元级部分自适应处理的框图，通常称为多旁瓣相消器。 图1. 多旁瓣相消器结构部分自适应处理框图 如图1所示，整个天线阵的阵元加导向矢量权及用于压低旁瓣的锥削，可得到主通道输出，的方向图就指向目标方向，而从天线阵中选出M个阵元作自适应单元，自适应单元加权为，于是得到主通道输出，辅助通道输出为。所以整个自适应信号处理器的输出为 (1) 其中表示为主通道的输出；为选取的辅助单元接收的信号；为自适应权值；为形成辅助通道的输出。 在最小均方误差的准则下，求出的自适应权值就演变成为一个优化问题 (2) 得 (3) 为了保证目标信号不损失，应对自适应权作约束，约束条件是在目标信号的方向上，阵列自适应处理的增益为一常数。即在权值调整过程中，无论权怎样变化，对有用信号的增益不变。这样在使自适应阵输出的均方值最小时，能最大限度地抑制干扰且不损失有用信号能量。图1中应用式( 2) 的无约束优化方程显然不合理，它不能保证有用信号增益不变。即由于辅助通道中包含有用信号的能量，就会导致辅助阵元中目标信号分量与主通道中目标信号相减，引起目标信号对消，导致目标增益下降。对此，应设法阻塞目标信号进入辅助支路，避免信号对消现象。一种方法是在优化方程中加入单位增益约束，强制目标方向增益不变，这样的优化方程求解比较麻烦，而且不适合自适应单元自动选取的算法。 这里，采用信号阻塞矩阵来抑制目标信号，使目标信号能量不能进入辅助通道。 (4) 其中为阵列信号；；为信号阻塞矩阵(N-1)×N。 在一般情况下，信号到达角为，则信号阻塞矩阵可表示为 其中，当时，阻塞矩阵变为 这样就得到整个自适应系统框图（图2）。 图2中上支路为主通道, 保证信号完全通过，其加权为导向矢量权和压低旁瓣的锥削。下支路为辅助支路，信号阻塞矩阵阻止信号能量通过，将N个阵元信号变成N-1个信号（降维），然后由辅助单元选择通路并选择参与自适应的单元，加自适应权后与上支路信号相减，得到自适应输出。 图2. 带信号阻塞矩阵的自适应系统框图 现在介绍一下辅助单元选取的准则。由上面的分析可知，图2所示的辅助通道加了信号阻塞矩阵的自适应信号处理系统，将使目标信号增益不变。由于干扰、信号、噪声相互独立，那么系统输出可分成信号能量、干扰能量和噪声能量。在一定的信号环境中，系统对目标的增益不变决定了系统输出的信号能量不变，即不论自适应单元如何选取，也不论自适应权值如何变化，输出中包含的信号能量始终不变。这样，在信号环境不变的前提下，系统输出均方值越小，系统的信号与干扰噪声比就越大。由上，可以在同一组快拍数据下，得到自适应系统输出的的均方值，实际上就是系统输出能量作为选择自适应单元好坏的标准。 二、利用遗传算法选取自适应单元 有了衡量自适应单元选取好坏的准则，下面就要解决如何用较小的运算量来寻找较好的自适应单元的问题。 我们利用遗传算法寻优来解决自适应单元的选取。假设阵元数为N，欲寻找的辅助单元数为M及辅助单元的组合顺序。 第一步：编码（产生初始种群） 由于自变量是要在总阵元中寻找到M个（M=N-1）辅助单元及其组合顺序。信号经过阻塞矩阵后的输出N-1个信号，那么其可行解就有种，我们记自变量为（其中表示第i个阵元没有被选中参与自适应过程，否则表示被选中参与自适应过程）。我们对该可行解进行二进制编码，注意由于自变量刚好是一个二进制序列，因此我们直接将该变量对应的序列当成编码。 我们随机的产生K个（K）初始种群。 第二步：选取适应度函数 可以在同一组快拍数据下，得到自适应系统输出的的均方值，实际上就是系统输出能量作为选择自适应单元好坏的标准。由于均方值越小，代表该自适应单元选取效果更好，因此我们选取适应度函数为 (5) 由式（1）我们有 (6) 为了能够在适应度函数中体现自变量和阻塞矩阵，我们需要将式（6）进行变形得到 (7) 其中，其中的符号“”表示点乘操作。表示与同维数的权矢量，并且其中的一部分元素是将中元素的与中1的位置依次对应的，另一部分只要是非零的数即可。 第三步：利用遗传算子，产生新一代的群体 （1）选择运算 遗传算法使用选择运算来实现对群体中的个体进行优胜劣汰操作：适应度高的个体被遗传到下一代群体中的概率大；适应度低的个体，被遗传到下一代群体中的概率小。选择操作的任务就是按某种方法从父代群体中选取一些个体，遗传到下一代群体。基本遗传算法（Simple Genetic Alg